Analisis Regresi Linier
Analisis Regresi Linier
BUDIONO
Departemen IKM-KP
Fakultas Kedokteran Unair
REGRESI LINIER
bentuk hubungan antara variabel bebas dengan variabel
terikat yang digambarkan secara matematis, berupa suatu
garis lurus (linier).
variabel bebas variabel terikat
(x) (y)
Persamaan regresi
y = a + bx
) slope ()
} intersep ()
Matematika
Statistika
- Y bukan fungsi dari X tp regressed Y on X (Y.X)
Ada kemungkinan error
- Hubungan probabilistik/stochastic
Istilah Regresi sir Francis Galton :
1880 mengamati sifat pemindahan tabiat orang tua ke
anaknya :
T.B ayah T.B anak laki-laki
Hasil :
Ayah tinggi cenderung TB anak laki-laki lebih pendek
Ayah pendek cenderung TB anak laki-laki lebih tinggi
Populasi
Yi = a + b Xi + ei ………. Sampel
atau a : intercept
atau b : slope/gradien/kemiringan
ui atau ei atau i : random disturbance term
= error term
= stochastic term
dengan varians
Yi = + x1 + I
i = Yi – ( + xi )
i = Yi - Y/X
5. HOMOSCEDASTICITY = HOMOSKEDASTISITAS
equal variance varians Y adalah sama untuk
semua nilai X
Y/X
Y=+x
= O
Varians = 2
Tentukan / Identifikasikan :
IV & DV
(logika, fakta empiris & teori)
Y = a + bx
Yi di
(Xi, Yi)
(X, Y)
a
Xi X
2. Persamaan garis regresi yang sesuai :
Y = a + bx atau Y = 0 + 1 x
a = intercept (Y axis), perpotongan garis regresi dengan
sb tegak bila a = nol garis lewat titik asal (0,0)
b = slope, koefisien regresi, kemiringan garis – regresi
perubahan satu unit/satuan pada x
mengakibatkan perubahan b satuan pada Y
- b dapat + atau –
atau
a
atau
a
Y i
- b.
X i
n n
estimasi
INFERENSI GARIS REGRESI
uji hipotesis
Persamaan garis regresi di populasi
Ypop = + x
Y1X = + x
& : nilai dugaan slope & intercept di populasi
berdasarkan a & b di sampel
(X i, Yi)
Y
e Y = + x
Y1X = + x
S2Y.X
n2
1. Menaksir :
Selang kepercayaan (1-) 100 % bagi parameter
dalam garis regresi µY/X = + x
a + t/2 ; df = n – 2.SE(a)
2. Menaksir :
Selang kepercayaan (1-) 100 % bagi parameter
dalam garis regresi µY/X = + x
b + t/2 ; df = n – 2.SE(b)
II. UJI HIPOTESIS
1. Uji hipotesis a (intercept) :
H0 : = 0 garis regresi lewat titik asal (0,0)
H1 : 0 garis regresi tidak lewat titik asal
a- a
Uji statistik : t= =
SE(a) SE(a)
t < t /2 , df = n - 2
UJI SIGNIFIKANSI PERSAMAAN REGRESI
H0 : tidak terdapat pengaruh X terhadap Y
H1 : ada pengaruh X terhadap Y
MSR
Fratio = = ….
MSE
(Yi –Y)2
Yi – Y = total deviation
= (Yi – Y) + (Yi – Y)
= unexplained variation + explained variation
Jumlah kuadrat (sum of squares)
(Yi – Y)2 = (Yi – Y)2 + (Yi – Y)2
Total S.S = Error SS + Regression S.S
Koefisien penentu = coefficient of determination (r 2) :
Adjusted r2 =
P = jumlah parameter
Contoh:
Apakah ada pengaruh lama hemodialisis (bulan) terhadap
kadar kalsium total dalam darah?
No Lama (X) Kalsium (Y) X2 Y2 XY
1 6 13,8 36 190 82,8
2 7 9,5 49 90,3 66,5
3 8 9 64 81 72
4 10 8,6 100 74 86
5 12 8,4 144 70,6 101
6 13 8,2 169 67,2 107
7 14 8 196 64 112
8 15 7,8 225 60,8 117
9 17 7,6 289 57,8 129
10 18 7,4 324 54,8 133
n = 10 Xi = 120 Yi = 88,3 Xi 2= 1596 Y2 = 811 XiYi = 1006
1. Slope (b) :
Xi Yi ( Xi )( Yi )/n 811 (120)(88,3)/10
b
2 2 1596 (120)2 /10
Xi ( X) /n
2. Intercept (a) :
a Y bX
a 8,83 (1,6x12)
a 28,03
3. Persamaan garis regresi : Y= 28,03 - 1,6X
4. Menghitung varians (S2)
No (Yi) Yi=28,03 - 1,6X (Yi - Yi)2
1 13,8 18,43 21,44
2 (Y Ŷ )
2 9,5 16,83 53,73
S i i
3 9 15,23 38,81 n 2
4 8,6 12,03 11,76
259,28
5 8,4 8,83 0,18
6 8,2 7,23 0,94 10 2
7 8 5,63 5,62 32,41
8 7,8 4,03 14,21
9 7,6 0,83 45,83
S 32,41 5,7
10 7,4 -0,77 66,75
(Yi - Yi) 259,28
5. Menghitung SE
S2 32,41 32,41
Var(b) 0,208
2 2 2
X ( X) /n 1596 (120) /10 156
SE(b) 0,208 0,46
X 2 12 2
2
Var(a) S 1
32,41x 1
n X 2 (X)2 /n 10 1596 (120)2 /10
Var(a) 32,41x(0,1 (144/156)) 1,023
SE(a) 1,023 1,01
6. Penaksiran parameter populasi
6.1. Menaksir :
95 % interval kepercayaan untuk :a + tn-2 , /2 x SEa
=28,03 + 2,31 x 1,01
= 28,03 + 2,33
6.2. Menaksir :
95 % confidence interval untuk :
b ± t /2, n-2 x SE b
-16 + 2,31 x 0,46 = -1,6 + 1,06
7. Uji Hipotesis
7.1 Uji hipotesis a :
a 28,03
t 27,25
SE (a) 1,01
titik kritis t 0,05 df 10-2 adalah + 2,31
H0 ditolak
7.2. Uji hipotesis b :
b 1,6
t 3,48
SE (b) 0,46
r2 = 0,772 = 0,59
Ajusted r2 :
2 2 (n 1)
r 1 (1 r )x
o (n p)
2 (10 1)
r 1 (1 0,59)x
o (10 2)
r 2 1 0,46 0,54
o