Models
Kunti Dhiwaniati S. 6007201014
Nur Candra Dana A. 6007201001
Rizky Haura N S6007201033
Outline
1 Pengertian Model Regresi Linier
4 Lack-Off-Fit Test
5 Koofisien Determinasi
Regrasi
Linier
Pengertian
Regrasi Linier
Sedehana
Regresi Linier
Regrasi Linier
Berganda
Pengertian
Y=α+βX+ε
Y : variabel terikat (dependent variables)
X : variabel bebas (Indepenent variables) contohnya : x1, x2, . . . . .,xk
α : konstanta
β : Koefisien regresi
ε : error
Pengertian
Regresi Linier Sederhana adalah regresi linier yang memiliki lebih dari
1 variable bebas X dengan variabel terikat adalah Y, persamaannya :
Y = α + β1 X1 + β2 X2 +....+ βi Xi + ε
Y : variabel terikat
X1 ,X2 : variabel bebas
α : konstanta
β1 , β 2 : Koefisien regresi
ε : error
Estimasi Parameter Model Regresi Linier
Parameter regresi diduga melalui teknik perhitungan yang disebut
Ordinary Least Square (OLS), dengan menggunakan OLS
kesalahan pendugaan dapat diperkecil asal memenuhi asumsi klasik
regresi linier.
Penerapan pengujian asumsi klasik regresi linier dilakukan terhadap
data residual, kecuali untuk uji asumsi multikolinieritas, namun ini
tidak perlu dilakukan jika menggunkan software statistika karena
software statistika secara otomatis melakukan uji asumsi klasik tanpa
terlebih dahulu meminta pengguna software memasukkan data
residual.
Estimasi Parameter Model Regresi Linier
Asumsi klasik regresi linier
Error menyebar
normal dengan rata- Error tidak
rata nol dan suatu mengalami
ragam (variance) autokorelasi
1 3 5
tertentu
2 4 Tidak terjadi
Model Ragam dari error
dispesifikasikan multikolinieritas
bersifat homogen
dengan benar antar variabel
(homoskedastic)
bebas X
Memastikan Regresi Linier Memiliki Hasil Signifikan
Uji Parsial
Uji Parsial
Hipotesis untuk uji ini adalah:
H0 : βj = 0
H1 : βj ≠ 0
dimana:
j = 0, 1, ..., k
k = banyaknya variabel bebas X
Uji parsial ini menggunakan uji-t, yaitu:
jika thitung ≤ ttabel (n-p), maka terima H0
jika thitung > ttabel (n-p), maka tolak H0
Memastikan Regresi Linier Memiliki Hasil Signifikan
Uji Parsial
dimana
(n-p) = parameter ttabel
n = banyanya pengamatan
p = banyaknya parameter (koefisien) model regresi linier
Apabila H0 ditolak, maka variabel bebas X tersebut memiliki
kontribusi yang signifikan
terhadap variabel terikat Y.
Lack-Off-Fit Test
Uji ini adalah uji formal untuk menentukan apakah sebuah fungsi
regresi cukup fit pada data atau apakah fungsi linier fit dengan baik
untuk data. Uji ini mengasumsikan bahwa observasi Y adalah
independent, berdistribusi normal, dan mempunyai varians yang
sama s2.
Sumber : Ginting, F., Buulolo, E. and Siagian, E.R., 2019. IMPLEMENTASI ALGORITMA REGRESI LINEAR SEDERHANA DALAM MEMPREDIKSI BESARAN
PENDAPATAN DAERAH (STUDI KASUS: DINAS PENDAPATAN KAB. DELI SERDANG). KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer), 3(1).
Studi Kasus Regresi Linear Sederhana
Langkah 1
Studi Kasus Regresi Linear Sederhana
Langkah 2
Studi Kasus Regresi Linear Sederhana
Langkah 3
Studi Kasus Regresi Linear Sederhana
The regression equation is
Jumlah Pendapatan = - 81073 + 51848 Bulan
Analysis of Variance
Source DF SS MS F P
Regression 1 3,39791E+11 3,39791E+11 358,34 0,000
Residual Error 8 7585840952 948230119
Lack of Fit 3 6547396344 2182465448 10,51 0,013
Pure Error 5 1038444608 207688922
Total 9 3,47377E+11
90 25000
Residual
Percent
50 0
-25000
10
-50000
1
-80000 -40000 0 40000 80000 0 150000 300000 450000 600000
Residual Fitted Value
Residual
0
2
-25000
1
-50000
0
-60000 -40000 -20000 0 20000 40000 1 2 3 4 5 6 7 8 9 10
Residual Observation Order
Studi Kasus Regresi Linear Sederhana
Normal Probability Plot
Menunjukkan titik-titik yang dihasilkan mengikuti bentuk linear dari
garis yang diberikan, sehingga residual berdistribusi linear
Versus Vit
Untuk uji independen plot yang dibentuk dari hasil gambar tidak
menghasilkan pola semakin melebar menjauh dari titik nol.
Sehingga residual data sudah independen
Versus Order
Hasil dari uji identic residual diperoleh gambar dengan titik-titik
yang menyebar sepanjang sumbu nol, sehingga residual data
telah
identik
Studi Kasus Regresi Linear Berganda
Sumber : Yasa, I.K.O.A. and Arka, S., 2015. Pengaruh pertumbuhan ekonomi dan disparitas pendapatan antardaerah terhadap kesejahteraan masyarakat provinsi
bali. Jurnal Ekonomi Kuantitatif Terapan.
Studi Kasus Regresi Linear Berganda
Langkah 1
Studi Kasus Regresi Linear Berganda
Langkah 2
Studi Kasus Regresi Linear Berganda
Langkah 3
Studi Kasus Regresi Linear Berganda
The regression equation is
kesejahteraan masyarakat = 1,18 + 0,00189 pendapatan daerah
- 0,0127 Pertumbuhan ekonomi
Analysis of Variance
Source DF SS MS F P
Regression 2 0,0125887 0,0062944 137,74 0,000
Residual Error 9 0,0004113 0,0000457
Total 11 0,0130000
No evidence of lack of fit (P >= 0,1)
90 0,005
Residual
Percent
50 0,000
10 -0,005
1 -0,010
-0,01 0,00 0,01 0,250 0,275 0,300 0,325 0,350
Residual Fitted Value
0,005
Frequency
Residual
2
0,000
1
-0,005
0 -0,010
0 5 0 5 00 25 50 75 1 2 3 4 5 6 7 8 9 10 11 12
10 07 05 02 00 00 00 00
,0 ,0 ,0 ,0 0, 0, 0, 0, Observation Order
-0 -0 -0 -0
Residual
Studi Kasus Regresi Linear Berganda
Normal Probability Plot
Menunjukkan titik-titik yang dihasilkan mengikuti bentuk linear dari
garis yang diberikan, sehingga residual berdistribusi linear
Versus Vit
Untuk uji independen plot yang dibentuk dari hasil gambar tidak
menghasilkan pola semakin melebar menjauh dari titik nol.
Sehingga residual data sudah independen
Versus Order
Hasil dari uji identic residual diperoleh gambar dengan titik-titik
yang menyebar sepanjang sumbu nol, sehingga residual data
telah
identik
Thank you
Insert the title of your subtitle Here