NICE TO MEET YOU

Thank you for coming today

Hi! Let’s begin now!

Hana Sugiastu Firdaus

DEPARTEMEN TEKNIK GEODESI
UNIVERSITAS DIPONEGORO
2022
 Regresi
PENDAHULUAN
Metode analisis terhadap data dapat berupa karakteristik
atau atribut (jika data itu kualitatif) dan sebuah variabel,
diskrit ataupun kontinu (Jika data itu kuantitatif). Pada
kenyataannya, banyak persoalan atau fenomena yang
meliputi lebih dari satu variabel, sehingga dirasa perlu
untuk mempelajari analisis data yang terdiri atas
beberapa variabel. Hubungan yang didapat antar variabel,
pada umumnya dinyatakan dalam bentuk persamaan
matematik. Persamaan matematik ini menyatakan
hubungan fungsional antara variabel-variabel dan studi
yang menyangkut masalah ini dikenal dengan analisis
regresi.
 Hubungan Fungsional Antara Variabel
 Variabel bebas/variabel prediktor :
Variabel yang nilai-nilainya tidak bergantung pada variabel lainnya.
 Variabel tak bebas/variabel respon:

Variabel yang nilai-nilainya bergantung pada variabel lainnya.

Hubungan fungsional dinyatakan dalam bentuk persamaan

regresi – yang bergantung pada parameter-parameter,
contoh persamaan regresi linier sederhana yaitu :

Y = a + bX
Bagaimana persamaan regresi
ditentukan jika hasil
pengamatan telah didapat ?
Ada dua metode yang dapat
digunakan yaitu metode tangan
bebas dan metode kuadrat terkecil
Metode Tangan Bebas
Metode ini merupakan metode kira-kira menggunakan diagram
pencar berdasarkan hasil pengamatan. Jika fenomena meliputi
sebuah variabel bebas X dan variabel tak bebas Y, maka data yang
didapat digambarkan pada diagram dengan sumbu datar
menyatakan X dan sumbu tegak menyatakan Y. Titik-titik yang
ditentukan oleh absis X dan ordnat Y digambarkan dan
menghasilkan diagram pencar.
Metode Kuadrat Terkecil untuk
Regresi Linier
Metode ini didasarkan pada jumlah pangkat dua (kuadrat) jarak
antara titik-titik dengan garis regresi yang sedang dicari harus
sekcil mungkin.

Metode kuadrat terkecil termasuk dalam keluarga

metodemetode pendekatan sesatan terdistribusi (distributed
error approximation methods), berdasarkan karakterisik kerjanya
yang melakukan pengurangan sesatan menyeluruh (global error)
yang terukur berdasarkan interval pendekatan keseluruhan
(whole approximation interval) sesuai dengan order pendekatan
yang meningkat.
 Metode Kuadrat Terkecil untuk
Regresi Linier
Hasil Turunan Persamaan
 Y  a.n  b. X
 XY  a. X  b. X
2

Koefisien-koefisien regresi a dan b untuk regresi

linier dinyatakan dengan rumus sebagai berikut :
(  Y ) X 2    X (  XY )
a
(n ) X 2    X 
2

n(  XY )   X  Y 
b
(n ) X    X 
2 2
 Metode Kuadrat Terkecil untuk
Regresi Linier
Pendekatan Matriks
 n  X  a    Y 
 2 
    
  X  X  b    XY 
det A1 det A2
a ;b
det A det A
 n X   Y X   n Y 
A   2 
 ; A1   2 
 ; A2   X 
 X  X    XY X    XY 

det A  (n )  X    X  X 
2

det A  (  Y ) X    X  XY 

2
1

det A2  (n ) XY    Y  X 

 Metode Kuadrat Terkecil untuk
Regresi Linier
Jika koefisien regresi b dihitung terlebih dahulu, maka
koefisien a dapat pula ditentukan oleh rumus sebagai
berikut : (dengan X dan Y masing-masing rata-rata
untuk variabel-variabel X dan Y)

a  Y  b. X
Dengan koefisien b :
(n) XY   X  Y 
b
(n) X   X 
2 2
 Metode Kuadrat Terkecil untuk
Regresi Linier
Koefisien b dinamakan koefisien arah regresi linier
dan menyatakan perubahan rata-rata variabel Y
untuk setiap perubahan variabel X sebesar satu
unit. Perubahan ini merupakan pertambahan
apabila b bertanda positif dan pengurangan jika
bertanda negatif
Varians dalam Regresi Linier
Sederhana
• Mengingat hasil pengamatan variabel tak bebas Y belum tentu sama
besarnya dengan nilai yang diharapkan, yakni Yˆyang didapat dari dari
regresi hasil pengamatan, maka terjadi perbedaan e = Y - Yˆ , biasa
disebut galat prediksi atau kekeliruan prediksi. Dalam populasi, galat
prediksi ini dimisalkan berbentuk variabel acak yang mengikuti
distribusi normal dengan rata-rata nol dan varians
• Asumsi kedua yang diambil adalah bahwa untuk setiap harga X yang
diberikan, variabel tak bebas Y independen dan terdistribusi normal
dengan rata-rata 1   2 X dan varians  Y . X . Varians tersebut
2

dimisalkan sama untuk X dan karenanya dapat dinyatakan oleh

  biasa pula dinamakan varians kekeliruan taksiran sedangkan
yang
2

 y. x dengan kekeliruan baku taksiran

dikenal
 Varians dalam Regresi Linier
Sederhana
• Berdasarkan asumsi-sumsi tersebut, maka varians  
2
ditaksir oleh rata-
rata kuadrat penyimpangan sekitar regresi atau disebut juga rata-rata
kuadrat residu yang dinyatakan oleh varians S e2 dengan
persamaan sebagai berikut :

SY2. X  S e2   i
(Y  Yˆ
i ) 2
/( n  2)
Yˆ
Dengan Y = variabel tak bebas hasil pengamatan, = didapat dari
regresi berdasarkan sampel, dan n = ukuran sampel.
n 1
S 2
Y .X ( )( SY2  b 2 S X
2
)
n2
2
Dengan S X
2
SY
dan masing-masing menyatakan varians untuk
variabel-variabel X dan Y.
 Varians dalam Regresi Linier
Sederhana
2
• Setelah menghitung S e , maka varians-varians lainnya untuk regresi
linier sederhana dapat ditentukan dengan varians koefisien regresi b :

S b2  SY2. X /  ( X i  X ) 2

Varians koefisiens regresi a :

1 X2
S a2  SY . X { 
2
}
n (Xi  X ) 2