REGRESI(1) UPI 2010.pdf
-
Upload
nolwing-sheers -
Category
Documents
-
view
231 -
download
0
Transcript of REGRESI(1) UPI 2010.pdf
-
7/24/2019 REGRESI(1) UPI 2010.pdf
1/22
REGRESITri Indri Hardini
-
7/24/2019 REGRESI(1) UPI 2010.pdf
2/22
REGRESI
Suatu metode statistik yang berupayamemodelkan hubungan antara dua variabeldi mana satu variabel mempengaruhivariabel lainnya
Merupakan prediksi atau ramalan yangdinyatakan dalam satu fungsi dari sejumlah
faktor-faktor yang menentukan danmempengaruhi prediksi tersebut
-
7/24/2019 REGRESI(1) UPI 2010.pdf
3/22
Model regresi sederhana : variabel terikatdan bebas yang terlibat hanya ada satu
Model regresi berganda : ada satu variabel
terikat dan beberapa variabel bebas
Model ekonometrik : variabel terikat danvariabel bebas yang terlibat lebih dari satu
-
7/24/2019 REGRESI(1) UPI 2010.pdf
4/22
Model Regresi dengan Satu
Variabel Bebas
Regresi Linier Sederhana : = a+bXRegresi Parabola : = a + bX + cX2
Regresi Hiperbola : = 1 / (a + bX)
-
7/24/2019 REGRESI(1) UPI 2010.pdf
5/22
Model Regresi Linier Sederhana
Variabel bebas (X) mempengaruhi variabelterikat (Y) secara linier
= a+bXRumus nilai a :
Rumus nilai b :
22
2
)(
))(())((
XXn
XYXYXa
22 )(
))((
XXn
YXXYnb
-
7/24/2019 REGRESI(1) UPI 2010.pdf
6/22
Contoh :
Data dari dua buah variabel yaitu variabelintelegensi (X) dan variabel hasil belajar (Y)adalah sebagai berikut :
X 90 100 100 95 105 110 105 105 115 120
Y 70 75 80 80 85 85 85 90 95 100
-
7/24/2019 REGRESI(1) UPI 2010.pdf
7/22
Diagram :
0
20
40
60
80
100
120
0 20 40 60 80 100 120
-
7/24/2019 REGRESI(1) UPI 2010.pdf
8/22
Tabel Penyebaran Nilai :
X Y X2 Y2 XY
120 100 14400 10000 12000
115 95 13225 9025 10925
110 85 12100 7225 9350
105 90 11025 8100 9450105 85 11025 7225 8925
105 85 11025 7225 8925
100 80 10000 6400 8000
100 75 10000 5625 7500
95 80 9025 6400 7600
90 70 8100 4900 6300
1045 845 109925 72125 88975
-
7/24/2019 REGRESI(1) UPI 2010.pdf
9/22
X
120 104.5 15.5 240.25
115 104.5 10.5 110.25110 104.5 5.5 30.25
105 104.5 0.5 0.25
105 104.5 0.5 0.25105 104.5 0.5 0.25
100 104.5 -4.5 20.25
100
104.5 -4.5 20.2595 104.5 -9.5 90.25
90 104.5 -14.5 210.25
0 722.5
X XX 2)( XX
-
7/24/2019 REGRESI(1) UPI 2010.pdf
10/22
Y
100 84.5 15.5 240.25
95 84.5 10.5 110.2585 84.5 0.5 0.25
90 84.5 5.5 30.25
85 84.5 0.5 0.2585 84.5 0.5 0.25
80 84.5 -4.5 20.25
75 84.5 -9.5 90.2580 84.5 -4.5 20.25
70 84.5 -14.5 210.25
0 722.5
Y YY 2)( YY
-
7/24/2019 REGRESI(1) UPI 2010.pdf
11/22
77.1276816609.12
1092025)10992510(
)889751045()845109925(
)(
))(())((22
2
x
xx
XXn
XYXYXa
-
7/24/2019 REGRESI(1) UPI 2010.pdf
12/22
93.09307958478.0
1092025)10992510(
)8451045()8897510(
)(
))((22
x
xx
XXn
YXXYnb
-
7/24/2019 REGRESI(1) UPI 2010.pdf
13/22
Variasi masing-masing variabel :
28.8027777778.809
5.722
1
2
n
SSS xx
28.8027777778.809
5.722
1
2
n
SSS
y
y
Catatan :SS : Sum of squares(jumlah kuadrat) yaitu jumlahkuadrat simpangan masing-masing nilai dan rata-
ratanya
-
7/24/2019 REGRESI(1) UPI 2010.pdf
14/22
Sum of squares utk regresi a :
5.7140210:714025)(
2
nYSSa
-
7/24/2019 REGRESI(1) UPI 2010.pdf
15/22
Sum of squares utk regresi b/a :
425.625}]10:)8451045{88915[93.0
))((/
x
n
YX
XYbSS ab
-
7/24/2019 REGRESI(1) UPI 2010.pdf
16/22
Sum of squares sisa :
abasisa SSSSYSS /2
075.97425.6255.7140272125
-
7/24/2019 REGRESI(1) UPI 2010.pdf
17/22
Mean squaresregresi a :
MSa = SSa/ dk SSa= 71402.5 : 1 = 71402.5
Catatan : dk (derajat kebebasannya 1)
-
7/24/2019 REGRESI(1) UPI 2010.pdf
18/22
Mean squaresregresi b/a :
MSb/a = SSb/a/ dk SSb/a
=625.425 : 1 = 625.425
-
7/24/2019 REGRESI(1) UPI 2010.pdf
19/22
Mean squaresregresi sisa :
MSsisa = SSsisa/ dk SSsisa
= 97.075 : 8 = 12.134375
Catatan : dk sisa : n - 2
-
7/24/2019 REGRESI(1) UPI 2010.pdf
20/22
Hitung nilai F :
F = MSb/a : MSsisa= 625.425 : 12.134375
= 51.54159155= 51.54
-
7/24/2019 REGRESI(1) UPI 2010.pdf
21/22
Bandingkan nilai F hitung dengan F tabel.
Alpha sebesar 0,01 maka F = 11,26F tabel < F hitung, maka hipotesis kerja
diterima
Persamaan regresi linier = -12.77+0.93Xdapat digunakan untuk melakukan prediksi
-
7/24/2019 REGRESI(1) UPI 2010.pdf
22/22
Merci beaucoup.