際際滷

際際滷Share a Scribd company logo

Analisis Regresi Upload

Download as PPT, PDF
G
guestb59a8c8

Analisis regresi digunakan untuk memodelkan hubungan antara variabel dependen dan independen secara matematis. Terdapat dua jenis regresi: linier sederhana (satu variabel independen) dan linier berganda (lebih dari satu variabel independen). Langkah-langkahnya meliputi merumuskan model, mengestimasi parameter, menguji signifikansi model, dan memeriksa asumsi residual.

1 of 11
Downloaded 248 times
ANALISIS REGRESI
Analisis regresi adalah analisis statistika yang bertujuan untuk menaksir atau meramalkan dengan terlebih dahulu mencari pola hubungan yang dapat digambarkan secara matematis antara dua variabel atau lebih. - Model yang menggambarkan hubungan antara variabel independent (X) dengan variabel dependent (Y) adalah : Y= f(X) - Dalam persamaan regresi jika hanya mengandung satu variabel independent disebut Regresi Linier Sederhana dan jika dalam model regresi tersebut mengandung lebih dari satu variabel independent disebut Regresi Linier Berganda Definisi Analisis Regresi
Merumuskan atau mendefinisikan hal-hal yang akan dimodelkan berdasarkan teori atau percobaan sebelumnya Menetukan pola hubungan ( Linier atau Non-linier ) Mengestimasi model parameter regresi Menguji signifikasi model regresi Pemeriksaan asumsi residual Korelasi Linear Koefisien korelasi. Ukuran hubungan linear antara dua variabel X dan Y diduga dengan koefisien korelasi, yaitu Langkah-langkah dalam Pemodelan Regresi
Suatu model regresi dasar yang hanya melibatkan satu variabel independen dan fungsi regresinya bersifat linier . Modelnya : Dimana : = N ilai variabel respons dalam peng amatan ke-i dan = P arameter = K onstanta yang diketahui yaitu variabel independen dari pengamatan ke-i = E rror atau residual dari estimasi pada peng amatan ke-i Model Regresi Linier Sederhana
Metode regresi linear berganda dapat digunakan untuk melihat pengaruh beberapa peubah penjelas atau peubah bebas (x) terhadap satu peubah tak bebas (y). Modelnya : Asumsi-asumsi : Normalitas, tiap 竜i mengikuti distribusi normal, 竜i ~ N(0, 2 ). Non autokorelasi antar sisaan, berarti cov (竜i,竜j) = 0. Homoskedastisitas, var (竜i) = 2 untuk setiap i, i= 1,2,,n yang artinya varians dari semua sisaan adalah konstan atau homoskedastik. Tidak terjadi multikolinearitas. Tidak terdapat hubungan linear yang sempurna atau pasti di antara beberapa atau semua variabel yang menjelaskan model regresi. Analisis Regresi Linier Berganda
Analisis varians merupakan suatu cara yang dapat digunakan dalam teknik pemisahan (dekomposisi) variasi yang terdapat dalam model . Analisis Varians Sumber variasi Derajat Bebas Jumlah Kuadrat (SS) Kuadrat Tengah (MS) Karena regresi 1 b 1 S xy Karena error n-2 Total n-1
Pengujian Model Uji Serentak Uji parsial Hipotesis : H 0 : H 1 : Minimal ada satu yang tidak sama dengan nol Statistik uji : F hit = DP : Tolak H 0 jika F hit > F a,p,n-p-1 Hipotesis: H 0 : 硫 i = 0 H 1 : 硫 i 0 Statistik uji : DP : Tolak H 0 jika |t| > t a/2,n-p-1
Koefisien determinasi ini dikenal dengan besaran R 2 . Koefisien determinasi digunakan untuk mengetahui proporsi varians variabel tidak bebas yang dijelaskan oleh variabel bebas secara bersama-sama atau secara verbal R 2 mengukur proporsi (bagian) atau persentase total variasi dalam Y yang dijelaskan oleh model regresi (Gujarati, 1999). R 2 diperoleh dengan rumus : Koefisien Determinasi
Untuk mengetahui apakah model persamaan yang digunakan sudah memenuhi asumsi-asumsi regresi tersebut maka perlu dilakukan pemeriksaan pada masing-masing asumsi Analisis Residuals Uji Gletser Hipotesis: H 0 : I 2 = 2 2 == n ( tidak ada heteroskedatisitas) H 1 : minimal ada 1 i j (terjadi heteroskedatisitas) Statistik uji : F hit = Daerah Kritis : Tolak H 0 jika |F hit |>F ￥誌 n-2 Asumsi Pemeriksaan Plot Pengujian hipotesis Identik e i terhadap 天 i Uji gletser Independen e i terhadap i Uji durbin Watson Distribusi normal i terhadap e i Kolmogorov smirnov
Uji Durbin-Watson hipotesis : H 0 : i = 0 (tidak ada otokorelasi) H 1 : i = 0 (terjadi otokorelasi) Statistik uji : Daerah Kritis : Jika d u < d hit < 4 d u maka terima H 0 tidak ada otokorelasi antar residualnya. Jika d hit < d L atau dhit > 4 d L maka tolak H 0 yang artinya terjadi otokorelasi pada residualnya Jika d L < d hit < d u atau 4 d u < d hit < 4 d L maka tidak dapat disimpulkan apakah terjadi otokorelasi atau tidak pada residualnya . Uji Kolmogorov-Smirnov Hipotesis : H 0 : Residual data berdistribusi normal H 1 : Residual data tidak berdistribusi normal Statistik uji : D = sup |F n (x)-F 0 (x)| Daerah kritis : Tolak H 0 jika p-value < 留
Terima Kasih

More Related Content

Analisis Regresi Upload

  • 2. Analisis regresi adalah analisis statistika yang bertujuan untuk menaksir atau meramalkan dengan terlebih dahulu mencari pola hubungan yang dapat digambarkan secara matematis antara dua variabel atau lebih. - Model yang menggambarkan hubungan antara variabel independent (X) dengan variabel dependent (Y) adalah : Y= f(X) - Dalam persamaan regresi jika hanya mengandung satu variabel independent disebut Regresi Linier Sederhana dan jika dalam model regresi tersebut mengandung lebih dari satu variabel independent disebut Regresi Linier Berganda Definisi Analisis Regresi
  • 3. Merumuskan atau mendefinisikan hal-hal yang akan dimodelkan berdasarkan teori atau percobaan sebelumnya Menetukan pola hubungan ( Linier atau Non-linier ) Mengestimasi model parameter regresi Menguji signifikasi model regresi Pemeriksaan asumsi residual Korelasi Linear Koefisien korelasi. Ukuran hubungan linear antara dua variabel X dan Y diduga dengan koefisien korelasi, yaitu Langkah-langkah dalam Pemodelan Regresi
  • 4. Suatu model regresi dasar yang hanya melibatkan satu variabel independen dan fungsi regresinya bersifat linier . Modelnya : Dimana : = N ilai variabel respons dalam peng amatan ke-i dan = P arameter = K onstanta yang diketahui yaitu variabel independen dari pengamatan ke-i = E rror atau residual dari estimasi pada peng amatan ke-i Model Regresi Linier Sederhana
  • 5. Metode regresi linear berganda dapat digunakan untuk melihat pengaruh beberapa peubah penjelas atau peubah bebas (x) terhadap satu peubah tak bebas (y). Modelnya : Asumsi-asumsi : Normalitas, tiap 竜i mengikuti distribusi normal, 竜i ~ N(0, 2 ). Non autokorelasi antar sisaan, berarti cov (竜i,竜j) = 0. Homoskedastisitas, var (竜i) = 2 untuk setiap i, i= 1,2,,n yang artinya varians dari semua sisaan adalah konstan atau homoskedastik. Tidak terjadi multikolinearitas. Tidak terdapat hubungan linear yang sempurna atau pasti di antara beberapa atau semua variabel yang menjelaskan model regresi. Analisis Regresi Linier Berganda
  • 6. Analisis varians merupakan suatu cara yang dapat digunakan dalam teknik pemisahan (dekomposisi) variasi yang terdapat dalam model . Analisis Varians Sumber variasi Derajat Bebas Jumlah Kuadrat (SS) Kuadrat Tengah (MS) Karena regresi 1 b 1 S xy Karena error n-2 Total n-1
  • 7. Pengujian Model Uji Serentak Uji parsial Hipotesis : H 0 : H 1 : Minimal ada satu yang tidak sama dengan nol Statistik uji : F hit = DP : Tolak H 0 jika F hit > F a,p,n-p-1 Hipotesis: H 0 : 硫 i = 0 H 1 : 硫 i 0 Statistik uji : DP : Tolak H 0 jika |t| > t a/2,n-p-1
  • 8. Koefisien determinasi ini dikenal dengan besaran R 2 . Koefisien determinasi digunakan untuk mengetahui proporsi varians variabel tidak bebas yang dijelaskan oleh variabel bebas secara bersama-sama atau secara verbal R 2 mengukur proporsi (bagian) atau persentase total variasi dalam Y yang dijelaskan oleh model regresi (Gujarati, 1999). R 2 diperoleh dengan rumus : Koefisien Determinasi
  • 9. Untuk mengetahui apakah model persamaan yang digunakan sudah memenuhi asumsi-asumsi regresi tersebut maka perlu dilakukan pemeriksaan pada masing-masing asumsi Analisis Residuals Uji Gletser Hipotesis: H 0 : I 2 = 2 2 == n ( tidak ada heteroskedatisitas) H 1 : minimal ada 1 i j (terjadi heteroskedatisitas) Statistik uji : F hit = Daerah Kritis : Tolak H 0 jika |F hit |>F ￥誌 n-2 Asumsi Pemeriksaan Plot Pengujian hipotesis Identik e i terhadap 天 i Uji gletser Independen e i terhadap i Uji durbin Watson Distribusi normal i terhadap e i Kolmogorov smirnov
  • 10. Uji Durbin-Watson hipotesis : H 0 : i = 0 (tidak ada otokorelasi) H 1 : i = 0 (terjadi otokorelasi) Statistik uji : Daerah Kritis : Jika d u < d hit < 4 d u maka terima H 0 tidak ada otokorelasi antar residualnya. Jika d hit < d L atau dhit > 4 d L maka tolak H 0 yang artinya terjadi otokorelasi pada residualnya Jika d L < d hit < d u atau 4 d u < d hit < 4 d L maka tidak dapat disimpulkan apakah terjadi otokorelasi atau tidak pada residualnya . Uji Kolmogorov-Smirnov Hipotesis : H 0 : Residual data berdistribusi normal H 1 : Residual data tidak berdistribusi normal Statistik uji : D = sup |F n (x)-F 0 (x)| Daerah kritis : Tolak H 0 jika p-value < 留