Analisis Regresi
Analisis Regresi
SEJARAH REGRESI
Yˆ a b . X
populasi
y . x 1 2 . X
Model Regresi Non Linier :
• Regresi Pangkat dua diharapkan berlaku untuk populasi
ˆ
Y a b . X c. X 2 y.x 1 2 . X 2 . X 2
atau
Sumbu X
Sumbu X
Metode Regresi
2. METODA KUADRAT TERKECIL (Least Square Method)
Cara ini berpangkal pada kenyataan bahwa jumlah pangkat dua (kuadrat) daripada jarak
antara titik-titik dengan garis regresi yang sedang dicari harus sekecil mungkin
• Regresi Linier
(Yi ).(X i2 ) (X i )(X i Yi )
a
Yˆ a b . X n.X i2 (X i ) 2
n.X i Yi (X i ).(Yi )
b
n.X i2 (X i ) 2
• Model Parabola Kuadratik
Yˆ a .e bX ln Yˆ ln a b . X
• Model Geometrik
Yˆ a . X b log Yˆ log a b.(log X )
log Yi Xi
log a b .
n n
n. ( X i . log Yi ) (log X i ).( log Yi )
b
n.( log 2 X i2 ) (log X ) i2
Metode Regresi
• Model logistic
1 1
Yˆ log
ˆ
log a (log b) . X
a .b X Y 1
log
Yi Xi
log a (log b).
n n
1 1
n. ( X i . log ) ( X i ).( log )
Yi Yi
log b
n. X i2 ( X ) i2
• Model Hiperbola
1 1 1
Yˆ ( ).(X i2 ) (X i )( X i . )
a b. X a
Yi Yi
n.X i2 (X i ) 2
1 1
n. X i (X i ).( )
Yi Yi
b
n.X i2 (X i ) 2
Contoh Penerapan Analisis Regresi
1. Analisis Regresi antara tinggi orang tua terhadap tinggi
anaknya (Gultom).
2. Analisis Regresi antara pendapatan terhadap konsumsi
rumah tangga.
3. Analisis Regresi antara harga terhadap penjualan barang.
4. Analisis Regresi antara tingkat upah terhadap tingkat
pengangguran.
5. Analisis Regresi antara tingkat suku bunga bank terhadap
harga saham
6. Analisis regresi antara biaya periklanan terhadap volume
penjualan perusahaan.
Contoh Penerapan Analisis Regresi
7. Analisis Regresi antara nilai ujian terhadap nilai tugas
siswa.
8. Analisis Regresi antara hasil belajar siswa terhadap nilai
UKG guru.
9. Analisis Regresi antara tingkat pemahaman siswa dengan
nilai IQ siswa tersebut.
10. Dll.
ANALISIS REGRESI LINIER
Macam hubungan antara 2 variabel
• Pada dasarnya hubungan antar 2 variabel dapat
dibedakan atas:
1. Hubungan searah/positif
2. Hubungan bersifat kebalikan/negatif
3. Tidak ada hubungan
Hubungan searah/positif
• Hubungan yang searah diartikan apabila perubahan
variabel x (independent) akan mempengaruhi variabel
y (dependent) yang searah.
Atau jika variabel x bertambah, maka variabel y
bertambah pula, dan sebaliknya.
• Contoh :
a. hubungan antara pengeluaran iklan (x) dan jumlah
penjualan (y).
b. Hubungan antara penghasilan (X) dan pengeluaran
konsumsi (Y)
Hubungan bersifat kebalikan/negatif
• Dua variabel dikatakan mempunyai hubungan yang bersifat
kebalikan atau negatif, apabila perubahan variabel
independent (x) akan mempengaruhi variabel dependent (Y)
pada arah yang berlawanan.
• Artinya apabila variabel x bertambah, maka variabel y
berkurang atau sebaliknya, jika variabel x berkurang maka
variabel y bertambah.
Contoh :
a. Hubungan antara usia kendaraan (X) dengan tingkat harga
(Y).
b. Hubungan antara harga barang (X) dengan jumlah yang
diminta (Y)
Tidak ada hubungan
• Dua variabel dikatakan tidak punya hubungan apabila
perubahan pada variabel independent (x) tidak
mempengaruhi perubahan pada variabel dependent
(y).
• Contoh :
Hubungan antara konsumsi pangan (x) dengan
tingginya gedung (y).
Istilah dan notasi variabel dalam
regresi ?
Y X
• Varaibel tergantung (Dependent • Varaibel bebas (Independent
Variable) Variable)
• Variabel yang dijelaskan • Variabel yang menjelaskan
(Explained Variable) (Explanatory Variable)
• Variabel yang diramalkan • Variabel peramal (Predictor)
(Predictand) • Variabel yang meregresi
• Variabel yang diregresi (Regressor)
(Regressand) • Variabel perangsang atau kendali
• Variabel Tanggapan (Response) (Stimulus or control variable)
Persamaan Regresi
Persamaan Regresi
linier Sederhana:
n( XY ) ( X )( Y )
Y = a + bX + b
n( X 2 ) ( X ) 2
Y = Nilai yang diramalkan
a
b
= Konstansta
= Koefesien regresi a
Y b( X )
X = Variabel bebas n
= Nilai Residu
Pembacaan persamaan regresi
Contoh: Jika persamaan regresi ditunjukkan dengan
persamaan :
y 2,94 0,95 x
maka dapat diartikan bahwa :
hasil besar variabel y akan bertambah sebesar 0,95
pada setiap kenaikan variabel x sebanyak 1 satuan.
Tanpa pengaruh varibel x (x bernilai nol), varibel y
bernilai tetap/konstan atau tidak berubah yaitu
memiliki nilai sebesar 2,94.
Contoh Kasus:
Seorang peneliti meneliti apakah terdapat
pengaruh lama waktu penjemuran terhadap nilai
indeks retak suatu bahan.
2. Pertanyaan Penelitian
• Apakah terdapat pengaruh positif lama waktu
penjemuran terhadap nilai indeks retak bahan?
3. Hipotesis
• Terdapat pengaruh positif lama waktu
penjemuran terhadap nilai indeks retak bahan.
4. Kriteria Penerimaan Hipotesis
Ho : Tidak terdapat pengaruh positif lama waktu
penjemuran terhadap nilai indeks retak bahan.
H1 : Terdapat pengaruh positif lama waktu penjemuran
terhadap nilai indeks retak bahan.
• Ho diterima Jika
b ≤ 0, t hitung ≤ tabel
• H1 diterima Jika
b > 0, t hitung > t tabel.
5. Sampel
8 bahan sampel
8(15032) (192)(609)
b 1,50
8(4902) (192) 2
a
Y b( X )
n
(608) 1,50(192)
a 40
8
Persamaan Regresinya :
Y= 40 + 1,5 X + e
Nilai Prediksi
• Berapa besarnya nilai indeks retak bahan jika lama waktu penjemuran 20?
40,082 + (1,497*20)= 70,022
• Berapa besarnya nilai indeks retak bahan jika lama waktu penjemuran 16?
40,082 + (1,497*16)=64,034
• Berapa besarnya nilai indeks retak bahan jika lama waktu penjemuran 34?
40,082 + (1,497*34)= 90,98
• Berapa besarnya nilai indeks retak bahan jika lama waktu penjemuran 23?
40,082 + (1,497*23)= 74,513
• Berapa besarnya nilai indeks retak bahan jika lama waktu penjemuran 27?
40,082 + (1,497*27)=80,501
• Berapa besarnya nilai indeks retak bahan jika lama waktu penjemuran 32?
40,082 + (1,497*32)= 87,986
Dan seterusnya…………………….!!!
No Y X XY X2 Y2 Ypred Yrata (Y-Ypred)2 (Y-Yrata)2
76
5 88 27 2376 729 7744 80.501 56.235 144
r 2
1
(Y Y )
pred
2
(Y Y ) 2
(227,497)
r 1
2
0,743
(886)
Kesalahan Baku Estimasi
Digunakan untuk mengukur tingkat kesalahan dari
model regresi yang dibentuk.
Se
(Y Y pred ) 2
nk
(227,467)
Se 6,16
82
Standar Error Koefesien Regresi
Digunakan untuk mengukur besarnya tingkat kesalahan dari
koefesien regresi:
Se
Sb
X2
2
( X )
n
6,1576
Sb 0,36
2
(192)
(4902)
8
Uji F
Uji F digunakan untuk uji ketepatan model, apakah nilai prediksi mampu
menggambarkan kondisi sesungguhnya (ambil α = 5%):
F
r 2 /(k 1)
F
0,7432 /(2 1) 50,15
1 r 2 /(n k ) (1 0,743 ) /(8 2))
2
b 1,497
t hitung t hitung 4,17
Sb 0,359
X 3 4 5 6 7 8 9
Y 60 55 65 60 65 70 80
dapatkanlah :
a. Hipotesis pengecekan
b. Persamaan regresi
c. Koefisien determinasi
d. Kesalahan baku estimasi
e. Kesalahan baku koefisien regresi
f. Ketepatan pendekatan regresi
g. Hubungan antara variable X dan Y
h. Kesimpulan akhir