MODEL REGRESI LINIER

NORMAL KLASIK

KELOMPOK 3

SITI FITRIAH (191410061)

WIDIYA YULIANTI (191410067)
ANIS FUAD (191410070)
 DISTRIBUSI PROBABILITAS FAKTOR PENGGANGGU

Distribusi probabilitas menggambarkan besarnya

probabilitas pada semua nilai yang mungkin terjadi dari
setiap eksperimen. Distribusi probabilitas digunakan dalam
uji statistika sehingga diperlukan perumusan model
ekonometrika seperti pada persamaan (1) di bawah ini:

Y𝑖 = 𝛽0 + 𝛽1X𝑖 + u𝑖 (1)
Dimana:
Y𝑖 = variabel terikat
X 𝑖 = variabel bebas
u𝑖 = faktor pengganggu
Variabel Y yang ada di sebelah kiri disebut variabel dependen
(dependent variable) atau variabel terikat yang dipengaruhi.
Sedangkan variabel X disebut variabel independen (independent
variable) atau variabel penjelas (explanatory variable) yaitu
variabel yang mempengaruhi besar kecilnya variable dependen
(X). u disebut variabel pengganggu atau kesalahan
(disturbances/error terms) yang merupakan variabel random
(random/stochastic variable).
Menurut Nazamuddin (2020), faktor pengganggu atau
disturbances merupakan suatu pernyataan tentang kesalahan atau
error dalam nilai-nilai variabel yang diobservasi. Pada persamaan (1)
sebelumnya, memperlihatkan model dalam satu persamaan dan
dua variabel, serta merupakan model konsumsi Keynes.

Dalam model yang menggambarkan suatu fenomena yang

kompleks, hanya variabel-variabel penting (yang dipengaruhi dan
yang mempengaruhi) yang dimasukkan kedalamnya, selain
daripada itu dapat disebut faktor pengganggu atau disturbances
yang dianggap sebagai variabel acak (random variables)
Kita memasukkan variabel penganggu ini karena faktor yang
mempengaruhi jumlah penjualan tidak hanya promosi tersebut
saja, tetapi juga dipengaruhi variabel lain seperti perubahan
tren. Adanya variabel u inilah menunjukkan bahwa model
ekonometrika persamaan (1) merupakan hubungan
ketidakpastian atau random antara variabel dependen yaitu
penjualan dan variabel independen yaitu promosi. Dengan
demikian kita bisa memahami bahwa dengan promosi besar-
besaran, jumlah penjualan belum tentu lebih besar karena
adanya variabel selain promosi yang juga mempengaruhi jumlah
penjualan
Contoh
Kafe Kopi Jelita di Kota Serang bisa dikatakan sukses sehingga
manager harus menyiapkan strategi tingkat penjualannya.
Berdasarkan data jumlah biaya promosi dan besarnya penjualan
Kopi Jelita, dapat dilihat memiliki hubungan positif antara promosi
dan penjualan. Berdasarkan teori pemasaran, promosi akan
berbanding lurus dengan penjualan. Berdasarkan pada persamaan
(1), variabel bebas adalah promosi (x), dan variabel terikat adalah
penjualan (y). Sedangkan 𝛽0 dan 𝛽1 merupakan parameter. Akan
tetapi, pada kenyataannya akan ada variable lain yang
mempengaruhi penjualan (seperti kondisi seseorang, tren yang
berubah) namun tidak dapat dijelaskan secara eksplisit, variable
tersebut adalah e, sebagai faktor pengganggu.
Metode Maksimum Likelihood/Maximum Likelihood
Estimation (MLE)
Metode maksimum likelihood merupakan metode untuk
memperoleh estimator titik dengan cara memaksimumkan
fungsi likelihood.
Misalkan X adalah perubah acak kontinu/diskrit dengan fungsi
kepadatan peluang f(x;𝜃), dengan 𝜃 adalah suatu parameter
yang tidak diketahui, dan X1, X2, …., Xn sampel acak berukuran
n, maka fungsi maksimum likelihood 𝜃 adalah

L(𝜃) = f(X1;𝜃), f(X2;𝜃) ……… f(Xn;𝜃)

L(𝜃) = ς𝑛𝑖=1 𝑓(𝑋1; 𝜃)

Contoh
Misalkan X1, X2, …. , Xn adalah sampel acak berukuran n dari
distribusi B (1; 𝜃 ), dengan 𝜃 tidak diketahui. Tentukan
penafsiran titik untuk 𝜃 dengan menggunakan maximum
Likelihood Estimation (MLE)
 Penyelesaian
Fungsi Kepadatan peluang dari X adalah:
f(x;𝜃) = 𝜃2 . (1 - 𝜃)1-x X = 0,1
f(x;𝜃) = 0
Fungsi likelihood dari sampel acak berukuran n adalah:

L(𝜃) = ς𝑛𝑥=1 𝜃𝑥𝑖 . (1 - 𝜃)1-xi

L(𝜃) = [𝜃x1 . (1 - 𝜃)1-x1] . [𝜃x2 . (1-𝜃)1-x2] …. [𝜃xn . (1-𝜃)1-xn]
∑𝑛= ∑𝑛=
L(𝜃) = 𝜃 𝑥 1 x (1
i. - 𝜃)n- 𝑥 1 x
i
Kemudian kedua ruas diberi In, sehingga akan diperoleh:

𝑛 𝑛

In L(𝜃) = ෍ 𝑥𝑖 . 𝐼𝑛 𝜃 + 𝑛 − ෍ 𝑥𝑖 . 𝐼𝑛 (1 − 𝜃)
𝑥=1 𝑥=1

Selanjutnya fungsi diturunkan terhadap 𝜽 yaitu:

𝑑 𝐼𝑛 𝐿 (𝜃) ∑𝑛𝑖=1 𝑥𝑖 𝑛 − ∑𝑛𝑖=1 𝑥𝑖

= + (-1)
𝑑𝜃 𝜃 1 − 𝜃
 ∑𝑛
𝑖=1 𝑥𝑖 [𝑛 − ∑𝑛
𝑖=1 𝑥𝑖]
= -
𝜃 1−𝜃

𝑑 𝐼𝑛 𝐿 (𝜃)
= 0 untuk memaksimumkan fungsi In
𝑑𝜃

∑𝑛
𝑖=1 𝑥𝑖 [𝑛 − ∑𝑛
𝑖=1 𝑥𝑖]
- =0
𝜃 1−𝜃

(1-𝜃) . ∑𝑛𝑖=1 𝑥𝑖 - [𝑛 − ∑𝑛𝑖=1 𝑥𝑖] 𝜃 = 0

∑𝑛𝑖=1 𝑥𝑖 - 𝜃 . ∑𝑛𝑖=1 𝑥𝑖 - n 𝜃 + 𝜃 . ∑𝑛𝑖=1 𝑥𝑖 = 0

∑𝑛
𝑖=1 𝑥𝑖
𝜃= =X
𝑛
Jadi penaksir maksimum likelihood untuk 𝜃 adalah X, yang merupakan rata-rata
sampel
Thanks