ANALISIS REGRESI

TERAPAN

ZULAELA

Prodi Statistika, Jurusan Matematika

FMIPA UGM
Yogyakarta
Materi:
Analisis regresi linier sederhana. Analisis regresi linier ganda,
variabel independen kualitatif, pemilihan variabel independen
dan pembentukan model. Analisis residu. Penekanan pada
penerapannya.
Buku Bacaan:
1. Montgomery, D.C. & Peck, E.A. 1992. Introduction to Linear
Regression Analysis, John Wiley & Sons, New York.
2. Myers, R.H. 1990. Classical and Modern Regression with
Applications, PWS-KENT, Boston.
Ming Pertem Waktu Topik Substansi Metode
gu uan

I 1 100 Sistem Perkuliahan Menjelaskan materi kuliah, buku bacaan, Ceramah

menit sistem penilaian dan pengantar regresi Diskusi

II 2 100 Regresi Linier Scatter Plot, Estimasi Koefisien Regresi Ceramah

menit Sederhana Diskusi
Demo Software Komputer

III 3 100 Regresi Linier Pengujian Hipotesis Koefisien Regresi Ceramah

menit Sederhana Diskusi
Demo Software Komputer

IV 4 100 Korelasi Sederhana Pengujian Hipotesis Koefisien Korelasi Ceramah

menit Diskusi
Demo Software Komputer

5 100 Pengenalan Paket Memulai dengan SPSS Praktikum di Laboratorium

menit Program Statistika dan Matematika

V 6 100 Regresi dengan 2 Estimasi Koefisien Regresi, Pengujian Ceramah

menit Variabel Independen Hipotesis Koefisien Regresi Diskusi
Demo Software Komputer

7 100 Analisis Regresi Menjalankan Regresi Linier Sederhana dan Praktikum di Laboratorium
menit Linier Sederhana Korelasi dengan SPSS Statistika dan Matematika
dengan SPSS

VI 8 100 Regresi dalam Estimasi Koefisien Regresi, Pengujian Ceramah

menit Bentuk Matriks Hipotesis Koefisien Regresi Diskusi

9 100 Analisis Regresi Menjalankan Regresi Ganda dengan SPSS Praktikum di Laboratorium
menit Ganda dengan SPSS Statistika dan Matematika
VII 10 100 menit Variabel Independen Dummy variables Ceramah
Kategorikal Diskusi
Demo Software Komputer

11 100 menit Analisis Variabel Membuat Dummy variables dengan SPSS Praktikum di Laboratorium
Independen Statistika dan Matematika
Kategorikal

VIII - 100 menit Ujian Tengah Pelaksanaan Ujian Tengah Semester

IX Semester

X 12 100 menit Penyelesaian Soal Ujian Membahas Penyelesaian Soal Ujian Tengah Semester Ceramah

Tengah Semester Diskusi

XI 13 100 menit Persamaan Regresi Kriteria Pemilihan Model Regresi Terbaik Ceramah
Terbaik Diskusi
Demo Software Komputer

14 100 menit Persamaan Regresi Pemilihan Model Regresi Terbaik dengan SPSS Praktikum di Laboratorium
Terbaik Statistika dan Matematika

XII 15 100 menit Metode Seleksi I Metode Forward, Backward dan Stepwise Ceramah
Diskusi
Demo Software Komputer

16 100 menit Metode Seleksi I Metode Forward, Backward dan Stepwise Praktikum di Laboratorium
Statistika dan Matematika

XIII 17 100 menit Metode Seleksi II Metode Forward, Backward dan Stepwise Ceramah
Diskusi
Demo Software Komputer

18 100 menit Metode Seleksi II Metode Forward, Backward dan Stepwise Praktikum di Laboratorium
Statistika dan Matematika
XIV 19 100 menit Analisis Residual I Pemeriksaan Asumsi Model Regresi Ceramah
Diskusi
Demo Software Komputer

20 100 menit Analisis Residual I Pemeriksaan Asumsi Model Regresi Praktikum di Laboratorium
Statistika dan Matematika

XV 21 100 menit Analisis Residual II Pemeriksaan Asumsi Model Regresi Ceramah

Diskusi
Demo Software Komputer

22 100 menit Analisis Residual II Pemeriksaan Asumsi Model Regresi Praktikum di Laboratorium
Statistika dan Matematika

XVI 23 100 menit Review Mereview Keseluruhan Materi Ceramah

Diskusi
Demo Software Komputer
Sistem Penilaian:
1. Presensi
2. Tugas rumah
3. Tugas kelas
4. UTS
5. UAS
 ANALISIS REGRESI
Analisis Regresi Linear

Analisis regresi merupakan metode analisis data yang

memanfaatkan hubungan antara dua variabel atau lebih (Berat
Badan dengan Umur; FEV1 dengan Tinggi Badan; Berat Badan
dengan Umur dan Asupan Gizi).
Y=variabel dependen, tak bebas, tergantung, respon, outcome.
X=variabel independen, bebas, tak tergantung, prediktor.

Tujuan:
Menyelidiki bentuk/pola hubungan antara Y dengan X.

Mengestimasi/menduga mean atau rata-rata dari Y populasi

berdasarkan X yang diberikan.
 Case Summariesa

berat badan umur

1 15.00 20.00
2 13.00 16.00
3 9.00 12.00
4 6.00 6.00
5 6.00 10.00
6 18.00 34.00
7 16.00 25.00
8 11.00 20.00
9 6.00 8.00
10 12.00 14.00
11 18.00 30.00
12 22.00 36.00
13 7.00 9.00
14 10.00 10.00
15 10.00 15.00
16 14.00 24.00
17 20.00 30.00
Total N 17 17
a. Limited to first 100 cases.

Scatter Plot
 Coefficientsa

Unstandardized
Coefficients
Model B Std. Error t Sig.
1 (Constant) 3.025 .838 3.608 .003
umur .507 .040 12.652 .000
a. Dependent Variable: berat badan

Berat Badan = 3.025 + 0.507 Umur

Untuk seorang anak yang berumur 18 bulan, maka berat anak
tersebut dapat diprediksi sebesar 12.151 kg
 y x xy x2 y2
. . . . .
. . . . .

y x xy x2 y2

n xy x y
b
n x ( x )
2 2

a y bx

y
y
x
x
n n
 Pengujian Koefisien Regresi
H0 : 0 H1 : 0
Statistik Uji: b
t
S (b)
S2
S (b)

x n
x)2 2 (

S 2

y 2
a y b xy
n2

H0 ditolak apabila thitung t / 2; n 2 atau thitung t / 2; n 2

Analisis Korelasi
Analisis korelasi merupakan metode analisis data yang
mengukur derajat hubungan antara dua variabel random X dan
Y melalui sebuah bilangan yang disebut koefisien korelasi r.

n xy x y
r
[n x 2 ( x) 2 ][n y 2 ( y ) 2 ]

Kuadrat dari koefisien korelasi disebut koefisien

determinasi yang merepresentasikan besarnya proporsi
variasi dalam variabel y yang dijelaskan oleh variabel x
dalam model. Dengan menggunakan pasangan data
berat badan dan umur anak balita, diperoleh nilai
koefisien korelasi sebesar 0.956 dan koefisien
determinasi sebesar 0.914
 Pengujian Koefisien Korelasi
H0 : 0 H1 : 0
Statistik Uji:
r n2
H0 ditolak apabila:
t
1 r2

thitung t / 2; n 2 atau thitung t / 2; n 2

Model Regresi Linear Ganda
Model regresi linear ganda dengan p
variabel independen ditunjukkan dengan
persamaan:
E(Y) = 0 + 1X1 + 2X2 + ..... + pXp
variabel dependen Y kontinu, sedangkan
variabel-variabel independen X dapat
kontinu atau kategorik.
Seorang peneliti ingin mengetahui seberapa
baik dia dapat memprediksi length of stay
seorang pasien apabila diketahui variabel
independennya number of previous
admissions, age dan sex. Untuk itu telah
dikumpulkan data untuk 15 pasien sbb:
 ANOVAb

Sum of
Model Squares df Mean Square F Significance
1 Regression 2653.792 3 884.597 33.653 .000a
Residual 289.141 11 26.286
Total 2942.933 14
a. Predictors: (constant) Sex, Number of Previous Admissions, Age...
b. Dependent Variable: Length of stay
 Coefficientsa

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Significance
1 (Constant) 16.186 7.175 2.256 .045
Number of Previous
-.859 1.435 -.083 -.598 .562
Admissions
Age .815 .164 .711 4.977 .000
Sex -10.360 4.421 -.362 -2.343 .039
a. Dependent Variable: Length of stay
 Model Summary

Adjusted Std. Error of

Model R R Square R Square the Estimate
1 .950a .902 .875 5.12694
a. Predictors: (constant) Sex, Number of Previous
Admissions, Age...