• Document: ANALISIS REGRESI DAN KORELASI
  • Size: 3.64 MB
  • Uploaded: 2019-05-17 16:50:15
  • Status: Successfully converted


Some snippets from your converted document:

ANALISIS REGRESI DAN KORELASI SEDERHANA LATAR BELAKANG • Analisis regresi dan korelasi  mengkaji dan mengukur keterkaitan secara statistik antara dua atau lebih variabel. • Keterkaitan antara dua variabel  regresi dan korelasi sederhana. • Keterkaitan tiga atau lebih variabel  regresi dan korelasi multipel. • Variabel yang mempengaruhi perubahan  variabel bebas sumbu-X. • Variabel yang akan ditaksir  variabel tak bebas  sumbu-Y. ANALISIS REGRESI DIAGRAM PENCAR • Kegunaan diagram pencar:  melihat kaitan antar variabel secara visual  membantu untuk menentukan jenis persamaan regresi yang akan digunakan ANALISIS REGRESI DIAGRAM PENCAR • Gambaran kaitan yang cukup kuat antara variabel X dan variabel Y  hubungan yang bersifat langsung  bila variabel X meningkat, maka variabel Y juga meningkat  hubungan linier positif. ANALISIS REGRESI DIAGRAM PENCAR • Hubungan linier positif dengan pencarn yang lebih besar  korelasi mengecil. ANALISIS REGRESI DIAGRAM PENCAR • Hubungan linier negatif (berlawanan) ANALISIS REGRESI DIAGRAM PENCAR • Keterkaitan dua variabel yang bersifat tidak linier dan mempunyai pola hubungan kurvilinier positif ANALISIS REGRESI DIAGRAM PENCAR • Hubungan kurvilinier negatif ANALISIS REGRESI DIAGRAM PENCAR • Hubungan kurvilinier ANALISIS REGRESI DIAGRAM PENCAR • Secara visual tidak terdapat hubungan ANALISIS REGRESI PERSAMAAN REGRESI LINIER • Persamaan umum regresi untuk populasi: Y = f ( X 1 , X 2 ,..., X k θ 1 , θ 2 ,..., θ k ) θ : parameter yang terdapat dalam regresi dan perlu ditaksir untuk mendapatkan persamaan regresi dari sampel ANALISIS REGRESI PERSAMAAN REGRESI LINIER • Model regresi yang paling sederhana: Y = α + βX α dan β ditaksir dengan a dan b  regresi berdasarkan sampel acak: Yc = a + bX a = intersepsi Yc bila X = 0 b = slope garis regresi X = nilai variabel bebas Yc = nilai variabel tak bebas yang dihitung dari persamaan regresi ANALISIS REGRESI PERSAMAAN REGRESI LINIER • Metoda pencarian persamaan regresi yang paling sering digunakan  metode kuadrat terkecil (least square). • Garis regresi least square: ∑ (Y − Y ) = 0 c ∑ (Y − Y ) = min imum 2 c  mengupayakan agar simpangan positif dari titik sebaran diatas garis, dihilangkan oleh simpangan negatif di bawah garis  jumlah = 0 ANALISIS REGRESI PERSAMAAN REGRESI LINIER ANALISIS REGRESI PERSAMAAN REGRESI LINIER • Nilai a dan b sebagai penaksir α dan β dihitung dengan: [n (∑ XY ) − (∑ X )(∑ Y )] Ym = ∑ Y b= [n (∑ X )− (∑ X ) ] 2 2 n a = Ym − bX m a= [(∑ Y )(∑ X ) − (∑ X )(∑ XY )] 2 Xm = ∑ X (n ∑ X ) − (∑ X ) 2 2 n n = jumlah pasangan observasi ANALISIS REGRESI GALAT BAKU DARI PENDUGA • Asumsi yang diambil: (1) Model regresi mengalami koreksi  terdapat galat (ε)  model regresi: Y = α + βX + ε Kekeliruan  berbentuk variabel acak yang mengikuti distribusi normal dengan varian σx2 ANALISIS REGRESI GALAT BAKU DARI PENDUGA ANALISIS REGRESI GALAT BAKU DARI PENDUGA ANALISIS REGRESI GALAT BAKU DARI PENDUGA (2) Untuk setiap harga X yang diberikan  variabel tak-bebas Y adalah bebas dan terdistribusi normal dengan: rerata = α + βX varian= σy.x2  varian-galat-baku Varian-galat-baku sama untuk setiap harga X  σε2 (varian-galat-taksiran)  ditaksir rerata-kuadrat-residu (sε2) ANALISIS REGRESI GALAT BAKU DARI PENDUGA • Akar dari kuadrat residu  galat-baku-taksiran: ∑ (Y − Y ) 2 s y . x = sε = c n−2 ∑ (Y ) − a (∑ Y ) − b (∑ XY ) 2 = n−2 PE

Recently converted files (publicly available):