Ringkasan Rumus Analisis Regresi Hdestina
-
Upload
hennyazalea9434 -
Category
Documents
-
view
518 -
download
0
Transcript of Ringkasan Rumus Analisis Regresi Hdestina
5/13/2018 Ringkasan Rumus Analisis Regresi Hdestina - slidepdf.com
http://slidepdf.com/reader/full/ringkasan-rumus-analisis-regresi-hdestina 1/3
Henny Destina (M’03-05)RINGKASAN RUMUS ANALISIS REGRESI
Analisis Regresi merupakan salah satu metode statistika yang banyak digunakan, terutama untuk menjelaskan hubunganfungsional (relatin ship) antara variable tak bebas (dependent,
response variable) dan satu atau beberapa variable bebas(independent, predictor, explanatory variable)
Variabel tak bebas : y (tergantung pada x)
Variabel bebas : x
Model regresi sederhana ;
nidengan y i xio ,..3,2,1,1 =++= ε β β
Dimana :
1β β dano : koefisien regresi yang merupakan 2 parameer
yang akan ditaksir harganya berdasarkan data
sample.
ε : Galat, yang bersifat acak, penyimpangan model dari
keadaan sesungguhnya.
Metode Kuadrat Terkecil
(Last Square Method)
Digunakan untuk menaksir harga parameter garis regresi
nidengan y i xio ,..3,2,1,1 =++= ε β β
Sehingga diperoleh model dugaannya, yaitu :
ii xbb y 10 += , dengan bo dan b1 berturut-turut sebagai
harga taksiran ( dugaaan parameter 10 β β dan
Galat adalah selisih antara harga y1 dengan harga taksiran 1 y
,
dan bisa bernilai positif atupun negative.
Galat : )( 1 ii y y
−=ε
JKG : ( )2
∑ iε b1 : koefisien regresi
b1 :
( )
( )∑ ∑∑ ∑ ∑
−
−
n x x
n y x y x
ii
iiii
/
/22
b1 :
xx
xy
S
S
dengan( ) ( )
∑
∑−=
−−=
2)( x xS
y y x xS
i xx
ii xy
bo : xb y 1−
Contoh bentuk table :
No (yi) (xi) (xi) (yi) (xi)2
1.
.n
Jumlah ∑ y ∑ i x ∑ ()( ii y x ∑2)( i x
reratai y i x )()( ii y x 2)( i x
Tabel juga dapat berbentuk :
No (yi) (xi) )(( y x x ii − ( x xi −
1.
.n
Jumlah ∑ y ∑ i x ∑ )()( ii y x ∑ )( i x
reratai y i
x )()( ii y x 2)( i x
Asumsi Model Regresi sederhana :1. iε merupakan variable acak dengan nilai tengah nol dan
variansi 2σ (yang umumnya tidak diketahui nilainya).
2)(0)( σ ε ε == ii V dan E
2. iε merupakan suatu variable acak berdistribusi normal dengan
nilai tengah (rata-rata ) nol dan variansi 2σ , atau
),0(,,2σ η α ε
3. jidan ε ε tidak berkorelasi untuk i≠ j sehingga Cov (
ji ε ε , ) = 0
Ada tidaknya otokorelasi dapat diteksi antara lain dengan DurbinWatson (DW) yang dapat dinyatakan dengan rumus :
( )
∑∑ −−
=2
2
1
i
ii
e
eed
KECOCOKAN MODEL
Simpangan baku galat (standard Error of Estimate)
dinotasikan dengan Se. digunakan untuk mengukur sebaran data
atau penyimpangan harga i y disekitar rerata untuk harga x
tertentu.
2
)ˆ(2
1
−−= ∑
n y ySe , dimana el y mod=
Makin kecil nilai standard error of estimate Se, maka sebaran data
makin mendekati garis regresi atau model regresi makin baik.
Simpangan untuk variable x
( )
1−
−=
∑n
x xS
i atau
)1(
)(2
1
2
1
−
−=
∑ ∑
nn
x xnS
Simpangan untuk variable y
( )
1−
−=
∑n
y yS
i
Koefisien korelasi dan Koefisien regresi
rxy = ryx
( ) ( )∑∑
∑
−−
−−=
22
)()(
y y x x
y y x xr
ii
ii
xy
Koefisien Determinasi ;
( )( ) JKT
JKR y y y y R
i
=−−=
∑∑ 2
12
Digunakan untuk menilai kecocokan model dengan data sample.
- 1 -
5/13/2018 Ringkasan Rumus Analisis Regresi Hdestina - slidepdf.com
http://slidepdf.com/reader/full/ringkasan-rumus-analisis-regresi-hdestina 2/3
Henny Destina (M’03-05)
JKT = ( )2
∑ − y yi disebut jumlah kuadrat toatal atau
jumlah variansi total yang menyatakan jumlah penyimpangan yi
disektar nilai reratanya y .
JKR = ( )∑ −2
ˆ y yi , disebut jumlah kuadrat regresi yang
menyatakan variable respon disekitar nilai reratanya y .
JKG =2)(∑ − ii y y , disebut jumlah kuadrat galat yang
menyatakan galat dari variable total yang tidak dapat dijelaskan
oleh variable x atau merupakam bagian yang sifatnya acak.
JKT = JKR + JKG
Nilai JKR adalah 0 ≤ JKR ≤ JKT dan karena itu nilai R 2 adalah 0
≤ R 2≤ 1
R 2 = 0, jika JKR = 0 atau JKG = JKT berarti berapapun nilai x i
yang diberikan, nilai taksiran untuk y i, yaitu i y akan selalu sama
dengan y . Dengan kata lain y tidak berpengaruh oleh x i.
R 2 = 1 jika jkg = 0 atau JKR = JKT. JKG =0, jika ii y y ˆ=
∨ I yang berarti bahwa setiap titik darta hasil pengamatan tepatterletak pada garis regresi. Dan kecocokan data dengan model
makin baik, dan sebaliknya jika R 2 = 0, berarti kecocokan datadengan model makin tidak baik.
R 2 biasanya dinyatakan dalam angka presentase.
Jika nilai R 2 mendekati angka 1, maka kecocokan data dengangaris regresi akan menjadi baik, dan sebaliknya jika mendekati
angka 0.
TABEL ANOVA
Digunakan untuk menilai keberartian (signifikansi atau pengaruh) variable bebas secara bersama sama atau simultanterhadap variable bebas.
Bentuk umum Anova Regresi Sederhana :
sumber Jumlah kuadrat Derajat
bebas
Rataan
kuadr at
F
regresi (∑= y JKR 1 RKR =
JKR/1
Fhit=RKR/RK
G
Galat = ( JKG (n-1)-1
RKG=
JKG/n-2
Total
terkoreksi(= JKT
n-1
Faktor koreksi
2 yn1
Total belum
terkoreksi
∑ 2i y
Derajat bebas (degree of freedom), yaitu bilangan yang
menujukkan berapa banyak informasi yang bebas diantara n amatany1, y2, y3,…,yn yang dibutuhkan untuk mendapatkan jumlah
kuadrat itu.
Hipotesis dengan F hitung ;
k iuntuk H
H
,3,2,1,0:
0:0
11
1
=≠
=
β
β
Apabila Fhit>Ftabel = F(1,n-2) maka 0:0 1 =β H ditolak, dan
sebaliknya.Ftabel diperoleh dari table distribusi f.
Hipotesis : Ho : β 1 > 0 atau H0 : β 1 < 0
H1 : β 1 < 0: H1 : β 1 > 0
t2(n-2) = F(1,n-2)
ttabel = t(n-2;1-α /2)
apabila nilai harga mutlak thitung lebih besar daripada ttabel (ditulis
t > ttabel, yang berarti ada pengaruh variable bebas x secaraindividu terhadap variable tak bebas y, dan juga sebaliknya.
Selang kepercayaan β 1 dan β 0
Variansi b1 =( ) xx
ee
S x xbv
2
21
1
2
)(σ σ
=−
=
∑
Simpangan baku : xx
e
S b s
σ =)( 1
Dengan Sedengandigantieσ
Selang kepercayaan (confident interval) bagi β 1 adalah :
( ) ( )11 2/1,2 bS nt b α −−±atau
/1,2()()2/1,2( 1111 nt bbS nt b α β α −−+≤≤−−−
Simpangan baku untuk bo :
∑
∑
−
=2
2
)(
)(
x xn
xSeboS
i
i
Selang kepercayaan (confident interval) bagi β o adalah :
( ) ( )02/1,2 bS nt bo α −−±Atau
( ) ( )000 2/1,2)2/1,2( nt bbS nt bo α β α −−+≤≤−−−
Uji Hipotesis β 1 dan β 0
Bentuk uji hipotesis terhadap β 1 dinyatakan sebagai berikut :
Ho : β 1 = β 10
Hi : β 1≠ β 10
β 10 bisa berharga nol atau bilangan tertentu.
Jika β 10 = 0, sehingga bentuk uji hipotesis :
Ho : β 1 = 0
Hi : β 1≠ 0
thitung =SxxS
bt atau
bS
bhit
/)(
101
1
101 β β −=
−
karenaSxxS
bt maka hitung
/,0
110 ==β
SELANG KEPERCAYAAN
bila 01 =β berada diluar selang kepercayaan β 1, berarti
hipotesis Ho ditolak, dan bila 01 =β berada di dalam selang
kepercayaan β 1 , berarti hipotesis Ho diterima.
- 2 -
5/13/2018 Ringkasan Rumus Analisis Regresi Hdestina - slidepdf.com
http://slidepdf.com/reader/full/ringkasan-rumus-analisis-regresi-hdestina 3/3
Henny Destina (M’03-05)
Contoh : 2,869 < β 1 < 4,912 dan
74,836 < β o , 149,209
β 1 = 0 berada diluar interval, berarti Ho : β 1 = 0 ditolak, artinya berpengaruh.
Bentuk uji terhadap 0β
Ho : β 0 = β 00
H1 : β 0≠ β 00
Dimana, β 00 bisa berharga nol atau bilangan tertentu. Misalkna
harga β 0 = 0, sehingga bentuk uji hipotesis menjadi : Ho : β 0 =
β 00
H1 : β 0 = 0
H1 : β 0≠ 0
( )∑
∑
−
=−
−=
2
2
000
)(
000
x xn
xS
bt ataut
i
i
hitung
boS hitung
β β β
Jika tabel t t > , mka hipotesis Ho ditolak.
Selang kepercayaan = b1
Adjusted R Square
( ))1()2(
)1(/
2/1 −−
−
−−= ndanndengan
n JKT
n JKG
Masing masing derajat kebebasan dari JKG dan JKT. Fungsinyasama dengan R2 dan dianjurkan untukdigunakan pada analisis
regresi ganda yang memiliki lebih dari 2 variabel bebas.
Selang Kepercayaan Variabel Respon ( ) y
Variansi : ( )( )
( )∑ −
−+=
2
220
2
0 x x
Se x x
n
Se yV
i
Simpangan baku : ( )( )
( )
−
−+=
∑ 2
201
ˆ x x
x x
nSe yS
i
Selang kepercayaan untuk ( )0ˆ x y E adalah :
( ) ( )( ) ( ) nt y x y E yS nt yatau yS nt y (ˆˆˆ)2/1,2(ˆ
ˆ2/1,2ˆ0α
α +<<−−−
−−±
( )00ˆ y y − menyatakan galat ramalan dari rata-ratanya yang
merupakan nilai dari suatu variable acak. Dengan demilian, nilai
ramalan untuk suatu amatan individual x = x0 tetap diberikan oleh y
= 0ˆ y , tetapi dengan variansi yang lebih besar, yaitu :
( )( )
( )
( )( )
( )
−
−++=−
−
−
−++=−
∑
∑
2
20
00
00
2
202
0
11ˆ
;
)(11ˆ
x x
x x
nSe y yS
adalah y ybaku simpangan
x x
x x
nSe y yV
i
i
o
Selang kepercayaan untuk nilai ramalan tunggal yo untuk x = x0
adalah :
( )
( )
( ) )ˆ(2/1,2ˆ
ˆ)2/1,2(ˆ
ˆ)2/1,2(ˆ
000
0000
000
y yS nt y
y y yS nt y
atau y yS nt y
−−−+
<<−−−−
−−−±
α
α
α
ANALISIS REGRESI BERGANDA
Bentuk Umum :
ε β β β β +++++= k k oi x x x y ...2211
Model diatas merupakan model linier, berkaitan dengan variable bebas dan parameternya, yaitu apabila diamati secara visual melalui
plot data, maka pencaran datanya cenderung meiliki trend/ polalinier. Disebut berganda karena variable bebas yang diamati ada dua
atau lebih.
Contoh table data hasil pengamatan :
var
terikat(y)
variabel bebas
x1 x2 x3 … xk
y1 x11 x21 x31 … xk1
y2 x12 x22 x32 … xk2
: : : : … :
yn x1n x2n x3n … xkn
Jika pengamatan mengamsusikan bahwa variable bebas x
menjelaskan variable terikat y secara linier , maka model regresilinier yang dapat digunakan itu adalah :
ε β β β β +++++= k k o x x x y ...2211
Dengan
yi = variable terikat pengamatan ke-i , i = 1,2,3,4,…,n ;
1+≥
k nn = banyaknya pengamatan / jumlah sampel.
xk i = variable variable bebas ke k untuk pengamatan ke –i
iε = galat dari model, yang diamsusikan bersifat bebas
berdistribusi normal dengan rataan 0 dan varians
homogen 2σ , atau ditulis dengan N(0, 2σ )
Asumsi model yang diperlukan untuk pendugaan parameter
dengan metode kuadrat terkecil adalah bahwa komponen galat bersifat bebas, antar pengamatan tidak berkorelasi, memiliki
distribusi normal, dan memiliki ragam homogen(homoskedastistas). Selain itu xki merupakan nilai-nilai yang fix/
diketahui (ditetapkan terlebih dahulu).
- 3 -