Post on 26-Apr-2019
ANALISIS REGRESI
No 1
• Gambar grafik fungsi dengan x=0,1,2.
Tunjukkan intercept dan slope dari grafik !
12 xy
No 2
Dari Tabel 1, menurut Anda, manakah yang
merupakan variabel respon dan variabel
bebas?
No 2b. Gambarkan Tabel 1 dalam bentuk grafik
An Introduction
• Regresi linier sering digunakan untuk melihat nilaiprediksi atau perkiraan yang akan datang
• Apabila X dan Y mempunyai hubungan, maka nilai Xyang sudah diketahui dapat digunakanmemperkirakan Y
Variable Y yang nilainya akan diramalkan disebut variabeltidak bebas / variabel respon (dependent variable)
Variable X yang nilainya digunakan untuk meramalkannilai Y disebut variable bebas/ peramal/ menerangkan(independent / explanatory variable)
Contoh aplikasi regresi dalam pendidikan
• Pengaruh Efikasi Diri Terhadap Stres Mahasiswa yang Sedang
Menyusun Seminar Makalah di Pendidikan Matematika UNS
• ANALISIS FAKTOR – FAKTOR YANG MEMPENGARUHI
KEBERHASILAN MAHASISWA P. MATEMATIKA UNS
• Pengaruh Gaya Kepemimpinan dan Kreativitas Dosen di Kelas
terhadap Prestasi Belajar Mahasiswa
• PENGARUH KEAKTIFAN DALAM KEGIATAN UKM TERHADAP
SOFTSKILL DAN PRESTASI MAHASISWA
X
Analisis regresi digunakan untuk mengetahui bagaimana variabeldependen atau kriterium dapat diprediksikan melalui variabelindependen atau prediktor secara individu atau parsial maupunsecara bersama-sama atau simultan.
Y
Variabel respon
Variabel dependen
Prediktor
variabel indipenden
Dapatkah variabel X memprediksi Y ? Analisis Regresi
Adakah korelasi/ hubungannya nya ?
Ilustrasi hubungan positif
X
Pupuk
Berat Badan
Keaktifan
kepemimpinan
Y
Produksi
Tekanan darah
Prestasi
softskill
Ilustrasi hubungan negatif
X
Jumlah aseptor
Harga suatu barang
Y
Jumlah kelahiran
Permintaan barang
Scatter Plot Examples
y
x
y
x
y
y
x
x
Strong relationships
Weak relationships
Scatter Plot Examples
y
x
y
x
No relationship
Jenis Analisis RegresiI. Regresi linier jika hubungan antara variabel bebas
terhadap variabel tak bebas berbentuk linier
II. Regresi tak linier jika hubungan antara variabel bebas terhadap variabel tak berbentuk linier
Regresi linier sederhana Regresi linier berganda Regresi Logistik (Netter :555)Regresi Poisson
Regresi Polinomial
Neural Network Model (netter : 547)
bXaY ˆ
332211ˆ XbXbXbaY
32ˆ dXcXbXaY
2ˆ cXbXaY
Regresi Linier Sederhana
Memilih persamaan Terbaik ..?
• Metode Seleksi Maju
• Metode Penyisihan
• Metode Bertahap
• Metode R-square maksimum (MAXR)
• Metode PRESS
Sembiring, 1995
• variabel independen ke-i
• variabel dependen ke-i maka bentuk
model regresi sederhana adalah :
dengan
parameter yang tidak diketahui
sesatan random dgn asumsi NID (0, )
iX
iY
ba,atau ˆ,ˆ
i
niXY iii ,,2,1,
2
bXaY
EX
XEYE
niXY
i
i
iii
iii
ˆ
So...
ˆˆ
,,2,1,
20
So...
,,2,1,
i
ii
iii
iii
YV
VXV
XVYV
niXY
Dari garis regresi sampel diperoleh :
Dan
)(^^
iii XYe
2
11
2 ))(( i
n
i
i
n
i
i bXaYeD
Turunkan D
terhadap
a dan b !!!!
021
n
i
ii bXaYa
D
XbY
n
Xb
n
Yia
anXbYi
XbanYi
n
i
n
i
i
n
i
n
i
i
n
i
n
i
i
0
1 1
1 1
1 1
0
02
1
2
11
1
n
i
i
n
i
i
n
i
ii
n
i
iii
XbXaYX
XbXaYb
D
22 )( xxn
yxxynb
xbya
n
xx
n
yy
y x xy x2 y2
.
.
.
.
.
.
.
.
.
.
Σy Σx Σxy Σx2 Σy2
ATAU
Latihan
Carilah persamaan regresi Y pada X dari data Tabel :
ii XY
xbya
n
xx
n
yxxy
b
8972.05294.29ˆ
: regresipersamaan diperoleh jadi
53.29
8972.0
12
66537525
12
951665-53305
)(
))((
1
2
2
2
Perhatikan sisaregresiTotal
ˆˆiiii yyyyyy
MENGUJI KOEFISIEN REGRESI DENGAN ANALISIS VARIANSI
SRT JK
n
i
ii
n
i
iii
JK
n
i
i
JK
n
i
i yyyyyyyyyy
1
2
)!!! (buktikan 0
11
2
1
2 )ˆ()ˆ)(ˆ(2)ˆ()(
Tentukan JKT dan JKR !
Xi
y
x
yi
JKT = (yi - y)2
JKS = (yi - yi )2
JKR = (yi - y)2
_
_
_
Variasi yang diterangkan dan
Yang tidak dapat diterangkan
y
y
y_
y
Example
i. 0:
0:
11
10
H
H
Tolak H0 jika F0>Ftabel =F,1,n-2
ii. Tingkat signifikansi 5%
iii. Tabel ANAVA
SumberVariasi
JK dk RK F0
Regresi JKR= 1 RKR=JKR/1 F=RKR/RKS
Sesatan JKS= JKT-JKR n-2 RKS=JKS/n-2 Ftabel
F(alpha, 1,n-2)
Total JKT= n-1
n
i
i xxb
1
22
n
yy
in
i
i
2
1
2