Analisis Regresi Upload

4,537 views
4,397 views

Published on

Published in: Technology
1 Comment
2 Likes
Statistics
Notes
No Downloads
Views
Total views
4,537
On SlideShare
0
From Embeds
0
Number of Embeds
63
Actions
Shares
0
Downloads
245
Comments
1
Likes
2
Embeds 0
No embeds

No notes for slide

Analisis Regresi Upload

  1. 1. ANALISIS REGRESI
  2. 2. <ul><li>Analisis regresi adalah analisis statistika yang bertujuan untuk menaksir atau meramalkan dengan terlebih dahulu mencari pola hubungan yang dapat digambarkan secara matematis antara dua variabel atau lebih. </li></ul><ul><li>- Model yang menggambarkan hubungan antara variabel independent (X) dengan variabel dependent (Y) adalah : </li></ul><ul><li>Y= f(X) </li></ul><ul><li>- Dalam persamaan regresi jika hanya mengandung satu variabel independent disebut Regresi Linier Sederhana dan jika dalam model regresi tersebut mengandung lebih dari satu variabel independent disebut Regresi Linier Berganda </li></ul>Definisi Analisis Regresi
  3. 3. <ul><li>Merumuskan atau mendefinisikan hal-hal yang akan dimodelkan berdasarkan teori atau percobaan sebelumnya </li></ul><ul><li>Menetukan pola hubungan ( Linier atau Non-linier ) </li></ul><ul><li>Mengestimasi model parameter regresi </li></ul><ul><li>Menguji signifikasi model regresi </li></ul><ul><li>Pemeriksaan asumsi residual </li></ul><ul><li>Korelasi Linear </li></ul><ul><li>Koefisien korelasi. Ukuran hubungan linear antara dua variabel X dan Y diduga dengan koefisien korelasi, yaitu </li></ul>Langkah-langkah dalam Pemodelan Regresi
  4. 4. <ul><li>Suatu model regresi dasar yang hanya melibatkan satu variabel independen dan fungsi regresinya bersifat linier . Modelnya : </li></ul><ul><li>Dimana : </li></ul><ul><li>= N ilai variabel respons dalam peng amatan ke-i </li></ul><ul><li>dan = P arameter </li></ul><ul><li>= K onstanta yang diketahui yaitu variabel independen dari </li></ul><ul><li>pengamatan ke-i </li></ul><ul><li>= E rror atau residual dari estimasi pada peng amatan ke-i </li></ul>Model Regresi Linier Sederhana
  5. 5. <ul><li>Metode regresi linear berganda dapat digunakan untuk melihat pengaruh beberapa peubah penjelas atau peubah bebas (x) terhadap satu peubah tak bebas (y). Modelnya : </li></ul><ul><li>Asumsi-asumsi : </li></ul><ul><li>Normalitas, tiap εi mengikuti distribusi normal, εi ~ N(0,σ 2 ). </li></ul><ul><li>Non autokorelasi antar sisaan, berarti cov (εi,εj) = 0. </li></ul><ul><li>Homoskedastisitas, var (εi) = σ2 untuk setiap i, i= 1,2,…,n yang artinya varians dari semua sisaan adalah konstan atau homoskedastik. </li></ul><ul><li>Tidak terjadi multikolinearitas. Tidak terdapat hubungan linear yang sempurna atau pasti di antara beberapa atau semua variabel yang menjelaskan model regresi. </li></ul>Analisis Regresi Linier Berganda
  6. 6. <ul><li>Analisis varians merupakan suatu cara yang dapat digunakan dalam teknik pemisahan (dekomposisi) variasi yang terdapat dalam model . </li></ul>Analisis Varians Sumber variasi Derajat Bebas Jumlah Kuadrat (SS) Kuadrat Tengah (MS) Karena regresi 1 b 1 S xy Karena error n-2 Total n-1
  7. 7. Pengujian Model <ul><li>Uji Serentak </li></ul><ul><li>Uji parsial </li></ul><ul><li>Hipotesis : </li></ul><ul><li>H 0 : </li></ul><ul><li>H 1 : Minimal ada satu yang tidak sama dengan nol </li></ul><ul><li>Statistik uji : </li></ul><ul><li> F hit = </li></ul><ul><li>DP : Tolak H 0 jika F hit > F a,p,n-p-1 </li></ul><ul><li>Hipotesis: </li></ul><ul><li>H 0 : β i = 0 </li></ul><ul><li>H 1 : β i ≠ 0 </li></ul><ul><li>Statistik uji : </li></ul><ul><li>DP : Tolak H 0 jika |t| > t a/2,n-p-1 </li></ul>
  8. 8. <ul><li>Koefisien determinasi ini dikenal dengan besaran R 2 . Koefisien determinasi digunakan untuk mengetahui proporsi varians variabel tidak bebas yang dijelaskan oleh variabel bebas secara bersama-sama </li></ul><ul><li>atau secara verbal R 2 mengukur proporsi (bagian) atau persentase total variasi dalam Y yang dijelaskan oleh model regresi (Gujarati, 1999). R 2 diperoleh dengan rumus : </li></ul>Koefisien Determinasi
  9. 9. <ul><li>Untuk mengetahui apakah model persamaan yang digunakan sudah memenuhi asumsi-asumsi regresi tersebut maka perlu dilakukan pemeriksaan pada masing-masing asumsi </li></ul>Analisis Residuals Uji Gletser Hipotesis: H 0 :  I 2 =  2 2 =…=   n ( tidak ada heteroskedatisitas) H 1 : minimal ada 1   i ≠   j (terjadi heteroskedatisitas) Statistik uji : F hit = Daerah Kritis : Tolak H 0 jika |F hit |>F  n-2 Asumsi Pemeriksaan Plot Pengujian hipotesis Identik e i terhadap ŷ i Uji gletser Independen e i terhadap i Uji durbin Watson Distribusi normal ρ i terhadap e i Kolmogorov smirnov
  10. 10. Uji Durbin-Watson hipotesis : H 0 : ρ i = 0 (tidak ada otokorelasi) H 1 : ρ i = 0 (terjadi otokorelasi) Statistik uji : <ul><li>Daerah Kritis : </li></ul><ul><li>Jika d u < d hit < 4 – d u maka terima H 0 tidak ada otokorelasi antar residualnya. </li></ul><ul><li>Jika d hit < d L atau dhit > 4 – d L maka tolak H 0 yang artinya terjadi otokorelasi pada residualnya </li></ul><ul><li>Jika d L < d hit < d u atau 4 – d u < d hit < 4 – d L maka tidak dapat disimpulkan apakah terjadi otokorelasi atau tidak pada residualnya . </li></ul>Uji Kolmogorov-Smirnov Hipotesis : H 0 : Residual data berdistribusi normal H 1 : Residual data tidak berdistribusi normal Statistik uji : D = sup |F n (x)-F 0 (x)| Daerah kritis : Tolak H 0 jika p-value < α
  11. 11. Terima Kasih

×