1-ANALISIS REGRESI
Transcript of 1-ANALISIS REGRESI
-
8/17/2019 1-ANALISIS REGRESI
1/13
Agung Priyo Utomo (STIS Jakarta) 1
ANALISIS REGRESI
(REGRESSION ANALYSIS)
Oleh:
Agung Priyo Utomo, S.Si., MT.([email protected])Sekolah Tinggi Ilmu Statistik (STIS)
-
8/17/2019 1-ANALISIS REGRESI
2/13
Agung Priyo Utomo (STIS Jakarta) 2
HUBUNGAN ANTAR VARIABEL
HUBUNGANANTAR VARIABEL
HUB. FUNGSIONAL/MATEMATIS, y = f(x)
HUB. SECARASTATISTIK, y = f(x) +
MODEL LINIER MODEL NON LINIER
INTRINSIK NON INTRINSIKMODEL REGRESI
MODEL EXP. DESIGN
DLL
Transformasi
-
8/17/2019 1-ANALISIS REGRESI
3/13
Agung Priyo Utomo (STIS Jakarta) 3
REGRESI DAN KORELASI(Keduanya mempelajari hubungan antar variabel)
REGRESI
Mempelajari bentuk hubungan antar variabel melaluisuatu persamaan (RLS, RLB, Regresi non Linear).Hubungan bisa berupa hubungan sebab akibat.
Dapat mengukur seberapa besar suatu variabelmempengaruhi variabel lain
Dapat digunakan untuk melakukan peramalan nilaisuatu variabel berdasarkan variabel lain
-
8/17/2019 1-ANALISIS REGRESI
4/13
Agung Priyo Utomo (STIS Jakarta) 4
REGRESI DAN KORELASI(Keduanya mempelajari hubungan antar variabel)
KORELASI
Mempelajari keeratan hubungan antar 2 variabelkuantitatif yang bisa dilihat dari besarnya angka, bukantandanya
Dapat mengetahui arah hubungan yang terjadi(berbanding lurus jika tandanya positif, dan berbandingterbalik jika tandanya negatif)
Nilainya berkisar -1 sampai dengan 1
Tidak bisa menyatakan hubungan sebab akibat
-
8/17/2019 1-ANALISIS REGRESI
5/13
Agung Priyo Utomo (STIS Jakarta) 5
Contoh:
(1) # kematian karena kekeringan di musim panas
# soft drink yang dikonsumsi di musin panasHigh positive correlation
Apakah soft drink menyebabkan kematian?
(2) Gaji guru dan jumlah $ yang diperoleh dalam
penjualan minuman keras.High positive correlation
Apakah guru membelanjakan uangnya untukmembeli minuman keras?
Korelasi yang tinggi tidak selalu berarti bahwasuatu variabel menyebabkan/mempengaruhi
variabel yang lain
-
8/17/2019 1-ANALISIS REGRESI
6/13
Agung Priyo Utomo (STIS Jakarta) 6
DEPENDENT AND INDEPENDENTVARIABLE
Dependent Variable/Variabel Tak Bebas (Y): Variabelyang nilainya ditentukan oleh variabel lain.Diasumsikan bersifat random/stochastic
Independent Variable/Variabel Bebas (X): Variabelyang nilainya ditentukan secara bebas (variabel yangdiduga mempengaruhi variabel tak bebas).Diasumsikan bersifat fixed/non stochastic.
Syarat :Y: Berjenis data kuantitatifX: Berjenis data kuantitatif atau kualitatif/kategorik
-
8/17/2019 1-ANALISIS REGRESI
7/13
Agung Priyo Utomo (STIS Jakarta) 7
JENIS DATA UNTUK Y
Data Observasidiperoleh tanpa melakukan kontrol thd var. X tdk kuat menyatakan cause-effect relationships
Data Eksperimendiperoleh dengan melakukan kontrol thd var. X dapat menyatakan cause-effect relationships
-
8/17/2019 1-ANALISIS REGRESI
8/13
Agung Priyo Utomo (STIS Jakarta) 8
Examples
Effect of Car Age on its Price (to what degree can CarAge predict Its Price)
Effect of Woman Age on Her Fertility (to what degreecan Woman Age predict Her Fertility level)
Effect of A Person Height on His/Her Weight (to whatdegree can A Person Height predict His/Her Weight)
Effect of Household Income to Their ConsumptionExpenditure (to what degree can Household Income
predict Their Consumption Expenditure) Effect of Dow Jones Performance on Darts performance
(to what degree can Dow Jones predict Dartperformance)
-
8/17/2019 1-ANALISIS REGRESI
9/13
Agung Priyo Utomo (STIS Jakarta) 9
KONSEP DASAR
Pada suatu nilai X tertentu akantdp banyak kemungkinan nilai-nilaiY (Y akan terdistribusi mengikutisuatu fungsi peluang tertentu Distribusi Normal) dengan Nilai
rata-rata E(Y) dan Nilai varians 2tertentu
Nilai rata-rata E(Y) diasumsikanberubah secara sistematikmengikuti perubahan nilai X, yg
digambarkan dalam bentuk garislinier
Nilai varians 2 pada setiap nilai Xakan sama
-
8/17/2019 1-ANALISIS REGRESI
10/13
Agung Priyo Utomo (STIS Jakarta) 10
PROSEDUR DALAM ANALISIS
REGRESI1. Identifikasi dan pembentukan model
2. Pendugaan parameter model
3. Pengujian keberartian parameter4. Penilaian ketepatan model ( goodness of fit) dan
pemeriksaan asumsi
-
8/17/2019 1-ANALISIS REGRESI
11/13
Agung Priyo Utomo (STIS Jakarta) 11
Relationship can be
represented by line of best fit
IDENTIFIKASI MODELContoh Ploting Data Car Age vs Price
Scatter plot
(diagram pencar)
Berguna utkmengidentifikasi modelhubungan antara variabel Xdan Y.
Bila pencaran titik-titik
pada plot ini menunjukkanadanya suatukecenderungan (trend) yanglinier, maka model regresilinier layak digunakan.
0
20
40
60
80
100
120
140
160
180
0 1 2 3 4 5 6 7 8
X
Y
-
8/17/2019 1-ANALISIS REGRESI
12/13
Agung Priyo Utomo (STIS Jakarta) 12
KETERANGAN
Ternyata titik-titik (plotting data) tersebut terlihatmengelompok di sekitar garis lurus
Pada scatter plot tersebut, sebenarnya bisa ditarikbeberapa garis yang dekat terhadap titik-titik tersebut
Tujuan kita di sini adalah1. Mencari garis yang paling tepat
2. Melakukan Peramalan
3. Ingin mengetahui hubungan yang terjadi (seberapabesar pengaruh usia kendaraan terhadap hargajualnya)
-
8/17/2019 1-ANALISIS REGRESI
13/13
Agung Priyo Utomo (STIS Jakarta) 13
Beberapa Contoh Model Regresi Linear
First-Order Model with One Predictor Variable
Second-Order Model with One Predictor Variable
Second-Order Model with Two Predictor Variables with
Interaction
etc.
y x x x x x x 0 1 1 2 2 3 12
4 2
2
5 1 2y x x x x x x 0 1 1 2 2 3 12
4 2
2
5 1 2
y x x 0 1 1 2 12
y x x 0 1 1 2 12
y x 0 1 1
y x 0 1 1