LINIER
Statistik Ekonomi
OTG
166
ODP 14 25%
PDP 4
Positif 4
Covid19 Salatiga, update: 19 april 2020
Regresi adalah suatu metode analisis statistik
yang digunakan untuk melihat pengaruh antara
dua atau lebih banyak variabel.
Tujuan Penggunaan Analisis Regresi antara
lain: Membuat estimasi rata-rata dan nilai
variabel tergantung (dependen) dengan
didasarkan pada nilai variabel bebas
2
Pendugaan parameter model regresi linier sederhana dengan
menggunakan metode least square. Metode ini pada
dasarnya untuk meminimalisasi error titik data terhadap garis
lurus terbaik. Misalkan satu set data regresi Yi, Xi dimana i =
1, 2, ... , n, maka bentuk hubungan Yi dan Xi dalam
persamaan regresi linearnya yaitu
𝑌𝑖 = 𝑏0 + 𝑏1 𝑋𝑖 + 𝑒𝑖
3
Metode ini berdasarkan error
minimum. Yang penting dari
metode kuadrat terkecil ada tiga
parameter, yaitu gradien garis
lurus terbaik (b1), perpotongan
garis lurus di sumbu Y terbaik (b0),
dan koefisien korelasi (r); untuk
persamaan garis lurus atau garis
regresinya
𝑌𝑖 = 𝑏0 + 𝑏1 𝑋𝑖
4
• error data yang terjadi antara setiap titik data, dapat dituliskan
𝜕𝑆𝑆𝐸 𝜕𝑆𝑆𝐸
=0 dan =0
𝜕𝑏0 𝜕𝑏1
6
Turunan persamaan SSE terhadap b0 sama dengan nol;
menghasilkan
𝑛
𝜕𝑆𝑆𝐸
= −2 𝑌𝑖 − 𝑏0 − 𝑏1 𝑋𝑖 = 0
𝜕𝑏0
𝑖=1
𝑛 𝑛
𝑖=1 𝑖=1
7
Turunan persamaan SSE terhadap b1 sama dengan nol;
menghasilkan 𝑛 𝑛
2
𝑛
𝑛
𝜕𝑆𝑆𝐸
= −2 𝑌𝑖 − 𝑏0 − 𝑏1 𝑋𝑖 . 𝑋𝑖 = 0
𝜕𝑏1
𝑖=1
𝑛 𝑛 𝑛
8
Dengan menggunakan teknik subsitusi dan eliminasi pada kedua
persamaan 1 dan 2, dapat diperoleh hasil sebagai berikut:
Gradien garis lurus terbaik adalah b1,
𝑛 σ𝑛𝑖=1 𝑋𝑖 𝑌𝑖 − σ𝑛𝑖=1 𝑋𝑖 σ𝑛𝑖=1 𝑌𝑖
𝑏1 =
𝑛 σ𝑛𝑖=1 𝑋𝑖2 − (σ𝑛𝑖=1 𝑋𝑖 )2
dapat juga ditulis
9
Dengan menggunakan teknik subsitusi dan eliminasi pada kedua
persamaan 1 dan 2, dapat diperoleh hasil sebagai berikut:
Titik potong pada sumbu y terbaiknya adalah b0,
σ𝑛𝑖=1 𝑌𝑖 σ𝑛𝑖=1 𝑋𝑖2 − σ𝑛𝑖=1 𝑋𝑖 σ𝑛𝑖=1 𝑋𝑖 𝑌𝑖 dapat juga ditulis
𝑏0 =
𝑛 σ𝑛𝑖=1 𝑋𝑖2 − (σ𝑛𝑖=1 𝑋𝑖 )2
σ𝑛𝑖=1 𝑌𝑖 σ𝑛𝑖=1 𝑋𝑖2 − σ𝑛𝑖=1 𝑋𝑖 σ𝑛𝑖=1 𝑋𝑖 𝑌𝑖
𝑏0 𝑡𝑒𝑟𝑏𝑎𝑖𝑘 =
𝑛 σ𝑛𝑖=1 𝑋𝑖2 − (σ𝑛𝑖=1 𝑋𝑖 )2
Karena sebelumnya sudah punya b1, maka b0 bisa ditulis
σ𝑛𝑖=1 𝑌𝑖 − 𝑏1 σ𝑛𝑖=1 𝑋𝑖
𝑏0 =
𝑛 10
Dengan menggunakan teknik matrik pada kedua persamaan 1 dan
2, maka:
Dalam bentuk matrik
𝑛 σ𝑛𝑖=1 𝑋𝑖 𝑏𝑜 σ𝑛𝑖=1 𝑌𝑖 𝑛 σ𝑛𝑖=1 𝑋𝑖
−1
σ𝑛𝑖=1 𝑌𝑖
𝑏𝑜
σ𝑛𝑖=1 𝑋𝑖 𝑌𝑖 menjadi
= =
σ𝑛𝑖=1 𝑋𝑖 σ𝑛𝑖=1 𝑋𝑖2 𝑏1 𝑏1 σ𝑛𝑖=1 𝑋𝑖 σ𝑛𝑖=1 𝑋𝑖2 σ𝑛𝑖=1 𝑋𝑖 𝑌𝑖
Matrik invers 2 x 2
25%