31002-13-229235852051
TRANSCRIPT
Modul Tatap MukaXIII - ©han2008
MODUL TATAP MUKA XIII(28 Juni 2008)
Mata Ajaran : Statistik I
Pengajar : Hayuning Anggrahita, M.S.M
Tahun Ajaran : Semester Genap Tahun Akademik 2007/2008
Tujuan Instruksional Khusus :
Mahasiswa memahami arti dan pentingnya analisis regresi
Mahasiswa memahami cara melakukan analisis regresi menggunakan
metode least square (kuadrat terkecil)
ANALISIS REGRESI
Tujuan analisis regresi adalah bagaimana menghitung suatu perkiraan atau
persamaan regresi yang akan menjelaskan hubungan antara dua variabel.
Pembahasan kita akan terbatas pada regresi sederhana, yaitu mengenai hubungan
antara dua variabel yang biasanya cukup tepat dinyatakan dalam suatu garis lurus.
Diagram Pencar (Scatter Diagram)
Setelah ditetapkan bahwa terdapat hubungan logis di antara variabel, maka untuk
mendukung analisis lebih jauh, barangkali tahap selanjutnya adalah menggunakan
grafik. Grafik ini disebut Diagram Pencar (atau Diagram Tebaran), yang
menunjukkan titik-titik tertentu. Setiap titik memperlihatkan suatu hasil yang kita nilai
sebagai variabel tak bebas (dependent) maupun bebas (independent). Diagram
pencar ini memiliki dua manfaat, yaitu : (1) membantu menunjukkan apakah terdapat
hubungan yang bermanfaat antara dua variabel, dan (2) membantu menetapkan tipe
persamaan yang menunjukkan hubungan antara kedua variabel tersebut.
Kita dapat menjelaskan tujuan dan manfaat diagram pencar dengan menggunakan
data pada Tabel 7.24. Data tersebut menggambarkan hasil produksi karyawan yang
dinyatakan dalam satuan lusin (sebagai variabel tak bebas), terhadap 8 orang
karyawan pabrik mainan anak-anak “Tackey”. Jika hasil tes kecerdasan
menunjukkan asumsi yang kita perkirakan, rasanya masuk akal bila kita asumsikan
bahwa karyawan yang mempunyai nilai (skor) tinggi akan memberi hasil produksi
yang lebih tinggi juga.
Pusat Pengembangan Bahan Ajar - UMB Hayuning Anggrahita, M.S.M STATISTIK I
1
Modul Tatap MukaXIII - ©han2008
Tabel 7.24. Hasil produksi dan Skor tes kecerdasan hipotesis dari 8 karyawan pabrik
mainan anak-anak “Tackey”
KaryawanHasil Produksi
(lusin) (Y)Skor Tes Kecerdasan
(X)A 30 6B 49 9
C18 3
D 42 8E 39 7F 25 5G 41 8H 52 10
Peraga 7.4 Diagram Pencar
Data dari seorang karyawan akan menunjukkan satu titik tertentu pada diagram
pencar, seperti yang terlihat pada peraga 7.4. (Titik-titik yang memperlihatkan
karyawan C dan F diberi tanda untuk memperlihatkan bagaimana kedua hasil
pengamatan terhadap kedua karyawan tersebut digunakan untuk membuat grafik).
Seperti yang kita lihat pada peraga 7.4, ke-8 titik membentuk gerakan sedemikian
rupa seakan membentuk suatu garis lurus, dan hubungan yang sangat erat terlihat
dengan fakta bahwa semua titik terlihat sangat dekat dengan garis lurus yang
Pusat Pengembangan Bahan Ajar - UMB Hayuning Anggrahita, M.S.M STATISTIK I
2
C
F
Modul Tatap MukaXIII - ©han2008
ditetapkan. Juga kita melihat bahwa ada tes kecerdasan meningkat, maka hasil
produksi juga meningkat. Tentu saja, ada kemungkinan pada variabel tertentu
terdapat hubungan yang negatif (atau berlawanan), yaitu bila X meningkat, Y
menurun.
Persamaan Regresi Linear
Garis lurus yang terdapat pada diagram pencar peraga 7.4, yang memperlihatkan
hubungan antara variabel disebut garis regresi atau garis perkiraan. Seperti telah
kita ketahui, persamaan yang digunakan untuk mendapatkan garis regresi pada data
diagram pencar disebut persamaan regresi atau persamaan perkiraan. Jika kita ingat
pembahasan pada bagian akhir tentang perhitungan trend linear, mungkin kita agak
menemui kesukaran dengan persamaan regresi disini, juga digunakan untuk
menempatkan garis regresi pada data yang diperoleh. Oleh karena itu, metode
kuadrat terkecil (method of least squares) sekali lagi akan kita gunakan untuk
menempatkan garis pada data yag diamati, sehingga bentuk dari persamaan regresi
adalah sebagai berikut :
dimana, a = Y pintasan, (nilai Y’ bila X = 0)
b = kemiringan dari garis regresi (kenaikan atau penurunan Y’ untuk
setiap perubahan satu satuan X) atau koefisien regresi, yang
mengukur besarnya pengaruh X terhadap Y kalau X naik satu unit.
X = nilai tertentu dari variabel bebas
Y’ = nilai yang diukur / dihitung pada variabel tidak bebas.
Kesamaan di antara garis regresi dan garis trend tidak dapat berakhir dengan
persamaan garis lurus. Garis regresi (seperti garis trend dan nilai tengah aritmetika)
memiliki dua sifat-sifat matematis berikut :
Dengan perkataan lain, garis regresi akan ditempatkan pada data dalam diagram
sedemikian rupa sehingga penyimpangan (perbedaan) positif titik-titik terhadap titik-
titik pencar di atas garis akan mengimbangi penyimpangan negatif titik-titik pencar
Pusat Pengembangan Bahan Ajar - UMB Hayuning Anggrahita, M.S.M STATISTIK I
3
Modul Tatap MukaXIII - ©han2008
yang terletak di bawah garis, sehingga hasil penyimpangan keseluruhan titik-titik
terhadap garis lurus adalah nol.
Untuk tujuan kita di atas, perhitungan analisis regresi dan analisis korelasi dapat
dipermudah dengan menggunakan rumus dalam bentuk penyimpangan nilai tengah
variabel X dan Y, yaitu penyimpangan dari .
Oleh karena itu, dapat digunakan simbol berikut ini :
Ciri atau sifat kuadrat terkecil :
Nilai a dan b pada persamaan regresi dapat dihitung dengan menggunakan rumus di
bawah ini :
Sekarang kita sudah siap untuk data yang tersedia pada tabel 7.24. Tabel untuk
menghitung nilai yang dibutuhkan dalam mencari nilai a dan b dengan menggunakan
rumus (7.7) dan rumus (7.9), dapat dilihat pada Tabel 7.25.
Tabel 7.25
Pusat Pengembangan Bahan Ajar - UMB Hayuning Anggrahita, M.S.M STATISTIK I
4
Modul Tatap MukaXIII - ©han2008
KaryawanHasil Produksi
(lusin) (Y)Skor Tes
(X)Y
(Y - )X
(X - )xy x2 y2
A 30 6 -7 -1 7 1 49B 49 9 12 2 24 4 144C 18 3 -19 -4 76 16 361D 42 8 5 1 5 1 25E 39 7 2 0 0 0 4F 25 5 -12 -2 24 4 144G 41 8 4 1 4 1 16H 52 10 15 3 45 9 225
296 56 0 0 185 36 968
Dari hasil perhitungan di atas, nilai a dan b dihitung sebagai berikut :
Sehingga, persamaan regresi yang memperlihatkan hubungan kedua variabel antara
hasil produksi dan hasil tes kecerdasan karyawan pada pabrik mainan anak-anak
“Tackey” adalah :
Y’ = 1,02 + 5,14X
Interval Kepercayaan Sehubungan dengan Regresi Linier
Kita lihat bahwa regresi linier populasi dalam Rumus XV (8) telah ditaksir oleh regresi
linier sampel Y = a + bX dengan koefisien-koefisien a dan b dihitung menggunakan
rumus XV (6). Jadi nampaj bahwa a dan b masing-masing merupakan titik taksiran
untuk θ1 dan θ2. Dengan asumsi-asumsi yang diberikan dalam bagian sebelumnya,
Pusat Pengembangan Bahan Ajar - UMB Hayuning Anggrahita, M.S.M STATISTIK I
5
Modul Tatap MukaXIII - ©han2008
maka berbagai interval taksiran sehubungan dengan regresi linier, termasuk untuk θ1
dan θ2, dapat ditentukan.
Jika koefisien kepercayaan diambil γ, 0 < γ < 1, maka interval teksiran untuk θ1
ditentukan oleh:
dengan Sa dihitung menggunakan rumus XV (12) dan derajat kebebasan dk untuk
distribusi t yang dipakai adalah (n – 2)
Sejalan dengan hal tersebut di atas, interval taksiran untuk θ2 dihitung dari:
dengan Sb dihitung menggunakan rumus XV (11).
Contoh:
Untuk data dalam Daftar XV (1) telah dihitung Sa = 2,6495 dan Sb = 0,0714, maka
dengan n = 30, a= 8,24 b = 0,68 dan γ = 0,95 didapat interval taksiran untuk θ1 :
8,24 – (2 ,048) (2,6495) < θ1 < 8,24 + (2 ,048) (2,6495)
Atau 2,81 < θ1 < 13,61
Sedangkan interval taksiran untuk θ2:
0,68 – (2 ,048) (0,0714) < θ1 < 0,68 + (2 ,048) (0,0714)
Atau 0,53 < θ2 < 0,83
Selanjutnya, untuk varians kekeliruan taksiran σ 2 Y.X, interval taksirannya dapat
juga ditentukan. Kita tahu bahwa titik taksirannya adalah S2 Y.X yang dihitung
dengan Rumus XV (9). Dengan menggunakan sifat bahwa x2 = (n – 2) S2 Y.X / σ 2
Y.X berdistribusi x2 dengan dk = (n – 2), maka interval taksiran σ 2 Y.X ditentukan
oleh:
Pusat Pengembangan Bahan Ajar - UMB Hayuning Anggrahita, M.S.M STATISTIK I
6
a – t γ2 (1+ γ) Sa < θ1 <a + t γ2 (1+ γ) Sa
b – t γ2 (1+ γ) Sb < θ1 < b + t γ2 (1+ γ) Sb
(n – 2) S 2 Y.X < σ 2 Y.X < (n – 2) S 2 Y.X X2 ½ (1+γ) X2 ½ (1 – γ)
Modul Tatap MukaXIII - ©han2008
Dalam rumus diatas, untuk distribusichi-kuadarat diambil dk = (n – 2).
Untuk contoh di atas misalnya, dengan n = 30 dan S2 Y.X = 1,688, maka interval
kepercayaan 96% untuk σ 2 Y.X adalah
28 (1,688) < σ 2 Y.X < 28 (1,688)
Atau 1,062 < σ 2 Y.X < 3,089
Taksiran yang lebih penting lagi dalam regresi linier adalah menaksir rata-rata Y
untuk X diketahui (diberi simbol μY – X) dan menaksir individu Y untuk X diketahui. Kita
tahu bahwa titik taksiran rata-rata Y dengan mudah dapat dicari dar persamaan
regresi apabila ke dalam persamaan tersebut disubstitusikan harga X yang diketahui.
Interval taksiran rata-rata Y jika X diketahui dengan koefisien kepercaryaan γ,
adalah:
Contoh:
Untuk data dalam daftar XV (1) telah diperoleh simpanagan baku taksiran rata-rata Y
untuk X = 40 sebesar SY = 0,329 dan simpangan baku ramalan individu Y sebesar
SY = 1,340. Untuk X = 40 didapat Y = 8,24 + (0,68) (40) = 35,44. Dengan γ = 0,95
maka interval taksiran rata-rata Y untuk X = 40 adalah : 35,44 – (2,048) (0,329) < μY –
X < 35,44 + (2,048) (0,329) atau 34,77 < μY – X < 36,11 dan interval taksiran individu y
untuk X = 40 adalah 35,44 – (2,048) (1,340) < Y < 35,44 + (2,048) (1,340) atau 32,70
< Y < 38,18
Penggunaan persamaan regresi dalam peramalan
Tujuan utama penggunaan persamaan regresi adalah untuk memperkirakan nilai dari
variabel tak bebas pada nilai variabel bebas tertentu. Misalnya, Hiram Hess, seorang
manajer personalia pada pabrik mainan anak-anak “Tackey” sedang
mempertimbangkan akan memperkerjakan seseorang calon karyawan dengan nilai
tes kecerdasan 4. Sedangkan supervisor pada departemen tersebut menginginkan
seseorang karyawan baru yang dapat berproduksi pada tingkat minimal 30 lusin.
Pusat Pengembangan Bahan Ajar - UMB Hayuning Anggrahita, M.S.M STATISTIK I
7
Y – t ½ (1+ γ) SY < μY – X < Y + t ½ (1+ γ) SY
Modul Tatap MukaXIII - ©han2008
Tentu saja, tidak mungkin untuk mengatakan dengan tepat berapa tingkat produksi si
calon karyawan pada waktu mendatang, tetapi Hiram dapat menggunakan
persamaan di atas untuk melihat ramalan produksi calon karyawan tersebut pada
waktu mendatang. Bagaimana? Dengan mensubsitusikan nilai 4 pada X dari
persamaan regresi, maka ramalan dapat dihitung menjadi sebagai berikut :
Y’ = 1,02 + 5,14 (x)
Y’ = 1,02 + 5,14 (4)
Y’ = 21,58
HAYUNING ANGGRAHITA
081387717274 / 93660292
Pusat Pengembangan Bahan Ajar - UMB Hayuning Anggrahita, M.S.M STATISTIK I
8