IPB University

Metode Statistika
(STK211)
 Pokok Bahasan
Pertemuan Materi
1 Lingkup statistika Bab 1(1)
2-3 Deskripsi data Bab 2(1)
4-5 Konsep dasar peluang Bab 5(1); 4(2)
Populasi, contoh, peubah acak dan sebaran peluang peubah Bab 6(1); 5-6(2)
6-7
acak.
Ujian Tengah Semester
8 Sebaran penarikan contoh
9-10 Pendugaan parameter
Konsep pengujian hipotesis,
11
Pengujian hipotesis kasus satu populasi
12 Pengujian hipotesis kasus dua populasi
13 Korelasi dan regresi linear sederhana
14 Analisisa data kategorik
Ujian Akhir Semester
Apa itu koefisien korelasi ?
Koefisien yang
Koefisien
menggambarkan tingkat
Korelasi
keeratan hubungan LINIER
atau keterkaitan LINIER
antara dua peubah

Nilai Nilai r yang mendekati 1 atau -1

menunjukkan semakin erat hubungan linier
Koefisien antara kedua peubah
Korelasi Nilai r mendekati nol menggambarkan
hubungan kedua peubah tersebut tidak linier
-1 ≤ r ≤ 1

BESARAN KOEFISIEN KORELASI

TIDAK MENGGAMBARKAN
HUBUNGAN SEBAB AKIBAT ANTAR
DUA PEUBAH ATAU LEBIH
Koefisien Korelasi Pearson (r)

S xy
rxy 
SxS y

S xy 
 ( x  x )( y
i i  y)
n 1

Sx 
 (x  x) i
2

dan S y 
(y i  y)2
n 1 n 1
Korelasi
Korelasi
Korelasi
Korelasi !!!
Contoh Data

Percobaan dalam bidang lingkungan Jarak Emisi

Apakah semakin tua mobil semakin 31 553
besar juga emisi HC yang 38 590
dihasilkan? 48 608
52 682
Diambil contoh 10 mobil secara 63 752
acak, kemudian dicatat jarak tempuh 67 725
yang sudah dijalani mobil (dalam 75 834
ribu kilometer) dan diukur Emisi 84 752
HC-nya (dalam ppm) 89 845
99 960
 Plot antara Emisi Hc (ppm) dg
Jarak Tempuh Mobil (ribu kilometer)
Jarak Emisi
31 553
950

850
Emisi

750

650

550

30 40 50 60 70 80 90 100
Jarak
 Plot antara Emisi Hc (ppm) dg
Jarak Tempuh Mobil (ribu kilometer)
Jarak Emisi
31 553
950 38 590
850
Emisi

750

650

550

30 40 50 60 70 80 90 100
Jarak
 Plot antara Emisi Hc (ppm) dg
Jarak Tempuh Mobil (ribu kilometer)
Jarak Emisi
31 553
950 38 590
850
48 608
Emisi

750

650

550

30 40 50 60 70 80 90 100
Jarak
 Plot antara Emisi Hc (ppm) dg
Jarak Tempuh Mobil (ribu kilometer)
Jarak Emisi
31 553
950 38 590
850
48 608
52 682
Emisi

750

650

550

30 40 50 60 70 80 90 100
Jarak
 Plot antara Emisi Hc (ppm) dg
Jarak Tempuh Mobil (ribu kilometer)
Jarak Emisi
31 553
950 38 590
850
48 608
52 682
Emisi

750 63 752
650

550

30 40 50 60 70 80 90 100
Jarak
 Plot antara Emisi Hc (ppm) dg
Jarak Tempuh Mobil (ribu kilometer)
Jarak Emisi
31 553
950 38 590
850
48 608
52 682
Emisi

750 63 752
650
67 725

550

30 40 50 60 70 80 90 100
Jarak
 Plot antara Emisi Hc (ppm) dg
Jarak Tempuh Mobil (ribu kilometer)
Jarak Emisi
31 553
950 38 590
850
48 608
52 682
Emisi

750 63 752
650
67 725
75 834
550

30 40 50 60 70 80 90 100
Jarak
 Plot antara Emisi Hc (ppm) dg
Jarak Tempuh Mobil (ribu kilometer)
Jarak Emisi
31 553
950 38 590
850
48 608
52 682
Emisi

750 63 752
650
67 725
75 834
550 84 752
30 40 50 60 70 80 90 100
Jarak
 Plot antara Emisi Hc (ppm) dg
Jarak Tempuh Mobil (ribu kilometer)
Jarak Emisi
31 553
950 38 590
850
48 608
52 682
Emisi

750 63 752
650
67 725
75 834
550 84 752
30 40 50 60 70
Jarak
80 90 100
89 845
 Plot antara Emisi Hc (ppm) dg
Jarak Tempuh Mobil (ribu kilometer)
Jarak Emisi
31 553
950 38 590
850
48 608
52 682
Emisi

750 63 752
650
67 725
75 834
550 84 752
30 40 50 60 70
Jarak
80 90 100
89 845
99 960
Jarak Emisi x y x2 y2 xy
31 553 31 553 961 305809 17143
38 590
48 608 38 590 1444 348100 22420
52 682 48 608 2304 369664 29184
63 752
67 725
52 682 2704 465124 35464
75 834 63 752 3969 565504 47376
84 752 67 725 4489 525625 48575
89 845
99 960 75 834 5625 695556 62550
84 752 7056 565504 63168
89 845 7921 714025 75205
99 960 9801 921600 95040
646 7301 46274 5476511 496125
Σx Σy Σx2 Σy2 Σxy
 S xy
rxy 
SxS y

S xy 
 ( x  x )( y
i i  y)
n 1

Sx 
 (x  x) i
2

dan S y 
(y i  y)2
n 1 n 1
646 7301 46274 5476511 496125
Σx Σy Σx2 Σy2 Σxy
ANALISIS REGRESI
• Apa itu analisis regresi?

• Apa bedanya dengan korelasi?

Analisis Regresi  Analisis statistika yang

memanfaatkan hubungan antara dua atau
lebih peubah kuantitatif sehingga salah
satu peubah dapat diramalkan dari
peubah lainnya.
ANALISIS REGRESI
• Hubungan Antar Peubah:
• Fungsional (deterministik)  Y=f(X)
misalnya: Y=10X
• Statistik (stokastik)  Y=f(X) + ε
amatan tidak tepat pada kurva
misalnya: IQ vs Prestasi,
Berat vs Tinggi,
Dosis Pupuk vs Produksi
• Model regresi sederhana (satu peubah X):
Yi   0  1 X i   i ; i  1,2,..., n
Regresi
Makna 0 & 1 ?
Regresi
Analisis Regresi
• Pendugaan terhadap koefisien regresi:
 b0 penduga bagi 0 dan b1 penduga bagi 1

(  x )(  y )
 xy  n Metode
b1 
 x 2

(  x ) 2
Kuadrat Terkecil
n
b0  y  b1 x
Contoh Data
Percobaan dalam bidang lingkungan Jarak Emisi
31 553
Apakah semakin tua mobil semakin 38 590
besar juga emisi HC yang 48 608
dihasilkan? 52 682
Diambil contoh 10 mobil secara 63 752
acak, kemudian dicatat jarak tempuh 67 725
yang sudah dijalani mobil (dalam 75 834
ribu kilometer) dan diukur Emisi 84 752
HC-nya (dalam ppm) 89 845
99 960
Analisis Regresi
Plot antara Emisi Hc (ppm) dg
Jarak Tempuh Mobil (ribu kilometer)
Jarak Emisi
31 553
950 38 590
850
48 608
52 682
Emisi

750 63 752
650
67 725
75 834
550 84 752
30 40 50 60 70
Jarak
80 90 100
89 845
99 960
 (  x )(  y )
 xy  n
b1 
 x 2

(  x ) 2

n
b0  y  b1 x

Model
Regresi
 950

850
Emisi

750

650

550

30 40 50 60 70 80 90 100
Jarak
Analisis Regresi

Pengujian terhadap model regresi

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

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

(y
i 1
i  y )   ( yˆ i  y )   ( yi  yˆ i ) 2
2

i 1
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 (parsial)

H0 : 1≤0 vs H1: 1>0

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

s
 i i
( y  ˆ
y ) 2

n2
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

IPB University