(ESTIMASI PARAMETER)
Ira Yudistira, S.Si., M.Si.
Jurusan Matematika FMIPA UIM
Ira.yudistira91@gmail.com
REGRESI LINIER
Metode statistika yang digunakan untuk membentuk model
hubungan antara variabel terikat (dependen, respon, Y)
dengan satu atau lebih variabel bebas (independen,
prediktor, X)
Mampu mendeskripsikan fenomena data melalui
terbentuknya suatu model hubungan yang bersifatnya
numerik.
Dapat digunakan untuk melakukan pengendalian
(kontrol) terhadap suatu kasus atau hal-hal yang sedang
diamati melalui penggunaan model regresi yang
diperoleh.
Dapat dimanfaatkan untuk melakukan prediksi untuk
variabel terikat sesuai rentang variable bebas yang
digunakan.
REGRESI LINIER
Antara variabel bebas (X) dan variabel terikat (Y) membentuk
sebuah pola garis yang lurus, dan dalam aplikasinya jika nilai X
meningkat maka nilai Y juga meningkat dan jika nilai X
mengalami penurunan makan nilai Y juga mengalami
penurunan.
REGRESI LINIER
Koefisien Regresi Nilai rata-rata yang berpeluang terjadi
pada variabel Y bila suatu nilai X
diberikan.
Intercept
Secara metematis adalah suatu titik perpotongan antara suatu garis
dengan sumbu Y pada diagram/sumbu kartesius saat nilai X = 0.
Secara statistika adalah nilai rata-rata pada variabel Y apabila nilai
pada variabel X bernilai 0.
Slope
Secara matematis, slope merupakan ukuran kemiringan dari suatu
garis. Slope adalah koefisien regresi untuk variabel X. Secara
statistika, slope merupakan suatu nilai yang menunjukkan seberapa
besar kontribusi (sumbangan) yang diberikan suatu variabel X
terhadap variabel Y.
REGRESI LINIER
Model Umum:
𝑌 = 𝛽0 + 𝛽𝑖 𝑋𝑖 + 𝜀
Y : variable terikat
𝑋𝑖 : variable bebas ke −𝑖
𝛽0 : intercept
𝛽𝑖: slope ke −𝑖
: galat
REGRESI LINIER
Contoh
Model Regresi
𝑌 = 9,4 + 0,7𝑋
REGRESI LINIER
Regresi Linier
Sederhana
Berganda
REGRESI LINIER SEDERHANA
Model Umum:
Y = 0 + 1X +
Y : variable terikat
X : variable bebas
0 : intercept
1 : slope
: galat
REGRESI LINIER SEDERHANA
Skor tes intelegensi mahasiswa Skor tes Nilai
dan nilai kimia (X) kimia (Y)
mahasiswa baru 1 65 85
2 50 74
3 55 76
4 65 90
5 55 85
6 70 87
7 65 94
8 70 98
9 55 81
10 70 91
11 50 76
12 55 74
REGRESI LINIER SEDERHANA
Digram pencar dan garis regresi skor tes intelegensi
dan nilai kimia mahasiswa baru
100
98
95
94
91
90 90
nilai kimia (Y)
87
85 85 85
81
80
76 76
75
74 74
70
50 52 54 56 58 60 62 64 66 68 70
skor tes (X)
REGRESI LINIER SEDERHANA
Tahapan:
1. Identifikasi permasalahan
2. Penentuan variabel
3. Pengumpulan data
4. Analisis regresi
Estimasi parameter
Uji signifikansi parameter
Uji kesesuaian model
Prediksi/ peramalan
ESTIMASI PARAMETER
𝒏 𝒏
OLS: Meminimalkan 𝟐
𝜺𝒊 𝟐 𝟎 − 𝜷
= Yi − 𝜷 𝟏 𝑿𝒊
jumlah kuadrat galat
𝒊=𝟏 𝒊=𝟏
ESTIMASI PARAMETER
OLS: Meminimalkan jumlah kuadrat galat
𝒏 𝒏
𝟐
𝒖𝒊 𝟐 𝟎 − 𝜷
= Yi − 𝜷 𝟏 𝑿𝒊
𝒊=𝟏 𝒊=𝟏
σ𝑛𝑖=1 𝑋𝑖 − 𝑋ത 𝑌𝑖 − 𝑌ത
𝛽መ1 = 𝛽መ0 = 𝑌ത − 𝛽መ1 𝑋ത
σ𝑛𝑖=1 𝑋𝑖 − 𝑋ത 2
Contoh Kasus
agen 1 2 3 4 5 6 7 8
X (juta) 9.94 9.87 9.88 9.91 9.92 9.89 9.93 9.90
Y(unit) 84 100 99 93 90 97 88 94
Model Umum:
σ𝑛𝑖=1 𝑋𝑖 − 𝑋ത 𝑌𝑖 − 𝑌ത −0.945 Yi = 0 + 1Xi + i dimana 𝛽1 < 0
𝛽መ1 = =
σ𝑛𝑖=1 𝑋𝑖 − 𝑋ത 2 0.0042
= −225 Sehingga didapat model regresi