Anda di halaman 1dari 21

STATISTIKA & PROBABILITAS

Penghantar
Apa itu analisis regresi?
 Analisis statistika yang memanfaatkan hubungan antara dua
atau lebih peubah kuantitatif sehingga salah satu peubah
dapat diramalkan dari peubah lainnya.
 Analisis regresi digunakan untuk mempelajari dan mengukur
hubungan statistik yang terjadi antara dua varibel atau lebih
variabel.
Variabel tersebut adalah variabel X (variabel independent /
variabel yang mempengaruhi / variabel yang diketahui), dan
variabel Y (variabel dependent / variabel yang dipengaruhi/
variabel yang tidak diketahui)

Apa bedanya dengan korelasi?


Analisis korelasi bertujuan untuk mengukur “seberapa
kuat” atau “derajat kedekatan”, suatu relasi (hubungan
linear) yang terjadi antar variabel.

Pada dasarnya hubungan antar 2 variabel dapat


dibedakan atas:
1. Hubungan searah/positif
2. Hubungan bersifat kebalikan/negatif
3. Tidak ada hubungan
KORELASI
S xy
rxy 
SxS y

S xy 
 ( x  x )( y  y )
i i

n 1

Sx 
 i
( x  x ) 2

dan S y 
 i
( y  y ) 2

n 1 n 1
ANALISIS REGRESI

 Linear : linear dalam parameter


 Sederhana : hanya satu peubah
penjelas
 Berganda : lebih dari satu peubah
penjelas
ANALISIS REGRESI
• Hubungan Antar Peubah:
• Fungsional (deterministik)  Y=f(X) ; misalnya: Y=10X
• Statistik (stokastik)  amatan tidak jatuh pas pada kurva
 Mis: IQ vs Prestasi, Berat vs Tinggi, Dosis Pupuk vs Produksi

• Model regresi sederhana:

Yi  0  1 X i   i ; i  1,2,..., n
ANALISIS REGRESI
• Pendugaan terhadap koefisien regresi:
 b0 penduga bagi 0 dan b1 penduga bagi 1

(  x )(  y )
 xy  n
Metode
b1  Kuadrat Terkecil
( x )2
x  n2

b0  y  b1 x

Bagaimana Pengujian terhadap model regresi ??


• parsial (per koefisien)  uji-t
• bersama  uji-F (Anova)
Bagaimana menilai kesesuaian model ??
R2 (Koef. Determinasi: % keragaman Y yang mampu dijelaskan oleh X)
Percobaan dalam bidang lingkungan Jarak Emisi
31 553
Apakah semakin tua mobil semakin 38 590
48 608
besar juga emisi HC yang dihasilkan? 52 682
63 752
Diambil contoh 10 mobil secara acak, 67 725
kemudian dicatat jarak tempuh yang 75 834
sudah dijalani mobil (dalam ribu 84 752
89 845
kilometer) dan diukur Emisi HC-nya 99 960
(dalam ppm)
Plot antara Emisi Hc (ppm) dg
Jarak Tempuh Mobil (ribu kilometer)

950

850
Emisi

750

650

550

30 40 50 60 70 80 90 100
Jarak
ANALISIS REGRESI
Contoh output regresi dengan Minitab (1)

Regression Analysis (Emisi Hc vs Jarak Tempuh Mobil)

The regression equation is Emisi = 382 + 5.39 Jarak

Predictor Coef StDev T P


Constant 381.95 42.40 9.01 0.000
Jarak 5.3893 0.6233 8.65 0.000

S = 42.01 R-Sq = 90.3% R-Sq(adj) = 89.1%

Analysis of Variance

Source DF SS MS F P
Regression 1 131932 131932 74.76 0.000
Error 8 14118 1765
Total 9 146051

Unusual Observations
Obs Jarak Emisi Fit StDev Fit Residual St Resid
8 84.0 752.0 834.7 18.0 -82.7 -2.18R

R denotes an observation with a large standardized residual


ANALISIS REGRESI

Bagaimana Pengujian terhadap model regresi ??


• parsial (per koefisien)  uji-t
• bersama  uji-F (Anova)

Bagaimana menilai kesesuaian model ??


R2  Koef. Determinasi
(% keragaman Y yang mampu dijelaskan oleh X)
Uji Hipotesis
H0 : 1=0 vs H1: 10
ANOVA (Analysis of Variance)  Uji F
n n n

 i
( y
i 1
 y )   i
2
( ˆ
y  y ) 
i 1
 i i
( y  ˆ
y 2
) 2

i 1

JK total = JK regresi + JK error


Keragaman total = keragaman yang dapat dijelaskan oleh model +
keragaman yang tidak dapat dijelaskan oleh model
Anova

Sumber db JK KT F

Regresi 1 JKR KTR KTR/KTE

Error n-2 JKE KTE F~F (1,n-2)

Total n-1 JKT


Uji Hipotesis

H0 : 1≤0 vs H1: 1>0

Uji Parsial
b1
Statistik uji: T
Sb 1
s
Sb1 
 i
( x  x ) 2

s
 i i
( y  ˆ
y ) 2

n2
Contoh soal
Tabel perhitungan

Karyawan Hasil Produksi Skor Tes


(lusin) Kecerdasan
(Y) (X)
A 30 6

B 49 9

C 18 3

D 42 8

E 39 7

F 25 5

G 41 8

H 52 10