analisis regresi dan korelasi
DESCRIPTION
ANALISIS REGRESI DAN KORELASI. Pertemuan 13 dan 14. Dalam ilmu statistika, teknik yang umum digunakan untuk menganalisis hubungan antara dua atau lebih variabel adalah analisis regresi . - PowerPoint PPT PresentationTRANSCRIPT
ANALISIS REGRESI DAN KORELASI
Pertemuan 13 dan 14
Dalam ilmu statistika, teknik yang umum digunakan untuk menganalisis hubungan antara dua atau lebih variabel adalah analisis regresi.
Model matematis dalam menjelaskan hubungan antar variabel dalam analisis regresi menggunakan persamaan regresi
Dalam suatu persamaan regresi terdapat 2 macam variabel, yaitu :
Variabel dependen (variabel tak bebas) adalah variabel yang nilainya bergantung dari variabel lain. Biasanya dinyatakan dengan Y.
Variabel independen (variabel bebas) adalah variabel yang nilainya tidak bergantung dari variabel lain. Biasanya dinyatakan dengan X.
Prinsip dasar
Dalam membangun suatu persamaan regresi adalah bahwa antara variabel dependen dengan variabel independennya mempunyai sifat hubungan sebab akibat (hubungan kausalitas = causal relationship), baik yang didasarkan pada teori, hasil penelitian sebelumnya, ataupun yang didasarkan pada penjelasan logis tertentu.
Analisis Korelasi Sederhana :
Adalah teknik statistik yang digunakan untuk mengukur keeratan hubungan (korelasi) antara dua variabel.
Ukuran yang menyatakan keeratan hubungan adalah koefisien korelasi.
Koefisien ini bernilai antara –1 sampai dengan +1.
Sebuah langkah awal yang sangat bermanfaat dalam melihat hubungan antara dua variabel adalah menampilkan informasi data ke dalam bentuk diagram pencar.
Koefisien korelasi :
dimana yyxx
xy
JJ
Jr
n
YXXYJ xy
))((
n
XXJ xx
22
)(
n
YYJ yy
22
)(
Koefisien Determinasi
Dihitung dengan mengkuadratkan koefisien korelasi (r2).
Menyatakan besarnya kontribusi variabel X terhadap perubahan variabel Y.
Uji signifikansi koefisien korelasi
Hipotesis nol dan hipotesis alternatifnya adalah :H0 : = 0 H1 : 0
Statistik uji :
dengan
21
2
r
nrt
2nv
•Daerah kritis, H0 ditolak bila
atau vtt
,2
n
tt,
2
•Kesimpulan
Analisis Regresi Linier Sederhana :
adalah suatu teknik yang digunakan untuk membangun suatu persamaan garis lurus dan menentukan nilai perkiraannya
Hanya ada 1 variabel X dan 1 variabel Y. Suatu persamaan garis lurus yang menyatakan
hubungan antara variabel bebas X dan variabel tidak bebas Y, dan digunakan untuk memperkirakan nilai Y berdasarkan nilai X disebut sebagai persamaan regresi
Metode kuadrat terkecil
digunakan untuk menentukan persamaan linier estimasi, berarti memilih satu garis linier dari beberapa kemungkinan garis linier yang dapat dibuat dari data yang ada yang mempunyai kesalahan (error) paling kecil dari data aktual dengan data estimasinya.
Kriteria ini dikenal dengan prinsip kuadrat terkecil (principle of least square).
Prinsip pemilihan garis regresi ini adalah “pilih garis yang mempunyai jumlah kuadrat deviasi nilai observasi Y terhadap nilai Y prediksinya yang minimum sebagai garis regresi yang paling baik”
Persamaan regresi estimasi yang baik secara umum
dimana
bXaY ˆ
adalah nilai estimasi Y berdasarkan X yang dipilih.a adalah titik potong Y. Merupakan nilai perkiraan bagi Y ketika X = 0.b adalah kemiringan garis, atau perubahan rata-rata pada untuk setiap satu unit perubahan (baik naik atau turun) pada variabel X.X adalah sembarang nilai variabel bebas yang dipilih
Y
Nilai a dan b adalah :
nX
X
nYX
XY
J
Jb
xx
xy
22 )(
))((
XbYa
Pengujian Terhadap Koefisien Regresi
Menentukan H0 dan H1 H0 : = 0. H1 : 0. Taraf nyata Statistik uji : Tabel Anova Daerah kritis : jika F hitung > F ; (1, n-2),
maka H0 ditolak Kesimpulan
Tabel Anova
Sumber Variasi db Jumlah Kuadrat
Kuadratrata-rata
F hitung
Regresi 1 JKR JKR / 1 JKR / s2
Galat n – 2 JKG s2 = JKG / (n-2)
Total n - 1 JKT
JKR = b JXY
JKT = JYY
JKG = JKT - JKR
Analisis Regresi Linier Berganda
Bentuk umum :
kk XbXbXbaY .....ˆ2211
Membangun Persamaan Regresi Linier
Berganda dengan Manual
Besarnya koefisien a , b1, dan b2 dapat ditentukan dengan menggunakan tiga persamaan berikut ini
2211 XbXbnaY
2122
1111 XXbXbXaYX
2
2221122 XbXXbXaYX
Persamaan di atas dapat dinyatakan dalam persamaan matriks
YX
YX
Y
b
b
a
XXXX
XXXX
XXn
2
1
2
12
2212
212
11
21
A b H
Jadi = A b = H b = A-1 H , dimana A-1 adalah invers dari A.
Membangun Persamaan Regresi Linier
Berganda dengan Komputer The regression equation isy = - 11.5 + 1.47 x1 + 6.59 x2 Predictor Coef StDev T PConstant -11.452 9.231 -1.24 0.255x1 1.4671 0.5491 2.67 0.032x2 6.588 4.550 1.45 0.191 S = 7.889 R-Sq = 88.7% R-Sq(adj) = 85.5%
Analysis of Variance Source DF SS MS F PRegression 2 3427.9 1714.0 27.54 0.000Error 7 435.7 62.2Total 9 3863.6
Koefisien Korelasi Linier Berganda (KKLB)
Jika ingin diketahui kuatnya hubungan antara variabel Y dengan beberapa variabel X lainnya.
Apabila KKLB dikuadratkan, maka akan diperoleh Koefisien Penentuan (Koefisien Determinasi), yaitu suatu nilai untuk mengukur besarnya sumbangan dari beberapa variabel X terhadap variasi (naik turunnya) variabel Y.
SST
SSRrKP y 12.
2