EVALUASI REGRESI
15
variasi total =
15-10=5 = 12
= variasi karena regresi =12-10=2
10
(garis regresi)
Gambar 1
Misalkan kita mempunyai hasil regresi seperti gambar 1. Garis regesi adalah prediksi. Kita ambil
salah satu nilai aktual di pada nilai sedangkan nilai prediksinya dan
nilai rata-rata .
Perbedaan antara disebut dengan variasi total. Variasi total ini disebabkan dua variasi
yaitu variasi karena regresi dan variasi karena residual atau error ( . Dengan
demikian kita bisa tulis dalam persamaan sbb:
(2)
5=2+3
Setiap sisi kita kuadratkan dan kemudian kita jumlahkan akan menghasilkan persamaan sbb:
(3)
TSS = ESS + SSR
TSS= total sum of squares ; ESS=explained sum of squares yang berasal dari regresi dan SSR=
sum of squared residual berasal dari variabel lain diluar model. Koefisien determinasi
menjelaskan berapa besar variabel independen (ESS) menjelaskan variabel dependen (TSS).
Koefisien determinasi dapat dicari dengan menggunakan formula sbb:
(4)
Regresi yang terbaik ( atau berarti SSR=0 sehingga TSS=ESS
karena ESS=TSS.
Sabaliknya regresi yang terjelek jika regresi tidak mampu menjelaskan (variasi regresi sama
dengan nol) atau ESS=0 maka nilai
Besarnya koefisien determinasi .
Pada kasus permintaan bunga mawar, besarnya . Artinya garis regresi (variabel
independen harga bunga mawar, bunga anyelir dan pendapatan) mampu menjelaskan permintaan
bunga mawar sebesar 77,79% sedangkan sisanya (22.21%) dijelaskan variabel lain.
Nilai R2, akan terus naik jika kita menambah variabel independen
Formula Adjusted R2
4.3. kelayakan model dengan uji F
Langkah uji F
1. Membuat dan
F kritis dan df (degree of freedom) . =tingkat kesalahan yang kita duga. Tingkat
kesalahan maksimum yang kita bisa akamodasi adalah maksimum di dalam teori
ekonomi. Artinya kebenaran yang masih bisa dipercaya adalah 90%. Bisanya yang digunakan
adalah
3. Membuat keputusan
F hitung > F kritis , signifikan (Menolak ) maka model layak
F hitung < F kritis, tidak signifikan (gagal menolak Menolak ) maka model tidak layak
Kita juga bisa menggunakan nilai probabilitas (p-value). Probabilitas (prob) adalah kesalahan
yang sebenarnya
P-value < signifikan (Menolak ) maka model layak
P-value > tidak signifikan (gagal menolak Menolak ) maka model tidak layak
Nilai F hitung > F kritis, sehingga menolak Ho atau bisa dilihat dengan nilai Prob(F-statistic)=
0.000316 < 5%. Berarti model layak.
Uji hipotesis satu sisi positif, jika pengaruh variabel independen adalah positif
Uji hipotesis dua sisi positif, jika pengaruh variabel independen bisa positif atau negatif
2) Menghitung nilai statistik (Hitung) dan t kritis (tabel). t kritis dengan dan df=n-k
adalah tingkat kesalahan yang kita duga, maksimum biasanya yang digunakan
adalah
Nilai t hitung sbb:
Se=standard error
3) Membuat keputusan
(a) membadingkan antara t hitung dengan t kritis
0
Gambar 1. uji dua sisi dan
0
Gambar 2. uji satu sisi positif dan
0
Gambar 3. Uji satu sisi negatif dan
Contoh untuk variabel X2 (harga bunga Anyelir). Pengaruh harga bunga anyelir terhadap jumlah
permintaan bunga mawar positif
Contoh untuk variabel X3 (pendapatan). Pendapatan bisa berpangaruh positif atau negatif
terhadap jumlah permintaan bunga mawar.
Karena uji daua sisi, maka prob (p-value) ttidak harus dibagi dua
p-value=0.5422 > gagal menolak Ho
p-value=0.5422 > gagal menolak Ho
p-value=0.5422 > gagal menolak Ho
dimana = rata-rata produksi per hektar (kg); = rata-rata penggunaan bibit per hektar (kg);
= rata-rata penggunaan pestisida per hektar (kg); = rata-rata penggunaaan pupuk per
hektar (kg).
Kita ingin menguji apakah X2 dan X3 (variabel obat-obatan) secara bersama-sama
mempengaruhi produksi padi
Unrestricted
Restricted
45.74236
F kritis pada dan dengan df n1=2 dan n2=23-4=19 sebesar 5,93 dan 3.52
F hitung > F kritis pada sehingga menolak Ho berarti X2 dan X3 secara bersama-sama
mempengaruhi Y
Included observations: 23