#1 REGRESI LINIER
Salmawaty
Jurusan Matematika FMIPA UNSYIAH
19 Januari 2023
Regresi Linier
• Tujuan
• Review
– dasar-dasar statistik
– ukuran sebaran
– distribusi normal
– contoh histogram
• Regresi Linier Kuadrat Terkecil
Tujuan
• Mengenal dasar-dasar statistik deskriptif
dan distribusi normal
• Mengetahui cara menentukan kemiringan
dan titik potong dengan sumbu-y (intersep)
yang paling tepat untuk garis regresi
• Mengetahui dan memahami arti dari
koefisien determinasi dan simpangan baku
dari penaksiran
• Mengetahui cara menerapkan regresi linier
pada program komputer
Review Dasar-dasar Statistik
• Rata-rata (mean)
– jumlah data (yi) dibagi dengan jumlah titik (n)
• Median
– titik tengah dari sekumpulan data
• Modus
– nilai yang paling sering muncul dalam sekumpulan
data
Ukuran Sebaran
• Simpangan baku St
sy =
n −1
St : jumlah kuadrat sisa
St = (yi − y )
2
n-1: derajat kebebasan
(y − y ) y − ( y ) / n
2
2 2
• Variansi i i
s 2
y =
i
=
n −1 n −1
• Koefisien variasi sy
c.v.= 100%
y
Distribusi Normal
Contoh Histogram
Contoh Regresi Linier
S r = ∑ ei2 = ∑ ( yi - a0 - a1 xi )
2
i =1 i =1
Meminimumkan S = ∑ e = ∑ ( y - a
r i
2
i 0
- a1 xi )
2
i =1 i =1
• Sr = Sr (a0, a1);
𝜕Sr 𝜕Sr
• Syarat minimum, = 0; =0
𝜕a0 𝜕a1
• Dari kedua syarat di atas, selesaikan untuk
mendapatkan nilai a0 dan a1.
Pencocokan Kuadrat Terkecil pada
Garis Lurus
• Persamaan garis lurus
y = a0 + a1 x
n ∑ xi y i - ∑ xi ∑ y i
a1 =
n∑ x − (∑ x )
2
2
i i
a0 = y - a1 x
Contoh
n ∑ xi y i - ∑ xi ∑ y i ...(...) - (...)(...)
i xi yi (xi)2 xiyi a1 = = = ...
n∑ xi2 - (∑ x )i
2
...(...) - (...)
2
2 2 2.5
y est = ... + ...x
3 3 2.0
4 4 4.0
5 5 3.5
6 6 6.0
7 7 5.5
Kuantifikasi Galat Taksiran
• Pada garis lurus, jumlah kuadrat sisa
n n
Sr = e = (yi − a0 − a1 xi )
2 2
i
i=1 i=1
St − Sr
r =
2
St
• r2 menyatakan persentase ketidakpastian dari model.
• Untuk taksiran terbaik, Sr=0 dan r2=1.
• ada perbaikan dari pemilihan nilai rata-rata
Jika r2=0, tidak
• Jika r2<0, model lebih buruk
Contoh
i xi yi a0+a1xi (yi- ȳ)2 (yi-a0-a1xi)2
= (y − a − a x ) = ...
2
3 3 2.0 Sr i 0 1 i
...
4 4 4.0 sy = = ...
... − 1
5 5 3.5
...
sy / x = = ...
6 6 6.0 ... − 2
... − ...
7 7 5.5 r2 = = ...
...