Diagram Pencar
Diagram Pencar atau Diagram Tebaran menunjukkan titik-
titik nilai dari variabel tak bebas (dependent) maupun
variabel bebas (independent).
A 30 6
B 49 9 A
C 18 3 F
D 42 8
E 39 7
F 25 5
G 41 8 Kita bisa melihat ada hubungan positif
antara kedua variabel
H 52 10
Garis lurus yang terdapat pada diagram pencar yang
memperlihatkan hubungan antara variabel disebut “garis
regresi atau garis perkiraan”
Model regresi sederhana:
Yi 0 1 X i i ; i 1,2,..., n
Atau
𝒀′ = 𝒂 + 𝒃𝑿
Dimana
a: Y pintasan, (nilai 𝒀′ bila X=0)
b: kemiringan dari garis regresi (kenaikan atau penurunan 𝒀′ untuk
setiap perubahan satu satuan X) atau koefisien regresi, yang mengukur
besarnya pengaruh X terhadap Y kalau X naik satu satuan unit.
X: nilai tertentu dari variabel bebas
𝒀′ : dibaca “Y aksen” artinya nilai yang diukur/dihitung pada variabel
tidak bebas
PENGANTAR
Apa itu analisis regresi?
𝑌 − 𝑌′ = 0
𝑑𝑎𝑛 𝑌 − 𝑌 ′ 2
= 𝑛𝑖𝑙𝑎𝑖 𝑡𝑒𝑟𝑘𝑒𝑐𝑖𝑙 𝑎𝑡𝑎𝑢 𝑡𝑒𝑟𝑒𝑛𝑑𝑎ℎ
𝑌 − 𝑌′ 2
= 𝑛𝑖𝑙𝑎𝑖 𝑡𝑒𝑟𝑘𝑒𝑐𝑖𝑙 𝑎𝑡𝑎𝑢 𝑡𝑒𝑟𝑒𝑛𝑑𝑎ℎ
𝑎 = 𝑌ത − 𝑏𝑋ത
Standard Error Estimasi
Standard error estimasi (𝑠𝑌,𝑋 ) adalah deviasi standard yang
memberikan ukuran penyebaran nilai-nilai yang teramati di
sekitar garis regresi, dirumuskan sbb:
σ 𝑌−𝑌 2 σ 𝑌 2 −𝑎 σ 𝑌 −𝑏 σ 𝑋𝑌
𝑠𝑌,𝑋 = =
𝑛−2 𝑛−2
1 24 10
2 22 5
3 21 6
4 20 3
5 22 6
6 19 4
7 20 5
8 23 9
9 24 11
10 25 13
Regresi Linear Berganda
Apabila terdapat lebih dari dua variabel, maka hubungan linear dapat
dinyatakan dalam persamaan linear berganda sbb:
𝑌 ′ = 𝑏0 + 𝑏1 𝑋1 + 𝑏2 𝑋2 + ⋯ + 𝑏𝑘 𝑋𝑘
𝑌 ′ 𝑖 = 𝑏0 + 𝑏1 𝑋1𝑖 + 𝑏2 𝑋2𝑖 + ⋯ + 𝑏𝑘 𝑋𝑘𝑖
dengan i=1,2,...n
Di mana
Y: nilai observasi (data hasil pencatatan)
𝑌 ′ : 𝑛𝑖𝑙𝑎𝑖 𝑟𝑒𝑔𝑟𝑒𝑠𝑖
Disini ada satu variabel tidak bebas (dependent variable), yaitu 𝑌 ′ dan
ada k variabel bebas (independent variable), yaitu 𝑋1 , … , 𝑋𝑘 .
Untuk menghitung 𝑏0 , 𝑏1 , 𝑏2 , … , 𝑏𝑘 kita gunakan Metode Kuadrat
Terkecil (Least Square Method) yang menghasilkan persamaan
normal sbb:
A B H
Dengan
A: matriks (diketahui)
H: vektor kolom (diketahui)
b: vektor kolom (tidak diketahui)
Y
(Ratusan 23 7 15 17 23 22 10 14 20 19
Rupiah )
X1
(Ribuan 10 2 4 6 8 7 4 6 7 6
Rupiah)
X2
7 3 2 4 6 5 3 3 4 3
(Orang)
Y 64 71 53 67 55 58 77 57 56 51 76 58
𝑋1 157 159 149 162 151 150 155 148 152 142 161 157
𝑋2 18 20 *+1 21 18 17 20 19 20 16 22 19
0
a. Dengan menggunakan persamaan regresi 𝑌 ′ = 𝑎 + 𝑏1 𝑋1 + 𝑏2 𝑋2 ,
carilah 𝑎, 𝑏1 , 𝑑𝑎𝑛 𝑏2
b. Berapa berat seseorang yang tingginya 153 cm dan umurnya 43
tahun?
Trend Parabola
Garis trend pada dasarnya adalah garis regresi dimana
variabel bebas X merupakan variabel waktu. Baik garis
regresi maupun trend dapat berupa garis lurus (linear
regresion/trend) maupun tidak lurus (non-linear
regression/trend). Persamaan garis trend parabola adalah
sbb:
𝑌 ′ = 𝑎 + 𝑏𝑋 + 𝑐𝑋 2 (𝑋: 𝑤𝑎𝑘𝑡𝑢)
𝑎 𝑋 + 𝑏 𝑋 2 + 𝑐 𝑋 3 = 𝑋𝑌
𝑎 𝑋2 + 𝑏 𝑋3 + 𝑐 𝑋4 = 𝑋2 𝑌
𝑛 σ𝑋 σ 𝑋2 𝑎 σ𝑋
σ𝑋 σ 𝑋2 σ 𝑋3 𝑏 = σ 𝑋𝑌
σ 𝑋2 σ 𝑋3 σ 𝑋4 𝑐 σ 𝑋2𝑌
A B C
AB=C
B=𝐴−1 𝐶
𝐴−1 = kebalikan (invers) A
Atau
Menggunakan determinan
laso
Trend Eksponensial
Trend Eksponensial sering dipergunakan untuk meramalkan jumlah
penduduk, pendapatan nasional, produksi, hasil penjualan, dan
kejadian-kejadian lain yang perkembangan/pertumbuhannnya
meningkat secara geometris (berkembang dengan cepat sekali).
Trend Eksponensial
𝑌 ′ = 𝑎𝑏 𝑋 karena bersifat tidak linear dapat diubah menjadi trend semi
log:
𝑙𝑜𝑔𝑌 ′ = log 𝑎 + (log 𝑏)𝑋
dengan
log 𝑌 ′ = 𝑌0 ′ ; log 𝑎 = 𝑎0 ; 𝑙𝑜𝑔 𝑏 = 𝑏0
Persamaan Normal:
1) 𝑎0 𝑛+𝑏0 σ 𝑋 = σ 𝑌0
3𝑎0 =5.80617
2) 𝑎0 σ 𝑋 + 𝑏0 σ 𝑋 2 = σ 𝑋𝑌0
2𝑏0 =1.30102
1
Dari persamaan (1), 3𝑎0 =5.80617, maka 𝑎0 = log 𝑎 = 3 5.80617 = 1.93539
Jadi log 𝑎 = 1.93539 maka nilai a merupakan 𝑎𝑛𝑡𝑖𝑙𝑜𝑔 1.93539 = 86.2
1
Dari persamaan (2), 2𝑏0 = 1.30102, 𝑚𝑎𝑘𝑎 𝑏0 = log 𝑏 = 2 1.30102 = 0.65051
Jadi log 𝑏 = 0.65051 maka nilai b merupakan 𝑎𝑛𝑡𝑖𝑙𝑜𝑔 0.65051 = 4.47
Garis trend 𝒀𝟎 ′ = 𝒂𝟎 + 𝒃𝟎 𝑿 𝑌0 ′ = 1.93539 + 0.65061𝑋
(dalam semi log).
Untuk Tahun 2008 (X=2) maka 𝑌0 ′ = 1.93539 + 0.65061 2
= 1.93539+1.30102
= 3.23641
Maka ramalan Y= anti log 3.23641=1723.49
′ 1 1
𝑋=1 𝑌 = 40 − 20 = 30
2
1 2
𝑋=2 𝑌 ′ = 40 − 20 = 35
2
Makin lama angka-angka di atas makin mendekati nilai k.
Dengan perkataan lain, k merupakan nilai asymptote (selalu
didekati, tetapi tidak pernah dicapai)
Kurva Trend Eksponsial yang diubah
Conso
Dengan
metode MKT
Trend Logistik
Trend logistik biasanya dipergunakan untuk mewakili data
yang menggambarkan perkembangan/pertumbuhan yang
mula-mula cepat sekali, tetapi kemudian melambat, dimana
kecepatan pertumbuhannya makin berkurang sampai
tercapai suatu titik jenuh (saturation point).
Contoh : pertumbuhan suatu jenis industri dan pertumbuhan
biologis
Bentuk Trend Logistik
𝑘
𝑌′ = 𝑋 , dimana k,a dan b konstanta, biasanya b<0
1+10𝑎+𝑏
𝑋
Apabila 𝑋 → ∞, 10𝑎+𝑏 → 0, 𝑑𝑎𝑛 𝑌 ′ →
𝑘, maka 𝑘 merupakan 𝑎𝑠𝑦𝑚𝑝𝑡𝑜𝑡𝑒, yaitu batas atas
Bentuk Kurva Trend Logistik
Sebelum titik B, laju pertumbuhan terjadi dengan cepat sekali. Setelah titik
B, laju pertumbuhan mulai menurun. Bilangan konstan k, a, dan b dapat
dicari dengan cara seperti trend eksponensial yang diubah yaitu memilih
beberapa titik
Trend Gompertz