Fungsi Khusus
Fungsi Khusus
METODE KAUSAL
2
Asumsi Analisis Regresi Linier
3
Asumsi Analisis Regresi Linier
4
Asumsi Analisis Regresi Linier
5
Regresi Linier Berganda
Model regresi linier berganda melibatkan lebih dari satu variabel
bebas. Modelnya :
Y 0 1 X 1 2 X 2 ... k X k
Dimana
Y = variabel terikat
Xi = variabel bebas ( i = 1, 2, 3, …, k)
0 = intersep
i = koefisien regresi ( i = 1, 2, 3, …, k)
Model penduganya adalah
Y b0 b1 X 1 b2 X 2 ... bk X k
6
Regresi Linier Berganda
Misalkan model regresi dengan kasus 2 peubah bebas X1
dan X2 maka modelnya :
Y 0 1 X 1 2 X 2
Sehingga setiap pengamatan X1i , X 2i ; Yi ; i 1, 2 ,...,n
Akan memenuhi persamaan
Y 0 1 X 1 2 X 2 i
7
Menaksir Koefisien Regresi Dengan
Menggunakan Matriks
…..
8
Menaksir Koefisien Regresi Dengan
Menggunakan Matriks
n X1i X 2i ... X ki
X1i X1i X 2i X1i X ki
2
X 1i ...
A
... ... ... ... ...
X ki X ki X1i X ki X 2i X ki
2
...
9
Menaksir Koefisien Regresi Dengan
Menggunakan Matriks
b0 g 0 Yi
b
b 1
g g 1 X 1iYi
... ...
bk g k X kiYi
10
Menaksir Koefisien Regresi Dengan
Menggunakan Matriks
11
Metode Pendugaan Parameter
Regresi
Dengan Metode Kuadrat Terkecil, misalkan model terdiri dari 2
variabel bebas
n n
ei Yi b0 b1 X1i b2 X 2i
2 2
i 1 i 1
Tahapan pendugaannya :
1. Dilakukan turunan pertama terhadap b0 , b1 dan b2
ei
2
2Yi b0 b1 X 1i b2 X 2i
b0
ei
2
2Yi b0 b1 X 1i b2 X 2i X 1i
b1
ei
2
2Yi b0 b1 X 1i b2 X 2i X 2i
12 b2
Metode Pendugaan Parameter
Regresi
2. Ketiga persamaan hasil penurunan disamakan dengan
nol
nb0 b1 X i1 b2 X i 2 Yi
b0 X1i b1 X i1 b2 X1i X i 2 X1iYi
2
b0 X 2i b1 X i1 X 2i b2 X i 2 X 2iYi
2
13
Metode Pendugaan Parameter
Regresi
3. Nilai b1 dan b2 dapat diperoleh dengan memakai
aturan-aturan dalam matriks
n 2
n
n n
X 2 X 1Y X 1 X 2 X 2Y
b1 i 1 i 1 i 1 i 1
2
n 2 n n
X 1 X 2 X 1 X 2
2
i 1 i 1 i 1
n 2 n n n
X 1 X 2Y X 1 X 2 X 1Y
b2 i 1 i 1 i 1 i 1
2
n 2 n n
X 1 X 2 X 1 X 2
2
i 1 i 1 i 1
b0 Y b1 X1 b2 X 2
14
Uji Kecocokan Model
1. Dengan Koefisien Determinasi
JKR
R
2
JKT
R2 menunjukkan proporsi variasi total dalam respon Y yang
dapat diterangkan oleh model
R2 r
r merupakan koefisien korelasi antara Y dengan kelompok
X 1 , X 2 , X3 , … , X k
15
Uji Kecocokan Model
2. Dengan Pendekatan Analisis Ragam
Tahapan Ujinya :
1. Hipotesis =
H0 : 0
H1 : 0
dimana
= matriks [ 0, 1, 2, … , k ]
16
Uji Kecocokan Model
2. Tabel Analisis Ragam
Komponen SS db MS Fhitung
Regresi
Regresi JKR k JKR / k JKR /k
s2
Galat JKG n – k – 1 s2 = JKG / n-k-1
Total JKT n–1
17
Uji Kecocokan Model
3. Pengambilan Keputusan
18
Uji Parsial Koefisien Regresi
Tahapan Ujinya :
1. Hipotesis =
H0 : j 0
H1 : j 0
dimana j merupakan koefisien yang akan diuji
19
Uji Parsial Koefisien Regresi
2. Statistik uji :
bj j
t
Dimana : s c jj
bj = nilai koefisien bj
s =
cjj = nilai matriks A-1 ke-jj
JKG / n k 1
20
Uji Parsial Koefisien Regresi
3. Pengambilan keputusan
H0 ditolak jika
t
pada taraf kepercayaan hitung > t /2(db= n-k-1)
21
Pemilihan Model Terbaik
Y 0 i X iKelompok
j X j C terdiri dari 2 variabel bebas
Y 0 i XKelompok
i jX j D k X k dari 3 variabel bebas
terdiri
Y 0 1 XKelompok
1 2 X 2 E 3 X 3dari
terdiri 44 X
variabel
4 bebas
23
Pemilihan Model Terbaik
Persamaan regresi yang menduduki posisi utama dalam
setiap kelompok adalah
24
Pemilihan Model Terbaik
27
Pemilihan Model Terbaik
Contoh :
Akan dianalisis model regresi yang terdiri dari 4 variabel bebas
28
Model Variabel Korelasi t parsial F
riy 0,731
r2y 0,816
r3y -0,535
r4y -0,821
Y = f(X4) 22,798*
Model terbaik r1y.4 0,915
r2y.4 0,017
Y = f(X1 , X2)
r3y.4 0,801
Y = f(X1,X4) 176,627*
r2y.14 0,358 X1 = 108,223*
r3y.14 0,320 X4 = 159,295*
Y = f(X1, X2,X4) 166,832*
X1 = 154,008*
X2 = 5,026*
X4 = 1,863
r3y.124 0,002
29= f(X , X )
Y 229,504*
1 2