analisis regresi - direktori file upifile.upi.edu/.../analisis_regresi_yang_direvisi.pdf · regresi...
TRANSCRIPT
![Page 1: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/1.jpg)
Analisis Regresi
Oleh :Dewi Rachmatin
![Page 2: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/2.jpg)
Pendahuluan
Dalam penelitian biasanya digunakan suatu model atau hubungan fungsional antara peubah.
Dengan model kita berusaha memahami, menerangkan, mengendalikan dan kemudian memprediksikan kelakuan sistem yang diteliti.
Model juga menolong peneliti dalam menentukan hubungan kausal.
Rumusan hubungan tsb yang dinyatakan dalam bentuk hipotesis dan diuji berdasarkan data yang dikumpulkan kemudian.
![Page 3: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/3.jpg)
Regresi Linear Sederhana
X adalah peubah bebas (prediktor)dan Y peubah tak bebas yang bergantung pada Y (respons). Y (respon) tidak dikontrol dalam percobaan. Nilainya (y) bergantung pada satu atau lebih peubah bebas, misalnya (nilainya) x1, x2,…,xk, yang galat pengukurannya dapat diabaikan dan sesungguhnya sering peubah tsb dikendalikan dalam percobaan. Jadi peubah bebas tsb bukanlah peubah acak tapi k besaran yang ditentukan sebelumnya oleh peneliti dan tidak mempunyai sifat-sifat distribusi.
![Page 4: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/4.jpg)
Yang akan dibahas adalah regresi linear yang menyangkut hanya satu peubah saja.
Nyatakan sampel acak ukuran n dengan himpunan :{(xi,yi);i=1,2,…,n}. yi merupakan nilai dari peubah acak Yi selanjutnya akan ditulis Y|x “peubah acak yang berkaitan dengan nilai tetap x”
Rataan Y|x berkaitan linear dengan x dalam bentuk persamaan : α dan β adalah dua parameter yang akan ditaksir dari data sampel
xxY βαµ +=|
![Page 5: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/5.jpg)
Bila semua rataan terletak pada satu garis lurus maka :
dengan asumsi : Ei galat yang bersifat acak dan rataannya = 0 dan variansinya konstan.
Setiap pengamatan (xi,yi) dalam sampel memenuhi :
εi adalah nilai yang dicapai Ei bila Yi berharga yi
iii Ex Y ++= βα
iii xy εβα ++=
![Page 6: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/6.jpg)
Demikian pula persamaan regresi :
Tiap pasangan pengamatan memenuhi :
bxay +=ˆ
sisadisebut ; iiii e ebxay ++=
![Page 7: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/7.jpg)
(xi,yi)
εi eibxay +=ˆ
xxY βαµ +=|
![Page 8: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/8.jpg)
Cara peminimuman untuk menaksir parameter dinamakan metode kuadrat terkecil (least square method), yaitu a dan b dicari sehingga JKG minimum
Turunkan JKG terhadap a dan b maka diperoleh
( )∑∑==
−−==n
iii
n
ii bxayeJKG
1
2
1
2
( ) ( )
( ) ( ) i
n
iii
n
iii
xbxayb
JKG
bxaya
JKG
∑
∑
=
=
−−−=∂
∂
−−−=∂
∂
1
1
2
2
![Page 9: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/9.jpg)
Samakan persamaan tsb dengan nol maka diperoleh persamaan normal :
Sehingga diperoleh : i
n
i
n
iii
n
ii
n
ii
n
ii
yxxbxa
yxbna
∑ ∑∑
∑∑
= ==
==
=+
=+
1 1
2
1
11
xbya
xxn
yxyxnb
n
ii
n
ii
n
ii
n
ii
n
iii
−=
−
−
=
∑∑
∑∑∑
==
===2
11
2
111
![Page 10: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/10.jpg)
Sifat Penaksir Kuadrat Terkecil
Di samping anggapan bahwa galat Ei dalam model merupakan peubah acak dengan rataan nol, misalkan selanjutnya bahwa Ei berdistribusi normal dengan variansi sama σ2 , danE1, E2,…,En saling bebas dari suatu pengamatan ke pengamatan berikutnya dalam percobaan. Dengan asumsi kenormalan tsb kita dapat mencari rataan dan variansi untuk penaksir αdan β.
iii ExY ++= βα
![Page 11: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/11.jpg)
Misal penaksir α dan β adalah a dan b, selanjutnya akan disebut A dan B
Dapat ditunjukkan B berdistribusi normal dengan rataan :
variansi B :
Dapat ditunjukkan A berdistribusi normal dengan rataan :
variansi A :
βµ == )(BEB
( )∑=
−= n
ii
B
xx1
22 σσ
αµ =A
( )2
1
2
1
2
2 σσ∑
∑
=
=
−= n
ii
n
ii
A
xxn
x
![Page 12: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/12.jpg)
Taksiran takbias untuk σ2 diberikan oleh
( ) ( )( )
2
22
1
2
1
2
−
−−−
−
=
−
−=
−=
∑∑==
n
YYXXBYY
nBJJ
nJKGS
n
iii
n
ii
xyyy
![Page 13: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/13.jpg)
Selang Kepercayaan dan Uji Keberartian
Akan diuji H0 : β = 0 (model tak linear) lawan H1 : β ≠ 0 (model linear) dan pilih taraf keberartian α=5%
Statistik ujinya : Tolak jika T < -tα/2 atau T > tα/2
Statistik T dapat digunakan untuk membentuk selang kepercayaan untuk β dengan kepercayaan (1- α)100% :
2~/ −−
= nxx
tJS
BT β
xxxx JstB
JstB 2/2/ αα β +<<−
![Page 14: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/14.jpg)
Tolak H0 jika selang kepercayaan tidak memuat nol dan sebaliknyaUji Hipotesis untuk α :
Akan diuji H0 : α = 0 (garis melalui titik asal) lawan H1 : α ≠ 0 (garis tidak melalui titik asal) dan pilih taraf keberartian α=5%
Statistik ujinya :
Tolak jika T < -tα/2 atau T > tα/2
2
1
2
~/
−
=∑
−= n
xx
n
ii
tnJxS
AT α
![Page 15: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/15.jpg)
Statistik T dapat digunakan untuk membentuk selang kepercayaan untuk α dengan kepercayaan (1-α)100% :
Tolak H0 jika selang kepercayaan tidak memuat nol dan sebaliknya
xx
ii
xx
ii
nJ
xstA
nJ
xstA
∑∑== +<<−
2
1
22/
2
1
22/ αα
α
![Page 16: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/16.jpg)
Langkah Penentuan Koefisien Regresi Linear dengan SPSS 10 for Windows
Analyze, Regression, Linear Masukkan y sebagai dependent dan x sebagai
independent(s), pilih method : Enter Contoh : Cocokkan regresi linear untuk masalah :
apakah benar kecepatan suhu ditentukan oleh suhu?Uji kebenarannya dengan data hasil percobaan pada tabel berikut
![Page 17: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/17.jpg)
No. Kecepatan Reaksi (mol/detik)
Suhu (0 Celcius)
No. Kecepatan Reaksi (mol/detik)
Suhu (0 Celcius)
1 4.37 20.72 9 12.80 26.87
2 5.87 21.65 10 13.60 28.11
3 6.95 22.70 11 14.80 28.12
4 7.85 23.12 12 15.50 29.14
5 8.65 23.99 13 16.70 29.13
6 9.34 24.13 14 16.40 29.99
7 7.26 24.99 15 12.90 27.10
8 11.80 25.71
![Page 18: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/18.jpg)
Kecepatan Reaksi (mol/detik) vs Suhu (Celcius)
suhu (celsius)
32302826242220
kece
pata
n re
aksi
(mol
/det
ik)
18
16
14
12
10
8
6
4
![Page 19: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/19.jpg)
Dari diagram pencar (plot data Y terhadap X) terlihat bahwa kecepatan reaksi (Y) menaik jika suhu (X) menaik, jadi ada korelasi + antara Y dengan X
Trend (kecenderungan) data mengumpul di sekitar suatu garis lurus
![Page 20: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/20.jpg)
Hasil Pencocokan Model dengan SPSS ver 10 Hasil uji t untuk H0 : α = 0 :
karena t hitung = -10.982 < -t0,025;13 = -2,160maka H0 : α = 0 (garis melalui titik asal) ditolak.
Hasil yang sama ditunjukkan oleh nilai-p :karena nilai-p = .000 < α , maka H0 : α = 0 (garis melalui titik asal) ditolak.
Hasil uji t untuk H0 : β = 0 :karena t hitung = 16.163 > t0,025;13 = 2,160maka H0 : β = 0 (model tidak linier) ditolak.
Juga, karena nilai-p = .000 < α , maka H0 : β = 0 (model tidak linier) ditolak.
![Page 21: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/21.jpg)
Hasil yang sama ditunjukkan oleh selang kepercayaan, yaitu selang kepercayaan untuk α yaitu[-28,401 , -19,064] dan selang kepercayaan untuk βyaitu [1,170 , 1.532] keduanya tidak memuat nol
Jadi model regresi yang cocok untuk data tsb :
xy 351,1733,23ˆ +−=
![Page 22: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/22.jpg)
Plot Data dan Garis Regresi
kecepatan reaksi (mol/detik)
suhu (celsius)
32302826242220
18
16
14
12
10
8
6
4
Observed
Linear
![Page 23: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/23.jpg)
Pendekatan Analisis Variansi
SumberVariasi
JK(Jumlah Kuadrat)
dk(derajat kebebasan)
RK(Rataan Kuadrat)
f hitung
Regresi JKR=bJxy 1 RKR=JKR/1
JKR/s2
Sisa JKS (JKG)=JKT-JKR
n-2 RKSs2=JKS/n-2
Total JKT=Jyy n-1
![Page 24: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/24.jpg)
Tolak H0 jika F > F1,n-2
atau tolak H0 jika f hitung > f tabel (dk1=1,dk2=n-2) Hasil uji kelinearan (uji F) menunjukkan nilai-p yang
sangat kecil mendekati nilai nol, hal ini menunjukkan bahwa H0 : model regresinya tidak linear ditolak atau H0 : β = 0 tidak ditolak. Artinya hasil pengujian mendukung hipotesis bahwa kecepatan reaksi ditentukan oleh suhu (kecepatan reaksi fungsi linear dari suhu)
Hasil yang sama ditunjukkan oleh :F hitung = 261,229 > F1,13;0,05 = 4,67
![Page 25: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/25.jpg)
Uji t, Uji F dan Koefisien Determinasi
Uji t yang digunakan mempunyai dk = dk penyebut dalam nisbah F yaitu n-2 :
Uji t yang digunakan di sini adalah dua arah sedang uji F satu arah. Karena itu uji t lebih luas cakupannya daripada uji F karena dapat digunakan untuk menguji H0 : β < 0 vs H1 : β > 0
R2 disebut koefisien korelasi darab atau koefisien penentu (determinasi), 0 ≤ R2 ≤ 1
2n,12
2n Ft −− =
2i
2i2
)YY()YY(
JKTJKRR
∑∑
−−
==
![Page 26: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/26.jpg)
R2 = 0 bila JKR = 0 atau JKS = JKT dan R2 = 1 bila JKR = JKT atau JKS = 0
JKR = 0 bila untuk setiap i. Ini berarti bahwa tidak peduli berapa nilai xi , taksiran yi yaitu
selalu = . Jadi yi tidak tergantung atau dipengaruhi oleh xi .
Sebaliknya jika R2 = 1 maka setiap prediksi yi tepat sekali sama sekali tidak ada yang meleset.
R2 dapat mengukur kecocokan data dengan model. Makin dekat R2 dengan 1 makin baik kecocokan data
dengan model dan sebaliknya makin dekat R2 dengan 0 makin jelek kecocokan tsb.
iy y
yyi =
![Page 27: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/27.jpg)
Untuk contoh tadi R2 = 0,953 artinya sebesar 95,3% dari seluruh variasi yotal y diterangkan oleh model atau x dan masih ada sebesar 4,7% lagi variasi y yang tidak dapat diterangkan oleh model yang digunakan. Bagian sisanya yang 4,7% ini mungkin disebabkan oleh faktor lain yang gagal diperhitungkan dalam model
Uji F tidak dapat digunakan untuk mengukur besar pengaruh suatu peubah bebas atau faktor
![Page 28: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/28.jpg)
Pemeriksaan Sisa (Sembiring, 1995)
Sisa bukan berarti sampah yang tidak berguna, sisa kaya akan informasi dan karena itu merupakan bagian yang amat penting dalam setiap analisis data.
Informasi dari data semula yang tidak terserap oleh model akan menjadi sisa
Jika semua pola yang ada pada data telah masuk ke dalam model maka sisa akan berbentuk acak tetapi jika model tidak mampu mengambil semua pola pada data maka sisa akan mempunyai kecenderungan tertentu.
iii YY −=ε
![Page 29: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/29.jpg)
Dalam hal itu model belumlah baik betul, dalam arti masih dapat disempurnakan. Jika sisa sudah berbentuk acak maka anggapan tentang kenormalan dan kesamaan variansi dapat diiuji dari sisa !
Kita melihat kebaikan model dari R2 dan pengujian hipotesis mengenai koefisien regresi
Ketidakcocokan model dengan data dilihat dengan mengamati sisa. Begitu pula apakah ada pencilan dalam data dapat dilihat dengan mengamati sisa. Sisa secara kasar memberi keterangan tentang data yang tidak mengikuti pola umum model yang digunakan, ditandai oleh sisanya relatif besar
![Page 30: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/30.jpg)
Makin besar sisa makin jauh data menyimpang dari model
Adanya pola yang teratur (sistematis) dalam sisa menunjukkan bahwa modelnya belumlah baik. Model yang sudah baik ditandai oleh pola sisa yang acak
Data pencilan sering terdapat dipinggir, mungkin muncul karena kesalahan mengamati atau mencatat tapi tidak jarang pula data itu sesungguhnya sejati. Salah satu kelemahan metode kuadrat terkecil adalah data aneh tsb mempunyai pengaruh yang proporsional lebih besar daripada data yang di tengah
![Page 31: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/31.jpg)
Uji t dan F yang digunakan bersifat kekar, yang berarti bahwa anggapan kenormalan dan kesamaan variansi tidak perlu dipenuhi dengan ketat tapi cukup agak kasar
Tujuan pemeriksaan sisa :1. Apakah sisa telah berpola acak2. Apakah anggapan kenormalan tidak dilanggar3. Apakah variansi dapat dianggap tidak berubah 4. Apakah ada data yang tidak mengikuti pola
umum (pencilan)5. Apakah peubah yang masuk dalam model
mungkin bukan berbentuk linear6. Apakah peubah yang berpengaruh telah masuk
ke dalam model
![Page 32: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/32.jpg)
Berikut beberapa plot sisa yang penting menurut N.Draper dan H. Smith, Applied Regression Analysis1. Plot sisa menurut besarnya2. Plot sisa menurut urutan pengambilan data, bila
diketahui3. Plot sisa terhadap 4. Plot sisa terhadap xij , j=1,2,…,k5. Menurut setiap cara yang wajar sesuai persoalannya misalnya rajah sisa terhadap peubah bebas yang tidak termasuk ke dalam model untuk menentukan apakah peubah itu sebaiknya masuk ke dalam model atau tidak
iy
![Page 33: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/33.jpg)
Plot Sisa Menurut Besarnya
-3 -2 -1 0 1 2 3x
a x x x xxxx xx x
b x x x x xx x x x xx
c x xxxxxxxx x
d x xx x xxx xx x x
-3 -2 -1 0 1 2 3
![Page 34: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/34.jpg)
Plot a agak setangkup dan memencar, agak acak dan lebih banyak di tengah. Tidak ada tanda bahwa anggapan keacakan dan kenormalan dilanggar
Plot b agak aneh datanya mengelompok Plot c terlihat satu data menyendiri di sebelah kanan
dan cukup jauh dari titik nol Plot d tidak menunjukkan keanehan, setangkup,
memencar dan acak
![Page 35: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/35.jpg)
Plot Sisa Menurut Besarnyauntuk contoh sebelumnya
Error for Y with X from CURVEFIT, MOD_1 LINEAR
210-1-2-3
NO
OBS
16
14
12
10
8
6
4
2
0
![Page 36: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/36.jpg)
Terlihat pada plot sisa menurut besarnya, ada data ke 7 yang memencil di sebelah kiri, sedang data yang lain mengumpul di bagian tengah, datanya memencar dan acak. Tidak ada tanda bahwa anggapan keacakan dan kenormalan dilanggar
Pengaruh waktu kadang masuk dalam model melalui urutan melakukan percobaan, contoh : suatu reaksi kimia mungkin dipengaruhi oleh cahaya sehingga pengamatan yang dilakukan waktu siang dan malam berlainan hasilnya. Suatu cara melihat apakah waktu mempengaruhi percobaan adalah membuat plot sisa menurut urutan pengambilan data
![Page 37: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/37.jpg)
Sisa
a
b
c
waktu/urutan
![Page 38: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/38.jpg)
jika data mengumpul di sekitar dua garis yang sejajar seperti (a), ini menunjukkan sisa tidak acak dan ada hubungan linier
jika data mengumpul di sekitar dua garis seperti (b), ini menunjukkan sisa tidak acak dan kesamaan variansi dilanggar dan transformasi pada respons y atau x mungkin diperlukan
Jika data mengumpul di sekitar dua kurva yang melengkung seperti (c), ini menunjukkan sisa tidak acak dan ada hubungan kuadratis
![Page 39: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/39.jpg)
Plot Sisa vs
Fit for Y w ith X from CURVEFIT, MOD_1 LINEAR
1816141210864
Erro
r for
Y w
ith X
from
CU
RVE
FIT,
MO
D_1
LIN
EAR 2
1
0
-1
-2
-3
y
![Page 40: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/40.jpg)
Plot Sisa vs x
suhu (celsius)
32302826242220
Erro
r for
Y w
ith X
from
CU
RV
EFI
T, M
OD
_1 L
INE
AR
2
1
0
-1
-2
-3
![Page 41: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/41.jpg)
Kesimpulan
Plot sisa vs , plot sisa vs x dan plot sisa menurut besarnya menunjukkan pola yang sama, yaitu acak, memencar walau sisa untuk data ke 7 cukup besar dan memencil sendiri
Hasil uji K-S untuk sisa diperoleh nilai-p=0,360>0,05artinya H0 : sisa berdistribusi normal diterima
Karena anggapan kenormalan dan kesamaan variansi dipenuhi maka sisa terbaku : εi/σ berdistribusi N(0,1)dan di bawah anggapan keacakan εi/σ , i=1,2,…,n bebas satu sama lain
y
![Page 42: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/42.jpg)
Matriks topi (proyeksi) H = X (X’X)-1 X’ “hoteling”amat berguna dalam pemeriksaan sisa . Matriks ini hanya tergantung pada matriks rancangan (peubah bebas) dan tidak tergantung pada respons (Y). Jika unsur diagonal matriks H yaitu hii besar berarti data jauh dari pusat data.
Pengamatan yang jauh dari pusat data (peubah bebas) berpengaruh besar terhadap koefisien regresi dan berpotensi sebagai pencilan.
Makin besar hii makin besar pengaruh pengamatan ke i
![Page 43: Analisis Regresi - Direktori File UPIfile.upi.edu/.../Analisis_Regresi_yang_direvisi.pdf · Regresi Linear Sederhana ... (model tidak linier) ditolak. Juga, karena nilai-p = .000](https://reader030.vdocuments.pub/reader030/viewer/2022021604/5caa72e188c993e6068b91ec/html5/thumbnails/43.jpg)
Makin besar ukuran sampel makin kecil pengaruh suatu titik data, sehingga pengaruh data pencilan dapat diabaikan
Pengukuran Berulang pada Respons