Analisis

Residu
Mata Kuliah Analisis Data Eksplorasi
 Anggota Kelompok
Latifa Oktafiani Asril
01 140610180013

Auliahizki Azzahra Fachrin

02 140610180013

Ananda Dewi Suhardana

03 140610180046

Mentari Dara Puspitasari

04 140610180052
Tujuan
• Analisis Residu bertujuan untuk menyelidiki keberhasilan suatu
persamaan regresi dalam menerangkan pola keragaman
peubah Y
• Mengetahui apakah ada pemcilan pada data
• Mengetahui seberapa besar pengaruh 𝑌𝑖 terhadap Ŷ𝑖
Analisis Residu
Dalam menilai apakah model regresi sudah
memadai atau belum, adalah dengan melihat
perilaku residunya.
Untuk regresi linier sederhana dapat diperiksa
melalui plot antara sisa, 𝑒𝑖 = 𝑌𝑖 − Ŷ𝑖 dengan 𝑋𝑖
atau dengan Ŷ𝑖

Perilaku 𝑒𝑖 yang dianggap layak akan terlihat

apabila nilai-nilai tersebut membentuk suatu pita
yang mendatar di sekitar garis e=0

Pita yang berbentuk corong menunjukkan adanya

keheterogenan sebaran, pita yang melengkung
menunjukkan kekurangtepatan pola linier
 Analisis Residu

Nilai 𝑒𝑖 harus dibakukan dahulu

𝑒
menjadi 𝑟𝑖 = 𝑖 dimana 𝑠 2
𝑠
adalah kuadrat tengah residu,
dimana jika model regresi benar,
maka kuadrat tengah residu
adalah sebagai berikut :
Pengamatan dikatakan
pencilan (pengamatan
𝒔𝟐 = 𝜮𝒆𝟐 𝒊 /(n-2)
dengan residu terlalu
besar), jika |𝑟𝑖 > 2|
Analisis Residu
Data berpengaruh ditentukan oleh nilai
leverage (ℎ𝑖𝑖 )
Nilai leverage dari pengamatan
(𝑥𝑖 , 𝑦𝑖 ) adalah nilai yang memberikan
petunjuk mengenai besarnya 𝑌𝑖 terhadap Ŷ𝑖

Suatu pengamatan dikatakan

berpengaruh, jika ℎ𝑖𝑖 >2p/n , dengan :

1
ℎ𝑖𝑖 = lj 2 /Σ(𝑥𝑘 − x)
+ (𝑥𝑖 − x) lj 2
𝑛

p : banyak parameter
n : ukuran sampel
Analisis
Residu Makin besar ℎ𝑖𝑖 akan semakin dominan peranan 𝑌𝑖
terhadap Ŷ𝑖 karena bobot bagi pengamatan yang lain
ℎ𝑖𝑗 akan mengecil, dan seandainya nilai 𝑌𝑖 ternyata
pencilan, maka pengamatan (𝑋𝑖 , 𝑌𝑖 ) akan sangat
berperan terhadap penentuan garis regresi.

Konsekwensi dari adanya pengamatan tersebut

adalah kemungkinan terdapat perbedaan nilai
koefisien regresi yang dihitung berdasarkan seluruh
pengamatan dengan model yang mengabaikan
pengamatan ybs
Pengamatan pencilan dengan disertai nilai ℎ𝑖𝑖 yang relatif
tinggi akan memiliki dampak yang besar terhadap taksiran,
akan tetapi tingginya nilai ℎ𝑖𝑖 saja belum tentu memberikan
dampak yang serius.

Beberapa kemungkinan lokasi dari pengamatan yang

memiliki potensi untuk mempengaruhi garis regresi
taksiran :
a) Pola pencaran titik dengan satu pengamatan yang
memiliki Y agak jauh
b) Pola pencaran titik dengan satu pengamatan yang
memiliki nilai X maupun Y yang agak jauh tapi berada
pada pola
c) Pola pencaran titik dengan satu pengamatan seperti
pada (b) tapi berada di luar pola utamanya
d) Pola pencaran titik dengan satu pengamatan yang
memiliki nilai X agak menjauh
Nilai ℎ𝑖𝑖 juga berkaitan dengan taksiran variansnya yaitu ℎ𝑖𝑖 , 𝑠 2
Jadi meskipun pengamatan (𝑥𝑖 , 𝑦𝑖 ) tidak terlalu berpengaruh
terhadap pers. Regresinya , namun dampaknya akan terlihat
pada varians Ŷ𝑖 jika nilai 𝑥𝑖 nya memencil.

Oleh karena itu, dalam tahapan diagnosis model, pemeriksaan

pola dan besarnya nilai residu saja belum cukup. Sebaiknya
dilakukan juga penilaian terhadap ℎ𝑖𝑖 beserta dampaknya
terhadap hasil analisis.
Thank you