SlideShare a Scribd company logo

Analisis regresi-sederhana

1 of 26
Download to read offline
MATA KULIAH : STATISTIK NONPARAMETRIK
DOSEN : MALIM MUHAMMAD, M. Sc.
BOBOT : 2 SKS
ANALISIS KORELASI DAN REGRESI
Koefisien Regresi
Analisis untuk mengukur besarnya pengaruh
X terhadap Y.
Koefisien Korelasi
Analisis untuk mengukur kuat tidaknya
hubungan X dan Y.
2
Apa itu Regresi Linier ?
1. Regresi merupakan alat ukur yg digunakan untuk
mengetahui ada tidaknya korelasi antarvariabel.
2. Analisis regresi lebih akurat dalam analisis korelasi
karena tingkat perubahan suatu variabel terhadap
variabel lainnya dapat ditentukan. Jadi pada regresi,
peramalan atau perkiraan nilai variabel terikat pada
nilai variabel bebas lebih akurat.
3. Regresi linier adalah regresi yang variabel bebasnya
(variabel X) berpangkat paling tinggi satu. Untuk
regresi sederhana, yaitu regresi linier yg hanya
melibatkan dua variabel (variabel X dan Y).
☞ Bentuk regresi pertama sekali
diperkenalkan oleh Francis Galton pada
tahun 1886.
☞ Galton menemukan bahwa ada
kecenderungan hubungan antara tinggi
orang tua dan tinggi anak.
☞ Hasil studi Galton ini menghasilkan
hukum regresi semesta atau Law of
Universal Regression.
Sejarah Awal Regresi
Konsep Analisis Regresi
 Analisis regresi adalah studi tentang hubungan
antara variabel dependen dengan satu atau lebih
variabel independen.
 Analisis regresi digunakan untuk mengetahui
hubungan antara variabel dependen dengan
variabel independen.
 Apabila hanya ada satu variabel dependen dan satu
variabel dependen disebut analisis regresi
sederhana.
 Apabila terdapat beberapa variabel independen
disebut analisis regresi berganda.
Tujuan Analisis Regresi
1. Untuk menaksir nilai rata-rata dari variabel
terikat berdasarkan nilai-nilai variabel bebas yang
ada.
2. Untuk menguji hipotesis tentang sifat
ketergantungan antarvariabel yakni hipotesis
berdasarkan teori ekonomi.
3. Untuk memprediksi atau meramalkan nilai rata-
rata dari variabel terikat berdasarkan nilai variabel
bebas yang berada diluar rentang sampel.

Recommended

Inflasi, Pengangguran, dan Kurva Phillips
Inflasi, Pengangguran, dan Kurva PhillipsInflasi, Pengangguran, dan Kurva Phillips
Inflasi, Pengangguran, dan Kurva PhillipsMuhammad Rafi Kambara
 
Tugas regresi linear dan non linier
Tugas regresi linear dan non linierTugas regresi linear dan non linier
Tugas regresi linear dan non liniernopiana
 
Teori pendugaan statistik presentasi
Teori pendugaan statistik presentasiTeori pendugaan statistik presentasi
Teori pendugaan statistik presentasiPerum Perumnas
 
Deret berkala dan peramalan
Deret berkala dan peramalanDeret berkala dan peramalan
Deret berkala dan peramalanMaulina Sahara
 
Statistik_ Angka Indeks
Statistik_ Angka IndeksStatistik_ Angka Indeks
Statistik_ Angka IndeksPuja Lestari
 

More Related Content

What's hot

Teori Permintaan akan Uang Klasik dan Keynes (Ekonomi Moneter - BAB 4)
Teori Permintaan akan Uang Klasik dan Keynes (Ekonomi Moneter - BAB 4)Teori Permintaan akan Uang Klasik dan Keynes (Ekonomi Moneter - BAB 4)
Teori Permintaan akan Uang Klasik dan Keynes (Ekonomi Moneter - BAB 4)Bagus Cahyo Jaya Pratama Pratama
 
Ppt ekonometrika analisis regresi berganda
Ppt ekonometrika analisis regresi bergandaPpt ekonometrika analisis regresi berganda
Ppt ekonometrika analisis regresi bergandaSOFIATUL JANNAH
 
3 . analisis regresi linier berganda dua peubah
3 .  analisis regresi  linier berganda dua peubah3 .  analisis regresi  linier berganda dua peubah
3 . analisis regresi linier berganda dua peubahYulianus Lisa Mantong
 
Bab IV Teori Perilaku Konsumen
Bab IV Teori Perilaku KonsumenBab IV Teori Perilaku Konsumen
Bab IV Teori Perilaku KonsumenAditya Panim
 
Model Distribusi lag dan distribusi autoregressive
Model Distribusi lag dan distribusi autoregressiveModel Distribusi lag dan distribusi autoregressive
Model Distribusi lag dan distribusi autoregressiveAgung Handoko
 
10.pendugaan interval
10.pendugaan interval10.pendugaan interval
10.pendugaan intervalhartantoahock
 
108967219 contoh-soal-penyelesaian-analisa-regresi-dan-korelasi-jurusan-tekni...
108967219 contoh-soal-penyelesaian-analisa-regresi-dan-korelasi-jurusan-tekni...108967219 contoh-soal-penyelesaian-analisa-regresi-dan-korelasi-jurusan-tekni...
108967219 contoh-soal-penyelesaian-analisa-regresi-dan-korelasi-jurusan-tekni...Agus Melas Agues
 
Ekonometrika Variabel Dummy
Ekonometrika Variabel DummyEkonometrika Variabel Dummy
Ekonometrika Variabel DummyAyuk Wulandari
 
Momen kemiringan dan_keruncingan(7)
Momen kemiringan dan_keruncingan(7)Momen kemiringan dan_keruncingan(7)
Momen kemiringan dan_keruncingan(7)rizka_safa
 
Isoquant. "ekonomi produksi"
Isoquant. "ekonomi produksi"Isoquant. "ekonomi produksi"
Isoquant. "ekonomi produksi"nuelsitohang
 
Makalah model regresi dengan variabel terikat dummy
Makalah model regresi dengan variabel terikat dummyMakalah model regresi dengan variabel terikat dummy
Makalah model regresi dengan variabel terikat dummyAgung Handoko
 
PPT Regresi Berganda
PPT Regresi BergandaPPT Regresi Berganda
PPT Regresi BergandaLusi Kurnia
 
Statistika non-parametrik dengan metode Uji Tanda
Statistika non-parametrik dengan metode Uji Tanda Statistika non-parametrik dengan metode Uji Tanda
Statistika non-parametrik dengan metode Uji Tanda RindyArini
 
Penawaran Agregat dan Teori Ekonomi makro
Penawaran Agregat dan Teori Ekonomi makroPenawaran Agregat dan Teori Ekonomi makro
Penawaran Agregat dan Teori Ekonomi makroaudi15Ar
 
Regresi Data Panel
Regresi Data PanelRegresi Data Panel
Regresi Data PanelAbu Tholib
 
Matematika Ekonomi - surplus konsumen dan surplus produsen
Matematika Ekonomi - surplus konsumen dan surplus produsenMatematika Ekonomi - surplus konsumen dan surplus produsen
Matematika Ekonomi - surplus konsumen dan surplus produsenHarya Wirawan
 
Cara Menghitung Indeks Pembangunan Manusia
Cara Menghitung Indeks Pembangunan ManusiaCara Menghitung Indeks Pembangunan Manusia
Cara Menghitung Indeks Pembangunan ManusiaRandy Wrihatnolo
 

What's hot (20)

Teori Permintaan akan Uang Klasik dan Keynes (Ekonomi Moneter - BAB 4)
Teori Permintaan akan Uang Klasik dan Keynes (Ekonomi Moneter - BAB 4)Teori Permintaan akan Uang Klasik dan Keynes (Ekonomi Moneter - BAB 4)
Teori Permintaan akan Uang Klasik dan Keynes (Ekonomi Moneter - BAB 4)
 
Statistika inferensial 1
Statistika inferensial 1Statistika inferensial 1
Statistika inferensial 1
 
Ppt ekonometrika analisis regresi berganda
Ppt ekonometrika analisis regresi bergandaPpt ekonometrika analisis regresi berganda
Ppt ekonometrika analisis regresi berganda
 
Suku bunga
Suku bungaSuku bunga
Suku bunga
 
3 . analisis regresi linier berganda dua peubah
3 .  analisis regresi  linier berganda dua peubah3 .  analisis regresi  linier berganda dua peubah
3 . analisis regresi linier berganda dua peubah
 
Bab IV Teori Perilaku Konsumen
Bab IV Teori Perilaku KonsumenBab IV Teori Perilaku Konsumen
Bab IV Teori Perilaku Konsumen
 
Model Distribusi lag dan distribusi autoregressive
Model Distribusi lag dan distribusi autoregressiveModel Distribusi lag dan distribusi autoregressive
Model Distribusi lag dan distribusi autoregressive
 
10.pendugaan interval
10.pendugaan interval10.pendugaan interval
10.pendugaan interval
 
108967219 contoh-soal-penyelesaian-analisa-regresi-dan-korelasi-jurusan-tekni...
108967219 contoh-soal-penyelesaian-analisa-regresi-dan-korelasi-jurusan-tekni...108967219 contoh-soal-penyelesaian-analisa-regresi-dan-korelasi-jurusan-tekni...
108967219 contoh-soal-penyelesaian-analisa-regresi-dan-korelasi-jurusan-tekni...
 
Ekonometrika Variabel Dummy
Ekonometrika Variabel DummyEkonometrika Variabel Dummy
Ekonometrika Variabel Dummy
 
Momen kemiringan dan_keruncingan(7)
Momen kemiringan dan_keruncingan(7)Momen kemiringan dan_keruncingan(7)
Momen kemiringan dan_keruncingan(7)
 
Isoquant. "ekonomi produksi"
Isoquant. "ekonomi produksi"Isoquant. "ekonomi produksi"
Isoquant. "ekonomi produksi"
 
Makalah model regresi dengan variabel terikat dummy
Makalah model regresi dengan variabel terikat dummyMakalah model regresi dengan variabel terikat dummy
Makalah model regresi dengan variabel terikat dummy
 
PPT Regresi Berganda
PPT Regresi BergandaPPT Regresi Berganda
PPT Regresi Berganda
 
Statistika non-parametrik dengan metode Uji Tanda
Statistika non-parametrik dengan metode Uji Tanda Statistika non-parametrik dengan metode Uji Tanda
Statistika non-parametrik dengan metode Uji Tanda
 
Penawaran Agregat dan Teori Ekonomi makro
Penawaran Agregat dan Teori Ekonomi makroPenawaran Agregat dan Teori Ekonomi makro
Penawaran Agregat dan Teori Ekonomi makro
 
Analisa kurva IS-LM
Analisa kurva IS-LMAnalisa kurva IS-LM
Analisa kurva IS-LM
 
Regresi Data Panel
Regresi Data PanelRegresi Data Panel
Regresi Data Panel
 
Matematika Ekonomi - surplus konsumen dan surplus produsen
Matematika Ekonomi - surplus konsumen dan surplus produsenMatematika Ekonomi - surplus konsumen dan surplus produsen
Matematika Ekonomi - surplus konsumen dan surplus produsen
 
Cara Menghitung Indeks Pembangunan Manusia
Cara Menghitung Indeks Pembangunan ManusiaCara Menghitung Indeks Pembangunan Manusia
Cara Menghitung Indeks Pembangunan Manusia
 

Similar to Analisis regresi-sederhana

Regresi Sederhana.pptx
Regresi Sederhana.pptxRegresi Sederhana.pptx
Regresi Sederhana.pptxIndraZainun1
 
Bahan ajar analisis regresi
Bahan ajar analisis regresiBahan ajar analisis regresi
Bahan ajar analisis regresiIan Sang Awam
 
Makalah_Analisis_Regresi_Berganda.pdf
Makalah_Analisis_Regresi_Berganda.pdfMakalah_Analisis_Regresi_Berganda.pdf
Makalah_Analisis_Regresi_Berganda.pdffitriunissula
 
6. analisa regresi dan korelasi sederhana rs
6. analisa regresi dan korelasi sederhana rs6. analisa regresi dan korelasi sederhana rs
6. analisa regresi dan korelasi sederhana rsRizkisetiawan13
 
Pertemuan 8 Regresi dan Korelasi.ppt
Pertemuan 8 Regresi dan Korelasi.pptPertemuan 8 Regresi dan Korelasi.ppt
Pertemuan 8 Regresi dan Korelasi.pptSetrireski
 
Penanganan Autokorelasi
Penanganan AutokorelasiPenanganan Autokorelasi
Penanganan AutokorelasiCindy Cahya
 
MODUL 6 Regresi Linier Sederhana
MODUL 6 Regresi Linier SederhanaMODUL 6 Regresi Linier Sederhana
MODUL 6 Regresi Linier Sederhananur cendana sari
 
13.analisa korelasi
13.analisa korelasi13.analisa korelasi
13.analisa korelasiHafiza .h
 
Regresi linear
Regresi linearRegresi linear
Regresi linearmery gita
 
ANALISIS REGRESI LINIER BERGANDA DAN PENGUJIAN ASUMSI RESIDUAL
ANALISIS REGRESI LINIER BERGANDA DAN PENGUJIAN ASUMSI RESIDUALANALISIS REGRESI LINIER BERGANDA DAN PENGUJIAN ASUMSI RESIDUAL
ANALISIS REGRESI LINIER BERGANDA DAN PENGUJIAN ASUMSI RESIDUALArning Susilawati
 
ERLINODE INFFOGRAFIS.ppt
ERLINODE INFFOGRAFIS.pptERLINODE INFFOGRAFIS.ppt
ERLINODE INFFOGRAFIS.pptErlinOde
 
KORELASI LINIER SEDERHANA DAN REGRESI LINIEAR.pptx
KORELASI LINIER SEDERHANA DAN REGRESI LINIEAR.pptxKORELASI LINIER SEDERHANA DAN REGRESI LINIEAR.pptx
KORELASI LINIER SEDERHANA DAN REGRESI LINIEAR.pptxEvikurniafitri
 
Modul metode regresi
Modul metode regresiModul metode regresi
Modul metode regresigiyantilinda
 
3218126438990fa0771ddb555f70be42.docx
3218126438990fa0771ddb555f70be42.docx3218126438990fa0771ddb555f70be42.docx
3218126438990fa0771ddb555f70be42.docxAfaRanggitaPrasticas1
 
Regresi Linear Berganda
Regresi Linear BergandaRegresi Linear Berganda
Regresi Linear BergandaDian Arisona
 

Similar to Analisis regresi-sederhana (20)

Makalah analisis regresi
Makalah analisis regresiMakalah analisis regresi
Makalah analisis regresi
 
Regresi Sederhana.pptx
Regresi Sederhana.pptxRegresi Sederhana.pptx
Regresi Sederhana.pptx
 
K3 k4 regresi ganda
K3 k4 regresi gandaK3 k4 regresi ganda
K3 k4 regresi ganda
 
Bahan ajar analisis regresi
Bahan ajar analisis regresiBahan ajar analisis regresi
Bahan ajar analisis regresi
 
Makalah_Analisis_Regresi_Berganda.pdf
Makalah_Analisis_Regresi_Berganda.pdfMakalah_Analisis_Regresi_Berganda.pdf
Makalah_Analisis_Regresi_Berganda.pdf
 
6. analisa regresi dan korelasi sederhana rs
6. analisa regresi dan korelasi sederhana rs6. analisa regresi dan korelasi sederhana rs
6. analisa regresi dan korelasi sederhana rs
 
Pertemuan 8 Regresi dan Korelasi.ppt
Pertemuan 8 Regresi dan Korelasi.pptPertemuan 8 Regresi dan Korelasi.ppt
Pertemuan 8 Regresi dan Korelasi.ppt
 
regresi-linier-berganda.pdf
regresi-linier-berganda.pdfregresi-linier-berganda.pdf
regresi-linier-berganda.pdf
 
Penanganan Autokorelasi
Penanganan AutokorelasiPenanganan Autokorelasi
Penanganan Autokorelasi
 
MODUL 6 Regresi Linier Sederhana
MODUL 6 Regresi Linier SederhanaMODUL 6 Regresi Linier Sederhana
MODUL 6 Regresi Linier Sederhana
 
13.analisa korelasi
13.analisa korelasi13.analisa korelasi
13.analisa korelasi
 
Regresi linear
Regresi linearRegresi linear
Regresi linear
 
ANALISIS REGRESI LINIER BERGANDA DAN PENGUJIAN ASUMSI RESIDUAL
ANALISIS REGRESI LINIER BERGANDA DAN PENGUJIAN ASUMSI RESIDUALANALISIS REGRESI LINIER BERGANDA DAN PENGUJIAN ASUMSI RESIDUAL
ANALISIS REGRESI LINIER BERGANDA DAN PENGUJIAN ASUMSI RESIDUAL
 
ERLINODE INFFOGRAFIS.ppt
ERLINODE INFFOGRAFIS.pptERLINODE INFFOGRAFIS.ppt
ERLINODE INFFOGRAFIS.ppt
 
KORELASI LINIER SEDERHANA DAN REGRESI LINIEAR.pptx
KORELASI LINIER SEDERHANA DAN REGRESI LINIEAR.pptxKORELASI LINIER SEDERHANA DAN REGRESI LINIEAR.pptx
KORELASI LINIER SEDERHANA DAN REGRESI LINIEAR.pptx
 
Modul metode regresi
Modul metode regresiModul metode regresi
Modul metode regresi
 
3218126438990fa0771ddb555f70be42.docx
3218126438990fa0771ddb555f70be42.docx3218126438990fa0771ddb555f70be42.docx
3218126438990fa0771ddb555f70be42.docx
 
Analisis jalur kel 4
Analisis jalur  kel 4Analisis jalur  kel 4
Analisis jalur kel 4
 
Statistika
StatistikaStatistika
Statistika
 
Regresi Linear Berganda
Regresi Linear BergandaRegresi Linear Berganda
Regresi Linear Berganda
 

Analisis regresi-sederhana

  • 1. MATA KULIAH : STATISTIK NONPARAMETRIK DOSEN : MALIM MUHAMMAD, M. Sc. BOBOT : 2 SKS
  • 2. ANALISIS KORELASI DAN REGRESI Koefisien Regresi Analisis untuk mengukur besarnya pengaruh X terhadap Y. Koefisien Korelasi Analisis untuk mengukur kuat tidaknya hubungan X dan Y. 2
  • 3. Apa itu Regresi Linier ? 1. Regresi merupakan alat ukur yg digunakan untuk mengetahui ada tidaknya korelasi antarvariabel. 2. Analisis regresi lebih akurat dalam analisis korelasi karena tingkat perubahan suatu variabel terhadap variabel lainnya dapat ditentukan. Jadi pada regresi, peramalan atau perkiraan nilai variabel terikat pada nilai variabel bebas lebih akurat. 3. Regresi linier adalah regresi yang variabel bebasnya (variabel X) berpangkat paling tinggi satu. Untuk regresi sederhana, yaitu regresi linier yg hanya melibatkan dua variabel (variabel X dan Y).
  • 4. ☞ Bentuk regresi pertama sekali diperkenalkan oleh Francis Galton pada tahun 1886. ☞ Galton menemukan bahwa ada kecenderungan hubungan antara tinggi orang tua dan tinggi anak. ☞ Hasil studi Galton ini menghasilkan hukum regresi semesta atau Law of Universal Regression. Sejarah Awal Regresi
  • 5. Konsep Analisis Regresi  Analisis regresi adalah studi tentang hubungan antara variabel dependen dengan satu atau lebih variabel independen.  Analisis regresi digunakan untuk mengetahui hubungan antara variabel dependen dengan variabel independen.  Apabila hanya ada satu variabel dependen dan satu variabel dependen disebut analisis regresi sederhana.  Apabila terdapat beberapa variabel independen disebut analisis regresi berganda.
  • 6. Tujuan Analisis Regresi 1. Untuk menaksir nilai rata-rata dari variabel terikat berdasarkan nilai-nilai variabel bebas yang ada. 2. Untuk menguji hipotesis tentang sifat ketergantungan antarvariabel yakni hipotesis berdasarkan teori ekonomi. 3. Untuk memprediksi atau meramalkan nilai rata- rata dari variabel terikat berdasarkan nilai variabel bebas yang berada diluar rentang sampel.
  • 7. Kriteria Ordinary Least Squares (OLS) Garis regresi sampel yang baik apabila nilai prediksinya sedekat mungkin dengan data aktualnya. Dengan kata lain nilai intercept dan slope yang menyebabkan residual sekecil mungkin.
  • 8. ii0ii iii iii ii10i XˆˆY ˆY ˆY XˆˆY       e Ye eY e Variabel Gangguan (error term = e)     2 2 i i i 2 2 i i 0 1 i 2 2 2 2 i i 1 i ˆY ˆ ˆY X ˆ e Y e atau e y x                 
  • 9. Variabel Gangguan (Error term)  Variabel pengganggu (ei) merupakan pengganti semua variabel yang dihilangkan dari model namun secara kolektif mempengaruhi variabel terikat.  Metode OLS merupakan suatu metode yang mengestimasi suatu garis regresi dengan jalan meminimalkan jumlah dari kuadrat kesalahan setiap observasi terhadap garis tersebut. ei = ∑ (Yi – Yi*)2 ei = Yi aktual – Yi prediksi
  • 10. Pentingnya Variabel Gangguan  Adanya variabel yang dihilangkan atau diabaikan karena peranannya yang kecil.  Perilaku manusia yang tidak dapat sepenuhnya diramalkan atau dijelaskan secara rasional, sehingga e mencerminkan sifat acak (random) dari perilaku manusia.  Ketidaksempurnaan model matematis atau kesalahan dalam memilih bentuk hubungan fungsional antar variabel yang diteliti.  Model yang digunakan terlalu sederhana.  Kesalahan dalam mengumpulkan atau memproses data serta akibat penjumlahan.
  • 11. Estimator Slope        2 i ii 1 2 i ii 1 2 i 2 i iiii 1 yˆ XX YYXXˆ XXn YXYXnˆ x x             Yrata-ratanilaiY;YYy Xrata-ratanilaiX;XX Dimana ii ii  x
  • 13. Asumsi Model Regresi Linier Klasik Hubungan antara variabel dependen dan independen adalah linier dalam parameter : Yi = b1 + b2Xi + ei 1. Asumsi 1: Variabel bebas (Xi) tidak berkorelasi dengan faktor gangguan acak, e (error term). Tetapi jika variabel bebas tersebut bersifat nonstokhastik (nilainya telah ditentukan sebelumnya) maka asumsi ini secara otomatis terpenuhi. 2. Asumsi 2: Dengan nilai variabel bebas (Xi) tertentu, maka nilai harapan atau rata-rata dari faktor gangguan acak (ei) adalah nol. E(ei I Xi) = 0
  • 14. Asumsi Model Regresi Linier Klasik 3. Asumsi 3: Varians dari faktor gangguan acak ei adalah konstan atau homoskedastisitas (varians yang sama) var (ei) = σ2 4. Asumsi 4: Tidak ada serial korelasi diantara dua faktor gangguan acak. Asumsi ini menyatakan tidak ada autokorelasi. cov (ei , ej) = 0 5. Asumsi 5: Model regresi ditentukan secara tepat dan sebagai alternatif tidak ada bias spesifikasi pada model yang digunakan.
  • 15. Kriteria BLUE 1. Estimator slope adalah linier yaitu linier terhadap variabel stokastik Y sebagai variabel dependen. 2. Estimator slope tidak bias yaitu nilai rata-rata atau nilai harapan E sama dengan nilai yang sebenarnya. 3. Estimator slope mempunyai varian yang minimum. Estimator yang tidak bias dengan varian minimum disebut estimator yang efisien (efficient estimator).  1 ˆ  1 ˆ  1 ˆ  1 ˆ
  • 16. Karakteristik Garis Regresi 1. Garis regresi melalui rata-rata sampel X dan Y. 2. Nilai rata-rata Y yang ditaksir adalah sama dengan nilai rata-rata Y yang sebenarnya. 3. Nilai rata-rata residual ei adalah nol.
  • 17. Varian dan Kovarian  Varians adalah bilangan yang menyatakan bervariasinya nilai suatu variabel terhadap nilai rerata hitungnya. Secara definitif adalah selisih nilai pengamatan dengan nilai rerata hitung (rerata penyimpangan kuadrat dari nilai pengamatan dengan nilai rerata hitungnya).  Kovarian adalah bilangan yang menyatakan bervariasinya nilai suatu variabel dalam nisbah asosiatifnya dengan variabel lain.
  • 18. Faktor Penentu Varian dan Kovarian 1. Ketidakpastian nilai Y yang menyebabkan ketidakpastian nilai b0, b1 dan hubungan diantaranya. 2. Semakin besar penyebaran nilai-nilai X maka semakin besar kepercayaan terhadap b0 dan b1. 3. Semakin besar ukuran sampel (N) maka semakin kecil varian dan kovarian yang ada. 4. Varian b0 adalah besar apabila nilai-nilai X jauh dari nol. 5. Perubahan slope, b1 tidak memiliki efek pada intercept dan b0 apabila rata-rata sampel adalah nol. Jika rata-rata sampel positif, kovarian antara b0 dan b1 akan menjadi negatif dan sebaliknya.
  • 19. Scatter Diagram Analisis Regresi Year X Y 1 10 44 2 9 40 3 11 42 4 12 46 5 11 48 6 12 52 7 13 54 8 13 58 9 14 56 10 15 60
  • 22. Standard Error Standard error digunakan untuk mengukur ketepatan estimasi dari estimator intercept dan slope.             2 i 2 11 2 i 2 1 2 2 i 2 i 00 2 2 i 2 i 0 ˆVarˆSe ˆVar n XˆVarˆSe n XˆVar x x x x                 k-n eˆ ˆ 2 i2  
  • 23. Contoh Estimasi 1 10 44 -2 -6 12 2 9 40 -3 -10 30 3 11 42 -1 -8 8 4 12 46 0 -4 0 5 11 48 -1 -2 2 6 12 52 0 2 0 7 13 54 1 4 4 8 13 58 1 8 8 9 14 56 2 6 12 10 15 60 3 10 30 120 500 106 4 9 1 0 1 0 1 1 4 9 30 Time tX tY tX X tY Y ( )( )t tX X Y Y  2 ( )tX X 1 120 12 10 n t t X X n    1 500 50 10 n t t Y Y n    106ˆ 3.533 30 b   ˆ 50 (3.533)(12) 7.60a   
  • 24. 2 2 1 1 ˆ( ) 65.4830 n n t t t t t e Y Y       2 1 ( ) 30 n t t X X    2 ˆ 2 ˆ( ) 65.4830 0.52 ( ) ( ) (10 2)(30) t b t Y Y s n k X X          1 10 44 42.90 2 9 40 39.37 3 11 42 46.43 4 12 46 49.96 5 11 48 46.43 6 12 52 49.96 7 13 54 53.49 8 13 58 53.49 9 14 56 57.02 10 15 60 60.55 1.10 1.2100 4 0.63 0.3969 9 -4.43 19.6249 1 -3.96 15.6816 0 1.57 2.4649 1 2.04 4.1616 0 0.51 0.2601 1 4.51 20.3401 1 -1.02 1.0404 4 -0.55 0.3025 9 65.4830 30 Time tX tY ˆ tY ˆ t t te Y Y  2 2ˆ( )t t te Y Y  2 ( )tX X Contoh Estimasi 10 120 12 500 50 t t n X X Y Y       
  • 26. TUGAS Model Regresi Linier Yi = b1 + b2Xi + ei 1. Dengan menggunakan asumsi 1 – asumsi 5 dan OLS. Buktikan bahwa estimator-estimator kuadrat terkecil model linier di atas merupakan estimator yang bersifat BLUE. 2. Jelaskan pentingnya sifat-sifat dari BLUE?. 3. Diberikan Variabel random X berdistribusi Asymmetric Exponential Power Distribution (AEPD) memiliki CDF sebagai berikut: Gunakan kolmogorov-smirnov untuk membuktikan bahwa data saham excl.jk harian dari tanggal 21 Mei 2012 – 20 Mei 2013 mengikuti distribusi AEPD tersebut?. (Catatan gunakan bantuan Software Matlab atau R). 1 2( , , )AEPF x p p  1 * 1 1 2 * 2 2 1 1 1 ; , 0; 2 1 1 (1 ) ; , 0; 2(1 ) p p x G jika x p p x G jika x p p                                   