P. 1
Analisis Regresi Dan Kolerasi Presentation

Analisis Regresi Dan Kolerasi Presentation

|Views: 124|Likes:
Published by Ridwan Ahmad Gsr
Silahkan kunjungi http://softwareku4u.blogspot.com untuk mendapatkan materi sekolah yang lebih banyak lagi.
Silahkan kunjungi http://softwareku4u.blogspot.com untuk mendapatkan materi sekolah yang lebih banyak lagi.

More info:

Categories:Types, School Work
Published by: Ridwan Ahmad Gsr on Jun 27, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPTX, PDF, TXT or read online from Scribd
See more
See less

04/04/2013

pdf

text

original

Regresi dan Kolerasi

Statistika Probabilitas
Teknik Informatika 2011
Disusun Oleh :
Ahmad Ridwan
Fiki Pratama Alnis
Salim
Martinus Hidayat
Pengertian Analisis Regresi

Analisis Regresi adalah Analisis statistika
yang memanfaatkan hubungan antara dua
atau lebih peubah kuantitatif sehingga salah
satu peubah dapat diramalkan dari peubah
lainnya.

Variabel (x) yang berfungsi untuk
menerangkan atau meramalkan disebut
peubah bebas. Sedangkan variabel (y) yang
keadaannya diterangkan oleh variabel (x)
disebut peubah tak bebas.
Persamaan Garis Regresi Linier
Sederhana
Rumus untuk persamaan garis regresi linier sederhana adalah
y = a + Bx




Keterangan :
Y = Variabel terkait (variabel yang diduga)
X = Variabel bebas (variabel yang diketahui)
A = Intersep (nilai Y, bila x=0)
B = Slop (kemiringan garis regresi)
= a + bx y
Gambar 1.2.1 Garis Regresi
Metode Kuadrat Terkecil
Dengan metode kuadrat terkecil, nilai a dan b dapat
ditentukan dengan rumus berikut ini :


Untuk membuat suatu peramalan atau pendugaan dengan
persamaan regresi, maka nilai a dan b harus ditentukan
terlebih dahulu.

Persamaan Y = a + Bx memberikan arti jika variabel X satu
satuan maka variabel Y akan mengalami peningkatan atau
penurunan sebesar 1 x b.
Contoh soal
Berikut ini adalah data hasil pengamatan pemupukan dan hasil panen padi untuk 5
percobaan yang telah dilakukan.




X = hasil panen padi (dalam kwintal)
Y = pemupukan (dalam kg)
a. Buatkan persamaan garis regresinya dan jelaskan artinya !
b. Tentukan nilai pendugaan bagi Y , jika X = 9 !

Untuk menyelesaikan soal tersebut, terlebih dahulu kita harus membuat tabel seperti ini :
X 3 6 9 10 13
Y 12 23 24 26 28
X Y X² Y² XY
3 12 9 144 36
6 23 36 529 138
9 24 81 576 216
10 26 100 676 260
13 28 169 784 364
∑ = 41 113 395 2709 1014
Lanjutan Contoh Soal
a. Persamaan garis regresi linier sederhananya adalah :
Y = 10,3 + 1,5X

Artinya, jika digunakan pupuk sebesar 1kg maka akan memberikan peningkatan
hasil panen padi sebesar 1 x 1,5 = 1,5 kwintal.

b. Nilai duga Y , jika X = 9 adalah :

Y = 10,3 + 1,5 (9)
=23,8
Pendugaan & Pengujian Koefisien Regresi
1. Kesalahan Baku dan Koefisien Regresi Sederhana

Kesalahan baku merupakan indeks yang digunakan untuk mengukur
tingkat ketepatan regresi guna mengetahui seberapa jauh melesetnya
perkiraan kita dalam meramalkan data yang telah diketahui.

Rumus untuk kesalahan baku regresi adalah :



Rumus untuk kesalahan baku koefisien regresi a (penduga a) :



Rumus untuk kesalahan baku koefisien regresi b (penduga b) :
2
2
÷
· ÷ · ÷
=
¿ ¿ ¿
n
XY b Y a Y
S
e
( )
¿ ¿
¿
÷ ·
÷
=
2
2
2
XY X n
S X
S
e
a
( )
¿
¿
÷
=
n
X
X
S
S
e
b 2
2
2. Pendugaan Interval Koefisien Regresi (Parameter A dan B)
Pendugaan interval bagi parameter A dan B menggunakan distribusi t dengan derajat
kebebasan (db) = n-2

Pendugaan interval untuk parameter A, dirumuskan :





 Pendugaan interval untuk parameter B, dirumuskan :
o
o o
÷ =
|
|
.
|

\
|
+ s s ÷
÷ ÷
1
2 ;
2
2 ;
2
a
n
a
n
S t a A S t a P
o
o o
÷ =
|
|
.
|

\
|
+ s s ÷
÷ ÷
1
2 ;
2
2 ;
2
b
n
b
n
S t b B S t b P
Contoh Soal
Tentukan pendugaan interval dari parameter A dan B dari Tabel Contoh Soal sebelumnya
dengan ά = 5% atau tingkat keyakinan 95% dan jelaskan artinya !

Berdasarkan jawaban pada contoh soal sebelumnya, didapatkan :
a = 10,3 b = 1,5 Sa = 1,97 Sb = 0,38 α = 5% = 0,05
α/2 = 0,025 db = 5 – 2 = 3 t
0,025(3)
= 3,81


Pendugaan interval parameter A adalah sebagai berikut :

10,4 – 3,81 (1,97) ≤ A ≤ 10,4 + 3,81 (1,97)
2,894 ≤ A ≤ 17,906
Artinya, dengan interval keyakinan 95%, dalam jangka panjang (jika sampel diulang),
maka 95 dari 100 kasus pada interval 2,894 sampai 17,906 akan berisi A yang benar.

Pendugaan interval parameter B adalah sebagai berikut :

1,5 – 3,81 (0,38) ≤ B ≤ 1,5 + 3,81 (0,38)
0,052 ≤ B ≤ 2,948

Artinya, dengan interval keyakinan 95% dalam jangka panjang (jika sampel berulang),
maka 95 dari 100 kasus pada interval 0,052 sampai 2,948 akan berisi B yang benar.
3.Pengujian Hipotesis Koefisien Regresi (Parameter A dan B)
Pengujian hipotesis bagi parameter A dan B menggunakan uji t dengan langkah-langkah sbb :

1. Menentukan formulasi hipotesis
- Untuk parameter A :
H0 : A = A0
H1 : A > A0
A < A0
A ≠ A0
- Untuk parameter B
H0 : B = B0 mewakili nilai B tertentu, sesuai hipotesisnya
H1 : B > B0, berarti pengaruh X terhadap Y positif
B < B0, berarti pengaruh X terhadap Y negatif
B ≠ B0, berarti X mempengaruhi Y

2. Menentukan Taraf Nyata (α) Dan Nilai t Tabel
Taraf nyata dan nilai t tabel ditentukan dengan derajat bebas (db) = n-2
3. Menentukan kriteria pengujian
a. - H0 diterima apabila t0≤ tα , - H0 ditolak apabila to > tα
b. - H0 diterima apabila t0≥ -tα, - H0 ditolak apabila t0 < -tα
c. - H0 diterima apabila –tα/2 ≤to ≤ tα/2
- H0 ditolak apabila t0<–tα/2 atau t0 > tα/2

4. Menentukan nilai uji statistik
 Untuk parameter A , rumusnya adalah :




 Untuk parameter B , rumusnya adalah :




5. Membuat Kesimpulan
Menyimpulkan apakah H
o
diterima atau ditolak.

Contoh Soal :
Ujilah parameter A dan B dengan menggunakan penduga a dan b pada tabel
sebelumnya dengan taraf nyata 5% !

Dari jawaban contoh soal sebelumnya, didapatkan :
n = 5 a= 10,3 b= 1,5 S
a
= 1,97 S
b
= 0,38
a
S
A a
t
0
0
÷
=
b
S
B b
t
0
0
÷
=
Penyelesaian :
1. Formula Hipotesis
 Untuk parameter A :
H
0
: A = A
0
, H
1
: A ≠ A
0
 Untuk parameter B :
H
0
: B = B
0
, H
1
: b ≠ b
0

2. Taraf Nyata (α) dan nilai t tabel :
α = 5% = 0,05 » α / 2 = 0,025
db = 5 – 2 = 3
t
0,025(3)
= 3,81

3. Kriteria Pengujian :
H
0
diterima apabila -3,81 ≤ t
0
≤ 3,81

H
0
ditolak apabila t
0
< -3,81 atau t
0
> 3,81

4. Uji Statistik :

5. Kesimpulan

a. Untuk parameter A
Karena t
0
= 5,23 > t
0,025(3)
= 3,81 , maka H
0
ditolak.
b. Untuk parameter B
Karena t
0
= 3,947 > t
0,025(3)
= 3,81 , maka H
0
ditolak.
Jadi, variabel X mempengaruhi variabel Y.

Catatan :
Dari kedua koefisien, koefisien regresi B, yaitu koefisien regresi sebenarnya
adalah yang lebih penting. Karena dari koefisien ini, ada atau tidak adanya
pengaruh X terhadap Y dapat diketahui.

Khusus untuk koefisien regresi B, pengujian hipotesisnya dapat juga
dirumuskan sbb :

F = ( b² . S ( X - Ẍ ) ) / Se²
KOEFISIEN KORELASI
1. Pengertian Koefisien Korelasi (KK)
Koefisien korelasi merupakan indeks atau bilangan yang digunakan untuk
mengukur keeratan (kuat,lemah,atau tidak ada) hubungan antarvariabel.
Koifisien korelasi memiliki nilai antara -1 dan +1 (-1≤KK≤+1)
2. Jenis Jenis Koefisien Korelasi
A. Koefisien Korelasi Pearson
Koefisien Korelasi ini digunakan untuk mengukur keeratan hubungan antara dua
variabel yang datanya berbentuk data interval atau rasio. Disimbolkan dengan r dan
dirumuskan :



Nilai dari koefisien korelasi (r) terletak antara -1 dan +1 .
( ) ( ) ( ) ( )
¿ ¿ ¿ ¿
¿ ¿ ¿
÷ ÷
÷
=
2
2
2
2
Y Y n X X n
Y X XY n
r
B. Koefisien Korelasi Rank Spearman
Koefisien korelasi ini digunakan untuk mengukur keeratan hubungan antara dua
variabel yang datanya berbentuk data ordinal (data bertingkat ). Disimbolkan dengan r
s

dan dirumuskan seperti di bawah ini :





Keterangan :
d = selisih ranking X dan Y
n = banyaknya pasangan data

C. Koefisien Korelasi Kontingensi

Koefisien korelasi ini digunakan untuk mengukur keeratan hubungan antara 2 variabel
yang datanya berbentuk data nominal ( data kualitatif ). Disimbolkan dengan C dan rumus

n n
d
r
s
÷
÷ =
¿
3
2
6
1
n x
x
C
+
=
2
2
D. Koefisien Penentu / Koefisien Determinasi
Apabila koefisien korelasi dikuadratkan, akan menjadi koefisien penentu (KP)
atau koefisien determinasi (R) , yang artinya penyebab perubahan pada variabel Y
yang datang dari variabel X, sebesar kuadrat koefisien korelasinya. Koefisien
penentu ini menjelaskan besarnya pengaruh nilai suatu variabel (variabel X)
terhadap naik/turunnya (variasi) nilai variabel lainnya.





Keterangan :
KK = Koefisien Korelasi

Nilai koefisien penentu ini terletak antara 0 dan +1 ( 0 ≤ KP ≤ +1 ). Jika
koefisien korelasinya adalah koefisien korelasi Pearson, maka koefisien penentunya
adalah

KP = R = r² x 100%

% 100 ) (
2
× = = KK R KP
Hubungan koefisien Korelasi dengan
Koefisien Regresi
Antara koefisien Korelasi (r) dan koefisien Regresi (b), terdapat suatu hubungan.
Hubungan tersebut dapat dibentuk dalam rumus seperti di bawah ini :
y
x
S
S b
r
·
=
( )
( )
n
X
X
n
Sx
2
2 1
¿
¿
÷ =
( )
( )
n
Y
Y
n
S
y
2
2 1
¿
¿
÷ =
Contoh Soal
Berikut ini adalah data hasil pengamatan pemupukan dan hasil panen padi untuk 5 percobaan
yang telah dilakukan.




X = hasil panen padi (dalam kwintal)
Y = pemupukan (dalam kg)

Tentukanlah besar koefisien korelasi dengan rumus hubungan koefisien regresi !
X 3 6 9 10 13
Y 12 23 24 26 28
X Y X² Y² XY
3 12 9 144 36
6 23 36 529 138
9 24 81 576 216
10 26 100 676 260
13 28 169 784 364
∑ = 41 113 395 2709 1014
Penyelesaian
“Sekian dan Terima Kasih”

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->