LINEAR REGRESSION

& CORRELATION

ALI HASMY
YUMI SARASSANTI
 MODEL REGRESI
• Model regresi disebut parametrik jika fungsi yang
PARAMETRIK menjelaskan hubungan (bentuk hubungan fungsional)
antara variabel target dan prediktor telah diketahui

• Model regresi disebut nonparametrik jika fungsi yang

menjelaskan hubungan (bentuk hubungan fungsional)
NONPARAMETRIK antara variabel target dan prediktor tidak diketahui
sebelumnya

• Model regresi berganda disebut semiparametrik jika fungsi

yang menjelaskan hubungan (bentuk hubungan
SEMIPARAMETRIK fungsional) antara variabel target dan prediktor sebagian
telah diketahui dan sebagina tidak diketahui sebelumnya
 Additive & Nonadditive Models,
LINEAR Straight-line & Polynomial Models,
Linear Mixed Models

Binary Response Data, Logistic

GENERALIZED Regression, Poisson Regression, Gamma
PARAMETRIC
LINEAR GLM, Gaussian GLM, Generalized Linear
Mixed Models

Gauss-Newton & Levenberg-Marquandt

NONLINEAR (inflexible)
(iterative algorithm)
 Kernel, k-Nearest Neighbour, Orthogonal, & Spline
GENERAL
Smoothing

DATA WITH OUTLIERS

Lowess, L-Smoothing, M-Smoothing, & R-Smoothing
RESISTANT SMOOTHING

Nonparametric prediction of Time Series & Smoothing

CORRELATED DATA
with Dependent Errors
NONPARAMETRIC
(Flexible Nonlinear)
QUALITATIVE Monotonic & Unimodal Smoothing, Estimation of Zero
SMOOTHING & Extrema

INCORPORATING
PARAMETRIC Partial Linear Models & Shape-Invariant Modeling
COMPONENTS

Regression Trees, Projection Pursuit Regression,

SMOOTHING IN HIGH
Alternating Conditional Expectations, Average
DIMENSIONS
Derivative Estimation, & General Additive Models
 SIMPLE SEMIPARAMETRIC

SEMIPARAMETRI SEMIPARAMETRIC MIXED

K MODELS

BAYESIAN
SEMIPARAMETRIC
REGRESSION
 PROSEDUR ANALISIS REGRESI
LINIER – GARIS LURUS
ANALISIS
REGRESI
LINIER
Linier

UJI
Normal LINIERITAS
REGRESI
ANALISIS
Tidak REGRESI
UJI NONLINIER
NORMALITAS

REGRESI
Tidak NONPARA-
METRIK
Model Regresi Linier Sederhana
(untuk hubungan kausal/fungsional/direksional)

atau

Model ini digunakan untuk populasi, selain itu

juga digunakan untuk model terstandard.
Untuk sampel modelnya dapat dituliskan sebagai
berikut:

atau

Selain itu juga dapat dituliskan sebagai berikut:

atau
dengan
Data

X Y X Y X Y X Y X Y
30 29 34 31 36 32 38 34 40 37
32 31 34 30 36 34 39 36 40 36
32 30 34 30 37 33 39 35 41 37
33 31 34 32 37 34 40 38 42 36
33 32 35 32 37 32 40 35 42 35
34 32 36 30 38 36 40 33 42 38
X Y XY X Y XY
30 29 900 841 870 37 34 1369 1156 1258
32 31 1024 961 992 37 32 1369 1024 1184
32 30 1024 900 960 38 36 1444 1296 1368
33 31 1089 961 1023 38 34 1444 1156 1292
33 32 1089 1024 1056 39 36 1521 1296 1404
34 32 1156 1024 1088 39 35 1521 1225 1365
34 31 1156 961 1054 40 38 1600 1444 1520
34 30 1156 900 1020 40 35 1600 1225 1400
34 30 1156 900 1020 40 33 1600 1089 1320
34 32 1156 1024 1088 40 37 1600 1369 1480
35 32 1225 1024 1120 40 36 1600 1296 1440
36 30 1296 900 1080 41 37 1681 1369 1517
36 32 1296 1024 1152 42 36 1764 1296 1512
36 34 1296 1156 1224 42 35 1764 1225 1470
37 33 1369 1089 1221 42 38 1764 1444 1596
J U M L A H 1105 1001 41029 33599 37094
Perhitungan
Dengan demikian, jika data yang digunakan
merupakan sampel, persamaan regresi linier
sederhana nya dapat dituliskan sebagai berikut:

atau
 Korelasi
dalam Regresi Linier Sederhana
Determination Index

Pearson’s Correlation Product Moment

Coefficient
Perhitungan
Determination Index

atau 76,5%

Pearson’sCorrelation Product Moment

Coefficient

=
Pemaknaan Koefisien Korelasi Secara Deskriptif

Besaran Koefisien Klasifikasi Hubungan

0,00 Nihil
0,01 – 0,20 Sangat Rendah
0,21 – 0,40 Rendah
0,41 – 0,60 Cukup
0,61 – 0,80 Tinggi
0,81 – 0,99 Sangat Tinggi
1,00 Sempurna
Uji Keberartian Koefisien Korelasi (inferensia)

Hipotesis Uji

H0: … tidak memiliki hubungan linier dengan ….

HA: … memiliki hubungan linier dengan ….

Statistik Uji

Korelasi Product Moment

Kriteria Uji

Terima H0 bila r hitung ≤ r tabel

Terima HA bila r hitung > r tabel
Analisis

Sudah dilakukan

Uji Hipotesis

Dengan n = 30 dan α = 0,05 didapat nilai 0,361

pada TABEL R.
Karena r hitung (0,875) > r tabel (0,361), maka
HA diterima

Kesimpulan Uji

… memiliki hubungan yang signifikan dengan ….

Tugas
Data
X Y X Y X Y X Y X Y
20 19 24 21 26 22 28 24 30 27
22 21 24 20 26 24 29 26 30 26
22 20 24 20 27 23 29 25 31 27
23 21 24 22 27 24 30 28 32 26
23 22 25 22 27 22 30 25 32 25
24 22 26 20 28 26 30 23 32 28
 Langkah-langkah
1. Judul
2. Hipotesis uji
3. Statistik uji
4. Kriteria uji
5. Analisis
6. Uji hipotesis
7. Kesimpulan
THANKYOU