Tugas Analisis Regresi
-
Upload
frenky-nagh-islami -
Category
Documents
-
view
5 -
download
0
description
Transcript of Tugas Analisis Regresi
Nama : Abdul Rofik Husain
NIM : 521414007
A. REGRESI
1) Analisis regresi
Dalam statistika adalah salah satu metode untuk
menentukanhubungan sebab-akibat antara satu variabel dengan variabel(-
variabel) yang lain.Variabel "penyebab" disebut dengan bermacam-macam
istilah:
variabel penjelas, variabel eksplanatorik , variabel independen , atau
secara bebas, variabel X (karenaseringkali digambarkan dalam grafik
sebagai absis, atau sumbu X). Variabel terkenaakibat dikenal sebagai variabel
yang dipengaruhi , variable dependen , variabel terikat ,atau variabel Y.
Kedua variabel ini dapat merupakan variabel acak (random),
namunvariabel yang dipengaruhi harus selalu variabel acak. Analisis
regresi adalah salah satu analisis yang paling populer dan luas
pemakaiannya.
2) Regresi linier
Regresi linier adalah metode statistika yang digunakan untuk
membentuk modelhubungan antara variabel terikat (dependen; respon; Y)
dengan satu atau lebih variabelbebas (independen, prediktor, X). Apabila
banyaknya variabel bebas hanya ada satu,disebut sebagai regresi linier
sederhana, sedangkan apabila terdapat lebih dari 1 variabelbebas, disebut
sebagai regresi linier berganda.Analisis regresi setidak-tidaknya memiliki
3 kegunaan, yaitu untuk tujuan deskripsi darifenomena data atau kasus
yang sedang diteliti, untuk tujuan kontrol, serta untuk tujuanprediksi.
Regresi mampu mendeskripsikan fenomena data melalui terbentuknya
suatumodel hubungan yang bersifatnya numerik. Regresi juga dapat
digunakan untuk melakukan pengendalian (kontrol) terhadap suatu kasus
atau hal-hal yang sedangdiamati melalui penggunaan model regresi yang
diperoleh. Selain itu, model regresi juga dapat dimanfaatkan untuk
melakukan prediksi untuk variabel terikat. Namun yangperlu diingat,
prediksi di dalam konsep regresi hanya boleh dilakukan di dalam
rentangdata dari variabel-variabel bebas yang digunakan untuk
membentuk model regresitersebut. Misal, suatu model regresi diperoleh
dengan mempergunakan data variabelbebas yang memiliki rentang antara
5 s.d. 25, maka prediksi hanya boleh dilakukan bilasuatu nilai yang
digunakan sebagai input untuk variabel X berada di dalam rentangtersebut.
Konsep ini disebut sebagai interpolasi.Data untuk variabel independen X
pada regresi linier bisa merupakan data pengamatanyang tidak ditetapkan
sebelumnya oleh peneliti (obsevational data) maupun data yangtelah
ditetapkan (dikontrol) oleh peneliti sebelumnya (experimental or fixed
data).Perbedaannya adalah bahwa dengan menggunakan fixed data,
informasi yang diperolehlebih kuat dalam menjelaskan.
3) Hubungan Sebab Akibat
antara variabel X dan variabelY. Sedangkan, pada observational
data, informasi yang diperoleh belum tentumerupakan hubungan sebab-
akibat. Untuk fixed data, peneliti sebelumnya telahmemiliki beberapa nilai
variabel X yang ingin diteliti. Sedangkan, pada observationaldata, variabel
X yang diamati bisa berapa saja, tergantung keadaan di
lapangan.Biasanya, fixed data diperoleh dari percobaan laboratorium, dan
observational datadiperoleh dengan menggunakan kuesioner. Di dalam
suatu model regresi kita akanmenemukan koefisien-koefisien. Koefisien
pada model regresi sebenarnya adalah nilaiduga parameter di dalam model
regresi untuk kondisi yang sebenarnya ( true condition),sama halnya
dengan statistik
mean (rata-rata) pada konsep statistika dasar. Hanya saja,koefisien-
koefisien untuk model regresi merupakan suatu nilai rata-rata
yangberpeluang terjadi pada variabel Y (variabel terikat) bila suatu nilai X
(variabel bebas)diberikan.
Koefisien regresi dapat dibedakan menjadi 2 macam, yaitu:1.
Intersep (
intercept )Intersep, definisi secara metematis adalah suatu titik
perpotongan antara suatu garis dengan sumbu Y pada diagram/sumbu
kartesius saat nilai X = 0. Sedangkan definisisecara statistika adalah nilai
rata-rata pada variabel Y apabila nilai pada variabel Xbernilai 0. Dengan
kata lain, apabila X tidak memberikan kontribusi, maka secara rata-rata,
variabel Y akan bernilai sebesar intersep. Perlu diingat, intersep hanyalah
suatukonstanta yang memungkinkan munculnya koefisien lain di dalam
model regresi.Intersep tidak selalu dapat atau perlu untuk
diinterpretasikan. Apabila data pengamatanpada variabel X tidak
mencakup nilai 0 atau mendekati 0, maka intersep tidak memilikimakna
yang berarti, sehingga tidak perlu diinterpretasikan.RegresiLinierRegresi
Linier digunakan untuk menentukan fungsi linier yang paling sesuai
dengankumpulan titik data (xn,yn) yang diketahui.Untuk mendapatkan
fungsi linier y=mx+c
,Dicari nilai m dan c
Contoh Penyelesaian Regresi EksponensialCarilah persamaan kurva
eksponensial jika diketahui data Untuk x dan ysebagai berikut:
Regresi EksponensialRegresi Eksponensial digunakan untuk menentukan
fungsi Eksponensial yang paling sesuai dengan kumpulan Titik data (xn,yn) yang
diketahui. RegresiEksponensial merupakan pengembangan dari regresi linier
dengan memanfaatkan fungsi logaritmik