5a Regresi 0817
5a Regresi 0817
1. PENDAHULUAN
2. TABEL & GRAFIK
3. UKURAN GEJALA PUSAT
4. UKURAN DISPERSI & VARIASI
5. ANALISIS REGRESI
1. Linear sederhana
2. Linear Berganda
3. Uji F dan Uji t
6. POPULASI DAN SAMPLING
7. DISTRIBUSI NORMAL
5.1 Regresi Linear Sederhana
Y = a bX
a = Intercept
b = koefisien regresi
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.
varians
Y
Nilai rata2
a = Y bX
n xy x y
b=
n x 2 x
2
No X Y X2 XY
1 8 10 64 80
2 7 8 49 56
3 7 9 49 63
4 5 6 25 30
5 4 5 16 20
6 3 2 9 6
7 2 2 4 4
11
10 y = 1.3935x - 1.1667
9 R² = 0.9665
8
7
6 Series1
Linear (Series1)
5 Linear (Series1)
4
3
2
1
0
0 1 2 3 4 5 6 7 8 9
• Koefisien Korelasi ( r )
1,00 r 1,00 xy
r = n 1
x 2
y 2
n 1 n 1
Dimana (misal) :
Y = Persepsi Masyarakat thd Pembangunan Bendungan
b1,2,3,4 = Koefisien Regresi dari variabel bebas
X1 = Tingkat Pendidikan
X2 = Kebutuhan Infrastruktur
X3 = Manfaat Bendungan
X4 = Kegiatan Sosialisasi
a = Konstanta
Metode penyelesaian
Y=b0+b1.X
Dihasilkan Y= 58,558 – 0,0395 X
Gamma0 56.66460
Gamma1 -0.03797
patient Xi Yi Yi-Fitted Values Yi-fitted Delt=(Yi)-(Yi-fitted) Delt2 Matriks D(0) Values dari D(0) Matriks D(0)T
1 2 54 52.5208 52.5208 1.4792 2.1880 0.92687 105.04164 0.92687 105.04164 0.92687 0.82708 0.76660 0.68407
2 5 50 46.8663 46.8663 3.1337 9.8198 0.82708 234.33169 0.82708 234.33169 105.04164 234.33169 304.07361 387.62360
3 7 45 43.4391 43.4391 1.5609 2.4364 0.76660 304.07361 0.76660 304.07361
4 10 37 38.7624 38.7624 -1.7624 3.1059 0.68407 387.62360 0.68407 387.62360
5 14 35 33.3004 33.3004 1.6996 2.8886 0.58768 466.20573 0.58768 466.20573 Matriks D(0)T x Matriks D(0)
6 19 25 27.5422 27.5422 -2.5422 6.4628 0.48606 523.30196 0.48606 523.30196 3.63328 2,211.28095
7 26 20 21.1139 21.1139 -1.1139 1.2407 0.37261 548.96035 0.37261 548.96035 2,211.28095 2,694,343.69899
8 31 16 17.4629 17.4629 -1.4629 2.1401 0.30818 541.35047 0.30818 541.35047
9 34 18 15.5828 15.5828 2.4172 5.8427 0.27500 529.81623 0.27500 529.81623 Matriks D(0)T x Delt
10 38 13 13.3871 13.3871 -0.3871 0.1498 0.23625 508.70884 0.23625 508.70884 3.42289
11 45 8 10.2625 10.2625 -2.2625 5.1191 0.18111 461.81398 0.18111 461.81398 -24.21581
12 52 11 7.8673 7.8673 3.1327 9.8141 0.13884 409.09745 0.13884 409.09745
13 53 8 7.5741 7.5741 0.4259 0.1814 0.13367 401.42937 0.13367 401.42937 b(0)= [matriksD(0)T.MatriksD(0)]-1xMatriksD(0)TxDelt
14 60 4 5.8063 5.8063 -1.8063 3.2628 0.10247 348.38014 0.10247 348.38014 [Matriks D(0)T x Matriks D(0)]-1
15 65 6 4.8023 4.8023 1.1977 1.4344 0.08475 312.15097 0.08475 312.15097 0.54991896 -0.000451325
SSE= 56.0867 -0.000451325 7.41556E-07
b(0)
1.893243996
-0.001562796
g(1) =g(0)+b(0)
gamma0 = 58.55784
gamma1 = -0.03953
Pada kotak Models, anda dapat menentukan model regresi untuk menyusun data anda. Berikut
adalah 11 pilihan model yang tersedia dengan bentuk persamaan regresinya besarta
transformasi linier untuk 6 model terakhir:
Model Persamaan Bentuk Linier
Linier Y=b0+b1t
Logarithmic Y=b0+b1 ln(t)
Inverse Y=bo+b1/t
Quadratic Y=bo+b1t+b2t2
Cubic Y= bo+b1t+b2t2+b3t3
Compound Y=bo b1t ln(Y)= ln(b0) +t ln(b1)
Power Y=b0 (tb1) ln(Y)= ln(b0) + b1 ln(t)
S Y=eb0+b1 /t ln(Y)= b0 + b1 / t
Growth Y=eb0+b1 t ln(Y)= b0 + b1 t
Exponensial Y=b0(eb1 t) ln(Y)= ln(b0 )+ b1 t
Logistic Y=(1/u+b0 b1 t)-1 ln(1/Y-1/u)= ln(b0 )+t ln (b1 )
Contoh soal ttg Kinerja
Berdasarkan nilai koefisien masing-masing variabel dapat
dibuat model regresi linier berganda sebagai berikut:
Dimana :
Y = Variabel kinerja tugas OP Irigasi
X1 = Variabel sumber daya manusia,
X2 = Variabel sarana dan prasarana operasi
dan pemeliharaan,
X3 = Variabel organisasi operasi dan
pemeliharaan.
5.3 Uji Serentak & Uji Parsial
K reg / K
Fhit =
K sisa / n k 1
Ftab = F k , n k 1
Dimana :
N = Jumlah responden
bi
Thit =
Se(bi)
Ttab = t (n-k–I)
2
Keterangan :
Se(bi) = Varian bi
Karena nilai t hit > t tabel , maka artinya koefisien regresi signifikan.
Contoh soal