Kuliah Ke-5

ANALISIS REGRESI

MEDAN, 03 OKTOBER 2022

Rivaldi Sidabutar, ST, MT

Oktabani, ST, MT

Ronald E Walpole & Reynold H Myeresm., Probability and Statistics for

Engineering and Scientists, Third Edition, Mac Millan, Publishing Company, New
York, 1985..
 Analisis Regresi dan Korelasi

Regresi :
- Model hubungan sebab-akibat
- Hubungan fungsional antara suatu peubah tak bebas (respon)
dengan satu atau beberapa peubah bebas (prediktor)
- Dapat digunakan untuk meramalkan nilai-nilai peubah tak
bebas berdasarkan nilai-nilai peubah bebas tertentu

Korelasi :
- Ukuran keeratan hubungan suatu peubah dengan peubah lain
 Jenis-jenis regresi
• Regresi linier
- Regresi linier sederhana : hubungan satu peubah tak bebas
dengan satu peubah bebas
- Regresi linier ganda : hubungan satu peubah tak bebas
dengan beberapa peubah bebas
• Regresi non linier
- Model parabola kuadratik
- Model parabola kubik
- Model parabola eksponen (logaritma)
- Model geometrik
- Model hiperbola
 Diagram pencar, Garis regresi dan jumlah kuadrat terkecil

ei = yi - ŷ
μ = α + βx

yi

ŷ = a + bx
a = intercept ---> α
b = gradien/slope/kemiringan ---> β
a

x
 Metode Jumlah Kuadrat Terkecil :
n n n
 2
s   e   y i  y    y i  a  bxi 
2 2
i
i 1 i 1 i 1 n
1 n  n 
Syarat minimum: 
i 1
x i yi    x i   y i 
n  i 1  i 1 
s b
0 n
1 n

2

a  i
x 2

i 1
 i x
n  i 1 
s i n
 
 2  yi  a  bxi  0 n

 x  x  yi  y 
a i 1
i n i n i
na  b  xi   yi      (1)
i 1 i 1
 i 1
n
s
0

 ix  x 2

b i 1

s i n

 2  xi yi  a  bxi  0
b i 1
a  y - bx
i n i n 2 i n
a  xi  b  xi   xi. yi - --  (2)
i 1 i 1 i 1
 Derajat korelasi linier

Korelasi positif dan tinggi Korelasi negatif dan rendah

Korelasi nol Korelasi nol

Koefisien Korelasi
Contoh 1:
Tentukan persamaan garis regresi yang menyatakan hubungan
produksi padi (ton/ha gabah kering) dengan dosis pemupukan
(50 kg N/ha) dari data berikut :

Produksi padi 2 4 7 9 8

Dosis pupuk 0 1 2 3 4
Contoh 2:

N0 (ai) (bi)
1 65 85
2 50 74
3 55 76
4 65 90
5 55 85
6 70 87
7 65 94
8 70 98
9 55 81
10 70 91
11 50 76
12 55 74
Model regresi linier dengan 2 variabel bebas :

ŷ  b 0  b1x1  b 2 x 2

 y  nb
i 0  b1  x1i  b2  x2i

 1i i 0  1i 1  1i  b2  x1i x2i
x y  b x  b x 2

x 2i y i  b0  x2i  b1  x1i x2i  b2  x 2

2i
Model regresi linier dengan 3 variabel bebas:

ŷ  b 0  b1x1  b 2 x 2  b 3 x3

 y  nb  b  x  b  x  b  x
i 0 1 1i 2 2i 3 3i

 x y b  x b  x b  x x b  x
1i i 0 1i 1
2
1i 2 1i 2 i 3 x
1i 3i

x 2i y i  b0  x2i  b1  x1i x2i  b2  x  b3  x2i x3i 2

2i

 3i i 0  3i 1  1i 3i 2  2i 3i 3  3i
x y  b x  b x x  b x x  b x 2
Model parabola kuadratik : ŷ  a  bx  cx 2

 i
y  na  b  i  i
x  c x 2

 x y  a  x  b x
i i i
2
i  c x3
i

 i i  i  i  i
x 2
y  a x 2
 b x 3
 c x 4
 Model parabola kubik : ŷ  a  bx  cx  dx
2 3

 i
y  na  b  i  i  i
x  c x 2
 d x 3

 x y  a  x  b x
i i i
2
i  c x  d  x
3
i
4
i

 i i  i  i  i  i
x 2
y  a x 2
 b x 3
 c x 4
 d x 5

 i i  i  i  i  i
x 3
y  a x 3
 b x 4
 c x 5
 d x 6
Model eksponen : ŷ  ab x

log ŷ  log a  (log b) x

yˆ '  log yˆ ; a '  log a ; b'  log b
yˆ '  a '  b' x

log a 
 log y i   xi 
 (log b) 
n n 
 
n xi log yi   xi  log yi 
log b 
n x   xi 
2 2
i
 b
Model Geometrik: ŷ  ax

log ŷ  log a  b (log x)

log a 
 log y i   log xi 
 b  
n n 
 

n log xi log yi   log xi  log yi 

b
 
n  log xi   log xi 
2 2
 1
Model Logistik: ŷ  x
ab
1
log ( )  log a  (log b) x
ŷ

Sama dengan model ekponen

Contoh regresi linier ganda:
Pengamatan terhadap 10 keluarga mengenai pengeluaran membeli
barang A berdasarkan pendapatan dan jumlah anggota keluarga.
x1 = pendapatan dalam ribuan dollar
x2 = besar anggota keluarga (jiwa)
y = pengeluaran untuk membeli barang A dalam ratusan dollar

x1 10 2 4 6 8 7 4 6 7 6
x2 7 3 2 4 6 5 3 3 4 3
y 23 7 15 17 23 22 10 14 20 19
1.  yi  nb0  b1  x1i  b2  x2i 2.  1i i 0  1i 1  1i  b2  x1i x2i
x y  b x  b x 2

3. x 2i y i  b0  x2i  b1  x1i x2i  b2  x22i

keluarga yi x1i x2i x1iyi x2iyi x1ix2i x1i2 x2i2

1 23 10 7 230 161 70 100 49
2 7 2 3 14 21 6 4 9
3 15 4 2 60 30 8 16 4
4 17 6 4 102 68 24 36 16
5 23 8 6 184 138 48 64 36
6 22 7 5 154 110 35 49 25
7 10 4 3 40 30 12 16 9
8 14 6 3 84 42 18 36 9
9 20 7 4 140 80 28 49 16
10 19 6 3 114 57 18 36 9
jumlah 170 60 40 1122 737 267 406 182

170 = 10b0 + 60b1 + 40b2 b0 = 3,92 ; b1 = 2,49 ; b2 = -0,47

1122 = 60b0 + 406b1 + 267b2
737 = 40b0 + 267b1 + 182b2 ŷ  3,92  2,49x1  0,47 x 2
Koefisien Korelasi regresi linier
  
n  x yi   xi  yi
i
r
 
  i  i   i  i 
 
 
n x 2  x 2  n y 2  y 2 


-1 ≤ r ≤ = 1

r = 1 ---> hubungan linier sempurna langsung antara x dan y

r = -1 ---> hubungan linier sempurna tak langsung antara x dan y
r = 0 ---> tidak ada hubungan linier antara x dan y

• 0.90 < r < 1.00 atau -100 < r < -0.90 ; hubungan yang sangat kuat
• 0.70 < r < 0.90 atau -0.90 < r < -0.70 ; hubungan yang kuat
• 0.50 < r < 0.70 atau -0.70 < r < -0.50 ; hubungan yang moderat
• 0.30 < r < 0.50 atau -0.50 < r < -0.30 ; hubungan yang lemah
• 0,0 < r < 0.30 atau -0.30 < r < 0.0 ; hubungan yang sangat lemah
Thank You