• Tidak ada hasil yang ditemukan

Regresi linear intrinsik.

N/A
N/A
Protected

Academic year: 2017

Membagikan "Regresi linear intrinsik."

Copied!
99
0
0

Teks penuh

(1)
(2)
(3)

K I S N I R T N I R A E N I L I S E R G E R

H A L A K A M

t a r a y S u t a S h a l a S i h u n e m e M k u t n U n a k u j a i D

a k it a m e t a M a n a jr a S r a l e G h e l o r e p m e M

a k it a m e t a M i d u t S m a r g o r P

: h e l O

O K O M T A O W R U P Y R E H S U N A I R O L F

0 : M I

N 83114005

A K I T A M E T A M N A S U R U J A K I T A M E T A M I D U T S M A R G O R P

N A D S N I A S S A T L U K A

F TEKNOLOGI

A M R A H D A T A N A S S A T I S R E V I N U

A T R A K A Y G O Y

(4)

i

K I S N I R T N I R A E N I L I S E R G E R

H A L A K A M

t a r a y S u t a S h a l a S i h u n e m e M k u t n U n a k u j a i D

a k it a m e t a M a n a jr a S r a l e G h e l o r e p m e M

a k it a m e t a M i d u t S m a r g o r P

: h e l O

O K O M T A O W R U P Y R E H S U N A I R O L F

0 : M I

N 83114005

A K I T A M E T A M N A S U R U J A K I T A M E T A M I D U T S M A R G O R P

N A D S N I A S S A T L U K A

F TEKNOLOGI

A M R A H D A T A N A S S A T I S R E V I N U

A T R A K A Y G O Y

(5)

ii

N O I S S E R G E R R A E N I L Y L L A C I S N I R T N I

APAPER

s t n e m e ri u q e R e h t f o t n e m ll if l u F l a it r a P s A d e t n e s e r P

m a r g o r P y d u t S s c it a m e h t a M f o r o l e h c a B e h t n i a t b O o T

: y b n e tt i r W

O K O M T A O W R U P Y R E H S U N A I R O L F

t n e d u t

S ID :083114005

M E H T A

M ATICSSTUDYPROGRAMMATHEMATICSDEPARTEMENT Y

G O L O N H C E T D N A E C N E I C S F O Y T L U C A F

Y T I S R E V I N U A M R A H D A T A N A S

A T R A K A Y G O Y

(6)
(7)
(8)

v

N A S I L U T N A I L S A E K N A A T A Y N R E P

a y a

S menyatakan dengan sesungguhnyabahwamakalah yang sayatu ils ii n itdak t

a u m e

m karya ua ta bagian karyaorang l ain ,kecual iyangt elah disebutkandalam n

a p it u

k nd a datfarpustaka,s ebagaimanalayaknyakarya limiah .

, a tr a k a y g o

Y 5Agustu s2015 s

il u n e P

s u n a ir o l

(9)

i v

N A H A B M E S R E P N A M A L A H

a y r a

K ii n penuilspersembahkankepada: n

a h u

T Yesus nd a BundaMairaataskasih nd a rahmat-Nyayangmeilmpah . a

u d e

K orangtua ,Bapak IMade Dwi Wanto nd ua I b Ketut Sudanit ,adik Yosep , p

a n e g e

s keluargasetrasabahat-sahabatsemuanya . h

i s a k a m ir e

(10)

ii v

N A U J U T E S R E P N A A T A Y N R E P R A B M E L

S I M E D A K A N A G N I T N E P E K K U T N U H A I M L I A Y R A K I S A K I L B U P

n a g n a t a d n a tr e b g n a y a y a

S id bawah :ii n

a m a

N :Flo iranusH eryPurwoatmoko M

I

N :083224005 n a g n a b m e g n e p i m e

D li mu pengetahuan ,saya membeirkan kepada perpustakaan i

n

U verstiasSanataDharmakarya limiahsayayangbejrudu :l K I S N I R T N I I S E R G E R S I S I L A N A n

a g n e

D demikian saya membeirkan kepada perpustakaan Universtias Sanata k

a h a m r a h

D untukmenyimpan ,mengailhkandalambentukmedial ain ,mengelola m

a l a

d bentuk pangkalan data , mendistirbusikannya secara terbatas , dan k

u t n u n i a l a i d e m u a t a t e n r e t n i i d a y n n a k i s a k il b u p m e

m kepen itngan akademis

a p n a

t pelru meminta ni ij d air saya maupun royatly kepada saya selama tetap n

a k m u t n a c n e

m namasayasebagaipenuils . n

a a i k i m e

D pernyataa ini n sayab uatdengansebenarnya , .

a tr a k a y g o Y i d t a u b i D

a d a

P tanggal :5Agustu s2015 n

a k a t a y n e m g n a Y

s u n a ir o l

(11)
(12)
(13)

x

R A T N A G N E P A T A K

r u k u y

S Kepada Tuhan Yang Maha aE s a tas segala cinta nd a kasih-Nya yang h

a p m il r e

b sehingga penuils dapat menyelesaikan makalah ii n untuk memenuhi s

a g u

t akhri dalam menempuh gelar Sajrana (S1 )d iUniverstiasSanata Dharma .

a tr a k a y g o Y

a m a l e

S penuilsan makalah ini , penuils menyadair banyak pihak yang telah n

a r e p r e

b besar dalam membeirkan dukungan ,bimbingan nd a bantuannya .Oleh s

il u n e p , u ti a n e r a

k mengucapkante irmakasihyangs ebesar-besarnyakepada:

.

1 BapakI .rI g .A ir sDwiatmoko ,M.Sc. ,selaku dosen pembimbingmakalah n a s il u n e p a m a l e s s il u n e p i g n i p m a d n e m n a d g n i b m i b m e m h a l e t g n a y

.i n i h a l a k a m .

2 P.H .P irmaRosa ,S.S.i ,M.Sc ,selakuDekanFakutla sSain sdanTeknolog i .

a tr a k a y g o Y a m r a h D a t a n a S s a ti s r e v i n U .

3 Y.G . Hatrono , M.Sc. , Ph.D.s,elaku Ketua Program Stud i Matemaitka .

a tr a k a y g o Y a m r a h D a t a n a S s a ti s r e v i n U .

4 MV . Any Herawait , M.Si . selaku dosen penguj i yang telah banyak .

n a k u s a m n a k ir e b m e m .

5 BapakZ .Tukjiayangt elahmembantuprose sadminisrtas.i .

6 PerpustakaanUSD yang t elah membantumenyediakanbahan danf aslitia s .

(14)

i x .

7 Ma sSuslio selaku l aboran yang t elah membantumenyediakan f aslitia sd i .

m u ir o t a r o b a l .

8 Bapak IMadeDw iWantodanI buKetu tSudant,is elakuorangt uapenuils , n a u t n a b n a d , a o d , n a g n u k u d a u m e s s a t a a g r a u l e k a u m e s n a d , p e s o Y k i d a

.s il u n e p i g a b .

9 Teman terdeka t Yuilana Marsheyla yang dengan saba r dan seita a

o d , t a g n a m e s n a k ir e b m e

m dan perhaitan bag i penuil s dalam .i

n i h a l a k a m n a k i a s e l e y n e m . 0

1 Teman-teman Atmo ,Etus ,Theo ,Wowok ,dan yang lainnya yang selalu i

n i h a l a k a m n a s il u n e p m a l a d n a u t n a b n a d n a g n u k u d n a k ir e b m e m . 1

1 Teman-temand iProd iMatemaitkayangt elahbejruangbersama. .

2

1 Semuapihakyangt elahmembantudalampenuilsamakalahi n.i

s il u n e

P menyada ir masih adanya kekurangan-kekurangan dalam karya tuils ini . k

it ir

K dan saran yang membangun dem ikesempurnaan makalah ii n merupakan n

a t a m r o h e

k b agipenuil .s

, a tr a k a y g o Y

s il u n e P

s u n a ir o l

(15)

ii x

I S I R A T F A D

n a m a l a H

L U D U J N A M A L A

H ... i

N A U J U T E S R E P N A M A L A

H ... iii ....

N A H A S E G N E P N A M A L A

H ... iv ....

N A M A L A

H PERNYATAANKEASLIANTULISAN... v

N A H A B M E S R E P N A M A L A

H ... i.. v

K A R T S B

A ... iiv i

T C A R T S B

A ... xi

R A T N A G N E P A T A

K ... x

I S I R A T F A

D ... iix

L E B A T R A T F A

D ... vx

R A B M A G R A T F A

D ... x vi

N A U L U H A D N E P I B A

B ... 1

.

A Lata rBelakangMasalah ... 1 .. .

B PerumusanMasalah ... 2 .

C PembatasanMasalah ... 2 .

(16)

ii i x .

E Manfaa tPenuilsan ... 3 .

F MetodePenuilsan ... 3 .

G SistemaitkaPenu ilsan ... 3

I R O E T N A S A D N A L I I B A

B ... 5 ....

.

A Mode lRegres iLinear... 5 .

B MetodeKuadratTerkecli... 6 .. .

C SfiatPendugaanKuadratTerkecli nd a Penduga ird a �2..................... 1 0

.

D U ijHipotesis d mala RegresiBerganda ... 1 2 )

a U ijSigni ifkansiRegresi ... 1 3 )

b KoeifsienDeterminasi () ................................................... 1 4

)

c PenguijanTerhadapKoeifsienRegresiIndividu... 1 9 )

d SelangKepercayaandalamRegresiBerganda... 2 0 )

e Asumsi-Asums iMode lRegresi... 2 2

I I I B A

B MODELLINEARI NTRINSIK... 3 5

.

A MunculnyaGagasanRegres iLinearI ntirnsik ... .. 3 5 )

a Regres iNonilnear ... 3 6 )

b Macam-MacamMode lLinearI ntirnsik... 3 9 .

B Tahap-TahapPengenalanMode lBerdasarkanD ata ... 4 5

V B A

B IPENUTUP ... 6 1

.

A Kesimpulan ... 6 1 .

(17)

v i x A

K A T S U P R A T F A

D ... 6 2

N A R I P M A

(18)

v x

L E B A T R A T F A D

1 . 2 l e b a

T ... 7

2 l e b a

T . 2... 1 4

3 . 2 l e b a

T ... 2 9

1 . 3 l e b a

T ... 4 7

2 . 3 l e b a

T ... 5 0

3 . 3 l e b a

(19)

i v x

R A B M A G R A T F A D

1 . 3 r a b m a

G ... .. 4 3

2 . 3 r a b m a

G ... .. 4 3

3 . 3 r a b m a

G ... .. 4 8

4 . 3 r a b m a

G ... .. 4 8

5 . 3 r a b m a

G ... .. 4 9

6 . 3 r a b m a

G ... .. 5 1

7 . 3 r a b m a

G ... .. 5 1

8 . 3 r a b m a

G ... .. 5 3

9 . 3 r a b m a

G ... .. 5 4

0 1 . 3 r a b m a

G a ... 5 6

b 0 1 . 3 r a b m a

(20)
(21)

Masalah akan muncu lkeitka mode lyang dihadap iadalah mode l ilnea r .r

a e n il n o n l e d o m n a d k i s n ir t n

i Metode kuadra tterkeci l itdak dapa tlangsung n

, n a k a n u g i

d amun , karena mode l ilnea r intirnsik dapa t dirtansformasikan i

d a j n e

m mode l ilnear , sedangkan mode l nonilnea r itdak dapa t n

a k i s a m r o f n a rt i

d ,makapendugaa n mode l ilneari ntirnsik dapa tmenggunakan l

i c e k r e T t a r d a u K e d o t e

M sebagaimanamode lilnea rbiasa . n

a s u m u r e P .

B Masalah

Perumusanmasalahdalampendugamodelr egres iilneari nt irnsikadalah .

1 Apayangdimaksuddenganr egres iilneari ntirnsik? .

2 Bagaimana langkah-langkah dalam menduga mode l regres i ilnea r ?

k i s n ir t n i .

3 Bagaimana menentukan baik itdaknya hasi lpendugaan mode l regresi k

i s n ir t n i r a e n

il ?

.

C PembatasanMasalah

.

1 Dalam tuga s akhi rini , pembahasan akan dtiekankan pada pendugaan r

a e n il g n a y l e d o

m intirnsik . .

2 Mater iprasyara tyang dibaha shanya yang berkatian langsung dengan .

k o k o p i r e t a m

n a s il u n e P n a u j u T . D

jTu uan dar ipenuilsan tuga sakhi rin iadalah untuk mengetahu isecara l

e d o m n a a g u d n e p g n a t n e t m a l a d n e m h i b e

l regres iilneari nt irnsikdankegunaan .t

(22)
(23)

.

D Uj iHipotesi sdanRegres iBerganda M

. I I I B A

B ODELLINEARI NTRINSIK .

A MunculnyaGagasanRegres iLinearI ntirnsik .

B Tahap-TahapPengenalanMode lBerdasarkanData .

V I B A

B PENUTUP .

A Kesimpulan .

(24)
(25)
(26)

l a s i m , s a b e b l e b a ir a

v ��� yangmenyatakanpengamatan ke� dar ivairabe l � ke

� .Data dtiunjukkan pada tabe l2.1 . Misa l� adalah galat ,�2 menyatakan ,

i s n a ir a

v �(�) menyatakan rata-rata galat ,dan var(� )menyatakan vairans i a

w h a b n a k i s m u s a i d i n i n a t a m a g n e p a d a P . t a l a

g �(�) = 0 dan var(� )=�2dan

{��}menyatakanvairabe lacakyang itdakberkorelasi .

�1 �1 1 �1 2 … �1�

�2 �2 1 �2 2 … �2�

⋮ ⋮ ⋮ ⋮

�� ��1 �2 … �

l e b a

T 2.1StrukturDatauntukRegres iLinearBerganda

l e b a t a d a p t a p a d r e t g n a y n a t a m a g n e p n a k r a s a d r e b s il u ti d n a k a 1 . 2 n a a m a s r e P

u ti a y 1 . 2

= �0+ �1�1+ �2�2+ … + ���+ ��

= �0+ ∑�=1� ����� + �� , � = 1, 2, ⋯ , � (2.6)

u K e d o t e

M adra tTerkeci l dtierapkan pada persamaan 2.6 betrujuan untuk a

g u d n e p n a k u t n e n e

m � sedemikian sehingga j umlah kuadra tgala t�� ,yatiu � .

m u m i n i m i d a j n e m

� = ∑��=1��2

= ∑ ���− �0− ∑��=1����� � 2 �

�=1 (2.7)

i s g n u

F � diminimalkan terhadap �0 , �1 ... � . Misa l �0, �1, … �� adalah r

e t e m a r a p i g a b l i c e k r e t t a r d a u k a g u d n e

p �0, �1, ⋯ , �� . Penduga kuadra t i

(27)
(28)
(29)

h a l a d a ) 3 1 . 2 ( n a a m a s r e p a d a p r a l a k s a g u d n e P

= �0+∑��=1����� , � = 1, 2, … , �

l a s i

M ��= �− �� adalahr esidual ,yatiu seilsih antarapengamatan �dan nlia i

��� .Vektorr esidua lyangberukuran(� × 1)d tiamplikandalambentuk

� = � − �� (2.14)

i r a d a g u d n e P n a d l i c e k r e T t a r d a u K n a a g u d n e P t a fi S . 3 .

2 ��

Metode kuadratt erkeci lmenghaslikan penduga t akbia sbag iparamete r�

a li B . a g u d i d g n a y r e t e m a r a p n a g n e d a m a s a y n n a p a r a h i a li n g n a y a g u d n e p u ti a y

� adalah pendugakuadratt erkecli ,sfiati n idapa tdtiunjukkan dengan mencar i n

a p a r a h i a li

n � sebaga ibeirkut :

�(�) = �[(�′�)−1�′�]

= �[(�′�)−1�′( �� + �)]

= �[(�′�)−1� + (�′�) −1�′�]

= �

a n e r a

K � (�) = � dan(�′�)−1�′� = �maka adalah pendugat akbia sdar i � .Sfia tvairans i�dinyatakanolehmatirk skovairans ibeirkut

� �

� (�) = �{[� − �(�)][� − �(�)]′}

s k ir t a m i s n a ir a v o

K �adalah matirk ssimetir s(� × �)yang elemen ba ir ske�

e k m o l o

k �(untukseterusnyad tiuil ske�� )adalahvairans idair(��)danelemen e

k g n a

y ��adalahkovairans iantara��dan�� .Kovairans imat irk s�

� �

(30)

. k i a b r e t r a e n il s a i b k a t a g u d n e p n a k a p u r e m a g u j l i c e k r e t t a r d a u k a g u d n e P

, a y n it r

A � adalah yang terbaik dalam penduga takbia s dengan vairans i a

t n a i d m u m i n i

m ras emuaf ungs iilnea rdar ipengamatan.

t a fi

S -sfia t d i ata s biasanya dipelrukan untuk memperkriakan �2 . Untuk t

a l a g t a r d a u k h a l m u j r e t e m a r a p i r a d a g u d n e p n a k g n a b m e g n e

m ( �� �) ,

� �= ∑ (���=1 �− ���)2

= ∑��=1��2

= �′�

it b u s n a g n e

D tus i� = � − �� = � − �� ,diperoleh

� �= (� − �� )′(� − �� )

= �′� − �� − �� + �′�′ �

= �′� − 2�� + �′�′ �

a n e r a

K �′ �� = �′� ,persamaant erakhi rmenjad i

� �= �′� − �′�′� (2.16)

s a b e b t a j a r e d i k il i m e m n a d , t a l a g t a r d a u k h a l m u j t u b e s i d ) 6 1 . 2 ( n a a m a s r e P

� − �yangt erkai tdengan tiu.Secarakhusu suntuk� = 2 ,

�( �� �) = �[∑ (���=1 �− ���)2] = �[∑ (���=1 �− �0− �1��)2]

= �[∑ (���=1 �− �� + �1�̅ − �1��)2]

= �[∑ [(���=1 �− ��) − �1(��− �̅)]2]

= �[∑ (���=1 �− ��)2+ �12∑ (���=1 �− �̅)2− 2�1∑ (���=1 �− �̅)(��− ��)]

a n e r a

K ∑ (���=1 �− �̅)(��− ��) = ∑ (���=1 �− �̅)2�1 , maka dua persamaan i

d r i h k a r e

(31)

∑ (���=1 �− ��)2= ∑��=1��2− 2��2

u ti a n e r a k h e l o n a d

�[∑ (���=1 �− ��1)2] = �[∑ ���=1 �2− ���2− �11∑ (���=1 �− �̅)2]

= ∑��=1�(��2)− �� (��2) − ∑ (��=1� � − �̅)2�(�12)

k a c a l e b a ir a v p a it e s k u t n u a w h a b t a t a

C � ,�(�2) = �(�) + [�(�)]2 ,maka

�[∑ (���=1 �− ��1)2] = ∑ {�(���=1 �) + [�(��)]2} − �{�(��) + [�(��)]2} − ∑ (���=1 �− �̅)2{�(�1) + [�(�1)]2}

= ��2+ �(�

0+ �1��)2− � �� 2

� +(��+ �1�̅)2� �

�=1

− �(��− �̅)2� � 2

∑ (���=1 �− �̅)2+ �1 2

�=1

i d a j n e m n a k a n a h r e d e s i d g n a y

�( �� �) = �2(� − 2)

Sehinggapendugatakbia sdar i�2dibeirkanoleh

��2= ���

�−2 (2.17)

4 .

2 U Hj i ipotesi sdalamRegres iBerganda

Dalam masalah regres i ilnea rberganda ,suatu uj ihipotesis t entang mode l n a k a i n i n a i g a b a d a P . l e d o m n a it r a r e b e k r u k u g n e m m a l a d u t n a b m e m r e t e m a r a p

i n i r u d e s o r P . g n it n e p g n a y s i s e t o p i h n a ij u g n e p r u d e s o r p a p a r e b e b s a h a b i d

t a l a g n a k i s m u s a g n e

m �� dalam mode l adalah berdistirbus i norma l dan a

t a r n a g n e d n e d n e p e d n

i -ratano ldanvairans ikonstan�2 tetap i itdakdiketahui , t

a k g n i s i

d �~ �� (0, �� 2) . Dengan asums i in i pengamatan

� norma l dan a

t a r n a g n e d n e d n e p e d n i i s u b ir t s i d r e

(32)

i s e r g e R i s n a k if i n g i S i j U 1 . 4 . 2

a m a s r e b h u r a g n e p i j u g n e m u ti a y i s e r g e r i s n a k fi n g i s i j u m a c a m ) a u d ( 2 a d A

i h u r a g n e p n a d s a b e b l e b a ir a

v ndividual .Uj isigniifkans iregres iadalah uj i n

a k u t n e n e m k u t n

u apakah ada hubungan ilnie rantara va irabe lrespon � dan s

a b e b l e b a ir a v i r a d t e s b u

s �1, �2, … , �� .Hipotesi syangs esua iadalah

�0 ∶ �1= �2 = ⋯ = �� = 0

�1 ∶ ��≠ 0 untuksediktinyas atu � (2.18)

n a k a l o n e

P �0di( 2.18 )menunjukkanbahwaseitdaknyaadasatuvairabe lbeba s �1, �2, … , �� berkontirbus i secara signiifkan terhadap model . Prosedu r

l a t o t t a r d a u k h a l m u j i s it r a p n a k t a b il e m n a ij u g n e

p (���) menjad i jumlah

u

k adra tmode l(���) danj umlahkuadra tgala t(���) ,yatiu

� � = �� �+ �� � (2.19)

l o n s i s e t o p i h a k ij g n a r a k e

S �0 ∶ �1= �2 = ⋯ = �� = 0 adalah benar ,maka �

� � / �2 berdist irbus i��2 , d imana deraja t beba s untuk �2 sama dengan v

a y n k a y n a

b airabe l beba s dalam model . Juga dapa t dtiunjukkan bahwa

� � / �2 berdistirbus isebaga i��−�−12 dan ��� dan��� independen. Bukiti n i k

u t n u i j u r u d e s o r p i d n a k u m e ti d t a p a

d �0 ∶ �1= �2= ⋯ = �� = 0 adalah

g n u ti h g n e m

�0=/(�−�−1)��/� =�� (2.20)

k a l o n e m n a

d �0 ijka�0melebih i��,�,�−�−1 .Uiji n ibiasanyadriangkumdalam T

i tr e p e s l e b a t h a u b e

s abe l2.2 .Prosedu ruiji n idisebu tanailsi svairan skarena i

s i s o p m o k e d a d a p n a k r a s a d i

(33)

r e b m u S

i s n a ir a

v kJuumadlraaht Dbeerbaajas t R -kautaadrraatta �0 i

s e r g e

R / �

t a l a

G � − � − 1

l a t o

T � − 1

2 . 2 l e b a T

a n a m i

D ���=���dan ���=�−�−1��� . Karena ��� = ∑ ��2−�∑ �� � �=1 �2

� =

� �=1 �′� − (∑

� �

�=1 )2/� , persamaan2.16d iata sdapa tdtiu ilsulangsebagai

� � = �′� −�∑ �� � �=1 �2

� − ��′�′� −

�∑��=1���2 � �

u a t a

� � = �� �− �� �

h e l

O karena uti jumlahkuadratr egresiadalah

� � = �′�′� −�∑ �� � �=1 �2

� (2.21)

h a l m u

J kuadra tgala tadalah

� � = �′� − �′�′� (2.22)

h a l a d a l a t o t t a r d a u k h a l m u j n a D

� � = �′� −�∑ �� � �=1 �2

� (2.23)

2 . 4 .

2 KoeifsienDeterminasi( ��)

( i s a n i m r e t e d n e i s if e o

K �2 ) adalah koe ifsien yang menjelaskan besarnya .l

e d o m n a g n e d n a k s a l e ji d t a p a d g n a y Y i s n a ir a v e s a t n e s e r

p Koe ifsien

n a k ir e b i D .l e d o m n a k i a b e k n a k s a l e j n e m k u t n u n a k a n u g i d t a p a d i s a n i m r e t e d

n e i s if e o k p e s n o k i a n e g n e m n a r a b m a g n a k ir e b m e m k u t n u n n e V m a r g a i d

(34)
(35)

n a g n a p m i s k u t n e b m a l a d u a t a

�� = ���+ �̂� (2.24)

a k a m , ) 4 2 . 2 ( n a a m a s r e p n a k h a l m u j n e m n a d n a k t a r d a u k g n e m n a g n e D

t u k ir e b i a g a b e s n a a m a s r e p n a k t a p a d i d

∑ ��2= ∑(���+ �̂�)2 (2.25)

a w h a b n a k it k u b i d n a k a ,) 7 2 . 2 ( n a a m a s r e p n a k it k u b m e m m u l e b e

S ∑ ����̂� = 0

a w h a b n a k ir e b i d n a

d ��� = �̂1�� ,maka

� ����̂� = � �̂1���̂�

= �̂1� ���̂�

= �̂1� ��(��− ���)

= �̂1� ��(��− �̂1��)

= �̂1� ����− �̂1� ���̂1��

= �̂1�̂1� ��2− �̂12� ��2

= �̂12� ��2− �̂12� ��2

= 0 (2.26)

n a a m a s r e p n a k ir e b i D

�� = �̂0+ �̂1�� (2.27)

n a a m a s r e p i r a d ) 4 1 . 2 ( n a a m a s r e p n a k g n a r u g n e m n a g n e d a y n t u j n a l e

S �� = �̂0+

�̂1��+ �� didapatkanpersamaanbaru

(36)

�� = �1��+ ��

a g g n i h e

S ��dapa tdidugadengan��� = �̂1��.

y n t u j n a l e

S aakandibuk itkan

∑ ��2= ∑(���+ �̂�)2

= ∑ ���2+ ∑ 2����̂�+ ∑ �̂�2 = ∑(�̂1��)2+ 2 ∑ ����̂�+ ∑ �̂�2

= �12∑ ���2+ ∑ �̂�2 (2.28)

t a p a d ) 8 2 . 2 ( n a a m a s r e p m a l a d l u c n u m g n a y t a r d a u k h a l m u j i a g a b r e B

:t u k ir e b i a g a b e s n a k r a b m a g i d

.

1 ∑ ��2 = ∑(��− ��)2disebuts ebagaij umlahkuadratt ota l( �� �) .

2 �12∑ ���2 disebu tsebaga ijumlah kuadra tregres iatau jumlah kuadra t i

s e r g e r h e l o n a k s a l e ji d t a p a d g n a

y ( �� �) nd a

.

3 ∑ �̂12disebutj umlahkuadra tgala t( �� �)

p a d ) 4 2 . 2 ( n a a a m a s r e p , n i a l a t a k n a g n e

D a tdtiuil sulangmenjadi

� � = �� �+ �� � (2.29)

:i a g a b e s n a k i s i n if e d i d i s a n i m r e t e d n e i s if e o K

�2=��� �

� � (2.30)

Dalamkasu sduavairabe,l

�2=��12∑ ��2 ∑ ��2

Dalamkasu sitgavairabe,l

�2=��2∑ ���2�+��3∑ ���3� ∑ ��2

(37)

�2=��2∑ ���2�+��3∑ ���3�+⋯+���∑ ����� ∑ ��2

∑ ��2= ∑(��− ��)2

= ∑ ��2− ∑ ��2

= ∑ ��2− ���2

= �′� − ���2

�̂2∑ ���2�+ �̂3∑ ���3�+ ⋯ + �̂�∑ ����� = �′�′� − ���2

Dalamnotas imat irk s�2dapa tdtiuil smenjadi

�2=�′�′� − ���2 �′� − ���2 n

e i s if e o

K determinasiberganda�2dideifnisikansebagai

�2=��� �

� �= 1 − � � �

� � (2.31)

�2 adalah ukuran dar ibesarnya pengurangan vairablitia sdiperoleh dengan s

a b e b l e b a ir a v n a k a n u g g n e

m �1, �2, … , �� dalam model .Dar ipeme irksaan a

w h a b k a p m a t ,i s n a ir a v s a ti t n e d i n a a m a s r e p s i s il a n

a 0 ≤ �2 ≤ 1 .Namun ,nlia i

r a s e

b �2 itdak selalu beratr i bahwa mode l regres i adalah yang terbaik . n

a k n u r u n e m t a p a d k a d it l e d o m a d a p l e b a ir a v n a k h a b m a n e

M �2, t elrepa sdar i

. k it s it a t s a r a c e s k a d it u a t a n a k if i n g i s t u b e s r e t n a h a b m a t l e b a ir a v h a k a p a

a n e r a

K �2 nliainya itdak dapa tmenurun ijka dtiambahkan vairabe lbeba s n

a k a n u g g n e m a k u s h i b e l i s e r g e r l e d o m a p a r e b e b , l e d o m m a l a

d staitsitk �2

d e t s u j d a ( n a k i a u s e s i d g n a

y �2) ,dideifnisikansebagai

(38)
(39)

.

4 Tetapkandaerahpenolakan�0sesua idengan�1 pada( 2 ) :

� > �� (�����ℎ ��������� ℎ���������������) � < �� (�����ℎ ��������� ℎ���������������) |�| > ��

2 (�����ℎ �������� ℎ� �������� �� �� � )��

.

5 Lakukanperh tiungan

.

6 Bua tkesimpulan

: n a t a t a

C ��memiilk ideraja tbeba s� − (� + 1) .

, ) 3 3 . 2 ( n a a m a s r e p m a l a d t u b e y n e

P ���2 ,seirng disebu t tsandard error dar i

i s e r g e r n e i s if e o

k ��,yatiu

� ���� = ���2��� (2.34)

n a a m a s r e p m a l a d i j u k it s it a t s s il u n e m k u t n u a m a s g n a y a r a c u ti a n e r a k h e l O

h a l a d a ) 3 3 . 2 (

�0=� ���� (2.35)

4 . 4 .

2 SelangKepercayaandalamRegre isBerganda

Selang kepercayaan in idipelrukan untuk membangun penduga interva l k

u t n u n a a y a c r e p e

k koe ifsien regresi ���� . Pengembangan prosedu r untuk t

a l a g i s m u s a n a k u lr e m e m i n i n a a y a c r e p e k g n a l e s h e l o r e p m e

m {��}berdistirbus i

a t a r n a g n e d n e d n e p e d n i n a d l a m r o

n -ratano ldanvairans i�2 .

Karena penduga kuadra t terkeci l � adalah kombinas i ilnea r dar i a

k a m , n a t a m a g n e

p �terdistirbus inorma ldenganvektorr ata-rata� danmatirk s i

s n a ir a v o

k �2(�′�)−� .Kemudianmasing-masingdairs taitsitk

� = ��−��

(40)

i s u b ir t s i d r e

B dengan deraja tbebas ,d imana adalah elemen ke s

k ir t a m i r a

d ,dan adalahpendugavairan sgalat ,yangdiperoleh dar i .

) 7 1 . 2 ( n a a m a s r e P

Pembentukan selang kepercayaan bag i didasarkan pada staitsitk

yangberdistirbus it-studentdenganderaja tbeba s .

i d r a b m a g i r a

D atas ,dapa tdiduga

n a a y a c r e p e k g n a l e s a k a

M untuk koeifsien regres i , h

a l a d a ,

(41)
(42)
(43)

�ℎ�����=��√� − 2 �1 − ��2

.

4 Uj iRankSpearman

.

a Hipotesis

�0 :itdakadamasalahheterokedasitstias

�1 :adamasalahheterokedasitstias

.

b Penentuan itngkats igni ifkans i(� = 0. 50 )

.

c Krtieirapenguijan

�0dtieirmablia −� ��2, � − 2� ≤ �ℎ����≤ � ��2, � − 2�

�0dtiolak b lia �ℎ� ��� < −� ��2, � − 2� atau �ℎ����>

� ��2, � − 2�

.

d Membua tkeputusan.

Masalah heterokedasitstia s terkai t dengan vairans i dan gala t yang itdak

. n a t s n o

k Metode rtansformas i logartima seirng digunakan untuk mengatas i

.s a ti s it s a d e k o r e t e h h a l a s a m

Asums i3 mengatakan bahwa itdak ada otokorelas ianta rgalat .Otokorelas i

l a s i m , u t n e tr e t e d o ir e p m a l a d t a l a g a n a m i d n a a d a e k u t a u s h a l a d

a �� ,berkorelas i

l a s i m , a y n n i a l e d o ir e p i r a d t a l a g n a g n e

d �� .Salah satu cara mendeteks iadanya

n a k a n u g g n e m i s a l e r o k o t

o uj iDurbin-Watson ,dengan s taitsitkuij

� =∑ (���=2�− ��−1)2 � � �=1

�� : nlia igala tyangdiperolehdar iprose spendugaanmetodekuadra tt erkeci.l

(44)

i a li n n a k t a p a d n e m h a l e t e

S d, l angkah selanjutnyaadalah membandingkann lia id

i a li n n a g n e

d -nlia ik irit sdar i��dan��dairt abels taitsitkDurbin-Watson .

: n a ij u g n e p a ir e ti r K

.

1 Jika� < �� ,makaadaotokorelas ipostifi

.

2 Jika� > 4 − �� ,makaadaotokorelas inegatfi

.

3 Jika� < � < 4 − �� � ,maka itdakadaotokorelasi

.

4 Jika� ≤ � ≤ �� � atau4 − �� ≤ � ≤ 4 − �� ,makadisebu tdaerah

u g a r e

k -raguan .

i s a m r o f s n a rt n a k u k a l e m a r a c n a g n e d i n a g n a ti d t a p a d i s a l e r o k o t o h a l a s a M

n a a m a s r e P . a t a d a d a p a m a tr e p n a a d e b m e

p �� = �0+ �1�1�+ �� hubunganbelraku

t a a s a d a

p � ,makaharu sbelrakuj ugapada� − 1 sehinggamempunya ipersamaan

��−1 = �0+ �1�1�−1+ ��−1 . Dengan mengurang i persamaan petrama dengan

n a a m a s r e p h e l o r e p i d a k a m , a u d e k n a a m a s r e

p ��− ��−1 = �1(�1�− �1�−1) + �� ,

a n a m i

d �� = ��− ��−1 .

Asums i4 menyatakanbahwapendekatanuntukmodelr egres iadalah bersyarat ,

l e b a ir a v i r a d u t n e tr e t i a li n g n u t n a g r e

t � .Oleh karena tiu ,stateg iprakit suntuk

i a li n a d a g n a y h a l a s a m k u t n u a w h a b n a k i s m u s a g n e m n a g n e d h a l a d a i t u k ii d

a ir a

(45)
(46)

. a t a d m a l a d i d a jr e t g n a y s a ti r a e n il o k it l u

m Penghliangan vairabe l yang

ir o e t n a g n e d n a g n a t n e tr e b k a d it h u a j e s n a k u k a li d t a p a d a y n a h s a ti r a e n il o k it l u

m

-n a y i r o e

t gmendasairnya.

Mode l regres i mengasumsikan bahwa gala t � berdist irbus i normal ,

�~�(0, �2) dengan �(�) = 0dan � (�) = � 2 ,sehinggadist irbus idar ivairabe l

s a b e b k a

t � pada persamaan � = �� + � mengikut idistirbus igala t� ,yatiu

o n i s u b ir t s i d r e

b rmal . Oleh karena tiu , rata-rata dan vairans i dar i � dapa t

: t u k ir e b i a g a b e s n a k n u r u ti d

�(�) = �( �� + �) = �( �� ) + �(�)

a n e r a

k �(�) = � ,maka

�(�) = ��(�) = ��

a y n i s n a ir a v n a d

� �

� (�) =� ( ��� � + �) =� ( ��� � ) + �� (�)�

= �2� (�) + � � (�) = 0 + � 2= �2

Jadi ,� berdist irbus i norma ldengan rata-rata �� dan va irans i �2 ,dapa t

i d a j n e m n a k i s a t o n i d

�~�( �� , �2) .

u ti a y , s a ti l a m r o n i j u u t a s h a l a s n a g n e d i s k e t e d i d t a p a d t a l a g n a l a m r o n e K

v o r o g o m l o

K -Smirnov .Langkah-langkah pengu ijan Kolmogorov-Smirnov sebaga i

(47)
(48)

i s a v r e s b

O �1 �2 �

1 1 95 4 .00 1004

2 2 55 4 .00 1636

3 1 95 4 .60 8 52

4 2 55 4 .60 1506

5 2 25 4 .20 1272

6 2 25 4 .10 1270

7 2 25 4 .60 1269

8 1 95 4 .30 9 03

9 2 55 4 .30 1555

0

1 2 25 4 .00 1260

1

1 2 25 4 .70 1146

2

1 2 25 4 .30 1276

3

1 2 25 4 .72 1225

4

1 2 30 4 .30 1321

3 . 2 l e b a T

l e d o m n u g a b i d n a k

(49)

� =

⎣ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎡11

1 1 1 1 1

5 9 1

5 5 2

5 9 1

5 5 2

5 2 2

5 2 2

5 2 2

4 4 4.6 4.6 4.2 4.1 4.6 1

1 1 1 1 1 1

5 9 1

5 5 2

5 2 2

5 2 2

5 2 2

5 2 2

0 3 2

4.3 4.3 4 4.7 4.3 4. 27

4.3 ⎦⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎤

, � =

⎣ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎡11060346

2 5 8

6 0 5 1

2 7 2 1

0 7 2 1

9 6 2 1

3 0 9

5 5 5 1

0 6 2 1

6 4 1 1

6 7 2 1

5 2 2 1

1 2 3 1 ⎦⎥

⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎤

� = �311545 7311645525 136 . 206873.5 0

6 . 27 13683.5 2 .642484�

� = �401704191520 8 3 7 5

7 .3�

(��)−1= �−0.3 .0204471579162 −0.0.000401178142 −4.0.070809093485 −4.789945 0.000038 1.102439 �

Pendugakuadratt erkeci ldar i�adalah

� = �1 .− 005 .172812 − 21 . 55 1 �

h a l a d a s a t a i d l e d o m a g u d n e p n a i k i m e d n a g n e

D �� = − 05 .1 + 02 1 .7812�1−

2 5

1 . 51 �2 .

g n u ti g n e m k u t n

U ��� dipelrukan

� = [22527889]

n a d

� = [22514467.9]. a

k a M

(50)

=22527889−22514467.9 =13421.1

d na pendugat akbia sdar i�2adalah

��2 = ��� �−�=

1 2 4 3 1 .1

4

1 −3 =1220.1

i a li n h e l o r e p i d h a l e t e

S ��� ,akandicar inlia i��� dan��� ,yatiu:

� �= �′�′� −�∑ �� 4 1 �=1 �2

=22514467.9 −(1714495)2=651966.1

n a d

� � = �′� −�∑ �� 4 1 �=1 �2

=22527889−(1714495)2=665387.2

i a li

N �2dan � �

�2 dapa tdihtiungdengan:

�2=��� � � �=

6 6 9 1 5 6 .1

7 8 3 5 6

6 .2= 0.9798

n a

d ��2�� = 1 −(�−�)(�−1)(1 − �2)

= 1 −( 3( 11 )1 )(1 − 0.9798) = 0.9762

a tr e

S ��� =���=6519266.1=325983

n a

D ��� =�−���� =1341211.1=1220.1 = �2

h e l o r e p i d a g g n i h e s

�0=�=312252908.13=2 . 76717

, 3 , 2 i s m u s a a d a p n a k u k a li d n a k a , i s m u s a n a ij u g n e p , a y n t u j n a l e

S 5 ,dan 6

. S S P S m a r g o r p n a k a n u g g n e

m Semuahasi ldar iSPSS dalam pengu ijan asums i

(51)
(52)

n a k a l o n e p h a r e a

D |�| > �0. 50

2 , 11 = |�| > 2. 120 .

�11= 0.000184dan�1 = 01 .7812

� = �1 ���211=

0 1 .7812

�(1220.1)(0.000184)= 0 1 .7812

0.4743 = 22 . 37

�0: �2= 0

�1: �2 ≠ 0

n a k a l o n e p h a r e a

D |�| > �0. 50

2 , 11 = |�| > 2. 120 .

�22= 1.102439dan�2= − 21 . 55 1

� = �2 ���222=

− 21 .55

�(1220.1)(1.102439)=

− 21 .55 6

3 . 86 = −4. 51

i a li n a u d e k a n e r a

K � lebih besa rdar idaerah penolakan ,yatiu 7.692964>

2. 226 dan|−4. 51 | > 2. 226 ,maka�� dtiolak .Makadapa tdisimpulkan bahwa

�1≠ 0 yang beratr i�1 berkontirbus isecara signi ifkan terhadap mode lyang

n a d , n a k ir e b i

d �2 ≠ 0yang beratr i�2 berkontirbus isecarasigniifkant erhadap

. n a k ir e b i d g n a y l e d o m

e

P mbentukan selang kepercayaan untuk paramete r�1 akan digunakan selang

, % 5 9 n a a y a c r e p e

k �1 = 01 .7812 ,��2=1220.1dan� (�� 1) = 0.4743 ,maka

(53)

0

1 .7 28 − 2. 11 2 (0.0 4743) ≤ �1≤ 01 .7812+ 2. 12 (0.0 4743)

0

1 .7812− 1.0439≤ �1≤ 01 .7812+ 1.0439

9.7373 ≤ �1≤ 11 .8251

r e t e m a r a p k u t n

U �2 ,akandigunakanselangkepercayaan95%,�2= − 21 . 55 1 ,

��2=1220.1dan� (�

2) = 63 . 86 ,maka

�2− �0. 50 , 12 1 � (�� 2) ≤ �2≤ �2+ �0. 50 , 12 1 � (�� 2)

− 21 . 55 1 − 2. 12 ( 60 3 . 86 ) ≤ �2≤ − 21 . 55 1 + 2. 12 ( 60 3 . 86 )

− 21 . 55 1 − 08 .73268≤ �2≤ − 21 . 55 1 + 08 .73268

(54)
(55)

)

a Regres iNonilnear

k a d it r e i n il i s e r g e r l e d o m a n a m i d i s a u ti s k a y n a b a d

A cocok. Sebagai

, h o t n o

c seorang anails memiilk i pengetahuan secara langsung dar i

l e b a ir a v a r a t n a n a g n u b u

h tak bebas dan va irabe lbebas ,yang mungkin

l a s a r e

b dairt eor iyang mendasa irf enomena .Hubungan yang bena rantara

l e b a ir a

v respon dan va irabe lbebas adalah persamaan dfierensial ,atau

i s u l o

s d air persamaan dfierensia.l Jad i mode l harus dalam bentuk

.r a e n il n o n

Sebarang mode l yang itdak ilnea r dalam paramete r yang itdak

i

dketahu idisebu tmodelr egres inonilnear .Sebaga icontoh ,model

� = �1��2� + � ( 1) 3.

r e t e m a r a p m a l a d r e i n il k a d

it �1 dan �2 .Secara umum ,mode ltersebu t

ti d t a p a

d uilss ebagaibeirkut

� = �(�, �) + � ( 2) 3.

a n a m i

d � adalah vekto r� × 1dar iparamete ryang itdak diketahui ,dan ɛ

h a l a d

a gala tyang itdak berkorelas idengan �(�) = 0 nd a � (�) = ��� 2 .

k e t k a r p m a l a

D , seirng diasumsikan bahwa gala t berdistirbus i norma,l

. r a e n il i s e r g e r m a l a d i tr e p e

s Karena

E(�) = E[�(�, �)+ �]

= �(�, �) ( 3) 3.

�(�, �) disebut fungs iekspektasi d air mode lregres inonilnear .Ha lin i

i s g n u f g n a r a k e s a w h a b i l a u c e k , r a e n il i s e r g e r s u s a k n a g n e d p ir i m t a g n a s

.r e t e m a r a p i r a d r a e n il n o n i s g n u f h a l a d a n a p a r a

(56)
(57)
(58)

Perhaitkan pada mode l nonilnea r asl i pada persamaan (3.5 )

r u t k u rt s i a y n u p m e

m galat yang bersfia tpenjumlahan ,sehingga l ogartima

. 3 ( n a a m a s r e p i r a

d 5 ) itdak menghaslikan persamaan (3.6) .Namun , ijka

r u t k u rt

s gala tbersfia tperkailanmaka

� = �(�, �)(1 + �)

= �1�β2x�∗ (3.7 )

a n e r a k t a p e t h a l a d a a m ti r a g o l li b m a g n e m n a d

n

l (�) = nl �1+ �2�+ nl ε∗

�∗= �

0+ �1� + �∗∗ (3.8 )

a n a m i

d �∗ = nl (�)dan∗∗= nl ε

Sekarang , ijkagala tyang baru adalah �∗∗berdistirbus inorma ldengan

i s n a ir a

v konstan , maka prosedu r standa rpenairkan kesimpulan mode l

. n a k i s a k il p a i d t a p a d r a e n il i s e r g e r

Suatu mode lregres inonilnea ryang dapa tdirtansformasikan menjad i

t u b e s i d n e l a v i k e g n a y r a e n il i s e r g e r l e d o

m mode lilneari ntrinsik.

)

b Macam-MacamMode lLinearI ntrinsik

.

1 Mode lMulitpilkatfi

� = � �1� �� ��3 � (3.9)

a n a m i

d �, �, �, � adalah paramete r yang itdak diketahu i dan �

(59)
(60)
(61)

��∗= � + � �1� + ��∗ (3.17)

, a k a

M �∗ adalah poilnomia lberderaja tsatu dalam 1 � dengan

p e s r e t n

i � dan kemiirngan � . Nlia i � sama dengan no lharu s

. a jr e k e b t a p a d t u b e s r e t i s a m r o f s n a rt r a g a i r a d n i h i d

.

7 Mode lLogisitk

�� =1+��−��� (3.18)

i a l u m k it s ir e t k a r a k n a h u b m u tr e p a v r u k n a k ir e b m e m i n i i s g n u F

� = � (1 + �)⁄ id � = 0 dan asimto t ke � = � sehingga �

r a e n il t u b e s i d i s g n u F . ) 2 . 3 n a d 1 . 3 r a b m a g ( r a s e b n i k a m e s i d a j n e m

i a li n a y n a h a k ij k i s n ir t n

i � diketahui , sepetr i dalam kasus ,

g n a y u d i v i d n i i s r o p o r p h a l a d a n e d n e p e d l e b a ir a v a k it e k , a y n l a s i m

t i s k a e r n a k k u j n u n e

m erhadap pengobatan .Jika� diketahui ,mode l

k u t n e b m a l a d r e a n il i n i

�∗= �� �

�− 1� (3.19)

i d a j n e m l e d o m n a D

��∗= �∗− ���+ ��∗ (3.20)

a n a m i

D �∗ = �� (�)dan

(62)
(63)
(64)
(65)

.

3 Menguj imode lyangpailngbaikberdasarkan :

x 2memiilk inlia iyangpailng itnggi

x yangpailngr endah

x Signi ifkans idar ikoeifsienr egresi

x Pemenuhandar iasumsi-asumsis elangkepercayaan .

h o t n o c a d a

P -contoh beirkut ,hanya ada satu contoh yatiu contoh 3.3 yang akan

.l e d o m n a a g u d n e p n a k u k a li d n a k a a y n a h a y n n i a l e S . p a k g n e l a r a c e s s i s il a n a i d

1 . 3 h o t n o C

Lia rBli`l sSteakhouses ,keda imakanan cepa tsaij ,dibuka pada 1974 .Dar i

4 7 9 1 n u h a

t -1988 jumlah steakhouse s yang beroperasi , �� , dicatat . Misalkan

� = 1 untuk tahun 1974 ,� = 2 untuk tahun 1975 ,dan seterusnya ,d imana �

n u g g n e m n i g n i n a a h a s u r e p k u t n u s il a n a g n a r o e S . u t k a w s k e d n i h a l a d

a akan data

T m a l a d n a k ij a s i d ( i n

i abe l3.1 )untuk memperkriakan itngka tpe trumbuhan bag i

. n a a h a s u r e p

Tahun T Y t lnYt

4 7 9

1 1 1 1 2.397895

5 7 9

1 2 1 4 2.639057

6 7 9

1 3 1 6 2.772589

7 7 9

1 4 2 2 3.091042

8 7 9

1 5 2 8 3.332205

9 7 9

1 6 3 6 3.583519

0 8 9

1 7 4 6 3.828641

1 8 9

1 8 6 7 4.204693

2 8 9

1 9 8 2 4.406719

3 8 9

1 1 0 9 9 4.59512

4 8 9

1 11 1 19 4.779123

5 8 9

(66)

6 8 9

1 13 2 57 5.549076

7 8 9

1 14 2 84 5.648974

8 8 9

1 15 4 03 5.998937

1 . 3 l e b a T

l e d o m a w h a b a y a c r e p s il a n a , i n i s i D

��= ��(�1�)��untuk� = 0,1,2, … , 41

a w h a b n a k k u j n u n e m i n i l e d o M . t a p e t n i k g n u m

��= [�0(�1�−1)]�1��≈ (��−1)�1��

a w h a b n a k a t a g n e m i n i l a

H �� diharapkan menjad isek tia r�1 kal i��−1 .Sebaga i

i r a d a y n r a n e b e s i a li n a k ij , h o t n o

c �1 adalah 1,3 ,maka �� diharapkan menjad i

i l a k 3 , 1 r a ti k e

s ��−1 .Hali n imengatakanbahwa�� diharapkanmenjadis ektiar

0 0

1 (�1− 1)% =1 (1.3 − 1)% = 000 3 %.

t u b e s a ti

K 1 (�00 1− 1)% laju pe trumbuhan perusahaan .Karena k tia itdak tahu

i r a d a y n r a n e b e s i a li

n �1 ,akan diperoleh ititk esitmas idan interva lkepercayaan

.i n i n a h u b m u tr e p t a k g n it k u t n u % 5 9

m u tr e

P buhan data i n idibeirkan dalam Tabe l3.1 ,bersama dengan l ogartimaasl i

i r a

d �� untuk seitap tahun .Data steak asl i(��) diplo tterhadap waktu (�) pada

(67)

3 . 3 r a b m a G

a n a m i d l a i s n e n o p s k e n a t a k g n i n e p n a k k u j n u n e m i n i t o l

P lebihbesa rdar i1 .Ha l

l e d o m a w h a b n a k k u j n u n e m i n i

i

d manavairabeli ndependenadalahwaktupe irode ,mungkincocokdenganpola

( k a e t s ir a d i l s a a m ti r a g o L . a t a

d )diplo tpadaGamba r3.4 .

4 . 3 r a b m a G

a r a t n a n a g n u b u h a w h a b n a k k u j n u n e m i n i t o l

P dan adalah ilnear .Dengan

h e l o r e p i d , s a t a i d l e d o m n a g n e d k i m ti r a g o l i s a m r o f s n a rt n a k p a r e n e m

0 0 0 1

0 0 2

0 0 3

0 0 4

0 0 5

0 5 10 15 20

0 1 2 3 4 5 6 7

0 5 10 15 20

t Y n L

(68)

a n a m i

d , ,dan ,maka

e m h a l o i d a i d e s r e t h a l e t g n a y a t a d a k a m , t u b e s r e t n a a g u d n e p i r a

D nggunakan

) 1 . 3 h o t n o c n a ri p m a l t a h il ( h a l a d a h e l o r e p i d g n a y l i s a H . S S P S

o

N Model PendugaKoef ifsien Standa r r o r r E

1 Linear 0.996

2 Logartima 3 Inver s

4 Kuadraitk 0.996

5 Kubik 0.996

6 Growth 0.987

7 Eksponensial 0.987

8 Logisitc 0.987

5 . 3 r a b m a G

(69)
(70)

a n a m i

D Y adalah waktu untuk mengis i formuil r dan X adalah banyaknya

. i s ii d t a p a d g n a y r il u m r o

f Gamba r3.6menunjukkann lia i� dan� .Tampakbahwa

i d n a n u r u n e p n a g n u r e d n e c e

k � dengan meningkatnya nlia i� dalam pola yang

n o

k sistendenganmode lyangdiusulkan.

r a b m a g h a u b e

S � terhadap1 / �dtiunjukkanpadaGamba r3.7 .Perhaitkanbahwa

i s a m it s E . r a e n il g n a y n a li p m a n e p i k il i m e m i n i t o l

p �0dan�1dengan

6 . 3 r a b m a G

7 . 3 r a b m a G 0

1 2 3 4 5 6 7 8 9 0 1

0 5 10 15 20

y

x

0 1 2 3 4 5 6 7 8 9 0 1

0 0.2 0.4 0.6 0.8 1 1.2

y

(71)

� = ⎣ ⎢ ⎢ ⎢ ⎡8.04.7

3.7 ⋮ 3.3⎦⎥

⎥ ⎥ ⎤

n a

d � =

⎣ ⎢ ⎢ ⎢ ⎡11

1 ⋮ 1

1. 000 0. 512 0. 025

⋮ 0. 33 ⎦3 ⎥

⎥ ⎥ ⎤

i r a d a u d e k m o l o k , i n i s i

D �beirsir esiprokal spengamatanpengalaman.

l i s a H . S S P S n a k a n u g g n e m n a g n e d h a l o i d a t a d , s a t a i d n a a g u d n e p n a k r a s a d r e B

, ) 2 . 3 h o t n o c n a ri p m a l t a h il ( S S P S m a r g o r p n a g n e d h e l o r e p i d g n a y

o

N Model PendugaKoef ifsien SE r tarnroda r ��2��

1 Linear � = 2. 80 + 6. 45 3 �5 1.029 0.835 2 Logartima � = 7. 64 + 2. 51 1 n1 l (�) 1.477 0.660 3 Invers � = 6. 63 − 0. 16 3 �1 1

�� 2.070 0.332

4 Kuadraitk � = 2. 33 + 4. 33 4 � + 1. 56 7 �0 2 1.100 0.811

5 Kubik � = 3. 34 − 9. 90 3 � + 05 4 . 94 �3 2

− 62 . 70 �2 3 1.135 0.799

6 Growth � = 0. 38 �7 1. 02 �9 0.312 0.687

7 Eksponensial � = 2. 33 �9 1. 02 �9 0.312 0.687

8 Logisitc � = 1

(72)
(73)

n a a m a s r e p a g u d i d n a k a , i n i h o t n o c i r a D . 9 . 3 r a b m a g a d a p n a k k u j n u ti d a y n r a c n e p

d a y n n a t a p e c e k n a d t a rt s b u s i s a rt n e s n o k n a k g n u b u h g n e m g n a y i s e r g e

r an .

t a rt s b u s i s a rt n e s n o

k kecepatan

m p

P (counts/min2) 0 .02 74 67

6 0 .

0 79 1 07

1 1 .

0 1 23 1 39

2 2 .

0 1 52 1 59

6 5 .

0 1 91 2 01

0 1 .

1 2 00 2 07

3 . 3 l e b a T

9 . 3 r a b m a G

s il e a h c i M l e d o m n a k a n u g g n e m s tt a W n a d s e t a

B -Mentenuntukkineitkakimia

) 5 2 . 3 (

s il e a h c i M l e d o m i r a d i s a t e p s k e i s g n u f a w h a b n a k it a h r e P . t u b e s r e t a t a d a d a

p

(74)

1 �(��,�)=

�2+�� �1��

=1 1+

�2 �1 1 ��

= �0+ �1��

a n a m i

d � =1

� .Oleh sebab tiu persamaan tersebu tsesua idengan mode lregres i

r a e n il

��∗= �0+ �1z�+ ��

n a g n e

d ��∗ =1 adalah perbandingan terbailk dar i kecepatan yang diamait .

h a k g n a l n a g n e d g n u ti h i d t a p a d i a u s e s g n a y l i c e k r e t t a r d a u k a g u d n e

P -langkah

8 . 2 n a a m a s r e p n a k r a s a d r e b t u k ir e b

� =

⎣ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎡11

1 1

0 5

0 5 6 1 .6667

6 1 .6667 1

1 1 1 1 1 1 1

9.090909 9.090909 4.545454 4.545454 1.785714 1.785714 0.909091 0.909091⎦⎥

⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎤

� =

⎣ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢

⎡0.0.002113217578 0.010309 0.009346 0.008130 0.007194 0.006579 0.006289 0.005236 0.004975 0.005000 0.004831⎦⎥

⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎤

�′

= � 150 510 1 .6616671 .661667 9.0910909 9.09109094.5415454 4.5415454 1.781571.71857 0.901909 0.901909

�′� = � 12 1 .659957 5

6

1 .9957 5770.197569�

(75)

m a r g a i d n a k k u j n u n e m a 0 1 . 3 r a b m a

G pencar dar i data yang telah

a p a r e b e b t a p a d r e t a n e r a K . i a u s e s g n a y s u r u l s ir a g i a tr e s i d n a g n e d i s a m r o f s n a rt i d

i s n a ir a v a w h a b 9 . 3 r a b m a g i r a d t a h il i d h a d u m n a g n e d t a p a d , a t a d i r a d n a h a b u r e p

n a k k u j n u n e m a 0 1 . 3 r a b m a g a d a p i p a t e t , n a t s n o k i t a k e d n e m n o p s e r a t a d i r a d

a

b hwa vairans idar idata respons ipada skala yang dirtansformasikan jauh dar i

. n a t s n o k

(76)

b 0 1 . 3 r a b m a G

(Gambar 3.10 ) (a ) Gamba r dar i inver s kecepatan dengan inver s

m u l e b e s ( il s a a t a d i r a d a v r u k a g u d n e P ) b ( . n i c i m o r u p a t a d i r a d i s a rt n e s n o k

.) i s a m r o f s n a rt i d

t u k ir e b i a g a b e s h a l a d a r e t e m a r a p a r a t n a n a g n u b u h , a y n t u j n a l e S

�0=1 1

n a d

�1=�2 1

i g a b a g u d n e p n a k i s u ti t b u s n e m n a g n e d , u ti b a b e s h e l

O �1dan�2diperoleh

0,005107=1 1

n a d

(77)

r e t e m a r a p a g u d n e

P �1dan�2denganmenggunakanmode lnonilnea rasl iadalah

�1=1 . 1958

n a d

�2= 0.04841

n a k g n i d n a s i d g n a y i l s a a l a k s i r a d r a e n il n o n l e d o m n a k k u j n u n e m b 0 1 . 3 r a b m a G

a t a d n a r a b e s i t a k e d n e m t u b e s r e t a v r u k a w h a b n a k it a h r e P . a t a d n a r a b e s n a g n e d

a t a d k u t n u i l a u c e

k padakonsenrtas iitngg iyangcenderungl ebihr endah .

Selanjutnyaakandihtiung�2dan � �

�2 .Perhtiungandliakukans ecaramanual .

: t u k ir e b i a g a b e s h a l a d a h e l o r e p i d g n a y l i s a H

�′� = 0.001121

�′� = 0.001085

� �= �′� − �′�′� = 0.001121− 0.001085= 3. 95 E − 50

� � = �′�′� −(∑ �� 2 1 �=1 )�

� = 0.001085−

0.01047 2

1 = 0.000212278

� � = �′� −�∑ �� 2 1 �=1 �2

� = 0.001121− 0.01047

2

1 = 0.000248

�2 = ���

�−�=

3. 95 E− 50 0

1 = 3.58523E − 60

�2=��� � � �=

0.000212278

0.000248 =0.85551

Referensi

Dokumen terkait

Berdasarkan hasil analisis yang telah dilakukan, maka dapat disimpulkan bahwa estimasi parameter regresi linear menggunakan metode regresi kuantil diperoleh dengan

Analisis Regresi Linear Berganda digunakan untuk mengukur pengaruh antara lebih dari satu variabel prediktor (variabel bebas) terhadap variabel terikat..

• Koefisien Korelasi Parsial : Koefisien korelasi antara dua variabel dalam regresi berganda yang bebas dari pengaruh variabel lain (variabel lain konstan). Isaac Asimov dalam

 sedangkan variable X yang nilainya digunakan untuk meramalkan nilai Y disebut variable bebas (independent variable) atau variable peramal (predictor) dan sering

Terdapat beberapa factor, diantaranya biaya, fasilitas, basic keislaman, transportasi, cita-cita, teman, lingkungan tempat tinggal, peluang masuk, dan lokasi yang

Untuk mengetahui hubungan dan kontribusi efektif (kontribusi murni) dari setiap variabel prediktor terhadap variabel prediktor lainnya dalam suatu hubungan

Korelasi Product Moment antara variabel Kemampuan Kerja (X1) dengan Produktivitas Kerja (Y) seperti telah kita dapatkan adalah sebesar 0,054 dengan arah positip.. Grafik

[r]