analisis regresi - getutgetut.staff.uns.ac.id/files/2015/02/chap3_regsed1.pdf · sedang menyusun...
TRANSCRIPT
ANALISIS REGRESI
CHAPTER 3
No 1
Gambar grafik fungsi dengan x=0,1,2.12 xy
No 2
An Introduction
Regresi linier sering digunakan untuk melihat nilaiprediksi atau perkiraan yang akan datang
Apabila X dan Y mempunyai hubungan, maka nilaiX yang sudah diketahui dapat digunakanmemperkirakan Y
Variable Y yang nilainya akan diramalkan disebutvariabel tidak bebas / variabel respon (dependentvariable)
Variable X yang nilainya digunakan untukmeramalkan nilai Y disebut variable bebas/ peramal/menerangkan (independent / explanatory variable)
Beberapa contoh penelitian mengg. anreg..
• Pengaruh Efikasi Diri Terhadap Stres Mahasiswa yang Sedang Menyusun Seminar Makalah di PendidikanMatematika UNS
• ANALISIS FAKTOR – FAKTOR YANG MEMPENGARUHI KEBERHASILAN MAHASISWA P. MATEMATIKA UNS
• Pengaruh Gaya Kepemimpinan dan Kreativitas Dosen diKelas terhadap Prestasi Belajar Mahasiswa
• PENGARUH KEAKTIFAN DALAM KEGIATAN UKM TERHADAP SOFTSKILL DAN PRESTASI MAHASISWA
X
Analisis regresi digunakan untuk mengetahui
bagaimana variabel dependen atau kriterium
dapat diprediksikan melalui variabel independen atauprediktor secara individu atau parsial maupun secarabersama-sama atau simultan.
Y
Variabelrespon/Variabel
dependen
Prediktor/ variabelindependen
Dapatkah variabel X memprediksi Y ?
Adakah korelasi antara X dan Y?
Misal..Ilustrasi hubungan positifantara x dan y
X
Pupuk
Berat Badan
Keaktifan
Kepemimpinan
Kinerja
Y
Produksi
Tekanan darah
Prestasi
softskill
Produktifitas
Ilustrasi hubungan negatif
X
Jumlah aseptor
Harga suatu barang
Y
Jumlah kelahiran
Permintaan barang
Contoh plot korelasi
y
x
y
x
y
y
x
x
Hubungan kuatHubungan lemah
y
x
y
x
Tidak ada hubungan
Jenis Analisis Regresi
I. Regresi linier jika hubungan antara variabel bebas terhadap variabel tak bebas berbentuk linier
II. Regresi tak linier jika hubungan antara variabel bebas terhadap variabel tak berbentuk linier
Regresi linier sederhana Regresi linier berganda Regresi Logistik (Netter :555)Regresi Poisson
Regresi Polinomial
Neural Network Model (netter : 547)
bXaY ˆ
332211ˆ XbXbXbaY
32ˆ dXcXbXaY
2ˆ cXbXaY
Regresi Linier Sederhana
Memilih persamaan Terbaik ..?
• Metode Seleksi Maju
• Metode Penyisihan
• Metode Bertahap
• Metode R-square maksimum (MAXR)
• Metode PRESS
Sembiring, 1995
• : variabel independen ke-i
• : variabel dependen ke-i maka bentuk model
regresi sederhana adalah :
dengan
parameter yang tidak diketahui
sesatan random dgn asumsi
NID (0, )
iX
iY
ba,atau ˆ,ˆ
i
niXY iii ,,2,1,
2
nijiji
VarE
ji
ji
ii
,...,2,1,,,,0,
0,dengan sama nyakovariansi sehingga iberkorelas saling tidak dan
,0 2
bXaY
EX
XEYE
niXY
i
i
iii
iii
ˆ
So...
ˆˆ
,,2,1,
20
So...
,,2,1,
i
ii
iii
iii
YV
VXV
XVYV
niXY
Dari garis regresi sampel diperoleh :
Dan
)(^^
iii XYe
2
11
2 ))(( i
n
i
i
n
i
i bXaYeD
Turunkan D
terhadap
a dan b !!!!
021
n
i
ii bXaYa
D
XbY
n
Xb
n
Yia
anXbYi
XbanYi
n
i
n
i
i
n
i
n
i
i
n
i
n
i
i
0
1 1
1 1
1 1
0
02
1
2
11
1
n
i
i
n
i
i
n
i
ii
n
i
iii
XbXaYX
XbXaYb
D
22 )( xxn
yxxynb
xbya
n
xx
n
yy
y x xy x2 y2
.
.
.
.
.
.
.
.
.
.
Σy Σx Σxy Σx2 Σy2
ATAU
Latihan Carilah persamaan regresi Y pada X dari data Tabel :
ii XY
xbya
8972.05294.29ˆ
: regresipersamaan diperoleh jadi
53.291
8972.0
12
66537525
12
951665-53305
)(
))((
2
2
2
n
xx
n
yxxy
b
Residual
• Merupakan nilai selisih antara Yi dengan prediksi Yi, dinotasikan dengan ei,
iii YYe ˆ
Contoh ilustrasi
Sifat residual
YX
eY
eX
YY
e
e
n
i
ii
n
i
ii
n
i
i
n
i
i
n
i
i
n
i
i
, titikmelewatiselalu regresi garis.6
0ˆ.5
0.4
ˆ3.
minimum .2
0.1
1
1
11
1
2
1
Latihan