pstk 04. regresi trip generation
DESCRIPTION
sdffdsfTRANSCRIPT
-
1
ANALISA REGRESI untuk TRIP GENERATION iphan f. RADAM
Program Magister Manajemen & Rekayasa Transportasi Fakultas Teknik Universitas Lambung Mangkurat
Analisa regresi adalah studi yang mempelajari hubungan fungsional antara
variabel-variabel yang dinyatakan dalam bentuk persamaan matematik Persamaan
matematik tersebut dinamakan persamaan regresi. Analisa regresi dibedakan oleh
dua jenis variabel yaitu variabel bebas yang disebut juga variabel X dan variabel
tak bebas yang disebut juga variabel Y. Variabel tak bebas merupakan variabel
yang terjadi akibat variabel bebas.
1. univariate linear regression
Jika x dan y adalah dua variabel yang menggambarkan x sebagai variabel bebas
dan y sebagai variabel tidak bebasnya, maka format regresi adalah sebagai
berikut:
Hubungan linier Persamaan linier dirumuskan sebagai berikut:
bXaY += ......................................... (1)
Xb.Ya atau
)x(x .n ).yx( . )x()x).(y(
a
)x(x .n )y( . )x(.yx .n
b
:dengan ditentukandapat bdan akoefisien
2i
2i
iii2
ii
2i
2i
iiii
=
=
=
.... (2)
-
2
Hubungan eksponensial Persamaan eksponensial dirumuskan sebagai berikut :
bX.aY e= ......................................................... (3) Dengan e = bilangan pokok logaritma asli atau logaritma Napir, harganya hingga
empat desimal adalah e = 2,7183.
Persamaan di atas dilinearisasikan menjadi : bXaln Yln += Persamaan ini dapat diubah menjadi persamaan logaritma, yaitu :
log Y = log a + 0.4343bX a
Dan ini linier dalam X dan log Y , sehingga koefisien a dan b dapat ditentukan
dengan rumus :
=
==
+=
nxb) *4343.0(
ny loga log
atau)x.4343.0()x.4343.0(n.
)y )log((0.4343x).x4343.0()x4343.0(y loga log
)x.4343.0()x.4343.0(n.)y log).(x.4343.0()y ).logx.4343.0(n(
b
X) b(0.4343a log Y
ii
2i
2i
iii2
ii
2i
2i
iiii
..................................... (4)
Hubungan logaritma Persamaan logaritma sebagai berikut :
b.lnXaY += ............................................................................ (5) Untuk menentukan koefisien a dan b dicari dengan persamaan linear, yaitu:
-
3
nln x
b.ny
a
atau)xln()x(ln .n
)).yx(ln( . )xln())x(ln).(y( a
)xln()x(ln .n )y( . )xln().yx(ln .n b
ii
2i
2i
iii2
ii
2i
2i
iiii
=
=
=
.............................. (6)
2. multiple linear regression
Jika didapat lebih dari satu variabel bebasnya (x) maka format regresi berupa
linier berganda seperti berikut :
Y = a + b1x1 + b2x2 + ... + bnXn ..................................................................... (7)
Koefisien a dan b dapat ditentukan sebagai berikut :
Dua variabel bebas :
Y = a + b1x1 + b2x2
=
221
22
21
2122
211 )'(''
''''
xxxxxxyxxyx
b ................................................... (8)
=
221
22
21
2112
122 )'(''
''''
xxxxxxyxxyx
b ................................................... (9)
2211 xbxbya = ..................................................................... (10) Dimana :
= Nxy
yxyx 111'
= Nx
xx2
222
22
)('
-
4
= Nxy
yxyx 222'
= Nxx
xxxx 212121'
= Nx
xx2
121
21
)('
Ny
y = ; N
xx = 11 ;
Nx
x = 22
Nilai korelasi :
+=
Ny
y
yxbyxbr 2
2
2211
)(''
; N = banyak sampel
Contoh :
Langkah 1.
Pengumpulan data dengan home interview
Permisalan diambil data terhadap 28 rumah tangga yang dijadikan sampel dengan
data yang diprioritaskan sebagai variabel bebas adalah
1. income,
2. kepemilikan kendaraan, dan ;
3. ukuran rumah tangga.
Sedangkan y adalah total pergerakan yang dilakukan oleh seluruh anggota
keluarga.
-
5
Format survey seperti terlihat sebagai berikut :
-
6
Langkah 2.
Rekapitulasi data
no. sampel
Income (x1)
kend. (x2)
ukuran rumah tangga (x3)
Perjalanan (y)
1 200 6 6 8 2 150 2 9 11 3 200 5 9 13 4 100 2 8 8 5 100 3 7 9 6 150 3 6 5 7 100 3 8 10 8 150 4 9 11 9 150 3 6 8 10 150 4 6 7 11 200 5 7 9 12 150 4 7 8 13 200 4 8 10 14 250 6 5 7 15 250 5 8 9 16 150 3 10 11 17 150 5 8 12 18 200 6 11 16 19 100 2 8 8 20 100 1 3 4 21 200 1 5 6 22 150 3 8 12 23 250 5 4 3 24 200 6 7 8 25 250 6 7 9 26 200 4 14 15 27 200 5 11 14 28 150 2 5 6
Langkah 3.
Cek korelasi antar variabel bebas harus < 0,4. Dengan alat bantu program excell
didapat (Tools>Data analysis>correlation) :
x1 x2 x3 y x1 1 x2 0,712014 1 x3 0,033546 0,206766 1 y 0,072016 0,316135 0,909918 1
-
7
Dari tabel diatas terlihat bahwa x1 dan x2 mempunyai tingkat korelasi yang kuat (0,712) maka salah satu tidak digunakan dalam analisa.
Bila ditinjau terhadap korelasi kepada variabel tidak bebas (y) antara x1 dan x2, nilai x2 lebih dominan (0,316), maka ;
Variabel bebas yang bisa digunakan untuk analisa selanjutnya adalah x2 dan x3.
Langkah 4.
Perhitungan model pergerakan :
kend. ukuran rumah tangga
perjalanan no. sampel
x2 x3 y
x22
x32
x2.x3
x2.y
x3.y
y^2
1 6 6 8 36 36 36 48 48 642 2 9 11 4 81 18 22 99 1213 5 9 13 25 81 45 65 117 1694 2 8 8 4 64 16 16 64 645 3 7 9 9 49 21 27 63 816 3 6 5 9 36 18 15 30 257 3 8 10 9 64 24 30 80 100. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23 5 4 3 25 16 20 15 12 924 6 7 8 36 49 42 48 56 6425 6 7 9 36 49 42 54 63 8126 4 14 15 16 196 56 60 210 22527 5 11 14 25 121 55 70 154 19628 2 5 6 4 25 10 12 30 36
108 210 257 482 1718 830 1033 2105 2625
-
8
71,4128
1082571033' 111 === xNxy
yxyx
= Nx
xx2
222
22
)(' = 143
= Nxy
yxyx 222' = 177,5
= Nxx
xxxx 212121' = 20
= Nx
xx2
121
21
)(' = 65,43
Ny
y = = 257/28 ; N
xx = 11 =108/28 ;
Nx
x = 22 = 210/28
Maka :
2697,02043,65143
205,17714371,41)'(''
''''22
212
22
1
2122
211 =
==
x
xxxxxx
xxyxxyxb
=
221
22
21
2112
122 )'(''
''''
xxxxxxyxxyx
b = 1,2035
2211 xbxbya = = -0,8881
Nilai korelasi ;
845,028
2572625
5,1772035,171,412697,0)(''
222
2211 =+=
+=
xx
Ny
y
yxbyxbr
Lebih besar dari 0,8 menunjukan bahwa hubungan variabel sangat kuat.
-
9
Bentuk model menjadi :
Y = -0,8881 + 0,2697.x1 + 1,2035.x2
Dimana X1 = kepemilikan kendaraan
X2 = ukuran rumah tangga
Cara praktis dapat menggunakan alat bantu program excell (Tools>Data
analysis>regression) :
SUMMARY OUTPUT
Regression Statistics Multiple R 0,919273954 R Square 0,845064603 Adjusted R Square 0,832669771 Standard Error 1,284202724 Observations 28 ANOVA
df SS MS F Significance
F Regression 2 224,877727 112,438863 68,17879 7,53153E-11Residual 25 41,22941589 1,64917664 Total 27 266,1071429
Coefficients Standard
Error t Stat P-value Lower 95%
Intercept -
0,888123265 0,956693397-
0,92832591 0,362115 -
2,858470183
x2 0,269658979 0,162269776 1,66179424 0,109044 -
0,064541878x3 1,203544199 0,109762335 10,9650018 4,84E-11 0,977484441