SAP-5
Anakoreg
Regressi Linier:
Y= 5,25+ 0,8X
14 14
0 5,25
Teoritis: 1 6,05 12 12
2 6,85 10 10
Garis linier 3
4
7,65
8,45
8 8
6 6
Y=5,25 + 0,8X 5 9,25 Series1
4
Series1
6 10,05 4
7 10,85 2 2
8 11,65 0
0
9 12,45
0 2 4 6 8 10 12 0 2 4 6 8 10 12
10 13,25
Empiris 0
1
2
4
10
Regressi ŷ=a+b.x 10
9
2 3 8 8
(observasi) 3
4
6
5
6
7
6
5
Regressi linier 5
6
5
7
4 Series1 4
3
Series1
7 6 2
Y= a + b.X 8 8
2
1
9 7 0 0
10 9 0 2 4 6 8 10 12 0 2 4 6 8 10 12
x y 700
0 2 6 0 0
1 2,5 5 1 0,6 600
2 3 4 2 4,8 500
3 3,5 3 3 16,2
2 Series1 400
4 4 4 38,4
5 4,5 1 5 75 300 Series1
6 5 0 6 129,6 200
7 5,5 0 2 4 6 8 7 205,8
y= 2+0,8X
Y= 2+4x² (nonlinier) 8 307,2 100
0 2 9 437,4 0
1 6 450 10 600 0 5 10 15
2 18 400 y= 0,6.X^3 Y=0,6x^2+0,8X+12,5 (non
50
3 38 350 0 12,5
4 66 300 1 13,9 40
5 102 250 2 16,5
200 S… 30
6 146 3 20,3
150
7 198 100
4 25,3
20 Series1
8 258 50 5 31,5
9 326 0 6 38,9 10
10 402 0 5 10 15 7 47,5
y=2+4x^2 y=0,6X^2+0,8x+12,5 0
0 2 4 6 8
0 2 140000 0 0,5 0,6
1 16 1 0,357143
120000 0,5
2 18 2 0,277778
100000
3 54 3 0,227273 0,4
4 200 80000 4 0,192308
0,3
5 486 60000 Series1 5 0,166667 Series1
6 1600 40000 6 0,147059 0,2
7 4374 7 0,131579
20000 0,1
8 15000 8 0,119048
0
9 39366 9 0,108696 0
0 2 4 6 8 10 12
10 118098 10 0,1 0 2 4 6 8 10 12
Y= 2.3^X y= 1/(2+ 0,8.x)
0 0 0 0,5
1 4 4,85 1 0,625
5
2 4,228072 4,8
2 0,78125
4,5
3 4,367468 3 0,976563
4,75 4
4 4,469149 4 1,220703
4,7 3,5
5 4,549646 5 1,525879
3
6 4,616492 4,65 6 1,907349
7 4,673775 Series1 7 2,384186 2,5
4,6 Series1
8 4,723971 8 2,980232 2
4,55 1,5
9 4,768693 9 3,72529
10 4,809058 4,5 10 4,656613 1
y= 2.X^0,8 4,45 y= 1/(2.0.8^X) 0,5
0 1 2 3 4 5 6 7 0
0 2 4 6 8 10 12
.
Y= 0,5^X
0 1 1,2
1 0,5 1
2 0,25
0,8
3 0,125
4 0,0625 0,6
5 0,03125 Series1
0,4
6 0,015625
7 0,007813 0,2
8 0,003906
0
9 0,001953
10 0,000977 0 5 10 15
25000
0 1
1 2,7183 20000
2 7,389155
3 20,08594 15000
4 54,59961
5 148,4181 10000 Series1
6 403,445
5000
7 1096,684
8 2981,117
0
9 8103,571
0 5 10 15
10 22027,94
Analisis Korelasi dan Regresi
Regresi adalah bentuk hubungan matematis antar variabel f(x).
Korelasi adalah koefisien untuk menyatakan kadar hubungan
antar variabel.
(1). Analisis regresi dan korelasi Linier.
a.1. Analisis regresi dan korelasi linier sederhana, berbentuk: y = a + b.X
Penurunan Rumus: Untuk data berpasangan (xi,yi) bentuk regressi
linier
Y (xi , yi) ŷ= a+b.x sederhana seperti gambar. Dalam hal ini
ȳ JKres JKt X sebagai variabel bebas dan Y sebagai varia
JKreg bel terikat. Dari setiap dua titik (Xi,Yi) dapat dibu
at satu garis lurus. Jadi bila ada n data berpasang
0 X an maka akan dapat dibuat ½.n(n-1) garis.
Gbr: Garis regressi Diperlukan satu yang dapat dijadikan acuan
S 2
dapat dibuat sebagai pedoman
( y i atau
ˆ
y )
2 mewakili seluruh 2garis yang mungkin
( yi a b.x)
. Variansi garis- garis yang mungkin ada dapat
yˆ
(n 1) (n 1)
ditulis dalam bentuk:
Harga koefisien regressi a dan b akan optimal jika turunan pertama varians
regressi terhadap a dan b adalah nol, yaitu : dS y2ˆ dS y2ˆ
2 0....dan..... 0
(1). dS yˆ 0. da db
da 2
0
(n 1)
( yi a b.xi )( 1)
0 ( yi n.a b. xi ) persamaan y i n.a xi .b …….(1)
Didapat: a y i
b.
x i
y b.x
2 n n
dS yˆ
(2). 0
db 2
0
(n 1)
( yi a b.xi )( xi )
xi x 2
i b x .yi i
det
y x i i
a
x .y x
i i
2
i
y . x x . x . y
i
2
i i i i
n x i
n x ( x )
2
i i
2
det
x x i
2
i
det
n y i
b
x i x .y
i i
n xi . yi xi . yi
n x i
n xi2 ( xi ) 2
det
x i x 2
i
Rumus-rumus koefisien regressi., dapat juga dibuat sbb:
( xi )( yi )
JK xi . yi xi. yi n
b
JK xi
i x 2
( xi ) 2
n
a y b.x
Dalam peraktek perhitungan sebaiknya hitung terlebih dahulu nilai b kemudian a
Jawab: Dari tabel didapat n= 10; ΣXi= 31 ; Σ Yi= 71 , ΣX²i= 525; Σ Xi.Yi = 234 .
Nilai-nilai yang diperlukan: JKx = Σ X²i –(Σ Xi)²/n = 113 – (31)²/10 = 16,9
JKy = Σ Y²i –(Σ Yi)²/n = 525 – (71)²/10 = 20,9
JKxy= Σ Xi.Yi –(Σ Xi)(Σyi)/n = 234 –(31)(71)/10 = 13,9 .
10.234 31.71
a. Bentuk regressi: 0,82
10.113 (31) 2
b = JKxy/JKx = 13,9/16,9 = 0,82. 71.113 31.234
Rumus: 4,55
b=
10.113 (31) 2
a = ȳ- b.x̄ = 7,1 – 0,82.3,1 = 4,55.Rumus a=
didapat : ŷ = 4,55 + 0,82 Xi .
Lengkapi tabel, isi kolom ŷ, (yi-Ȳ)², (Yi-Ŷ)²; (Ŷ-Ȳ)² ; K dan JK E .
Dari tabel didapat ; JKt = 20,9
JKreg.= 11,36342
JKres.= 9,4682
Dengan perhitungan rumus: JKt = Σ Yi²-(Σyi)²/n =525-(71)²/10 = 20,9
JKreg.= b.Jkxy = 0,82. 13,9 = 11,40
JKres.= JKt – Jkreg. = 20,9-11,40 = 9,5 .
Perbedaan antara hasil tabel bantu dengan rumus, karena pembulatan angka (penggunaan
desimal pada perhitungan).
b. Koefisien Korelasi. JKxy 13,9
r 0,7396
JKx.JKy 16,9.20,9
Kriteria r= =,7396 pada kategori hubungan tinggi. Kontribusi sebesar r²= 0,5470
C.Pengujian .
c.1 Pengujian Regressi. JK reg / k 11,40 / 1
F 9,6
JK res /( n k 1) 9,5 /(10 1 1)
Untuk dk1=1 dan dk2 = 8, nilai Fh= 9,6 terletak diantara interval F1= 5,32 dengan
α1= 0,05 dan F2= 12,26 dengan α2= 0,01. f(F)
Didapat : p-v= 0,05-0,04.(4,28/6,74)= 0,0246. α= 0,05
Keputusan: Karena p-v < 0,05 maka Ho ditolak . P-v
2.JK TC JK res . JK E
JKE = jumlah kuadrat error, sebagai galat adanya pengelompokan nilai untuk Xi
yang sama.
JKTC = adalah jumlah kuadrat tuna cocok untuk model kelinieran regressi akibat
nilai Xi yang sama, sedangkan nilai Yi bervariasi.
Nilai uji F untuk uji kelinieran menjadi : 2
STC JK TC (k 2)
F 2
JKTC = 9,5 - 9,17 = 0,33 dan JKE = 19,17 . S E JK E (n k )
Untuk contoh di atas didapat nilai F sampel: Fh 0,33 (5 2) 0,060
9,17 (10 5)
Untuk dk 1 = 3, dan dk2 = 5, nilai Fh= 0,060 terletak dalam interval : F1= 5,41 dengan
α1= 0,05 dan F2= 12,06 dengan α2= 0,01. didapat: p- v= 0,05-0,04(-5,35/6,65)= 0,0822.
Keputusan: Karena p-v > 0,025 maka Ho tidak ditolak.
Kesimpulan: Bentuk regressi linier, signifikan untuk menjelaskan hubungan X dgn Y,
jadi tidak perlu dicari bentuk regressi yang lain.
Cara lain:
Untuk mempermudah pengujian, dapat digunakan tabel Anava yang berisikan
nilai-nilai perhitungan di atas. Bentuk tabel sbb:
TABEL : ANAVA
Sumber dk JK RJK F
Variasi
2
S reg
Regressi (a) 1 (Σyi)²/n F 2
Regressi (a/b) 1 Jkreg. S²reg S res
Residu (n-2) Jkres. S²res.
Total n ΣY² 2
STC
Tuna Cocok K-2 J KTC=Jkres –JKE S²TC F 2
SE
Error n-k JKE= S²E
Tabel Anava, Pengujian Bentuk Regressi Linier.
Sumber Variasi dk JK RJK F P-v
Regressi (a) 1 504,10 -
Regressi (a/b) 1 11,40 11,40 0,0246
Residu 8 9,50 1,88 9,6 (Ho ditolak)
Total 10 525 - - -
Tuna Cocok 3 0,33 0,11
0,060 0,0822
Error 5 9,17 1,834 (Ho diterima)
Keterangan:
1. Pengujian regressi (a/b), signifikan pada α=0,05 artinya regressi y= 4,55+0,82Xi ,
dapat digunakan untuk memprediksi nilai Y apabila X diketahui.
2. Pengujian tuna cocok tidak signifikan pada α=0,05 , artinya untuk nilai Xi yang
sama dengan nilai Yi yang berbeda (bervariasi) tidak mempengaruhi kelinier
an bentuk regressi yang didapat. Dengan demikian tidak perlu dicari model
regressi lainnya (non linier).
Soal-1: Tentukan regressi dan korelasi antara berat badan (Kg) dan tinggi (Cm)
mahasiwa yang kuliah hari ini dan uji dengan α=0,05 . Hitung kontribusinya.
a2. . ANALISIS REGRESI MULTIPLE.
Bentuk regressi: y a0 a1.x1 a2 x2 a3 .x3 ......... ak .xk
k = banyaknya variabel bebas yang membentuk persamaan regressi.
Turunan varians regressi untuk setiap koefisien regressi menghasilkan persamaan
sebagai berikut:
. xpersamaan
kDari k . y i a 0 di
. x a1 dapat
.
k atas x . x a 2 matrik
1 k dibuat
. x .
2 kx a . 3 k berikut. k k
x .
3sebagaix ........ a . x 2
Bentuk matrik (KxK).
n x x 1 x 2 3 . . x k a0 y i
x 1 x x .x x .x
2
1 1 2 1 3 . . x .x
1 k a1 x .y 1 i
x 2 x .x x x . x
1 2
2
2 2 3 . . x .x
2 k a2 x .y 2 i
x 3 x .x x .x x
1 3 2 3
2
3 . . x .x
3 k . a3 x .y 3 i
. . . . . . . . .
. . . . . . . . .
xk x1.xk x2 . xk x3.xk . . k
x 2
ak xk . yi
Perhitungan koefisien regressi menggunakan bantuan metode
eliminasi Gaos dengan matrik segitiga, yang melakukan operasi
baris, untuk membuat nilai dibawah diagonal matrik menjadi
nol. Perhitungan koefisien korelasi dilakukan dengan bantuan
nilai-nilai Jumlah Kuadrat (JK) untuk setiap variabel atau antar
variabel Sbb:
Rumus-rumus untuk perhitungan Jumlah Kuadrad (JK).
y 2
1.JK t JK y y i2
i
n
x 2
2.JK xi x 2 i
i
n
x x
3.JK xi . xk xi .x k
i k
n
x y
4.JK xi . yk xi . y i
i k
n
5.JK reg ai .JK xi . yi a1 .JK x1. yi a 2 .JK x 2. yi a3 .JK x 3. yi ....
6.JK res JK t JK reg .
2
S reg JK reg . / k
7.F
S 2
res JK res /( n k 1)
8. Korelasi total dan parsial.
a. Korelasi Total. JK reg
R
JK t
b. Korelasi antar variabel bebas dengan terikat
JK xi . yi
rxi. yi
JK xi .JK yi
10 30 34 a0 71
30
b2 .b1 0 20 9 a1 15
34 10 0 9 18,4 a2 15,6
b3 .b1
10 10 30 34 a0 71
0 20 9 a1 15
0 0 14,35 a2 8,85
9
b3 .b2
20 a2= 0,616725
a1= 0,472474 y= 3,59 + 0,47 X2 + 0,62 X2.
a0= 3,585714
n2
tr
1 r 2
10 30 34 34 71
30 110 111 94 228
34 111 134 106 257
34 94 106 134 228
operasi baris-1
10 30 34 34 71
0 20 9 -8 15 b2-30/10.b1
0 9 18,4 -9,6 15,6 b3-34/10.b1
0 -8 -9,6 18,4 -13,4 b4-34/10.b1
operasi baris-2
10 30 34 34 71
0 20 9 -8 15
0 0 14,35 -6 8,85 b3-9/20.b2
0 0 -6 15,2 -7,4 b4-(-8/20).b2
operasi baris-3
10 30 34 34 71
0 20 9 -8 15
0 0 14,35 -6 8,85
0 0 0 12,69129 -3,69965 b4-(-6/14,35).b3
c. Jkreg.= a1.JKx1.y + a2.JKx2.y + a3.JKx3.y = 0,41 . 15 + 0,49 . 15,6 – 0,29 . (-13,4) = 17,68
Jkres.= JKt-Jkreg. = 20,9 – 17,68 = 3,22
X1
r1.2 ry.1
r1.3 X2 ry.2 Y ε
5. Sumbangan antar variabel:
a1.JK x1. y 0,41.15
a. Sumbangan relatif. SR1 0,3479
JKreg 17,68
a2 .JK x 2. y 0,49.15,6
SR2 0,4324
JKreg 17,68
a3 .JK x 3. y 0,29. 13,4
SR3 0,2197
JKreg 17,68
b. Sumbangan efektif.
SE1 SR1.R 2 0,3479.0,8459 0,2943
SE2 SR2 .R 2 0,4324.0,8459 0,3658
c. Pengujian: SE3 SR3 .R 2 0,2197.0,8459 0,1858
c.a. Bentuk regressi. JK reg / k 17,68 / 3
Fh 10,98
JK res /( n k 1) 3,22 /(10 3 1)
Untuk dk1= 3 dan dk2 = 6, nilai Fh = 10,98 terletak diantara F1= 4,76 dengan
α1 = 0,05 dan F2= 9,78 dengan α2 = 0,01 .
p-v = 0,05-0,04(6,22/5,02)= 0,00044
Keputusan: karena p-v < 0,05 maka Ho ditolak.
Kesimpulan : Bentuk regressi linier, signifikan pada α = 0,05
Besaran lainnya uji sendiri.
Analisis Jalur.
Analisis jalur digunakan untuk mengisolir variabel yang tidak ber pengaruh dalam
struktur hubungan antar variabel pada analisis regressi linier multiple. Pada
awalnya struktur hubungan diasum sikan semua variabel bebas tidak memiliki
hubungan. Hubungan yang terjadi hanya mutlak antara hubungan var iabel bebas
de ngan terikat saja. Oleh karena itu bila hubungan antara variabel bebas dengan
variabel bebas lainnya di analisis akan didapat ke mungkinan bahwa struktur
hubungan yang diasumsikan akan berubah bentuknya. Lihat gambar berikut:
Masih banyak kemungkinan yang dapat terjadi selain apa yang digambarkan
tersebut, yaitu f(X1,X2)=0 dan f(X2,X3,Y)=0 . Mungkin pula terjadi f(X1,X3)= 0 dan
f(X,X3,Y)=0 dll. ε
X1 X2
Y ε
X1 X3
r1.2 ry.1 Gbr –b: f(X1,X2)=0 dan f(X2,X3,Y) = 0
r1.3 X2 ry.2 Y ε X1 ε
r2.3 ry.3 X2 Y ε
X3 X3
Gbr-a: f(X1,X2,X3,Y)= 0 Gbr-c: f(X1,X2,X3) = 0 dan f(X2,Y) = 0
Pada gambar X1,X2,X3 sebaga variabel bebas (prediktor). Variabel Y sebagai
variabel terikat dan ε sebagai residu (diluar variabel yag dianalisis). Bentuk regressi
untuk struktur diatas adalah y = a1.X1 + a2.X2 + a3.X3 + ε . (Gbr-a) dan
X2= a1.X1+ a3.X3 + ε ; serta y = a2.X2 + ε
Semakin kompleks hubungan struktur antar variabel, semakin kompleks oula diagram
jalurnya, dan semakin banyak sub struktur yang membangun diagram jalurnya.
Perhitungan Koefisien Jalur (ρ).
Koefisien jalur (ρ) dihitung berdasarkan analisis hubungan antara
koefisien korelasi yang ada dalam struktur. Prosedur perhitungan
sebagai berikut:
1. Gambarkan struktur hubungan dan hitung koefisien korelasi parsial
yang membentuk struktur tersebut.
2. Buat matrik korelasi Sbb: 1 r1.2 r1.3 . r1.k 1 ry .1
Gunakan eliminasi Gaos r1.2 1 r 2.3 . r2.k 2 ry .2
untuk menghitung koefi- r1.3 r2.3 1 . r3.k 3 ry .3
sien jalur ρi . . . . . . . .
r1.k r2. r3.k . 1 k ry .k
3.Hitung koefisien determinasi R² dengan rumus :
ry .1
ry .2
R 2 1 2 3 . k . ry .3
.
ry .k
Ci.i = elemen matrik kofaktor pada baris ke i kolom ke i ; C 11, C22, C33
dan seterusnya. a11 a12 a13 Didapat: c11 a22 .a33 a23.a32
Contoh: a21 a22 a 23 c22 a11 .a33 a13 .a31
a31 a32 a33 c33 a11 .a22 a12 .a21
Kriteria pengujian: tolak Ho jika p-v < α .
Penolakan Ho menyatakan koefisien jalur yang diui signifi- kan pada
taraf nyata α .
E.3. Pengujian Perbedaan koefisien jalur.
Pengujian untuk menentukan variabel yang lebih besar
pengaruhnya, menggunakan statistik t sebagai beikut:
(n k 10
th ( y.i y.k )
(1 R )(cii c jj 2cij )
2
r2.3= -0,5217
X3 r.y.3=-0,6833
Gbr. Struktur hubungan f(X1,X2,X3,Y)=0
Jawab: Bentuk matrik korelasi untuk perhitungan koefisien jalur dapat dibuat
sebagai berikut;
ρ1= -0,2735
ρ2= 0,464211
ρ3= 0,401814
0,7337
Koefisien determinasi : R²= 0,4018. 0,4642. -0,2735 0,7955
-0,6833
R²= 0,8510
Koefisien korelasi total R = √0,8510 = 0,9225
Error: ε= √(1-R²)=√0,1490 = 0,3860
Struktur jalur:
X1
ρ1=0,4018
X2 ρ2=0,4642 Y ε= 0,3860
ρ3=-0,2736
X3
Pengujian jalur:
1. Jalur ρ1= 0,4018; Untuk mencari c11 lihat matrik utama.
c11= 1.1-(-0,5217. (-0,5217))= 0,7278
10 3 1
t h 0,4018 2,99
(1 0,8510).0,7278
Yi 5 6 7 8 9 6 5 9 8 9 7 8 9 9 6 7 6 7 8 7
matrik-1: 25 206 8294 725,82 matrik-2 25 206 8294 725,82 jkt= 6105,9447 F= 567,7224657 Ho ditolak
206 2396 77177 8008,47 0 698,56 8834,44 2027,7132 Jkreg= 5989,8867
8294 77177 3531848 274817 0 8834,44 780230,56 34018,957 Jkres= 116,05803
matrik-3 25 206 8294 725,82 a2= 0,0125282 JKx1= 698,56 R= 0,9904507 t= 34,45367999 Ho ditolak
0 698,56 8834,44 2027,71 a1= 2,7442596 JKx2= 780230,56 ry1= 0,9818118 t= 24,80080825 Ho ditolak
0 0 668504,54 8375,1888 ao= 2,2637305 JKt= 6105,9447 ry2= 0,4928666 t= 2,716574904 Ho ditolak
JKx1.x2= 8834,44 r1.2= 0,3784127 t= 1,960599587 Ho ditolak
Y= 2,2637 +2,7443 X1 + 0,0125 X2 JKX1Y= 2027,7132 SR1= 0,9289944
JKX2Y= 34018,667 SR2= 0,0711523
SE1= 0,9113367
SE2= 0,0697999