Regresi Linier
Dewi Wulandari P07124322142
Elo Mariyah P07124322126
Rini Setyowati P07124322144
Utik Sri Lestari P07124322046
Erianggun Mahardani Widodo P07124322117
Anggun Dewi Fatmawati P07124322113
Ayu ariningtyas P07124322114
Lina susilawati P07124322146
Vina Dewantari p07124322137
Shintha kusumaning pribadi P07124322139
PTIIK P07124322034
Fitri Nur Hidayah - 2014
Dwi Suryawati P07124322115
Mita Safitri P07124322128
Course Contents
y= + x + dengan y|x=+ x
y adalah variabel respon (dependent), atau variabel
yang ingin kita prediksi, x adalah variabel prediktor
(independen) dan adalah variabel tingkat kesalahan yang
merupakan satu-satunya komponen acak dalam model regresi.
adalah titik potong garis regresi pada sumbu koordinat.
adalah besarnya gradien/kemiringan garis regresi.
y|x adalah mean dari y dengan syarat x telah ditentukan, atau
disebut sebagai rata-rata bersyarat y.
Model Regresi Linier
Model Umum Regresi Linier : y= + x +
Keterangan :
dan adalah parameter yang akan ditentukan nilainya untuk
membangun persamaan regresi. Parameter tersebut tidak diketahui
sebelumnya. Kita perkirakan nilainya dengan menghitung dari data
yang ada.
menunjukkan tingkat perubahan untuk setiap kenaikan nilai X.
X telah diketahui sebelumnya dan bernilai konstan.
Deviasi/Penyimpangan nilai bersifat independent
dan
berdistribusi
Hasil Normal Regresi
Estimasi Persamaan ~ N(0,:2).
yˆ b0
b1 x
Visualisasi Regresi Linier
LINE assumptions of the Simple
Y
Linear Regression Model Hubungan antara X dan Y
adalah Stright-Line (linear).
Nilai-nilai variabel X
independen diasumsikan tetap
y|x= + x (tidak acak), satu-satunya
keacakan dalam nilai-nilai Y
berasal dari kesalahan
y Kesalahan tidak berkorelasi
(yaitu Independent) dalam
Identical normal pengamatan berturut-turut.
distributions of errors,
all centered on the Kesalahan biasanya
N(y|x, y|x2) regression line.
didistribusikan dengan mean 0
dan varians 2 yaitu: ~ N(0,2)
X
x
Estimasi Regresi Linier
b1 x n
SSE ( yi yiˆ 2)
n
y b0 b
Menghitung sum of squared
i1 1 errors (SSE):
x
i1 2
yi
Error ei yi yˆ i
. yˆa
bx
the fitted regression line
Data
Three errors from the
least squares regression
X line X
Y e
1 1250 41
2 1380 54
3 1425 63
4 1425 54
5 1450 48
6 1300 46
7 1400 62
13280650
n 7 x 9630 x 2
y 368 xy 508695
n xy x y 7(508695) (9630)(368)
b1 0.075
7 (1 3 2 8 0 6 5 0 ) (9 6 3 0 ) 2
n x 2 ( x) 2
368
b0 y - b 50.3125
n
1
0.075(9630)
7
yˆ b0 x b1 x