regresi

20
REGRESI Budi Murtiyasa Jur. Pend. Matematika Universitas Muhammadiyah Surakarta

Upload: mason-valencia

Post on 31-Dec-2015

53 views

Category:

Documents


2 download

DESCRIPTION

REGRESI. Budi Murtiyasa Jur. Pend. Matematika Universitas Muhammadiyah Surakarta. Kapan analisis regresi ?. Diperlukan jika ada hubungan (korelasi) antar variabel yang diteliti. Regresi tidak diperlukan jika tahap awal diketahui tidak ada korelasi antar variabel yang diteliti. - PowerPoint PPT Presentation

TRANSCRIPT

Page 1: REGRESI

REGRESI

Budi MurtiyasaJur. Pend. MatematikaUniversitas Muhammadiyah Surakarta

Page 2: REGRESI
Page 3: REGRESI

Kapan analisis regresi ?

Diperlukan jika ada hubungan (korelasi) antar variabel yang diteliti.

Regresi tidak diperlukan jika tahap awal diketahui tidak ada korelasi antar variabel yang diteliti.

Page 4: REGRESI

Regresi Sederhana

Hubungan Fungsional ataupun kausal antara satu variabel independen dengan satu variabel dependen persamaan umum :

Y = b0 + b1 X

di mana Y = variabel dependen yg di cari prediksinyaX = variabel independen (prediktor)b1 = angka arah / slope/koefisien regresi

b0 = konstanta

Page 5: REGRESI
Page 6: REGRESI

Contoh :

X 5 7 6 8 7 8 6 7 5 8Y 7 8 8 7 9 8 7 9 7 9

Data Nilai ulangan Harian (X) dan ulangan semester (Y) dari 10 siswa.Carilah persamaan regresi dan korelasinya !

Page 7: REGRESI

Tabel kerja:

x y xy x2 y2

5 7 35 25 49

7 8 56 49 64

6 8 48 36 64

8 7 56 64 49

7 9 63 49 81

8 8 64 64 64

6 7 42 36 49

7 9 63 49 81

5 7 35 25 49

8 9 72 64 81

Σx=67 Σ y=79 Σ xy=534 Σ x2= 461 Σ y2 = 631

Page 8: REGRESI

Menghitung nilai b0 & b1

SSxy = Σxy – (Σx Σy/n) = 534 – {(67)(79)/10} =4,7

SSxx = Σx2 – {(Σx)2/n} = 461 – (67)2 / 10 = 12,1

b1 = SSxy / SSxx = (4,7) / (12,1) = 0,38843

b0 = (Σy / n) – b1 (Σx / n) = (79/10) – 0,38843(67/10) = 5,29752Persamaan regresi :Y = 5,29752 + 0,38843X

Page 9: REGRESI

Grafik garis regresi :

Y

5,2975

X

Page 10: REGRESI

Korelasinya ?

r = })(}{)({

))((2222 yynxxn

yxxyn

Page 11: REGRESI

Analisis Varian Garis Regresi (Anareg)

Page 12: REGRESI

Anareg (lanjutan…)

SSyy =

SSE = Σy2 – b0 Σy – b1 Σxy

SSR = SSyy – SSE

Koefisien determinasi r2 =

n

yy

22 )(

yy

xx

SS

SSb21

Page 13: REGRESI

Contoh dilanjutkan…

X 5 7 6 8 7 8 6 7 5 8Y 7 8 8 7 9 8 7 9 7 9

Data Nilai ulangan Harian (X) dan ulangan semester (Y) dari 10 siswa.Buat anareg-nya ! Signifikan ?

Solusi..

Page 14: REGRESI

Regresi Ganda Mencari prediksi dari satu variabel

dependen terhadap dua atau lebih variabel independen (prediktor)

Persamaan regresi umum :Y = b0 + b1X1 + b2X2 + … + b nXn

Page 15: REGRESI

Regresi Ganda Dua Prediktor

Persamaan Umum Grs RegresiY = b0 + b1X1 + b2X2

Nilai-nilai b0, b1, dan b2 di cari dari sistem persamaan : ΣY = b0 n + b1 ΣX1 +b2 ΣX2

ΣX1Y =b0 ΣX1 + b1 Σ X12 + b2 ΣX1X2

ΣX2Y = b0 ΣX2 + b1 ΣX1X2 + b2 ΣX22

Page 16: REGRESI

Tabelrangkuman analisis regresi

Sumber df SS MS F Regresi k R2 SSyy MSR=

k

SSR yy2

F = MSE

MSR

Residu n – k – 1 (1 – R2) SSyy MSE=

1

)1( 2

kn

SSR yy

Jumlah n – 1 SSyy

Note :k = banyaknya var bebas/prediktorR = korelasi gandan = banyaknya sampel

Page 17: REGRESI

Jika kita punya data …

X1 X2 Y

2 3 7

6 3 19

10 7 23

7 4 20

4 2 15

6 3 14

6 4 17

4 3 10

8 6 23

7 5 22

Lalu …, persamaan regresinya seperti apa ?

Lalu,…Analisis regresinya ??

Page 18: REGRESI

Regresi Ganda Tiga Prediktor

Persamaan grs regresiY = b0 + b1 X1 + b2 X2 + b3 X3

Nilai bi di cari dari sistem persamaan :

ΣX1Y = b1 ΣX12 + b2 ΣX1 ΣX2 + b3 ΣX1 ΣX3

ΣX2Y = b1 ΣX1 ΣX2 + b2 ΣX22 + b3 ΣX2 ΣX3

ΣX3Y = b1 ΣX1 ΣX3 + b2 ΣX2 ΣX3 Σ + b3 ΣX32

dan akhirnya nilai b0 dicari dari hubungan,

b0 = Y – b1 X1 – b2 X2 – b3 X3

Page 19: REGRESI

Lha kalau data seperti ini…,

Persamaan garis regresinya seperti apa …?

X1 X2 X3 Y

57 58 56 60

34 43 36 40

47 54 52 56

45 46 45 50

78 75 77 80

26 34 30 35

57 60 64 66

55 58 56 60

40 44 47 53

60 62 63 70

Page 20: REGRESI

Regresi Ganda Empat Prediktor

Bentuk umum : Y = b0 + b1X1 + b2X2 + b3X3 + b4X4

Nilai-nilai b1, b2, b3, dan b4 di cari dari sistem persamaan :ΣX1Y = b1ΣX1

2 + b2ΣX1ΣX2 + b3ΣX1ΣX3 + b4 ΣX1ΣX4

ΣX2Y = b1ΣX1 ΣX2 + b2ΣX22 + b3ΣX2ΣX3 + b4 ΣX2ΣX4

ΣX3Y = b1ΣX1 ΣX3 + b2ΣX2ΣX3 + b3ΣX32 + b4 ΣX3ΣX4

ΣX4Y = b1ΣX1 ΣX4 + b2ΣX2ΣX4 + b3ΣX3ΣX4 + b4 ΣX42

Dan akhirnya, nilai b0 dicari dari hubungan :

b0 = Y – b1X1 – b2X2 – b3X3 – b4X4