+b
a
X
•Pada
gambar slide 5 di atas:
1. persamaan regresinya adalah : , antara nilai Y dan X
mempunyai hubungan yang positif, apabila nilai X
naik, maka nilai Y juga naik.
2. Nilai intersep (a) adalah nilai Y pada saat X bernilai
nol.
3. Nilai b menunjukkan perubahan nilai Y akibat
perubahan nilai X satu satuan.
4. Contohnya pada kurva suply.
•
Y
-b
a
X
•Pada
gambar slide 7 di atas :
1. Persamaan regresinya adalah : , antara nilai Y dan X
mempunyai hubungan yang negative, apabila nilai X
naik, maka nilai Y turun.
2. Nilai intersep (a) adalah nilai Y pada saat nilai X
sama dengan nol.
3. Nilai b menunjukkan penurunan nilai Y akibat
perubahan nilai X meningkat satu satuan.
4. Contohnya pada kurva demand dan marginal
efisiensi investasi.
• Metode kuadrat terkecil pada dasarnya digunakan
untuk menghitung nilai statistic a dan b sebagai
perkiraan dari nilai parameter A dan B sedemikian rupa,
sehingga jumlah kuadrat kesalahan memiliki nilai
terkecil.
Karena jumlah kuadrat kesalahan merupakan fungsi
dari a dan b , maka dengan membuat turunan parsial
dari terhadap a dan b dihasilkan penduga koefisien
regresi a dan b sebagai berikut :
•
Di mana :
Y : nilai variabel bebas Y
a : intersep, yaitu titik potong garis dengan sumbu
Y
b : slope atau kemiringan garis, yaitu perubahan
rata-rata pada untuk setiap unit perubahan
pada variabel X
X : nilai variabel bebas X
n : jumlah sampel
Standar Error atau Kesalahan Baku
Pendugaan
•Standar
error atau kesalahan baku pendugaan adalah suatu ukuran
ketepatan pendugaan berdasarkan nilai X yang diketahui dengan nilai
pengamatan (Y).
Untuk menduga berdasarkan nilai X yang diketahui dengan
persamaan . Nilai koefisien a dan b pada persamaan dapat dihitung
dengan menggunakan rumus koefisien regresi. Apabila nilai a dan b
sudah diketahui, maka nilai dapat diduga atau diramalkan dengan
memasukkan setiap nilai X pada persamaannya.
KESALAHAN BAKU
•Adalah
suatu ukuran yang mengukur ketidakakuratan pencaran atau
persebaran nilai-nilai pengamatan (Y) terhadap garis regresinya .
Standar Error dilambangkan dengan merupakan ukuran ketidak
akuratan, maka semakin kecil nilai akan semakin baik, karena
nilai pengamatan mendekati garis regresi, sebaliknya apabila nilai
semakin besar, akan semakin kurang baik karena nilai
pengamatan semakin menyebar secara luas dan garis regresi
yang berakibat nilai dugaan semakin tidak akurat.
•Standar
error pada dasarnya sama dengan standar deviasi. Standar
deviasi mengukur penyebaran di sekitar nilai tengah, sedang standar
error mengukur penyebaran di sekitar garis regresi. Standar error
selanjutnya dapat dihitung dengan menggunakan rumus :
Di mana :
: Standar error variabel Y berdasarkan variabel X yang diketahui.
Y : nilai pengamatan dari Y
: nilai dugaan dari Y
n : jumlah sampel, derajat bebas n – 2 karena terdapat dua parameter
yang akan diduga, yaitu a dan b.
•Diketahui
jika = a + bX dan nilai e = Y - , sehingga dapat disubstitusi
menjadi e = Y – (a + bX) dan , dan dapat diperoleh nilai , sehingga
nilai dapat dirumuskan sebagai berikut :
Di mana :
: nilai dugaan dari Y untuk nilai X tertentu
t : nilai t-table untuk taraf nyata tertentu
: standar error variabel Y berdasarkan variabel X yang diketahui
X : nilai data pengamatan variabel bebas
: nilai rata-rata data pengamatan variabel bebas
n : jumlah sampel
•2. Pendugaan Interval Nilai Koefisien Regresi a dan b
Koefisien regresi a dan b yang dihasilkan dari analisis regresi
merupakan nilai dugaan tunggal.