Kuliah Online

Mata Kuliah : Statistika

Prodi TG

Materi Kuliah Minggu ke- 12:

Trend Fungsi

Dosen :
1. Dr.Ir. Eddy Winarno, S.Si, MT
2. Ir. Sugeng Raharjo, MT
 Trend dan Korelasi Data
 Trend Data :
kecenderungan data mengikuti model matematis

 Korelasi Data :
arah dan kedekatan hubungan dua variabel data sesuai dengan trend datanya,
dinyatakan dengan notasi r (koefisien korelasi)
Tingkat ketepatan data terhadap trend datanya dinyatakan dengan R2 atau r2
Semakin besar nilai R2 (koefisien determinasi) semakin tepat trend datanya.

r positip r ≈ 0 r negatip

n X iYi  ( X i )(  Yi )
r
{n X  ( X i ) }{n Yi  ( Yi ) 2 }
2 2 2
i
 Pemodelan Kecocokan Data (Fitting Curve)
 Trend Data : kecenderungan data mengikuti model matematis

 Kurva Kecocokan Data (fitting curve)

adalah rekostruksi kecenderungan (trend) data terhadap model kurva matematis

 Kriteria Kecocokan Kurva

jumlah simpangan terkecil antara data riel dengan data yang seharusnya pada kurva
atau
jumlah simpangan terkecil antara nilai data prediksi dengan data seharusnya

Real data
Sn Estimasi data model
S2
n
∑ Si = jumlah simpangan terkecil
S1 i=1
min

0 1 2 3 4 5 6 7 8 9 10
 Trend Linier
(Regresi Linier)

 Polinomial
Trend Data  Eksponensial
 Logaritmik
(Regresi)  Trigoneometrik
 dll

Trend Non Linier

(Regresi Non Linier)
 REGRESI
A. KONSEP ANALISIS REGRESI
Fenomena Beberapa Variabel
(misal: kadar, temperatur, tekanan, ketebalan)
Variabel Bebas KAITAN Variabel Tak Bebas
(prediktor) (respon )
Regresi

- variabel yg selalu berubah - merespon

(diukur) variabel bebas
- notasi : X Persamaan Regresi - notasi : Y

Y = f(x) X DIPENGARUHI OLEH Y

 Fenomena Beberapa Variabel
(misal: kadar, temperatur, tekanan, ketebalan)

 kadar DIPENGARUHI OLEH  temperatur

Y1 = kadar Y1 = f(X2 )
X 2 = temperatur Y(kadar) = f(X(temperature))

 temperatur DIPENGARUHI OLEH  kadar

Ya = temperatur
Ya= f(Xb )
X b = kadar

Mana Yang Benar ?

 Fenomena Beberapa Variabel
(misal: kadar, temperatur, tekanan, ketebalan)

 kadar DIPENGARUHI OLEH  temperature

 tekanan
 ketebalan
Y = kadar
X1 = temperature
Y = f(X1 , X 2 , X 3 )
X2 = tekanan
X3 = ketebalan
 Model Regresi

• Persamaan Umum : 
Y . X , X ,.., X
 ( X , X ,.., X  , ,.., )
1 2 k 1 2 m
1 2 k

1. Satu Variabel Bebas, linier : Regresi Linier Sederhana

  1   2 X ; 1, 2 : parameter
Y .X

dengan taksiran persamaan : 16

14
12

Yˆ  a  bX
10
8
6
y = 0,28x + 0,8
; a taksiran 1 , b taksiran 2
4
R² = 0,9703
2
0
0 20 40 60
2. Beberapa Variabel Bebas, linier : Regresi Linier Berganda

   0  1 X 1   2 X 2  .....   k X k
Y .X
dengan taksiran persamaan :

Yˆ  a0  a1 X 1  a2 X 2  ....  ak X k

linier linier linier

3. Satu Variabel Bebas, non-linier : Regresi non-linier
   0  1 X   2 X 2  ....   k X k
Y .X

dengan taksiran persamaan :

ˆ
Y  a0  a1 X  a2 X  ....  ak X
2 k

16
14
12
10
8
6
y = 2E-05x4 - 0,0027x3 + 0,0925x2 -
4 0,8833x + 5
2 R² = 1
0
0 20 40 60
Regresi Linier Sederhana
(RLS)
 Regresi Linier Sederhana (RLS)
Yˆ  a  bX
Yˆ 
16

14
Variabel Tak Bebas
12

10
X = Varibel Bebas
8

6
y = 0,28x + 0,8
R² = 0,9703
Y = f(X)
4

2
2

0
R = Koefisien Determinasi
0 20 40 60

Persamaan Regresi
 A. Metode Pembentukan RLS
ˆ
Y  a  bX
1. Metode Komputerisasi (Exel)
Tahapan :
1. Permasalahan : CT vs Jarak
■ CT dipengaruhi (Y) oleh
jarak angkut (X)
■ Scatter plot
Jarak, X CT, Y

10 3
20 7
30 10
40 11
50 15

2. Trend Data
■ Linier or non-linier
2. Metode Least Square Methods (Kuadrat Terkecil)

Yˆ  a  bX Ŷ dan X : data masukan

a dan b : dicari
untuk mendapatkan nilai a dan b diperlukan paling sedikit 2 persamaan, yaitu :
a. Persamaan Dijumlahkan sampai n data
∑ ( Y = a + bX) ∑ Y = ∑ a + ∑bX ∑ Y = n.a + b.∑X ...... (1)
b. Kalikan dengan variabel X dan Jumlahkan
∑ (Y.X = a.X + bX.X) ∑ XY = a ∑ X + b. ∑ X2 .....................................(2)
c. Eliminasi persamaan (1) dan (2)
∑ Y = n.a + b. ∑ X ∑X ∑ X ∑ Y = n.a ∑ X + b. (∑ X ) 2
∑ XY = a ∑ X + b. ∑ X2 n n.∑ XY = n.a ∑ X + b.n. (∑ X 2 )
-
∑ X ∑ Y – n. ∑XY = b [(∑ X ) 2- n.∑ X 2 ]
maka :
∑ X ∑ Y – n. ∑XY ∑Y ∑X
b= a= - b.
(∑ X ) 2 - n.∑ X2 n n
 Korelasi RLS
 Studi yang membahas tentang derajat hubungan antara variabel-variabel
di dalam persamaan regresi, disebut ANALISIS KORELASI

 Ukuran kuantitatif yang dipakai untuk mengetahui derajat hubungan tersebut,

dinamakan KOEFISIEN KORELASI ( r )

Y; Y;
Y;
t n
t
u    a  
 e  
r
  t    i
 
u   k
n  a  
p    

X naik X naik X naik ; Y naik

r negatif r≈0 r positif

-1 < r < 1
 Koefisien korelasi didapat dengan rumus :

n X iYi  ( X i )(  Yi )
1. r
{n X i2  ( X i ) 2 }{n Yi  ( Yi ) 2 }
2

2. r  1 s 2
y. x /s 2
y S 2 y. x 
 i i
(Y  ˆ
Y ) 2

(n  2)

3. r = b. Sx / Sy SX = simpangan baku variabel X

Sy = simpangan baku variabel Y
b = koefisien regresi
• Apabila r dikuadratkan, menjadi r2 atau R2, disebut
sebagai KOEFISIEN DETERMINASI

“ artinya variabel tidak bebas Y dapat dijelaskan oleh

R2 variabel bebas X, sisanya 1-R2 dijelaskan oleh
variabel lain “

• Koefisien Determinasi dapat juga dihitung dengan

rumus : ˆ
r 2

 (Y
i
 Y ) 2   (Yi  Yi ) 2
 (Yi  Y ) 2
atau

r2 = b1.b2 b1 = koefisien arah Y atas X

b2 = koefisien arah X atas Y
 Contoh Soal : RLS
Dalam rangka persiapan ujian akhir semester diadakan suatu penelitian
apakah jumlah jam kuliah berpengaruh terhadap Indeks Prestasi (IP).
Diambil sampel acak 10 mahasiswa dan diperoleh data sebagai berikut :

Sampel ke- 1 2 3 4 5 6 7 8 9 10
Jam Kuliah 8 5 11 13 10 5 18 15 2 8
IP 2,5 2,3 3,0 3,2 2,7 2,3 3,4 3,1 2,1 2,6

• Susun persamaan Regresi Linier Sederhana

• Jika seorang mahasiswa belajar selama 20 jam sebelum ujian,
berapa perkiraan Indeks Prestasi yang diperoleh ?
• Apakah ada korelasi antara jam belajar dengan Indeks Prestasi,
bagaimana korelasinya ?

Dipengaruhi oleh
Jumlah jam kuliah Indeks Prestasi (IP)
Dipengaruhi oleh
 Yˆ  a  bX
SOLUSI :

n X iYi  ( X i )(  Yi )
r
{n X i2  ( X i ) 2 }{n Yi  ( Yi ) 2 }
2

Sampel ke- 1 2 3 4 5 6 7 8 9 10
Jam Kuliah X 8 5 11 13 10 5 18 15 2 8 95
IP Y 2,5 2,3 3,0 3,2 2,7 2,3 3,4 3,1 2,1 2,6 27,2

XY 20 11,5 33 41,6 27 11,5 61,2 46,5 4,2 20,8 277,3

X2 64 25 121 169 100 25 324 225 4 64 1121

b= 0,086499
a= 1,898261

Yˆ  1,89  0,08 X r = …….. ; R2= ……….

 Soal Latihan : RLS
X1 = pendapatan, ribu rupiah
X2 = banyak jiwa keluarga
Y = pengeluaran, ratusan rupiah
X1 10 2 4 6 8 7 4 6 7 6
X2 7 3 2 4 6 5 3 3 4 3
Y 23 7 15 17 23 22 10 14 20 19

 Susun Persamaan Regresi Linier f(x1) dan f(x2)

 Hitung Koeifisien Determinasi, apa artinya