Download - 7-Analisis Regresi Dan Korelasi
ANALISIS REGRESI
STATISTIKA Analisis Korelasi dan Regresi Apa itu analisis regresi?Analisis statistika yang memanfaatkan hubungan antara dua atau lebih peubah kuantitatif sehingga salah satu peubah dapat diramalkan dari peubah lainnya. Apa bedanya dengan korelasi?Pengantar2Korelasi
3Korelasi
4Korelasi
5Koefisien Korelasi Pearson (r)
6Korelasi !!!
7ANALISIS REGRESIHubungan Antar Peubah: Fungsional (deterministik) Y=f(X) ; misalnya: Y=10X Statistik (stokastik) amatan tidak jatuh pas pada kurva Mis: IQ vs Prestasi, Berat vs Tinggi, Dosis Pupuk vs Produksi
Model regresi sederhana:
8Regresi
Makna 0 & 1 ?9Regresi
10Analisis RegresiPendugaan terhadap koefisien regresi: b0 penduga bagi 0 dan b1 penduga bagi 1
Bagaimana Pengujian terhadap model regresi ?? parsial (per koefisien) uji-t bersama uji-F (Anova)Bagaimana menilai kesesuaian model ?? R2 (Koef. Determinasi: % keragaman Y yang mampu dijelaskan oleh X)
Metode Kuadrat Terkecil
11Contoh DataJarakEmisi 31 553 38 590 48 608 52 682 63 752 67 725 75 834 84 752 89 845 99 960Percobaan dalam bidang lingkunganApakah semakin tua mobil semakin besar juga emisi HC yang dihasilkan?Diambil contoh 10 mobil secara acak, kemudian dicatat jarak tempuh yang sudah dijalani mobil (dalam ribu kilometer) dan diukur Emisi HC-nya (dalam ppm)
Emisi = 382 + 5.39 Jarak12Analisis Regresi
Plot antara Emisi Hc (ppm) dg Jarak Tempuh Mobil (ribu kilometer)13Analisis RegresiContoh output regresi dengan Minitab (1)Regression Analysis (Emisi Hc vs Jarak Tempuh Mobil)
The regression equation is Emisi = 382 + 5.39 Jarak
Predictor Coef StDev T PConstant 381.95 42.40 9.01 0.000Jarak 5.3893 0.6233 8.65 0.000
S = 42.01 R-Sq = 90.3% R-Sq(adj) = 89.1%
Analysis of Variance
Source DF SS MS F PRegression 1 131932 131932 74.76 0.000Error 8 14118 1765Total 9 146051
Unusual ObservationsObs Jarak Emisi Fit StDev Fit Residual St Resid 8 84.0 752.0 834.7 18.0 -82.7 -2.18R
R denotes an observation with a large standardized residual
14Analisis RegresiBagaimana Pengujian terhadap model regresi ?? parsial (per koefisien) uji-t bersama uji-F (Anova)
Bagaimana menilai kesesuaian model ?? R2 Koef. Determinasi (% keragaman Y yang mampu dijelaskan oleh X)15Uji Hipotesis
Sumber dbJKKTFRegresi1JKRKTRKTR/KTEErrorn - 2JKEKTETotaln - 1JKTH0 : 1=0 vs H1: 10 ANOVA (Analysis of Variance) Uji F JK total = JK regresi + JK errorKeragaman total =keragaman yang dapat dijelaskan oleh model + keragaman yang tidak dapat dijelaskan oleh modelAnovaF ~ F (1,n-2)16Uji Hipotesis
H0 : 10 vs H1: 1>0 Uji ParsialStatistik uji:17All models are wrong, but some are useful (G. E. P. Box)18