pengolahan data perikanan

14
MA TERI: REGRESI LINEAR PENGOL H N D T PERIK N N MENGGUN K N C LC UL TOR D N SOFT W RE MS  EXCEL Bahan Kuliah

Upload: separuh-nafas-borneo

Post on 18-Oct-2015

556 views

Category:

Documents


40 download

DESCRIPTION

materi kuliah pengolahan data perikanan (PDP)

TRANSCRIPT

  • Bahan KuliahMATERI: REGRESI LINEARPENGOLAHAN DATA PERIKANANMENGGUNAKAN CALCULATORDANSOFTWARE MS EXCEL

  • PENGERTIAN DAN SIFAT ANALISIS REGRESIKejadian-kejadian ekonomik dapat dinyatakan dengan perubahan nilai variabel. Apabila suatu variabel X ternyata mempengaruhi variabel lainnya (Y) dan jika nilai variabel X diketahui, maka nilai variabel Y akan dapat diperkirakan/diprediksi () melalui suatu metode analisis data yang disebut ANALISIS REGRESI.Jadi ANALISIS REGRESI merupakan studi ketergantungan dari satu variabel yang disebut variabel tak bebas (dependent variables) pada satu atau lebih variabel, yaitu variabel yang menerangkan, dengan tujuan untuk meramalkan/memperkirakan nilai rerata dari variabel tak bebas apabila nilai variabel yang menerangkan sudah diketahui. Variabel yang menerangkan sering juga disebut variabel bebas (independent variables/explanatory variables).Model ekonometrik yang terdiri dari beberapa persamaan dan masing-masing persamaan merupakan persamaan regresi sangat berguna untuk pembuatan ramalan dari berbagai nilai variabel guna penyusunan perencanaan.

  • CONTOH PENGGUNAAN ANALISIS REGRESIAhli ekonomi meramalkan konsumsi ikan () setelah pendapatan (X) diketahuiAhli perbankan meramalkan tingkat harga () setelah jumlah uang beredar (X) diketahuiDirektur pemasaran meramalkan hasil penjualan () setelah jumlah pengeluaran untuk advertensi (X) diketahuiAhli biologi perikanan meramalkan berat ikan () setelah PANJANG ikan tersebut (X) diketahuiAhli ekonomi meramalkan besarnya permintaan suatu jenis barang () setelah besarnya harga barang (X) diketahuiAhli perikanan meramalkan batas tangkapan lestari () jika faktor yang mempengaruhinya (X1,X2, ,Xn) diketahuiAhli perikanan meramalkan pengaruh faktor-faktor produksi (X1,X2,X3,Xn) terhadap tingkat produksi usaha perikanan ()Ahli perikanan meramalkan faktor-faktor (X1,X2,Xn) yang mempengaruhi kualitas produk perikanan ()

  • KONSEP DASAR REGRESIHubungan variabel X dan Y dapat berupa hubungan positif, negatif, linear dan tidak linear (hiperbolik, parabolik, dsb) atau tdk ada hubunganDalam peramalan hubungan variabel X dan Y dapat terjadi ketidaktepatan karena adanya berbagai kesalahan (error) akibat: kesalahan dalam mengukur variabel, kesalahan karena tidak semua variabel Xi yang mempengaruhi Y dimasukkan dalam persamaan regresi, kesalahan karena fungsi yang dipakai tidak cocok (fit) misal seharusnya fungsi parabola tapi yang digunakan fungsi linear, kesalahan karena asumsi yang digunakan tidak tepatContoh regresi linear: Jumlah ramalan produksi budidaya ikan () tidak hanya dipengaruhi oleh jumlah pakan (X1), tetapi juga dipengaruhi luas kolam (X2), ketersediaan bibit (X3), pemupukan (X4) dan masih ada faktor lainnya, sehingga garis regresi tidak akan tepat 100%, sehingga persamaan umum regresi (linear) bukan = a + bX tetapi menjadi = a + bX + e

  • Untuk persamaan umum regresi linear = a + bX + e, maka adalah variabel dependen, X variabel independen, a adalah intercept (jarak dari titik asal ke titik potong antara garis regresi dengan sumbu tegak), b adalah koefisien regresi (koefisien arah/slope hubungan) dan e adalah besaran kesalahan dalam peramalan hubungan variabel tersebut.Inti persoalan dari analisis regresi adalah meramalkan nilai Y () apabila nilai variabel X telah diketahuiREGRESI LINEAR yang menghubungkan variabel X dan Y disebut garis regresi linear sederhana (simple linear regression). Namun bila hubungan tersebut meliputi lebih dari dua variabel maka disebut garis regresi linear berganda (multiple linear regression).Untuk mengukur kuatnya hubungan (korelasi) antara dua variabel X dan Y digunakan analisis korelasi, dimana dipergunakan nilai yang disebut koefisien korelasi (r) yang nilainya terletak antara 1 dan 1, dimana jika r = 1 berarti hubungan X dan Y sempurna, positif, jika r = 0 berarti tak ada hubungan, jika r = -1 berarti hubungan X dan Y sempurna dan negatif.

    lanjutan

  • RUMUS ANALISIS KORELASI

  • Refreshing/understanding testBuat contoh persamaan analisis regresi sederhana !Buat contoh persamaan analisis regresi berganda (untuk kasus faktor-faktor yang mempengaruhi produksi budi daya ikan di kolam/tambak !Jelaskan jika nilai koefisien korelasi antara variabel X dan adalah:r = 2r = -1r = 0,75r = 0,54. Bagaimana hubungan antara nilai e (kesalahan/error) dengan nilai r (koefisien regresi) ?5. Jika = pendapatan perusahaan, X = produksi barang dan persamaan regresinya adalah = -4 + 8X, maka jelaskan maksud persamaan regresi linear sederhana tersebut !(ingat bahwa adalah hasil peramalan !!)

  • Memahami Koefisien Determinasi (r2)r2 yang disebut sebagai koefisien determinasi/penentuan, mempunyai kegunaan:Sebagai ukuran ketepatan/kecocokan suatu garis regresi, yang diterapkan pada suatu data hasil observasi (a measure of the goodness of fit). Makin besar nilai koefisien determinasi, makin bagus atau makin tepat suatu garis regresi. Nilainya terletak antara 0 1.Untuk mengukur besarnya proporsi (presentasi) atau mengukur besarnya peran/sumbangan/pengaruh variabel bebas (X) terhadap variasi (naik/turunnya) harga variabel Y.

    Ingat: nilai r2 merupakan hasil kuadrat dari nilai r.Nilainya selalu non-negatif, karena merupakan rasio dari dua jumlah kuadratik

  • MEMAHAMI MAKSUD KESALAHAN PENGGANGGU (ERROR)Jika dilakukan survei sederhana pengeluaran/pembelanjaan uang per bulan terhadap 6 orang yang berpenghasilan (X) Rp 100.000,- per bulan dengan hasil: (Y sesungguhnya)Si A = Rp 65.000,-, Si B = 70 ribu, Si C = Rp 74.000,-, si D = Rp 80.000,-, si E = Rp 85.000,- dan si F = Rp 88.000,-, maka rerata pengeluaran mereka per bulan ( =Y ramalan) adalah Rp 77.000,-.Nilai 77.000 adalah nilai ramalan, dan faktanya terdapat orang yang membelanjakan uangnya lebih atau kurang dari nilai tersebut.Nilai ramalan dapat disebut nilai harapan (expected value) yang merupakan rata rata atau rata rata sebenarnya. Secara statistik dapat dinyatakan dengan simbol E(Y/X) dibaca: nilai harapan Y untuk X yang diketahui.(nilai X = 100.000; Y ramalan = 77.000)Untuk si A, diharapkan (rerata) membelanjakan uang sebesar Rp 77.000,-, kenyataan hanya membelanjakan Rp 65.000,-, berarti terdapat kesalahan peramalan sebesar 65.000 77.000 = - 12.000 atau pengeluaran si A kurang Rp 12.000,- dari rerata (nilai harapan)

  • lanjutanSi F membelanjakan sebesar Rp 88.000,- berarti terdapat kelebihan sebesar 88.000 77.000 = 11.000 rupiah dari nilai rerata (nilai harapan)Perhitungan tersebut menunjukkan adanya kesalahan dalam peramalan (kesalahan pengganggu/error), dimana untuk si A sebesar 12.000 dan si F sebesar 11.000Kesalahan pengganggu/disturbances error ini juga disebut sebagai simpangan/deviasi dari nilai ramalan/harapan, yang diberi simbol () yang dirumuskan: = nilai sesungguhnya nilai harapan = Y E(Y/X) atau secara umum i = Yi E(Y/Xi) atau = Y atau i = Yi , sehingga persamaan regresi juga dapat dituliskan dari = a + bXi menjadi E(Y/Xi) = a + bXiIni berarti si A = -12.000 dan si F = 11.000Jadi dapat diasumsikan bahwa garis regresi linear akan melalui semua nilai rerata Y jika kesalahan pengganggu = 0

  • Memahami standard error dan variancePerkiraan nilai a dan b akan bervariasi dari sampel ke sampel, sehingga simpangan nilai harapan dengan nilai sesungguhnya akan memiliki simpangan kesalahan yang baku (standard error) sebagai ukuran tingkat ketelitian.Makin kecil standard error suatu perkiraan, makin tinggi tingkat perkiraan yang dihasilkan.Kesalahan yang dilakukan dalam melakukan perkiraan akan bervariasi, dimana nilainya dinyatakan sebagai varianceMakin besar nilai variance, berarti makin besar pula kesalahan yang dilakukan dalam melakukan perkiraan.

    Nilai variance merupakan hasil kuadrat dari kesalahan baku, atau nilai kesalahan baku merupakan akar dari variance

  • CONTOH PERHITUNGAN REGRESICONTOH SOAL:Seorang mahasiswa meneliti biaya konsumsi harian ikan (Y) (dalam ribuan rupiah) berdasarkan alokasi biaya makan harian 5 orang temannya (X) (dalam ribuan rupiah) dengan data sebagai berikut:Dengan persamaan regresi sederhana, berapa ramalan Y jika X = 10Hitung koefisien korelasi dan determinasinyaHitung nilai varianceHitung nilai standard error

  • a = Y bX = 0,8556Y estimate = a + bX = 0,3956 + 0,855XJika X = 10 maka Y estimate = 8,95Jadi jika uang anggaran mencapai 10 ribu rupiah, maka konsumsi diramalkan Rp 8,95 ribu rupiah