PERANCANGANPERCOBAAN - Zeamayshibrida's Blog · Regresi Non Linear ¾Regresi Kuadratik. Analisis...
Transcript of PERANCANGANPERCOBAAN - Zeamayshibrida's Blog · Regresi Non Linear ¾Regresi Kuadratik. Analisis...
PERANCANGAN PERCOBAAN
OLEH :
FAKULTAS PERTANIANUNIVERSITAS SWADAYA GUNUNG JATI CIREBON
2009
WIJAYAemail : [email protected]
I. ANALISIS REGRESI
1
.
Regresi Linear :
Regresi Linear Sederhana
Regresi Linear Ganda
2
.
Regresi Non Linear
Regresi Kuadratik
Analisis Regresi merupakan studi yang membahas tentang bentuk
keeratan hubungan antar peubah.
I. REGRESI LINEAR SEDERHANA
Model atau persamaan regresi populasi secara umum dapat
dituliskan dalam bentuk :
μy/x1, x2, … , xk = f (x1, x2, … , xk | β1, β2, … , βk )
Untuk regresi Linear sederhana, yaitu regresi Y atas X bentuknya :
β0 dan β1 disebut Koefisien Regresi, yang merupakan parameter.
Regresi populasi tersebut dapat diduga melalui contoh dengan
persamaan : Y = b0 + b1 X
μy/x = β0 + β1 X
I. REGRESI LINEAR SEDERHANA
Jadi β0 diduga oleh b0 dan β1 diduga oleh b1. Nilai b0 dan b1
dapat ditentukan dengan Metode Kuadrat Terkecil, yaitu :
n ∑ XY – (∑ X) (∑ Y)b1 =
n ∑ X2 – ( ∑ X)2
XY bb 10 −=
b0 = Intersep (titik potong garis regresi dengan sumbu Y)
b1 = Koefisien Arah Regresi
Besarnya peningkatan Y apabila X emningkat sebesar satu
satuan.
I. REGRESI LINEAR SEDERHANA
(xI , yI) (xI , yI)Y = b0 + b1X
Y
yI
xI
(Yi – Y) = selisih = galat = e
X
Y
X
Apabila galat setiap titik pengamatan dikuadratkan dan hasilnya
dijumlahkan, disebut Jumlah Kuadrat Galat (JKG). JKG jika dibagi
dengan derajat bebas (n – k – 1) disebut Ragam Galat Dugaan
(Sy/x2) disebut juga Kuadrat Tengah Galat (KTG), dimana n =
ukuran sampel, k = banyaknya variabel bebas.
I. REGRESI LINEAR SEDERHANA
Pada Regresi Linear Sederhana nilai k = 1, sehingga Ragam Galat
Dugaan untuk Regresi Linear Sederhana adalah :
∑ (Yi – Y)2 ∑ Y2 – b0 ∑ Y – b1 ∑ XY Sy/x
2 = =n – k – 1 n – k – 1
Dengan adanya ragam dugaan bagi regresi (Sy/x2 ), maka dapat
dihitung ragam untuk konstanta b0 yaitu Sb02 dan koefisien regresi
b1 yaitu Sb12 yaitu :
Sy/x2 Sy/x
2
Sb12 = =
∑ X2 – (∑ X)2/n (n – 1)Sx2
x2
Sb02 = Sy/x
2 1/n + ∑ X2 – (∑ X)2/n
I. REGRESI LINEAR SEDERHANA
Tabel berikut menunjukkan skor tes kecerdasan (x) dan nilai ujian
statistika (y) dari 12 mahasiswa :
X 65 50 55 65 55 70 65 70 55 70 50 55
Y 85 74 76 90 85 87 94 98 81 91 76 74
∑ X = 725 ∑ X2 = 44.475 ∑ Y = 1011 ∑ XY = 61.685
∑ Y2 = 85.905 X = 60,417 Y = 84,25
n ∑ XY – (∑ X) (∑ Y) 12 (61685) – (725)(1011) b1 = =
n ∑ X2 – ( ∑ X)2 12(44475) – (725)2
740220 – 732975 b1 = = 0,8972
533700 – 525625
I. REGRESI LINEAR SEDERHANA
∑ X = 725 ∑ X2 = 44.475 ∑ Y = 1011 ∑ XY = 61.685
∑ Y2 = 85.905 X = 60,417 Y = 84,25
XY bb 10 −=
)417,60(8972,0250,840 −=bb0 = 30,0433
Persamaan Regresi Dugaan :
Y = 30,0433 + 0,8972 X
I. REGRESI LINEAR SEDERHANA
Ragam Galat Dugaan (Sy/x2) , Sb1
2 dan Sb02 :
85905 – 30,0433(1011) – 0,8972(61685) Sy/x
2 = 12 – 1 – 1
∑ X = 725 ∑ X2 = 44.475 ∑ Y = 1011 ∑ XY = 61.685
∑ Y2 = 85.905 X = 60,417 Y = 84,25
Sy/x2 = 18,6557
Sy/x2 18,6557
Sb12 = =
∑ X2 – (∑ X)2/n 44475 – (725)2/12
Sb12 = 0,0277 Sb1 = 0,1665
I. REGRESI LINEAR SEDERHANA
∑ X = 725 ∑ X2 = 44.475 ∑ Y = 1011 ∑ XY = 61.685
∑ Y2 = 85.905 X = 60,417 Y = 84,25
Ragam Galat Dugaan (Sy/x2) , Sb1
2 dan Sb02 :
Sb02 = 102,7509
x2
Sb02 = Sy/x
2 1/n + ∑ X2 – (∑ X)2/n
(60,417)2
Sb02 = 18,6557 1/12 +
44475 – (725)2/12
Sb0 = 10,1366
I. REGRESI LINEAR SEDERHANA
Pengujian Koefisien Regresi :
H0 ≡ βi = 0 Lawan H1 ≡ βi ≠ 0
Uji Statistik :
bit =
Sbi
Wilayah Kritik : t <–tα/2(n-2) atau t > tα/2(n-2)
I. REGRESI LINEAR SEDERHANA
Pengujian Koefisien Regresi :
bit =
Sbi
tα/2(n-2) = t0,025(10) = 2,228
Sb0 = 10,1366 Sb1 = 0,1665
b0 = 30,0433
b1 = 0,8972
30,0433 t =
10,1366 t = 2,964
bit =
Sbi
0,8972 t =
0,1665 t = 5,389
Kesimpulan : H0 ditolak , artinya koefisien regresi bersifat nyata,
regresi Y = 30,0433 + 0,8972 X dapat digunakan untuk
peramalan, karena besarnya Y tergantung dari besarnya X.
I. REGRESI LINEAR SEDERHANA
Uji Kelinearan Regresi :
Uji Kelinearan Regresi dapat dilakukan apabila peubah bebas X
dirancang dengan adanya pengulangan (pengulangan tidak harus
sama). Statistik uji yang digunakan adalah Uji F dalam Analisis
Ragam.
∑ X = 725 ∑ X2 = 44.475 ∑ Y = 1011
∑ XY = 61.685 ∑ Y2 = 85.905 b1 = 0,8972
Analisis Ragam :
1. FK = (∑Y)2 / n = (1011)2 / 12 = 85176,7500
2. JKT = ∑ Y2 – FK = 85905 – 85176,7500 = 728,2500
I. REGRESI LINEAR SEDERHANA
3. JKR = b1 [ (∑ XY – (∑X)(∑Y)/n ]
= 0,8972 [ (61.685 – (725)(1.011)/12 ] = 541,6927
4. JKG = JKT – JKR = 728,2500 – 541,6927 = 186,5573
JKG-Murni = JKGM = ∑ Yi2 – (∑Yi )
2 = 178,6667
JKG-SDM = JKG – JKGM = 7,8906
No Variasi DB JK KT F F5%
1 Regresi 1 541,6927 541,6927 29,0363 4,495
2 Galat 10 186,5573 18,6557
G-Murni 8 178,6667 22,3333
G-SDM 2 7,8906 3,953 0,1767 4,459
Total 11 728,2500
DB (G-SDM) = k – 2 = 4 – 2 = 2 DB (G-Murni) = n – k = 12 – 4 = 8
I. REGRESI LINEAR SEDERHANA
Cara Menghitung Jumlah Kuadrat Galat Murni (JKGM) :
X Y ∑ Yi2 (∑Y
i)2 JKGM
50 74
50 76 11252 11250 2,0000
55 76
55 85
55 81
55 74 25038 24964 74,0000
65 85
65 90
65 94 24161 24120,33 40,6667
70 87
70 98
70 91 25454 25392 62,0000
Jumlah 178,6667
I. REGRESI LINEAR SEDERHANA
No Variasi DB JK KT F F5%
1 Regresi 1 541,6927 541,6927 29,0363 4,495
2 Galat 10 186,5573 18,6557
G-Murni 8 178,6667 22,3333
G-SDM 2 7,8906 3,953 0,1767 4,459
Total 11 728,2500
Keterangan :
1. F-Regresi = KT (Regresi) : KT (Galat)
(F = 29,0363) > (F0,05(1 ; 10) = 4,495) Regresi bersifat nyata
2. F-SDM = KTG (SDM) : KTG (Murni)
(F = 0,1767) < (F0,05(2 ;8) = 4.459) H0 diterima (Regresi Linear)
3. R2 = 541,6927 : 728,2500 = 0,7438 R = 0,8625
I. REGRESI LINEAR SEDERHANA
Penggunaan Matriks :
Persamaan Normal dari : Y = b0 + b1 X yaitu :
n ∑ X b0 ∑ Y
∑ X ∑ X2 =b1 ∑ XY
∑ Y = b0 n + b1∑ X
∑ XY = b0 ∑ X + b1∑ X2
Matrik dari persamaan normal diatas :
12 725 b0 1011
725 44475 =b1 61685
( X’ X ) ( b’ ) ( X’ Y )
I. REGRESI LINEAR SEDERHANA
( b’ ) ( X’ X )–1 ( X’ Y )
b012 725 1011
b1725 44475 61685
=
–1
b05,508 –0,090 1011
b1–0,090 0,001 61685
=
b0 30,0433
b1 0,8972=
Persamaan Regresi Dugaan : Y = 30,0433 + 0,8972 X
I. REGRESI LINEAR SEDERHANA
( b’ ) ( X’ X )–1 ( X’ Y )
b05,508 –0,090 1011
b1–0,090 0,001 61685
=
bi KTG Cii KTG.Cii Sb t
30,0433 18,6557 5,508 102,7509 10,1366 2,964
0,8972 18,6557 0,001 0,0277 0,1665 5,389
t0,025 (10) = 2,228
II. REGRESI LINEAR GANDA
Tabel berikut menunjukkan skor tes kecerdasan (X1), frekuensi
membolos (X2) dan nilai ujian statistika (Y) dari 12 mahasiswa :
Skor tes (X1) Frek. Bolos (X2) Nilai (Y)
65 1 85
50 7 74
55 5 76
65 2 90
55 6 85
70 3 87
65 2 94
70 5 98
55 4 81
70 3 91
50 1 76
55 4 74
∑ X1 = 725
∑ X2 = 43
∑ X12 = 44.475
∑ X1X2 = 2.540
∑ Y = 1.011
∑ X1Y = 61.685
∑ X2Y = 3.581
∑ X22 = 195
II. REGRESI LINEAR GANDA
Regresi Dugaan : Y = b0 + b1 X1 + b2 X2. Kemudian persamaan
normal yang dapat dibentuk yaitu :
n ∑ X1 ∑ X2 b0
∑ X1X2 =
∑ Y
∑ X1 ∑ X12
∑ X22
b1
b2
∑ X1Y
∑ X2∑ X1X2 ∑ X2Y
∑ Y = b0 n + b1 ∑ X1 + b2 ∑ X2
∑ X1Y
∑ X2Y
b0 ∑ X1 + b1∑ X12 + b2 ∑ X1X2=
= b0 ∑ X2 + b1∑ X1X2 + b2 ∑ X22
Matrik dari persamaan normal diatas :
II. REGRESI LINEAR GANDA
n ∑ X1 ∑ X2 b0
∑ X1X2 =
∑ Y
∑ X1 ∑ X12
∑ X22
b1
b2
∑ X1Y
∑ X2∑ X1X2 ∑ X2Y
∑ X1 = 725 ∑ X2 = 43∑ X12 = 44.475 ∑ X1X2 = 2.540
∑ Y = 1.011 ∑ X1Y = 61.685 ∑ X2Y = 3.581∑ X22 = 195
( X’ X ) ( b’ ) ( X’ Y )
b0 n ∑ X1 ∑ X2 ∑ Y
b1
b2
∑ X1X2=
∑ X22
∑ X1 ∑ X12 ∑ X1Y
∑ X2∑ X1X2 ∑ X2Y
–1
II. REGRESI LINEAR GANDA
( b’ ) ( X’ X )–1 ( X’ Y )
b0 12 725 43 1011
b1
b2
2540=
195
725 44475 61685
43 2540 3581
–1
b0 7,6547 –0,111 –0,244 1011
b1
b2
0,002=
0,0278
–0,111 0,0017 61685
–0,244 0,002 3581
II. REGRESI LINEAR GANDA
b0 27,547
b1
b2
= 0,922
0,284
Regresi Dugaan : Y = 27,547 + 0,922 X1 + 0,284 X2.
Apabila X2 tetap maka peningkatan X1 sebesar satu satuan akan
meningkatkan Y sebesar 0,922 satuan.
Apabila X1 tetap maka peningkatan X2 sebesar satu satuan akan
meningkatkan Y sebesar 0,284 satuan.
II. REGRESI LINEAR GANDA
Pengujian Regresi Linear Ganda :
1. FK = (∑Y)2 / n = (1,011)2 / 12 = 85.176,75
2. JKT = ∑ Y2 – FK = 85.905 – 85,175,75 = 728,25
3. JKR = b1 [ (∑ X1Y – (∑X1)(∑Y)/n ] + b2 [ (∑ X2Y – (∑X2)(∑Y)/n ]
= 0,922 [ (61.685 – (725)(1.011)/12 ] +
0,284 [ (3.581 – (43)(1.011)/12 ]
= 556,658 – 11.857 = 544,801
4. JKG = JKT – JKR = 728,25 – 544,801 = 183,449
II. REGRESI LINEAR GANDA
No Variasi DB JK KT F F5%
1 Regresi 2 544,596 272,401 13,364 4,256
R (b1) 1 556,658 556,658 27,270 5,117
R (b2) 1 –11,857 –11,857 –0,582 5,117
2 Galat 9 183,449 20,383
Total 11 728,250
Keterangan :
1. Regresi (b1) ≡ (F = 27,270) > (F0,05 = 4,495) Signifikan
2. Regresi (b2) ≡ Non Signifikan
3. R12 = 0,7641 R = 0,8741
4. R22 = 0,0163 R = –0,1277
II. REGRESI LINEAR GANDA
b0 7,6547 –0,111 –0,244 1011
b1
b2
0,002=
0,0278
–0,111 0,0017 61685
–0,244 0,002 3581
( b’ ) ( X’ X )–1 ( X’ Y )
bi KTG Cii KTG.Cii Sb t
27,5467 20,41 7,6547 156,2028 12,4981 2,204
0,9217 20,41 0,0017 0,0345 0,1858 4,960
0,2842 20,41 0,0278 0,5679 0,7536 0,377
III. REGRESI NON LINEAR
Regresi Kuadratik : Y = b0 + b1 X + b2 X2.
n ∑ X ∑ X2 b0
∑ X3 =
∑ Y
∑ X ∑ X2
∑ X4
b1
b2
∑ XY
∑ X2 ∑ X3 ∑ X2Y
( X’ X ) ( b’ ) ( X’ Y )
∑ Y = b0 n + b1 ∑ X + b2 ∑ X2
∑ XY
∑ X2Y
b0 ∑ X + b1∑ X2 + b2∑ X3=
= b0 ∑ X2 + b1∑ X3 + b2∑ X4
III. REGRESI NON LINEAR
b0 n ∑ X ∑ X2 ∑ Y
b1
b2
∑ X3=
∑ X4
∑ X ∑ X2 ∑ XY
∑ X2 ∑ X3 ∑ X2Y
–1
Misal telah dilakukan sebuah penelitian tentang Pengaruh Kadar Air
Gabah Terhadap Mutu Fisik Beras Giling. Salah satu respon yang
diamati yaitu Persentase Butir Patah. Hasil pengamatannya
disajikan pada tabel berikut :
( b’ ) ( X’ X )–1 ( X’ Y )
Butir Patah (%)No Perlakuan
I II III IV
1 k1 (8 %) 27,40 26,56 29,52 27,70
2 k2 (10 %) 19,40 16,88 18,28 17,78
3 k3 (12 %) 6,68 6,24 7,56 5,90
4 k4 (14 %) 3,46 3,20 4,00 2,92
5 k5 (16 %) 13,12 15,04 12,02 13,84
6 k6 (18 %) 16,76 18,32 23,64 21,42
Pengamatan Persentase Butir Patah :
III. REGRESI NON LINEAR
III. REGRESI NON LINEAR
Untuk memudahkan perhitungan, taraf Faktor atau Variabel Bebas
Kadar Air diubah menjadi :
Xi – (Rata-rata)Ki =
2
Xi = Taraf Kadar Air
Rata-rata = Rata-rata seluruh taraf Kadar Air = 13 %
2 = Selisih antar taraf Kadar Air
Kadar Air ( Xi ) 8 % 10 %
–2,5 –1,5
12 % 14 %
–0,5 0,5
16 % 18 %
Ki 1,5 2,5
III. REGRESI NON LINEAR
No Y X X2 X3 X4
1 27,40 -2,5 6,25 -15,625 39,0625
2 19,40 -1,5 2,25 -3,375 5,0625
… … … … … …
6 16,76 2,5 6,25 15,625 39,0625
7 26,56 -2,5 6,25 -15,625 39,0625
… … … … … …
12 18,32 2,5 6,25 15,625 39,0625
13 29,52 -2,5 6,25 -15,625 39,0625
… … … … … …
18 23,64 2,5 6,25 15,625 39,0625
19 27,70 -2,5 6,25 -15,625 39,0625
… … … … … …
24 21,42 2,5 6,25 15,625 39,0625
∑ X = 0 ∑ X2 = 70
∑ XY = –111,480 ∑ X2Y = 1490,050∑ Y = 357,640
III. REGRESI NON LINEAR
∑ X3 = 0 ∑ X4 = 354
b0 n ∑ X ∑ X2 ∑ Y
b1
b2
∑ X3=
∑ X4
∑ X ∑ X2 ∑ XY
∑ X2 ∑ X3 ∑ X2Y
–1
( b’ ) ( X’ X )–1 ( X’ Y )
b0 24 0 70 357,640
b1
b2
0=
354
0 70 –111,480
70 0 1490,050
–1
III. REGRESI NON LINEAR
( b’ ) ( X’ X )–1 ( X’ Y )
b00,0986 0,0000 –0,0195 357,640
b1
b2
0,0000=
0,0067
0,0000 0,0143 –111,480
–0,0195 0,0000 1490,050
b0 6,1725
b1
b2
= –1,5926
2,9929
Regresi Kuadratik : Y = 6,1725 – 1,5926 X + 2,9929 X2.
Pengujian Regresi Non Linear :
1. FK = (∑Y)2 / n = (357,640)2 / 24 = 5329,432
2. JKT = ∑ Y2 – FK = 6996,305 – 5329,432 = 1667,873
3. JKR = b1 [ (∑ XY – (∑X)(∑Y)/n ] + b2 [ (∑ X2Y – (∑X2)(∑Y)/n ]
= –1,5926 [ (–111,480 – (0)(357,640)/24 ] +
2,9929 [ (1490,050 – (70)(357,640)/24 ]
= 177,540 + 1337,608 = 1515,147
4. JKG = JKT – JKR = 1667,873 – 1515,147 = 152,725
III. REGRESI NON LINEAR
∑ X = 0 ∑ X2 = 70
∑ XY = –111,480 ∑ X2Y = 1490,050∑ Y = 357,640
∑ X3 = 0 ∑ X4 = 354 ∑ Y2 = 6997,305
III. REGRESI NON LINEAR
No Variasi DB JK KT F F5%
1 Regresi 2 1515,147 757,574 104,168 3,467
R (b1) 1 177,540 177,540 24,412 4,325
R (b2) 1 1337,608 1337,608 183,923 4,325
2 Galat 21 152,725 7,273
Total 23 1667,873
Keterangan :
1. Regresi (b1) ≡ (F = 24,412) > (F0,05 = 4,325) Signifikan
2. Regresi (b2) ≡ (F = 182,923)>(F0,05 = 4,325) Signifikan
3. R2 = 0,9084 R = 0,9531
III. REGRESI NON LINEAR
Penggunaan Metode Doolitle :
Matriks (X'X) Matriks
b0 b1 b2 (X'Y)
(0) 24 0 70 357,640 1 0 0
(1) 70 0 -111,480 0 1 0
(2) 354 1490,050 0 0 1
(3) 24 0 70 357,640 1 0 0
(4) 1,00 0,00 2,917 14,902 0,0417 0,0000 0,0000
(5) 70,00 0,00 -111,480 0,0000 1,0000 0,0000
(6) 1,00 0,00 -1,593 0,0000 0,0143 0,0000
(7) 149,333 446,933 -2,9167 0,0000 1,0000
(8) 1,00 2,993 -0,0195 0,0000 0,0067
Matriks (X'X)-1Baris
Baris (3) = Baris (0)
Baris (4) = Baris (3)/24
Baris (5) = (70)– (0)(Baris 4)
Baris (6) = Baris (5) /70
Baris (7) = (354) – (70)(Baris 4) – (0,00)(Baris 6)
Baris (8) = Baris (7) /149,33
III. REGRESI NON LINEAR
Penentuan Koefisien Regresi :
Baris (8) 1,00 (b2) = 2,993 b2 = 2,993
Baris (6) 1,00 (b1) + 0,00 (b2) = –1,593 b1 = –1,593
Baris (4) 1,00 (b0) + 0,00 (b1) + 2,917 (b2) = 14,902
b0 = 6,173
Matriks (X'X) Matriks
b0 b1 b2 (X'Y)
(3) 24 0 70 357,640 1 0 0
(4) 1,00 0,00 2,917 14,902 0,0417 0,0000 0,0000
(5) 70,00 0,00 -111,480 0,0000 1,0000 0,0000
(6) 1,00 0,00 -1,593 0,0000 0,0143 0,0000
(7) 149,333 446,933 -2,9167 0,0000 1,0000
(8) 1,00 2,993 -0,0195 0,0000 0,0067
Matriks (X'X)-1Baris
III. REGRESI NON LINEAR
Pengujian Koefisien Regresi : Matrik (X’X)–1 Baris (3), (5), (7)
Matriks (X'X) Matriks
b0 b1 b2 (X'Y)
(3) 24 0 70 357,640 1 0 0
(4) 1,00 0,00 2,917 14,902 0,0417 0,0000 0,0000
(5) 70,00 0,00 -111,480 0,0000 1,0000 0,0000
(6) 1,00 0,00 -1,593 0,0000 0,0143 0,0000
(7) 149,333 446,933 -2,9167 0,0000 1,0000
(8) 1,00 2,993 -0,0195 0,0000 0,0067
Matriks (X'X)-1Baris
0,0000
0,0000
1,0000
0,0000
1,0000
0,0000
1,0000
0,0000
0,0000
1,00000,0000–2,9167
0,00001,00000,0000
–2,91670,00001,0000
Matriks : T Matriks : T 1
III. REGRESI NON LINEAR
Pengujian Koefisien Regresi : Matrik (X’X)–1 Baris (4), (6), (8)
Matriks (X'X) Matriks
b0 b1 b2 (X'Y)
(3) 24 0 70 357,640 1 0 0
(4) 1,00 0,00 2,917 14,902 0,0417 0,0000 0,0000
(5) 70,00 0,00 -111,480 0,0000 1,0000 0,0000
(6) 1,00 0,00 -1,593 0,0000 0,0143 0,0000
(7) 149,333 446,933 -2,9167 0,0000 1,0000
(8) 1,00 2,993 -0,0195 0,0000 0,0067
Matriks (X'X)-1Baris
0,0067
0,0000
0,0000
0,0000–0,0195
0,01430,0000
0,00000,0417
Matriks : t
III. REGRESI NON LINEAR
1,0000 0,0000 –2,9167 0,0417 0,0000
0,0000 0,0000
–0,01951,0000
0,0143
0,0000
0,0000
0,0000 1,0000 0,0000
0,0000 0,0000 0,0067
Matriks : T 1 Matriks : t
0,0986 0,0000 –0,0195
0,0000 0,0143 0,0000
0,0067–0,0195 0,0000
Matriks : ( T 1 t ) = ( X’X)–1
III. REGRESI NON LINEAR
Menghitung JKR (b1) dan JKR (b2) dari kolom Matrik (X’Y) :
Matriks (X'X) Matriks
b0 b1 b2 (X'Y)
(3) 24 0 70 357,640 1 0 0
(4) 1,00 0,00 2,917 14,902 0,0417 0,0000 0,0000
(5) 70,00 0,00 -111,480 0,0000 1,0000 0,0000
(6) 1,00 0,00 -1,593 0,0000 0,0143 0,0000
(7) 149,333 446,933 -2,9167 0,0000 1,0000
(8) 1,00 2,993 -0,0195 0,0000 0,0067
Matriks (X'X)-1Baris
1. JKR (b1) = (baris 5)(baris 6) = (–111,480)(–1,593) = 177,540
2. JKR (b2) = (baris 7)(baris 8) = (446,933)(2,993) = 1337,608
III. REGRESI NON LINEAR
0,0986 0,0000 –0,0195
0,0000 0,0143 0,0000
0,0067–0,0195 0,0000
Matriks : ( T 1 t ) = ( X’X)–1
bi KTG Cii KTG.Cii Sb t
6,173 7,273 0,0986 0,7173 0,847 7,288
-1,593 7,273 0,0143 0,1039 0,322 -4,941
2,993 7,273 0,0067 0,0487 0,221 13,562