Analisis Regresi

A Review
HUBUNGAN ANTAR VARIABEL
HUBUNGAN
ANTAR VARIABEL

HUB. FUNGSIONAL/ HUB. SECARA

MATEMATIS, y = f(x) STATISTIK, y = f(x) + 

MODEL LINIER MODEL NON LINIER

MODEL REGRESI INTRINSIK NON INTRINSIK

Transformasi

MODEL EXP. DESIGN

DLL

2
 WHAT IS A MODEL?
Representation of Some Phenomenon
(Non-Math/Stats Model)
 Beberapa Contoh Model Regresi Linear

◼ First-Order Model with One Predictor Variable

y =  0 +  1 x1 + 
◼ Second-Order Model with One Predictor Variable
y =  0 +  1 x1 +  2 x12 + 

◼ Second-Order Model with Two Predictor Variables with

Interaction
y =  0 +  1 x1 +  2 x2 +  3 x12 +  4 x22 +  5 x1 x2 + 

◼ etc.

4
PENDUGAAN/ESTIMASI PARAMETER

METODE ESTIMASI
PADA REGRESI LINIER

MAXIMUM LIKELIHOOD LEAST SQUARES

METHOD METHOD
Ordinary Least Generalized Least
Squares (OLS) Squares (GLS)

5
Multiple Regression Models
 Sifat-sifat Estimator Least Squares

◼ Jika semua asumsi yang diberlakukan terhadap model

regresi terpenuhi, maka menurut suatu teorema (Gauss
Markov theorem) estimator tersebut akan bersifat
BLUE (Best Linear Unbiased Estimator).
◼ Best = Terbaik, mempunyai varian yang minimum
◼ Linear = Linear dalam Variabel Random Y
◼ Unbiased = Tak bias
◼ Artinya estimator tersebut akan unbiased dan
mempunyai varian yang minimum diantara semua
estimator unbiased yang lain.

7
 Regresi dengan Variabel Bebas
Kualitatif/Kategorik

 Dibuat Indicator variable/Dummy variabel yaitu

meng”kuantitatifkan” data kualitatif, dengan kode 0
atau 1
 Bila satu variabel bebas memiliki k kategori, maka
akan dibuat sebanyak (k-1) variabel indikator, yg
masing2 bernilai 0 atau 1
 Selanjutnya pendugaan dan pengujian parameter
ekivalen dengan regresi berganda.