Estmasi Parameter
Estmasi Parameter
1
Asumsi Analisis Regresi Linier
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
X1i , X 2i ; Yi ; i 1, 2 ,..., n
Sehingga setiap pengamatan
Akan memenuhi persamaan
Y 0 1 X 1 2 X 2 i
7
Menaksir Koefisien Regresi
Dengan Menggunakan
Matriks
Dari hasil Metode Kuadrat Terkecil didapatkan
persamaan normal :
…..
8
Menaksir Koefisien Regresi
Dengan Menggunakan
Matriks
Tahapan perhitungan dengan matriks :
1. Membentuk matriks A, b dan g
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
n n bebas
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
2 Yi b0 b1 X 1i b2 X 2i
b0
ei
2
2 Yi b0 b1 X 1i b2 X 2i X 1i
b1
ei
2
2 Yi 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
2 JKR
R
JKT
R2 menunjukkan proporsi variasi total dalam
respon Y yang dapat diterangkan oleh model
R2 r
r merupakan koefisien korelasi antara Y
dengan kelompok X1 , X2 , X3 , … , Xk
15
Uji Kecocokan Model
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
H0 ditolak jika
pada taraf kepercayaan
18
Uji Parsial Koefisien
Regresi
Tahapan Ujinya :
1. Hipotesis =
H 0 : j 0
H 1 : j 0
dimana j merupakan koefisien yang akan
diuji
19
Uji Parsial Koefisien
Regresi
2. Statistik uji :
bj j
t
s c jj
Dimana :
bj = nilai koefisien bj
s = JKG / n k 1
cjj = nilai matriks A-1 ke-jj
20
Uji Parsial Koefisien
Regresi
3. Pengambilan keputusan
H0 ditolak jika
pada taraf kepercayaan
21
Pemilihan Model Terbaik
23
Pemilihan Model Terbaik
Persamaan regresi yang menduduki posisi utama
dalam setiap kelompok adalah
25
Pemilihan Model Terbaik
Contoh :
Akan dianalisis model regresi yang terdiri dari 4 variabel
bebas
Y 0 regresi
Model 1 X 1 yang
2 X 2 3 X 3 4 X 4 semua variabel bebas
mengandung
Persamaan Regersi t parsial F
Y = f(X1,X2,X3,X4) 157,266*
X1 4,337*
Model terbaiknya
X2 0,497*
Y = f(X1,X2)
X3 0,018
X4 0,041*
Y = f(X1,X2,X4) 166,83*
X1 154,008*
X2 5,026*
X4 1,863
26 Y = f(X1,X2) 229,5*
Pemilihan Model Terbaik
3. Stepwise Regression Procedur
Tahap pemilihannya :
i. Hitung korelasi setiap variabel bebas terhadap variabel
Y. Variabel bebas dengan nilai korelasi tertinggi
masukkan dalam model regresi (syarat uji F
menunjukkan variabel ini berpengaruh nyata)
ii. Hitung korelasi parsial setiap variabel bebas tanpa
menyertakan variabel bebas yang telah mauk model.
Masukkan variabel bebas dengan korelasi parsial
tertinggi ke dalam model
iii. Hitung nilai t parsial variabel yang telah masuk model,
jika tidak berpengaruh nyata keluarkan dari model
iv. Kembali ke langkah ii
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