Anda di halaman 1dari 18

Analisis Korelasi dan Regresi

Pengantar
• Apa itu analisis regresi?
• Analisis statistika yang
memanfaatkan hubungan antara
dua atau lebih peubah kuantitatif
sehingga salah satu peubah
dapat diramalkan dari peubah
lainnya.
• Apa bedanya dengan korelasi?
Korelasi
Korelasi
Korelasi
Koefisien Korelasi Pearson (r)
S xy
rxy 
SxS y

S xy 
 ( x  x )( y  y )
i i

n 1

Sx 
 i
( x  x ) 2

dan S y 
 i
( y  y ) 2

n 1 n 1
Korelasi !!!
ANALISIS REGRESI
• Hubungan Antar Peubah:
• Fungsional (deterministik)  Y=f(X) ; misalnya: Y=10X
• Statistik (stokastik)  amatan tidak jatuh pas pada kurva
Mis: IQ vs Prestasi, Berat vs Tinggi, Dosis Pupuk vs Produksi

• Model regresi sederhana:

Yi  0  1 X i   i ; i  1,2,..., n
Regresi

Makna 0 & 1 ?
Regresi
Analisis Regresi
• Pendugaan terhadap koefisien regresi:
 b0 penduga bagi 0 dan b1 penduga bagi 1
(  x )(  y )
 xy  n
b1  Metode
( x )2
x  n2
Kuadrat Terkecil
b0  y  b1 x

Bagaimana Pengujian terhadap model regresi ??


• parsial (per koefisien)  uji-t
• bersama  uji-F (Anova)
Bagaimana menilai kesesuaian model ??
R2 (Koef. Determinasi: % keragaman Y yang mampu dijelaskan oleh X)
Contoh Data
Percobaan dalam bidang lingkungan Jarak Emisi
31 553
Apakah semakin tua mobil semakin
38 590
besar juga emisi HC yang dihasilkan?
48 608
Diambil contoh 10 mobil secara acak, 52 682
kemudian dicatat jarak tempuh yang 63 752
sudah dijalani mobil (dalam ribu 67 725
kilometer) dan diukur Emisi HC-nya 75 834
(dalam ppm) 84 752
89 845
99 960

Emisi = 382 + 5.39 Jarak


Analisis Regresi
Plot antara Emisi Hc (ppm) dg
Jarak Tempuh Mobil (ribu kilometer)

950

850
Emisi

750

650

550

30 40 50 60 70 80 90 100
Jarak
Analisis Regresi
Contoh output regresi dengan Minitab (1)

Regression Analysis (Emisi Hc vs Jarak Tempuh Mobil)

The regression equation is Emisi = 382 + 5.39 Jarak

Predictor Coef StDev T P


Constant 381.95 42.40 9.01 0.000
Jarak 5.3893 0.6233 8.65 0.000

S = 42.01 R-Sq = 90.3% R-Sq(adj) = 89.1%

Analysis of Variance

Source DF SS MS F P
Regression 1 131932 131932 74.76 0.000
Error 8 14118 1765
Total 9 146051

Unusual Observations
Obs Jarak Emisi Fit StDev Fit Residual St Resid
8 84.0 752.0 834.7 18.0 -82.7 -2.18R

R denotes an observation with a large standardized residual


Analisis Regresi
Bagaimana Pengujian terhadap model regresi ??
• parsial (per koefisien)  uji-t
• bersama  uji-F (Anova)

Bagaimana menilai kesesuaian model ??


R2  Koef. Determinasi
(% keragaman Y yang mampu dijelaskan oleh X)
Uji Hipotesis
H0 : 1=0 vs H1: 10
ANOVA (Analysis of Variance)  Uji F
n n n

 i
( y
i 1
 y ) 2
  i
( ˆ
y  y
i 1
) 2
  i i
( y  ˆ
y )
i 1
2

JK total = JK regresi + JK error


Keragaman total = keragaman yang dapat dijelaskan oleh model +
keragaman yang tidak dapat dijelaskan oleh model
Anova
Sumber db JK KT F
Regresi 1 JKR KTR KTR/KTE
F~F (1,n-2)
Error n-2 JKE KTE
Total n-1 JKT
Uji Hipotesis
H0 : 1≤0 vs H1: 1>0

Uji Parsial
b1
Statistik uji: T
Sb 1
s
Sb1 
 i
( x  x ) 2

s
 i i
( y  ˆ
y ) 2

n2
‘All models are wrong,
but some are useful’
(G. E. P. Box)