PEMODELAN SEDERHANA DENGAN REGRESI

• Dengan pemodelan • ---- bisa memperkirakan bagaimana hubungan antara variabel yang ada • ---- pertanyaan : seberapa cocok model yang disusun terhadap data yang diperoleh ??? • === perlu topik mengenai ANALISIS HUBUNGAN

ANALISIS HUBUNGAN Yaitu bentuk analisis variabel (data) penelitian untuk untuk mengetahui : • Derajat atau kekuatan hubungan • Bentuk atau arah hubungan di antara variabel2 • Besarnya pengaruh variabel .

ANALISIS REGRESI (PERSAMAAN REGRESI === baik untuk hubungan yang melibatkan 2 variabel atau lebih .TEKNIK STATISTIK DALAM ANALISIS HUBUNGAN 1. ANALISIS KORELASI (KOEFISIEN KORELASI 1. KOEFISIEN PENENTU (KOEF. DETERMINASI 1.

9 tinggi atau kuat 0.= Y turun terhadap penurunan X .9 < KK < 1. + = Y naik terhadap kenaikan X .7 <KK < 0. meliputi kekuatan hubungan dan bentuk/arah hubungan Untuk kekuatan hubungan : KK antara 0 dan +1 KK = 0 tidak ada hubungan KK = 1 sempurna 0. kuat sekali 0.ANALISIS HUBUNGAN ANTARA 2 VARIABEL 1. KOEFISIEN KORELASI (KK) adalah indeks atau bilangan yang digunakan untuk mengukur derajat hubungan.7 cukup atau sedang.4 < KK < 0.00 sangat tinggi. dsb Untuk bentuk/arah hubungan.

KOEFISIEN KORELASI PEARSON r = [n ∑ X 2 − (∑ X) 2 ][n ∑ Y 2 − (∑ Y) 2 ] n ∑ XY − (∑ X)(∑ Y) r = koefisien korelasi Pearson X = variabel bebas Y = variabel terikat .

KOEFISIEN PENENTU (KP) adalah angka / indeks yang digunakan untuk mengetahui besarnya sumbangan sebuah variabel lebih (var. bebas. Y) KP = (KK)2 X 100 % . X) terhadap variabel lainnya (var.ANALISIS HUBUNGAN ANTARA 2 VARIABEL 2. terikat.

REGRESI linear sederhana • Regresi : teknik analisis hubungan yang digunakan untuk meramalkan atau memperkirakan nilai dari suatu variabel dalam hubungannya dg variabel yang lain melalui suatu persamaan == bisa pers. serta berpangkat 1 .3. yaitu variabel terikat Y dan variabel bebas X. linear dan non linear • Regresi linear sederhana : regresi linear dimana variabel yang terlibat hanya 2.

• Bentuk persamaannya : Y = mX + C X = variabel bebas Y = variabel terikat (variabel yang diduga) C = intersep m = koefisien regresi (slope) • Jumlah kuadrat kesalahan = minimal • Sum of square error (S) = minimal • Least square • S = Jumlah(Y-Ym)2 = minimal .

REGRESI LINEAR SEDERHANA (2 VARIABEL) • YP = mX + C • = seberapa dekat persamaan pendekatan YP dengan data hasil percobaan Y dan X ?? • Jumlah kuadrat kesalahan (S) antara YP dan Y harus minimal 2 P 2 (mX + C − Y ) S = ∑ (Y − Y ) S = ∑ • Barapa nilai m dan C agar S minimal ??? • = berlaku ∂S ∂S ∂m dan ∂C = 0 .

X = 0 ∂m mX 2 + CX − XY = 0 ∑ m∑ X 2 + C ∑ X − ∑ XY = 0 m∑ X 2 + C ∑ X = ∑ XY ...(1) .S = (mX + C − Y ) 2 ∑ ∂S = 2∑ (mX + C − Y ).

.S = (mX + C − Y ) 2 ∑ ∂S = 2∑ (mX + C − Y ).1 = 0 ∂C ∑ (mX + C −Y) = 0 m∑ X + nC − ∑ Y = 0 m∑ X + nC = ∑ Y ..( 2) .

• Substitusi dari pers (1) dan (2) • = 2 persamaan dengan 2 bilangan tak diketahui == m dan C bisa ditentukan m = n∑ XY − ∑ X ∑ Y n∑ X 2 − (∑ X ) 2 C = ∑ Y − m∑ X n .

ANALISIS HUBUNGAN LBH 2 VARIABEL 1.22 x 100 % . 2 r + rY 2 − 2rY 1rY 2 r12 = Y1 2 1 − r12 2 2 Atau RY 1. X2) RY 1. Koefisien korelasi untuk 3 variabel = Y = f(X1. 2 = 1 − [(1 − rY 1 )(1 − rY 2.1 )] 2 2 KP = RY1.

X3) RY .2 x 100 % . X1.12 )] Koefisien Penentu 2 2 2 KP = R2Y1.• 2.1 )(1 − rY 3. Koefisien korelasi 4 variabel === Y = f (X1.123 = 1 − [(1 − rY 1 )(1 − rY 2.

Korelasi parsial Y dan X2 konstan rY 1.KOEFISIEN KORELASI PARSIAL 3 VARIABEL X1 bila 1.2 x 100 % . Koef. 2 = rY 1 − rY 2 . Penentu parsial Y dan X1 bila X2 konstan KP = r2Y1.r12 (1 − r 2Y 2 )(1 − r 212 ) Koef.

Penentu parsial X1 dan X2 bila Y konstan KP = r2Y12 x 100 % . Korelasi parsial Y dan X2 bila X1 konstan rY 2.r12 (1 − r 2Y 1 )(1 − r 212 ) Koef. Koef.1 = rY 2 − rY 1. Penentu parsial Y dan X2 bila X1 konstan KP = r2Y2. Korelasi parsial X1 dan X2 bila Y konstan rY 1.rY 2 r12 − r12Y = (1 − r 2Y 1 )(1 − r 2Y 2 ) Koef. Koef.2.1 x 100 % 3.

b1. b2 2 ( X 2 )( ∑ X 1Y ) − (∑ X 2Y )( ∑ X 1 X 2 ) (∑ X 1 )( ∑ X 2 ) − (∑ X 1 ∑ X 2 ) 2 2 2 b1 = b2 = ( X 1 )(∑ X 2Y ) − (∑ X 1Y )(∑ X 1 X 2 ) 2 (∑ X 1 )(∑ X 2 ) − (∑ X 1 ∑ X 2 ) 2 2 2 ∑Y − b ∑ X a= 1 1 n − b2 ∑ X 2 .REGRESI LINEAR BERGANDA 3 VARIABEL • Y = f(x1. x2) Misal Y = a + b1X1 + b2X2 === bila diturunkan akan diperoleh 3 persamaan dengan 3 bilangan tak diketahui a.

ANALISIS KOMPARATIF • = analisis komparasi = analisis perbedaan = analisis variabel (data) untuk mengetahui perbedaan antara dua kelompok data (variabel) atau lebih • = teknik statistik yang digunakan = uji statistik yaitu pengujian hipotesis komparatif • = sering disebut UJI SIGNIFIKANSI (test of significance) .

Sign up to vote on this title
UsefulNot useful