UNTUK TEKNIK SIPIL

Analisis regresi

 Regresi adalah cara untuk memperoleh hubungan

fungsional antara peubah acak.
 Secara analitis tidak mungkin untuk mendapatkan
hubungan fungsional yang unik dari pasangan
perubah yang banyak
 Tetapi dengan memperhatikan bahwa nilai
variabel Y untuk suatu variabel X yang tetap akan
berada disekitar nilai rata ratanya maka hubungan
fungsional antara nilai rata rata X dan nilai Y
dapat dicari.
 Analisis regresi

 Hubungan yang paling dekat adalah jika fungsi ini

memiliki total kuadrat penyimpangan terkecil dari
seluruh data.
 Regresi linier adalah hubungan fungsional yang
berupa fungsi linier antara satu peubah dengan
peubah yang lain yaitu:
 Y = a + bX
 Permasalahan dalam regresi linier adalah
menaksir koefisien a dan b yang memberikan nilai
yang paling dekat dengan data amatan
 varians
Y
Nilai rata2

Regresi linier sederhana hanya terdapat satu peubah bebas-x

berasumsi bahwa varian adalah konstan bukan fungsi-x
 Galat regresi

 hubungan antara nilai pasangan pengamatan adalah

yi  a  bxi  ei
 galat atau penyimpangan terhadap garis regresi

ei  yi  a  bxi
 na  b xi   yi
a  xi  b xi2   xi yi Persamaan simultan

Solusinya: n xi yi   xi  yi 
b
n x   x 
2 2
i i

a
 y i  b xi
n
 Contoh perhitungan regresi

 Data hasil percobaan geser langsung pada tanah lempung

terkonsolidasi normal

Teg. Normal Teg. Geser 160.0

140.0 y = 0.3524x + 16.768

Tegangan Geser (kN/m2)

138.0 61.4
206.9 86.9 120.0 R² = 0.9291

241.4 103.9 100.0

275.9 124.4 80.0

295 125 60.0

350 130 40.0

20.0

0.0
0.0 100.0 200.0 300.0 400.0
Tegangan Normal (kN/m2)
 Teg. Normal Teg. Geser
x y x2 xy n xi yi   xi  yi 
b
n xi2   xi 
2
138,0 61,4 19049,29 8477,286
206,9 86,9 42808,20 17981,02
241,4 103,9 58276,96 25093,52
a
 y i  b xi
275,9 124,4 76098,78 34322,78
n
295 125 87025,00 36875
350 130 122500,00 45500
1507,187 631,696 405758,24 168249,6

6(168249,6)  1507,187 * 631,696 631,696  0,352 *1507,187

b  0,352
6 * 405758,24  1507,187 2 a   16,767
6
Contoh: perhitungan koefisien regresi dari data hubungan antara faktor air semen dan
kuat tekan beton pada campuran 1:2:3

No fas (X) Kuat tekan (Y)

X i2 X i Yi Yi 2
1 0.35 0.1225 30 10.5 900
2 0.37 0.1369 29 10.73 841
3 0.37 0.1369 28 10.36 784
4 0.4 0.1600 25 10 625
5 0.41 0.1681 22 9.02 484
6 0.5 0.2500 20 10 400

2.4 0.9744 154 60.61 4034


 Koefisien regresi:
n xi yi   xi  yi 
b
n xi2   xi 
2

6(60.61)  (2,4)(154)  5.94

b   68.75
6(0.9744)  (2.4)( 2.4) 0.0864

154  (68.75)( 2.4)

a  53.167
6

persamaan regresi menjadi y  53.167  68.75 x

 Penaksiran koefisien regresi

2 JKG=Jumlah Kuadrat Galat

JKG    yi  a  bxi 
   
  [ yi  y  b xi  x ]2

  y  y   2b y  y x  x  b  x  x 
2 2 2
i i i i

 J YY  2bJ XY  b 2 J XX

J XY
karena b maka JKG  J YY  b 2 J XX
J XX

JKG  J YY  bJ XY
 SELANG TAKSIRAN

Taksiran untuk varian regresi

JKG J YY  bJ XY
S2  
n2 n2

Selang taksiran untuk koef regresi

t / 2 S t / 2 S
b bb
J XX J XX

a
t / 2 S x 2
i
aa
t / 2 S x 2
i

nJ XX nJ XX
 Bentuk lain jumlah kuadrat
2
 n 
  xi 
    xi2   i 1 
n n
J XX   xi  x
2

i 1 i 1 n

2
 n
  y i 

    y i2   i 1 
n n
J YY   y i  y
2

i 1 i 1 n

 n  n 
  x   y i 

  
i

xi  x y i  y   xi y i   i 1  i 1 
n n
J XY  
i 1 i 1 n
contoh hubungan fas dan kuat tekan

J XX  0.9744 
2.4
2
 0.0144
6

J YY  4034 
154
2
 81.3
6

J XY  60.61 
2.4154  0.99
6
 selang penaksiran 95% untuk koefisien regresi

J YY  bJ XX 81.3   68.75 0.0144

2
S 
2
  20.57
n2 4

t / 2  2.776

t / 2 S t / 2 S
b bb
J XX J XX

(68.75 
2.7764.53)  b  (68.75  2.7764.53
9.12 9.12
 70.128  b  67.372
a
t / 2 S x 2
i
aa
t / 2 S x 2
i

nJ XX nJ XX

53.157 
2,7764.53 0.9744  a  53.157  2.7764.53 0.9744
60.0144 60.0144
10.79  a  95.516
 PENGUJIAN MODEL REGRESI

 jumlah kuadrat penyimpangan data (JKT)

terhadap taksiran dikomposisikan atas jumlah
kuadrat model regresi(JKR) dan jumlah kuadrat
galat data (JKG).

 y    yˆ 
n n n
 y    y i  yˆ i 
2 2
y
2
i i
i 1 i 1 i 1

JKT = JKR+JKG atau JKR = JKT – JKG

 Rasio antara JKR dan JKG akan berdistribusi F-
Fisher
 statistik uji

JKR
Fhitung  2
S
JKG
S 
2

n2
 KORELASI

 Jika analisis regresi bertujuan mencari bentuk

hubungan fungsional antara dua peubah, analisis
korelasi bertujuan membuktikan adanya hubungan
fungsional, atau keeratan hubungan antara dua
perubah tersebut

 Dengan demikian wajar jika analisis korelasi

dilakukan sebelum analisis regresi.
 Bentuk korelasi

Tidak berkorelasi Berkorelasi positif Berkorelasi negatif

 KOEFISIEN KORELASI
 Keeratan hubungan antara dua peubah
dinyatakan dalam koefisien korelasi :

 x  
n

i  x yi  y
J XY
 i 1

 x   
n n
J XX J YY
 x . y i  y
2 2
i
i 1 i 1

1    1
  1  korelasi  positif
  1  korelasi  negatif
  0  tidak  berkorelasi
 contoh untuk hubungan fas dan kuat tekan

 koefisien korelasi

J XY  0.99
   0.91
J XX J YY 0.014481.3
Latihan