HANDOUT ANALISIS REGRESI. Kismiantini NIP

(1)

HANDOUT

ANALISIS REGRESI

Kismiantini

NIP. 19790816 200112 2 001

JURUSAN PENDIDIKAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI YOGYAKARTA

(2)

1

Analisis

Analisis Regresi

Regresi

A

li i

A

li i

K

l

i

Analisis

Analisis Korelasi

Korelasi

Model

Model Regresi

Regresi Linear

Linear Sederhana

Sederhana

2

Analisis

Analisis Regresi

Regresi dan

dan Analisis

Analisis Korelasi

Korelasi

• Apa itu analisis regresi?

• Apa bedanya dengan korelasi?

Apa bedanya dengan korelasi?

Analisis RegresiÎ Analisis statistika yang memanfaatkan hubungan antara dua atau lebih peubah kuantitatif sehingga

salah satu peubah dapat diramalkan dari peubah lainnya.p p p y

Analisis KorelasiÎ Analisis statistika yang membahas tentang y g g derajat (kekuatan) hubungan antara peubah-peubah.

3

Korelasi

4 i i i

X

Y

i

=

β

₀0

+

β

₁1 i

+

ε

i i = 1, 2, …, n

Yiadalah nilai peubah tak bebas dalam pengamatan ke-i

β d β d l h t

i 1, 2, …, n

β0 dan β1 adalah parameter

Xiadalah konstanta yang diketahui, yaitu nilai peubah bebas dari

pengamatan ke-i

εiadalah galat yang bersifat acak dengan rataan E[εi]=0 dan ragam

Var [εi]=σ2; εidan εjtidak berkorelasi sehingga peragam/kovariansi

σ {ε{ii, ε, jj} =0 untuk semua i,j ; i ≠ j } ,j ; j _iid

Sehingga :

ε

~

N

( )

0 ,

σ

2 iid i

i

X

Y

E

[

]

=

β

₀

+

β

₁

5

Model regresi linear sederhana

• Model regresi diatas dikatakan sederhana, linear dalam

parameter, dan linear dalam peubah bebas.

Dik t k “

d h

” k

h

d t

b h

• Dikatakan “

sederhana

” karena hanya ada satu peubah

bebas.

• Dikatakan “

Dikatakan

linear dalam parameter

” karena tidak

karena tidak

ada parameter yang muncul sebagai suatu eksponen atau

dikalikan atau dibagi oleh parameter lain.

Dik t k “

li

d l

b h b b

” k

• Dikatakan “

linear dalam peubah bebas

” karena

peubah dalam model tersebut berpangkat satu.

• Model yang linear dalam parameter dan linear dalam

Model yang linear dalam parameter dan linear dalam

peubah bebas juga dinamakan

model ordo-pertama

.

Plot Data!

NEVER skip this step! The data may not

6

Plot Data!

NEVER skip this step! The data may not

even be linear and a different model may be more

(3)

7 8

9

( i k i) d l h b d t il i t d il i d Yˆ

Persamaan regresi linear dugaan :

ˆ

e_i(sisaan ke-i) adalah beda antara nilai amatan Yidengan nilai dugaannya Yi

i

X

Y

ˆ

=

13 ,

82 +

48 ,

60 Y

ˆ

=

13 ,

82 +

48 ,

60 X

10

11

Bagaimana mendapatkan b

₀

dan b

₁

?

• Metode kuadrat terkecil yaitu dengan

• Metode kuadrat terkecil, yaitu dengan

meminimumkan jumlah kuadrat galat :

( )

(

Y

E

Y

)

(

Y

(

X

)

L

n i i i n i i i n i i

=

∑

−

=

∑

−

+

=

∑

= = = 1 2 1 0 1 2 1 2

_β

ε

∂

_L

n

(

)

(

)

0

2

1 1 0 0

=

+

−

=

∂

_∑

= n i i i

X

Y

L

_β

β

(

)

(

)

0

2

1 1 0

+

=

−

=

∂

∑

i n i i

X

Y

L

_β

β

1 1

∂

β

i=

• Pendugaan terhadap koefisien regresi:

12

g

p

g

Æ b

0

penduga bagi β

0

dan b

1

penduga bagi

β

₁

Metode

∑

−

∑ ∑

n Y X Y X b i i i i

Metode

Kuadrat Terkecil

(

)

∑

−

∑

= n X X n b i i 2 2 1

(

Y

b

X

)

Y

b

X

n

b

0 i 1 i 1

1 ₋

₌

₋

=

∑

Bagaimana Pengujian terhadap model regresi ??

• parsial (per koefisien) Æ uji-t

• bersama Æ uji-F (Anava)

Bagaimana menilai kesesuaian model ??

g

(4)

M k

d g

k fi i

g

i

13

Makna

Makna dugaan

dugaan koefisien

koefisien regresi

regresi

Misalkan ingin mengetahui hubungan jarak tempuh kendaraan mobil dalam

k (X) d ti k t i i d l (Y)

km (X) dengan tingkat emisinya dalam ppm (Y).

• Plot data ternyata menunjukkan ada hubungan linear antara X dan Y

• Dicobakan model linear Yi= β0+ β1Xi+ εi, diperoleh persamaan regresi

i

X

Y

ˆ

=

364 +

5 ,

47

• Apa makna b0dan b1pada konteks ini ?

Makna dari b1yaiturata-rata emisimeningkat5,47 ppm untuk setiap

kenaikanjarak tempuh kendaraan mobil 1 km(ataukenaikanjarak kenaikanjarak tempuh kendaraan mobil 1 km (ataukenaikanjarak tempuh kendaraan mobil 1 kmakanmeningkatkanrata-rata emisi yang dihasilkan mobil sebesar 5,47 ppm).

Makna dari b0yaitu untuk mobil dengan jarak tempuh kendaraan mobil 0

km (mobil baru) tingkat emisi yang dihasilkan rata-rata sebesar 364 ppm.

l 1

14 i 1 2 3 4 5 6 7 8 9 10

Soal 1

i 1 2 3 4 5 6 7 8 9 10 Xi 5,5 4,8 4,7 3,9 4,5 6,2 6,0 5,2 4,7 4,3 Yi 3,1 2,3 3,0 1,9 2,5 3,7 3,4 2,6 2,8 1,6 i 11 12 13 14 15 16 17 18 19 20 Xi 4,9 5,4 5,0 6,3 4,6 4,3 5,0 5,9 4,1 4,7 Yi 2,0 2,9 2,3 3,2 1,8 1,4 2,0 3,8 2,2 1,5 66 , 257 ; 84 , 134 ; 12 , 509 ; 0 , 50 ; 0 , 100 ₌ 2₌ 2₌ ₌ =

∑

Xi

∑

Yi

∑

Xi

∑

Yi

∑

XiYi

1. Apakah nilai mutu rata-rata (NMR) pada akhir tahun pertama (Y) dapat diramalkan dari nilai ujian masuk (X)?

Bila jawaban ya, maka 2 l h d d 2. Buatlah diagram pencar X dan Y.

3. Tentukan persamaan regresi dugaannya beserta maknanya!

Soal 2

15

Soal 2

• Data berikut merupakan hasil penelitian tentang hubungan antara

nilai ulangan Matematika (dalam skala nilai 10 sampai 100) dengan nilai ulangan Matematika (dalam skala nilai 10 sampai 100) dengan lama waktu belajar matematika (dalam jam selama seminggu) Nilai ulangan

matematika 95 100 100 80 70 55 50 75 55 60 65 95

Lama waktu 18 18 19 17 14 5 6 10 13 4 12 10

belajar matematika

a) Tentukan peubah mana sebagai peubah bebas X dan peubah tak

bebas Y!

b) Tentukan persamaan regresi dugaan dan berikan makna dugaan

koefisien regresinya!

Soal 3

16

Soal 3

• Suatu penelitian telah dilakukan untuk mengetahui hubungan

antara pengeluaran untuk iklan (X dalam jutaan rupiah) denganp g ( j p ) g

penerimaan melalui penjualan (Y dalam jutaan rupiah) pada perusahaan tertentu. Berikut ringkasan datanya :

∑

= = = = = =10, 120, 500, 6106, 2 1470, 2 25440 i i i i i i Y XY X Y X n

a) Tentukan persamaan regresi dugaan! Berikan maknanya.

b) Bila pengeluaran untuk iklan sebesar 16 juta rupiah berapakah

b) Bila pengeluaran untuk iklan sebesar 16 juta rupiah, berapakah

penerimaan dari hasil penjualan?

Soal 4

17

Seorang guru matematika mencatat lama waktu (Y, dalam

i )

di

bil d i

j l

k

k l h k ik

menit), yang diambil dari perjalanan ke sekolah ketika

meninggalkan rumah setelah jam 7 pagi (X, dalam menit)

pada tujuh pagi hari yang tercatat

pada tujuh pagi hari yang tercatat.

X

0

10

20

30

40

50

60 X

0

10

20

30

40

50

60 Y

16

27

28

39

48

51 a)

Plot data dengan diagram pencar. Berikan penjelasan

dari plot tersebut.

b)

Tentukan persamaan regresi linear sederhana dari dan

maknanya.

)

G

b k

i

i d i b)

d

b

)

c)

Gambarkan garis regresi dari b) pada gambar a).

Soal 5

18

Soal 5

Tabel ini menunjukkan skor tes penalaran verbal, X,

j

p

, ,

dan skor tes Inggris, Y, untuk setiap sampel acak dari 8

anak yang mengikuti kedua tes tersebut:

Anak A

B

C

D

E

F

G

H

X

112 113 110 113 112 114 109 113

Y

69

65

75

70

75

68

76 a)

Plot data dengan diagram pencar. Berikan

penjelasan dari plot tersebut.

a)

Tentukan persamaan regresi linear dugaan dan

berikan maknanya

(5)

A

SUMSI

-

ASUMSI DALAM ANALISIS

REGRESI LINEAR SEDERHANA

1

MODEL

MODEL REGRESIREGRESI LINEARLINEAR SEDERHANASEDERHANA BERGALATBERGALAT NORMALNORMAL

X

Y

_i

=

β

+

β

X

_i

+

ε

_i

Y

=

β

₀

+

β

₁

+

ε

β d β d l h t β0 dan β1adalah parameter

Xiadalah konstanta yang diketahui nilainya

εiadalah galat yang menyebar N(0,σ2) dan bebas satu sama lain

A

ASUMSI

SUMSI--ASUMSIASUMSI DALAMDALAM ANALISISANALISIS REGRESIREGRESI LINEARLINEAR SEDERHANASEDERHANA

i g y g y ( , )

|

Galat memiliki ragam yang konstan

|

Galat menyebar normal

|

Galat menyebar normal

|

Galat bersifat saling bebas

ε

i

diduga oleh

!!!

S l

d

b

l

d

l

i i i

Y

e

=

−

ˆ

2

Selanjutnya e

i

disebut sisaan atau nilai dugaan galat.

G

ALAT MEMILIKI RAGAM YANG KONSTAN

ˆ

|

Plot sisaan (e

_i

) dengan nilai dugaan ( )

|

Plot sisaan (e

_i

) dengan peubah bebas (X

_i

)

i

Yˆ

Bila sisaan-sisaan tidak membentuk suatu pola tertentu maka galat memiliki ragam yang konstan.

Galat memiliki ragam Galat tidak memiliki ragam 3 Galat memiliki ragam

konstan (tidak berpola) Galat tidak memiliki ragam konstan (berpola)

G

ALAT MENYEBAR NORMAL

|

Plot peluang normal bagi sisaan yaitu e

_i

versus h

_i

⎤

⎡

⎛

⎞

⎥

⎦

⎤

⎢

⎣

⎡

⎟

⎠

⎞

⎜

⎝

⎛

+

−

=

25 ,

0

375 ,

0 n

i

z

KTG

h

_i

⎦

⎣

)

/(

n

p

JKG

KTG

=

−

JKG

=

∑

Y

i

−

b

0

∑

Y

i

−

b

1

∑

X

i

Y

i 2

h

i

adalah nilai harapan di bawah asumsi kenormalan

|

Sisaan diurutkan dari kecil ke besar

ei

Gambar disamping menunjukkan bahwa galat menunjukkan bahwa galat

menyebar normal karena titik-titik (sisaan-sisaan)

mengikuti arah garis diagonal.

4

hi

P

ERHATIKAN

T

ABEL

B

ERIKUT

ŶŶ = 10 + 2X, KTG = 7,5

i X Y Ŷ e Urutan e terurut h i Xi Yi Ŷi ei _{naik i} eiterurut hi 1 30 73 70 3 1 -3 -4,24 2 20 50 50 0 2 20 50 50 0 ₂ _-2 _-2,74 3 60 128 130 -2 3 -2 -1,79 4 80 170 170 0 4 80 170 170 0 ₄ _-2 _-1,02 5 40 87 90 -3 ₅ _-1 _-0,33 6 50 108 110 2 ₆ ₀ _{0 33} 6 50 108 110 -2 ₆ ₀ _0,33 7 60 135 130 5 ₇ ₀ _1,02 8 30 69 70 1 ₈ ₂ _{1 79} 8 30 69 70 -1 ₈ ₂ _1,79 9 70 148 150 -2 ₉ ₃ _2,74 10 60 132 130 2 ₁₀ ₅ _{4 24} 10 60 132 130 2 ₁₀ ₅ _4,24 5

G

ALAT BERSIFAT SALING BEBAS

|

Bila data tidak diamati secara bersamaan,melainkan

dalam suatu urutan waktu maka buatlah plot sisaan

(e

_i

) terhadap waktu.

|

Tujuan adalah untuk melihat apakah ada korelasi

|

Tujuan adalah untuk melihat apakah ada korelasi

antara suku galat dengan suku galat berikutnya.

|

Bila suku suku galat saling bebas maka

sisaan sisaan

|

Bila suku-suku galat saling bebas, maka

sisaan-sisaan

berfluktuasi secara acak di sekitar nilai o

.

Bila data diamati bersamaan, untuk melihat

keacakan galat percobaan dibuat plot antara nilai

g

p

dugaan galat (e

_i

) dengan nilai dugaan respons ( Ŷ

_i

)

Apabila berfluktuasi secara acak di sekitar nol

6

maka dapat dikatakan bahwa galat saling bebas.

(6)

7

S

OAL

1

Sebuah penelitian mengukur banyaknya gula yang terbentuk pada berbagai suhu. Data telah dikodekan sebagai berikut:

a) Tentukan persamaan garis regresi linear dugaan

b) Dugalah banyaknya gula yang terbentuk bila suhunya 1,75. c) Perhatikan gambar berikut, apa yang dapat Anda simpulkan

dari gambar tersebut?

Residuals Versus the Fitted Values

(response is Y) Normal Probability Plot of the Residuals(response is Y)

id u a l 1.0 0.5 cen t 99 95 90 80 70 60 50 8 Re s 0.0 -0.5 Pe rc 1 5 1 0 0 5 0 0 -0 5 -1 0 -1 5 50 40 30 20 10 5 1 Fitted Value9.0 9.5 10.0 8.5 8.0 -1.5 -1.0 -0.5 Residual0.0 0.5 1.0 1.5

S

OAL

2 S

OAL

2

|Perhatikan gambar berikut :

90 80 70 Scatterplot of Y vs X 20 10 Versus Fits (response is Y) 99 95 90 80

Normal Probability Plot (response is Y) 60 50 40 30 Y 0 -10 Re si d ua l 80 70 60 50 40 30 20 10 5 Pe rc en t

Gambar 1 Plot X dan Y Gambar 2 Plot nilai dugaan vs sisaan Gambar 3 Plot Peluang Normal

55 50 45 40 35 30 20 X 80 70 60 50 40 -20 Fitted Value 30 20 10 0 -10 -20 -30 1 Residual

Gambar 1. Plot X dan Y Gambar 2. Plot nilai dugaan vs sisaan Gambar 3. Plot Peluang Normal

a) Apa yang dapat Anda simpulkan dari gambar 1, 2 dan 3? Berikan j l

penjelasannya.

b) Berdasarkan Gambar 1, apa tanda dari koefisien korelasinya? Berikan penjelasannya

penjelasannya.

(7)

INFERENSI DALAM

ANALISIS REGRESI

1. Inferensi tentang

β

1

a Selang Kepercayaan bagi

β

a. Selang Kepercayaan bagi

β

1

b. Uji bagi

β

1

2 I f

i t t

β

2. Inferensi tentang

β

0

a. Selang Kepercayaan bagi

β

0

b. Uji bagi

β

0

1

Selang

Selang Kepercayaan

Kepercayaan bagi

bagi

ββ

Selang

Selang Kepercayaan

Kepercayaan bagi

bagi

ββ

₁

−

b

β

{ }

( 2) 1 1 1

_~

− n

t

b

s

b

β

Tingkat kepercayaan ( )

_{{ }}

β

α( )

α

⎟⎟

=

−

⎠

⎞

⎜⎜

⎝

⎛

₋

_≤

−

_≤

− − ; 2

1

1 1 1 2 ; ₂ 2 n

_s

_b

t

n

b

t

P

(

)

{ }

1 2 ; 1

t

s

b

n

±

_α

{ }

₍

₎

∑

=

X

KTG

b

s

1 2 2 dengan

{ }

⎠

⎝

s

b

1

(

2

)

; 2 n−

∑

₋

(

∑

)

n

X

i i 2

Misalkan diperoleh selang kepercayaan 95% bagi β1 1,89 ≤ β,8 β11 ≤ 2,11 ,

Artinya diduga bahwa rata-rata banyaknya jam-orang (Y) naik sekitar antara 1,89 sampai 2,11 satuan untuk setiap kenaikan satu

it k l t (X) unit ukuran lot (X).

2

Uji bagi

β =0 lawan β ≠0

Uji bagi β

₁

=0 lawan β

₁

≠0

Hipotesis

H0: β1=0 (Tidak ada hubungan linear antara X dan Y)

H1: β1≠0 (Ada hubungan linear antara X dan Y)

Sumber

Keragaman db JK KT Fhit Ftabel

1 β1 g Regresi Galat 1 n-2 JKR JKG KTR=JKR/1 KTG=JKG/n-2 F_hit=KTR/KTG F_α(1,n-2) Galat n 2 JKG KTG JKG/n 2 Total n-1 JKT Kriteria keputusan :

H0 ditolak jika Fhit> Fα(1,n-2)

{ }

b

1

t

_hit

=

_{{ }}

1

b

s

t

_hit Kriteria keputusan : H dit l k jik |t | t H0 ditolak jika |thit|> tα/2(n-2)

3

Perhatikan simpangan total berikut :

i i i

i

Y

−

=

ˆ

−

+

−

ˆ

Jumlah kuadrat simpangan-simpangan tersebut :

(

Y

_i

−

Y

)

2

=

∑

(

Y

ˆ

_i

−

Y

)

2

+

∑

(

Y

_i

−

Y

ˆ

_i

)

2

∑

JKG

JKR

JKT

=

+

Y X b Y b Y JKG Y n Y JKT i = − =

∑

2 2 2

( )

XY X Y Y X b Y b Y JKG i i i i i i i i ⎥ ⎤ ⎢ ⎡ − ⎤ ⎡ − − =

∑

2 2 1 0

( )

(

X

)

X n n Y Y i i i i i i − ⎥ ⎦ ⎢ ⎣ − ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎣ ⎡ − =

∑

2 2 2 2 JKG JKT JKR n i − =

∑

4

Uji Satu Arah Bagi

β

Uji Satu Arah Bagi β

₁

A k h

ββ

itif

itif tt

tid k

tid k??

Apakah

ββ

₁₁

positif

positif atau

atau tidak

tidak??

Hipotesis : H

0

: β

1

≤ 0

H

1

: β

1

> 0

Taraf nyata : α

Statistik uji : t = b

1

/s{b

1

}

Kriteria Keputusan : H

0

ditolak jika t

hit

> t

α(n-2)

Apakah

Apakah ββ

11 negatif

negatif atau

atau tidak

tidak??

Hipotesis : H : β ≥ 0

H : β < 0

Hipotesis : H

0

: β

1

≥

0 H

1

: β

1

< 0

Taraf nyata : α

Statistik uji : t = b /s{b }

Statistik uji : t = b

1

/s{b

1

}

Kriteria Keputusan : H

0

ditolak jika t

hit

< -t

α(n-2) 5

Mi lk

S t K

t t

Misalkan a Suatu Konstanta

• Ujilah apakah

β = a atau tidak?

• Ujilah apakah β

1

= a atau tidak?

St ti tik ji

• Statistik uji :

{ }

1 1

b

t

=

_{{ }}

−

β

1

b

s

Ganti β dengan a

Ganti β

1

dengan a

6

(8)

Selang

Selang Kepercayaan

Kepercayaan bagi

bagi

ββ

₀

β

_⎟

⎞

⎜

⎛

_≤

−

_≤

1

0 0

t

b

t

P

Selang

Selang Kepercayaan

Kepercayaan bagi

bagi

ββ

₀

0 0

−

b

β

( )

_{{ }}

β

α( )

α

⎟⎟

=

−

⎠

⎜⎜

⎝

−

≤

; −2

1

0 0 0 2 ; ₂ 2 n

_s

_b

t

n

t

P

⎤ ⎡

{ }

( 2) 0 0 0

_~

− n

t

b

s

β

(

)

{ }

0 2 0

t

s

b

n

±

_α

_{{ }}

(

)

⎥⎥ ⎥ ⎤ ⎢ ⎢ ⎢ ⎡ + =

∑

X KTG b s ₂ 2 0 2 1 dengan

(

2

)

2 n−

{ }

₍

₎

⎥ ⎥ ⎦ ⎢ ⎢ ⎣

∑

−

∑

n X X n i i 2 2

Misalkan diperoleh selang kepercayaan 90% bagiβ0 5,34≤ β0≤ 14,66

Artinya diduga bahwa rataanrataan banyaknyabanyaknya jamjam orangorang sekitarsekitar

Artinya diduga bahwa rataanrataan banyaknyabanyaknya jamjam--orangorang sekitarsekitar antara

antara 55,,3434 sampaisampai 1414,,6666 satuansatuan untukuntuk ukuranukuran lotlot sebesarsebesar 00..

Selang

Selang iniggini tidaktidak mempunyaimempunyai maknapp yy makna..

Selang kepercayaan ini tidak selalu memberikang p y

informasi yang bermanfaat ₇

Uji bagi

β =0 lawan β ≠0

Uji bagi β

₀

=0 lawan β

₀

≠0

Hipotesis

H

0

: β

0

=0

H

0 H

1

: β

0

≠

0 Taraf Nyata : α

b

Statistik Uji :

Taraf Nyata : α

{ }

0 0

b

s

b

t

_hit

=

Statistik Uji :

{ }

b

0

s

Kriteria keputusan :

H

0

ditolak jika |t

hit

|> t

α/2(n-2)

8

Soal 1

a

Data berikut merupakan hasil penelitian tentang hubungan antara nilaip p g g ulangan Matematika (dalam skala nilai 10 sampai 100) dengan lama waktu belajar matematika (dalam jam selama seminggu).

Nilai ulangan

matematika 95 100 100 80 70 55 50 75 55 60 65 95

L kt 18 18 19 17 14 5 6 10 13 4 12 10

a)Tentukan peubah mana sebagai peubah bebasX dan peubah tak bebas Lama waktu

belajar matematika 18 18 19 17 14 5 6 10 13 4 12 10 a)Tentukan peubah mana sebagai peubah bebas X dan peubah tak bebas Y!

Anggap asumsi-asumsi dalam model regresi linear sederhana terpenuhi. Anggap asumsi asumsi dalam model regresi linear sederhana terpenuhi. b)Tentukan selang kepercayaan 99% bagi β0 dan β1beserta maknanya! c)Ujilah apakah ada hubungan linear antara lama waktu belajar ) j p g j

matematika dan nilai ulangan matematika? Gunakan taraf nyata α = 0,01. d)Ujilah apakah β1= 5 lawan β1 ≠ 5 ? Gunakan taraf nyata α = 0,01. e)Ujilah apakah β0 = 0 atau tidak? Gunakan taraf nyata α = 0,01. ₉

Soal 2

Suatu tes diberikan pada semua mahasiswa baru. Seseorang yang memperoleh nilai di bawah 35 tidak diizinkan mengikuti kuliah matematika yang biasa tetapi harus mengikuti suatu kelas khusus matematika yang biasa, tetapi harus mengikuti suatu kelas khusus (remedial class). Berikut ringkasan data dari nilai tes dan nilai akhir bagi 20 mahasiswa yang mengikuti kuliah matematika yang biasa:

a Tentukan peubah mana sebagai peubah bebasX dan peubah tak a. Tentukan peubah mana sebagai peubah bebas X dan peubah tak

bebas Y!

b. Tentukan persamaan regresi dugaan!

b u a p a aa g dugaa

c. Bila 60 adalah nilai terendah agar lulus dari pelajaran matematika tersebut, berapakah batas nilai tes terendah di masa mendatang untuk dapat diizinkan mengikuti kuliah tersebut?

Bila model regresi ordo pertama layak digunakan.

d Ujil h k h d h b li i il i d il i khi ?

d. Ujilah apakah ada hubungan linier antara nilai tes dan nilai akhir? Gunakan taraf nyata 0,05.

e Tentukan selang kepercayaan 95% bagiβ dan β beserta maknanya e. Tentukan selang kepercayaan 95% bagiβ0danβ1beserta maknanya.

10

Soal 3

Suatu percobaan dilakukan pada jenis mobil baru merk tertentu, untuk menentukan jarak yang dibutuhkan untuk berhenti bila mobil tersebut direm pada berbagai kecepatan. Data yang diperoleh sebagai berikut:

Kecepatan (kilometer per jam) 35 50 65 80 95 110

)T t k b h b i b h b b X d b h t k

p ( p j )

Jarak sampai berhenti (meter) 16 26 41 62 88 119 a)Tentukan peubah mana sebagai peubah bebas X dan peubah tak bebas Y!

b)Tentukan persamaan regresi dugaan dan berikan makna dugaan b)Tentukan persamaan regresi dugaan dan berikan makna dugaan koefisien regresinya!

Anggap asumsi-asumsinya terpenuhi.gg p y p

c)Tentukan selang kepercayaan 95% bagi β1dan berikan maknanya! d)Tentukan selang kepercayaan 95% bagi β0dan berikan maknanya! e)Ujilah apakah ada hubungan linear antara kecepatan dan jarak sampai berhenti? Gunakan taraf nyata α = 0,05.

f)Ujilah apakah β1positif? Gunakan taraf nyata α = 0,05. ₁₁

Sum Square of Errors (SSE)

→

→ JKG

JKG

Sum Square of Errors (SSE)

→

→ JKG

JKG

(

)

∑

−

=

2

ˆ

i i

Y

SSE

∑

(

i i

)

∑

−

∑

−

∑

+

∑

+

∑

=

Y

i

b

Y

i

b

X

i

Y

i

b

Y

i

b

X

i

Y

i

SSE

0 1 0 1 2

2

2 ∑

i 0

∑

i 1

∑

i i 0

∑

i 1

∑

i i 12

(9)

Normal Equation

13

Data Kredit Konsumen

Hal 204 No. 6.5

Data di bawah ini menunjukkan bagi sebuah perusahaan kredit konsumen yang beroperasi di enam kota, banyaknya perusahaan sejenis

b i di k t it (X) d b t t l k dit d l ib yang beroperasi di kota itu (X) dan besarnya total kredit dalam ribuan yang tertunggak (Y):

ii 11 22 33 44 55 66

Xi 4 1 2 3 3 4

Yi 16 5 10 15 13 22

Anggaplah bahwa model regresi ordo pertama layak digunakan. Anggaplah bahwa model regresi ordo pertama layak digunakan.

a. Tentukan persamaan regresi dugaannya!

b Tentukan selang kepercayaan bagi β dan β beserta

b. Tentukan selang kepercayaan bagi β

0

dan β

1

beserta

maknanya!

c. Ujilah apakah besarnya total kredit tertunggak

1 4

j

p

y

gg

berhubungan dengan banyaknya perusahaan sejenis yang

beroperasi di kota itu!

(10)

Ukuran

Ukuran Deskriptif

Deskriptif bagi

bagi Hubungan

Hubungan

antara

antara Peubah

Peubah Bebas

u

Bebas (X)

ss ( )

(X) dan

( ) d

dan

d

Peubah

Peubah Tak

Tak Bebas

Bebas (Y)

(Y)

dalam

dalam Model

Model Regresi

Regresi

dalam

dalam Model

Model Regresi

Regresi

* Koefisien Determinasi

* Koefisien Korelasi

1 ` Perhatikan kembali ` Perhatikan kembali

(

Y

i

Y

)

(

Y

ˆ

i

Y

)

(

Y

i

Y

ˆ

i

)

2 2 2

−

+

−

=

−

∑

∑(

)

(

)

(

)

JKG

JKR

JKT

i i i i

=

+

∑

` JKT mengukur keragaman di dalam amatan-amatan Yiatau

ketidakpastian ketika meramalkan Y tanpa menggunakan peubah bebas X ⇒keragamankeragaman totaltotal

bebas ⇒ e aga ae aga a o ao a

` JKG mengukur keragaman dalam Yidengan menggunakan model

i t k b h b b X kk

regresi yang menyertakan peubah bebas X ⇒keragamankeragaman yang yang

tidak

tidak dapatdapat dijelaskandijelaskan

` JKR mengukur keragaman Yiyang berasal dari garis regresi⇒

keragaman

keragaman Y yang Y yang dapatdapat dijelaskandijelaskan

2

Koefisien

Koefisien Determinasi

Determinasi

` Ukuran untuk mengukur pengaruh X dalam menurunkan keragaman Y adalah adalah

JKT

JKG

JKT

JKR

JKT

JKG

JKT

r

2

=

−

=

1 −

Koefisien

_determinasi

Karena

Karena 0 0 ≤≤ JKG JKG ≤≤ JKT JKT makamaka 0 0 ≤≤ rr22_{≤≤ 1}₁

X b b Yˆ= 0+ 1 Y Yˆ= Gambar 2 Gambar 1 Gambar 1 3

P h k G b 1 !!

Perhatikan Gambar 1 !!

Jika semua amatan terletak pada garis regresi maka JKG = 0 dan r2_{= 1.}

Peubah bebas X berhasil menjelaskan semua keragaman di dalam Peubah bebas X berhasil menjelaskan semua keragaman di dalam

amatan-amatan Yi.

Perhatikan Gambar 2 !!

Jika kemiringan garis regresi adalah b1= 0 sehingga

maka JKG = JKT dan r2_{= 0}

Y

Yˆ

maka JKG = JKT dan r2_{= 0.}

Tidak ada hubungan linear antara X dan Y.

Peubah bebas X dalam bentuk regresi linear tidak bisa membantu

k li d l k k d l t t Y

Y

≡

sama sekali dalam menurunkan keragaman dalam amatan-amatan Yi.

Semakin dekat pada 1 semakin tinggi tingkat

hubungan linear antara X dan Y.

4

Makna

Makna koefisien

koefisien determinasi

determinasi

` Misalkan ingin mengetahui hubungan antara jarak tempuh kendaraan (X) dengan tingkat emisinya (Y) suatu mobil ?

kendaraan (X) dengan tingkat emisinya (Y) suatu mobil ?

` Diperoleh r2 _{= 89,9% , artinya sekitar 89,9% keragaman dari}

tingkat emisi suatu mobil yang dapat dijelaskan oleh jarak tempuhnya.

atau atau

Keragaman tingkat emisi suatu mobil berhasil diturunkan 89,9% dengan disertakan peubah jarak tempuh.

5

Hubungan

Hubungan antara

antara b

b

₁

dan

dan rr

(

)

⎛

⎞

∑

(

Y

)

2

(

)

⎟⎟

⎠

⎞

⎜⎜

⎝

⎛

=

−

=

∑

X Y i i

s

r

X

Y

r

b

₁ ₂

(

)

⎝

⎠

∑

X

_i

X

dalam hal ini

(

)

2

−

=

∑

Y

s

_Y i

(

)

1

2

−

=

∑

n

X

s

X i

1 −

n

Y

n

1

6

(11)

Koefisien

Koefisien Korelasi

Korelasi

2

r

=

±

Tanda plus atau minus tergantung pada kemiringan garis

regresinya positif atau negatif.g y p g

-1 ≤ r ≤ 1

0 >

β

₁

_>

₀

β

<

0 β

β

1

<

0

7

Rumus

Rumus Hitung

Hitung bagi

bagi rr

(

)(

)

[

−

]

=

∑

X

Y

r

i i

(

) (

)

[

2 2

]

12

−

=

∑

Y

X

Y

X

r

i i i i

(

)

( )

12 2 2

⎤

⎡

_⎜

⎛

_⎟

⎞

_⎜

⎛

_⎟

⎞

−

=

∑

Y

X

n

Y

X

Y

X

i i i i

(

)

2

( )

2

⎥

⎦

⎤

⎢

⎣

⎡

⎟

⎠

⎞

⎜

⎝

⎛

−

⎟

⎠

⎞

⎜

⎝

⎛

−

∑

_n

Y

n

X

i i i i

Bila hubungan linear antara X dan Y sempurna maka r = ±1 r = 1 hubungan sempurna dan searah r 1 hubungan sempurna dan searah r = -1 hubungan sempurna dan berlawanan arah

Korelasi hanya dapat mengukur hubungan linear !!!

8

Koefisien

Koefisien Korelasi

Korelasi antara

antara X

X dan

dan Y

Y

Koefisien korelasi populasi dinyatakan denganρ.

U t k ji k h d h b li t X d Y d

Untuk menguji apakah ada hubungan linear antara X dan Y pada

model Y=β0+β1X+ε dapat pula dengan menguji

H00: ρ = 0 lawanρ H11: ρ ≠ 0ρ

Jika regresi Y atas X merupakan garis lurus maka koefisien korelasi

pada populasi adalahρ atau ρXY

pada populasi adalah ρ atau ρXY

(

)

( ) ( )

( ) ( ) ( )

XY

Y

E

X

E

XY

E

Y

V

X

V

Y

X

Cov

σ

ρ

=

,

=

−

( ) ( )

X

Var

Y

X Y

Var

σ

(

)

(

_∑

−

∑

_∑

∑

)

(

_∑

∑

−

( )

_∑

)

− = 2 2 2 2 _X _n _Y _Y X n Y X XY n rXY

Koefisien

korelasi

korelasi sampel

sampel

(

_∑

₍

_∑

₎

)

(

_∑

_{( )}

_∑

)

9

Pengujian

Pengujian hipotesis

hipotesis tentang

tentang

k

fi i

k

fi i

k

l

i

koefisien

koefisien korelasi

korelasi

Hipotesis Hipotesis

1) H0: ρ = 0 (Tidak ada hubungan linear antara X dan Y)

H1: ρ ≠ 0 (Ada hubungan linear antara X dan Y)

2) H0: ρ ≥ 0 3) H0: ρ ≤ 0 H1: ρ < 0 H1: ρ > 0 T f t Taraf nyata : α Statistik uji : 2 1 2 r n r t − − = Kriteria Keputusan : 1) H0ditolak jika |thit| > tα/2,n-2

1 r−

2) H0ditolak jika thit< - tα,n-2

3) H0ditolak jika thit> tα,n-2

10 Hipotesis 1) H :ρ = k 2) H :ρ ≥ k 3) H :ρ ≤ k 1) H0: ρ = k 2) H0: ρ ≥ k 3) H0: ρ ≤ k H1: ρ ≠ k H1: ρ < k H1: ρ > k Taraf nyata : α Statistik Uji : 1 1 ln 1 1 ln − + − − + k k r r Kriteria Keputusan : 3 1 1 1 − − − = n k r Z Kriteria Keputusan : 1) H0ditolak jika |Zhit| > Zα/2

2) H) 00ditolak jika Zj hithit< -Zαα

3) H0ditolak jika Zhit> Zα

11

Soal

Soal 11

Data

Data nilai

nilai mutu

mutu rata

rata--rata

rata

i 1 2 3 4 5 6 7 8 9 10 Xi 5,5 4,8 4,7 3,9 4,5 6,2 6,0 5,2 4,7 4,3 Yi 3,1 2,3 3,0 1,9 2,5 3,7 3,4 2,6 2,8 1,6 i 11 12 13 14 15 16 17 18 19 20 Xi 4,9 5,4 5,0 6,3 4,6 4,3 5,0 5,9 4,1 4,7 Yi 2,0 2,9 2,3 3,2 1,8 1,4 2,0 3,8 2,2 1,5 Keterangan Keterangan: :

Y : nilai mutu rata-rata (NMR) pada akhir tahun pertama X : nilai ujian masuk

X : nilai ujian masuk

Anggap model regresi linear cocok digunakan. a)

a) TentukanTentukan koefisienkoefisien determinasideterminasi dandan maknanyamaknanya b)

b) TentukanTentukan koefisienkoefisien korelasikorelasi

12

b)

b) TentukanTentukan koefisienkoefisien korelasikorelasi c)

(12)

Data

Data Pemeliharaan

Pemeliharaan Kalkulator

Kalkulator

Soal

Soal 22

Data

Data Pemeliharaan

Pemeliharaan Kalkulator

Kalkulator

ii 11 22 33 44 55 66 77 88 99 X X 77 66 55 11 55 44 77 33 44 X Xii 77 66 55 11 55 44 77 33 44 Y Yii 9797 8686 7878 1010 7575 6262 101101 3939 5353 ii 1010 1111 1212 1313 1414 1515 1616 1717 1818 X Xii 22 88 55 22 55 77 11 44 55 Y Yii 3333 118118 6565 2525 7171 105105 1717 4949 6868

(

)

16504,

(

)

74.5,

(

)(

)

1098 , 81 , 1152 = − 2= − 2= − − = =

∑

Yi

∑

Xi

∑

Yi Y Xi X , Xi X Yi Y Xiadalah banyaknya kalkulator yang diservis

Yiadalah lamanya waktu untuk memperbaiki kalkulator

A d l i li d h k di k

(

)

,

(

)

,

(

)(

)

,

∑

i

∑

i

∑

i i i i

Anggap model regresi linear sederhana cocok digunakan.

Hitunglah

Hitunglah koefisienkoefisien determinasideterminasi! ! BerikanBerikan maknanyamaknanya!! Hitunglah

Hitunglah koefisienkoefisien korelasinyakorelasinya!! Hitunglah

Hitunglah koefisienkoefisien korelasinyakorelasinya!! Apakah

Apakah ρ≠ρ≠ 0? 0? LakukanLakukan pengujianpengujian hipotesishipotesis dengandenganαα =0,01.=0,01. ₁₃

Soal

Soal 33

Data berikut merupakan hasil penelitian tentang hubungan antara nilai ulangan Matematika (dalam skala nilai 10 sampai 100) dengan lama ulangan Matematika (dalam skala nilai 10 sampai 100) dengan lama waktu belajar matematika (dalam jam selama seminggu).

Nilai ulangana u a ga 95 100 100 80 70 55 50 75 55 60 65 95

matematika

95 00 00 80 0 55 50 5 55 60 65 95

Lama waktu

belajar matematika 18 18 19 17 14 5 6 10 13 4 12 10

a) Tentukan peubah mana sebagai peubah bebas dan peubah tak bebas! Anggap asumsi-asumsi dalam model regresi linear sederhana terpenuhi belajar matematika

Anggap asumsi asumsi dalam model regresi linear sederhana terpenuhi.

b)Tentukan koefisien determinasi dan maknanya c)Tentukan koefisien korelasi

d)Ujilah apakah ada hubungan linier antara lama waktu belajar matematika dan nilai ulangan matematika? Gunakan uji korelasi populasi dengan taraf nyata 0 05

dengan taraf nyata 0,05.

14

Soal

Soal 44

Suatu tes diberikan pada semua mahasiswa baru. Seseorang yang memperoleh nilai di bawah 35 tidak diizinkan mengikuti kuliah memperoleh nilai di bawah 35 tidak diizinkan mengikuti kuliah matematika yang biasa, tetapi harus mengikuti suatu kelas khusus (remedial class). Berikut ringkasan data dari nilai tes dan nilai akhir bagi 20 mahasiswa yang mengikuti kuliah matematika yang biasa:

20 mahasiswa yang mengikuti kuliah matematika yang biasa: a) Tentukan peubah mana sebagai peubah bebas X dan peubah tak

bebas Y!

Bila model regresi ordo pertama layak digunakan. Bila model regresi ordo pertama layak digunakan.

b)Tentukan koefisien determinasi dan maknanya c)Tentukan koefisien korelasi

d)Apakahρ = 0,85? Lakukan pengujian hipotesis dengan α= 0,01.

15

K it i k

fi i

k

l

i

Kriteria koefisien korelasi

(Sarwono:2006):

– 0 : Tidak ada korelasi antara dua variabel

– >0 – 0,25: Korelasi sangat lemah

– >0,25 – 0,5: Korelasi cukup

– >0,5 – 0,75: Korelasi kuat

– >0,75 – 0,99: Korelasi sangat kuat

– 1: Korelasi sempurna

(13)

ANALISIS VARIANSI

UJI F UNTUK KETIDAKCOCOKKAN

MODEL REGRESI LINEAR SEDERHANA

1

UJI F UNTUK KETIDAKCOCOKKAN

MODEL REGRESI LINEAR SEDERHANA

• Uji ini mengasumsikan bahwa pengamatan-pengamatan

Y untuk suatu X tertentu bersifat bebas, tersebar

normal, memiliki ragam yang sama.

• Uji ini menghendaki adanya pengamatan berulang pada

satu atau lebih nilai X.

2

Formula

Formula Hipotesis

Hipotesis

p

Hipotesis Hipotesis

H0: E{Y} = β0+ β1X

H1: E{Y} ≠ β0+ β1X

Atau

H0: Tidak ada ketidakcocokan model regresi linear sederhana

dengan data dengan data

H1: Ada ketidakcocokan model regresi linear sederhana dengan data

Atau

H0: Model regresi linear sederhana cocok

H1: Model regresi linear sederhana tidak cocok

3

Jumlah

Jumlah Kuadrat

Kuadrat Ketidakcocokkan

Ketidakcocokkan Model

Model

(JKKM)

JKG = JKGM + JKKM

Perhatikan :

ˆ

ij j j ij ij ij

Y

−

ˆ

=

−

+

−

ˆ

Simpangan galat Simpangan ketidakcocokan d l Simpangan galat murni g model g

(

Y_ij−Yˆ_ij

)

2=

∑∑

(

Y_ij−Y_j

)

2+

∑∑

(

Y_j−Yˆ_ij

)

2

∑∑

(

)

(

)

(

)

JKKM JKGM JKG ij j j ij ij ij = +

∑∑

4

Statistik

Statistik Uji

Uji

₍

₎

k

KKM

J

2 jj

₍

₎

(

n

k

)

JKGM

k

KKM

J

F

−

=

2 (

)

(

)

2

∑∑

−

=

Y

JKGM

=

∑∑

(

Y

_ij

−

Y

_j

)

JKGM

i i i i

b

Y

b

X

Y

JKG

=

∑

2

−

₀

∑

−

₁

∑

JKGM

JKG

JKKM

=

−

2 )

(

;

)

(

;

2 )

(

G

=

n

−

db

GM

=

n

−

k

db

KM

=

k

−

db

(

G

)

n

2 ;

db

(

GM

)

n

k

;

db

(

KM

)

k

2 db

5

Soal

Soal 1

1,

lakukan uji kecocokan model regresi linear

sederhana gunakan taraf nyata 0 05

i Xi Yi

sederhana, gunakan taraf nyata 0,05.

Xi Yij ⎯Yj 1 125 160 2 100 112 3 200 124 75 28 42 35 100 112 124 3 200 124 4 75 28 5 150 152 136 125 160 150 155 5 150 152 6 175 156 7 75 42 150 150 152 152 175 156 140 8 175 124 9 125 150 10 200 104 124 200 124 104 114 10 200 104 11 100 136

The regression equation is Ŷ

ΣXiYi=186200, ΣXi=1500, ΣYi=1288, ΣYi2=170696 Ŷi= 50,72251+ 0,48670 Xi

(14)

Soal

Soal 2. Data

2. Data Konsentrasi

Konsentrasi Larutan

Larutan

i Xi Yi

1 9 0.07

2 9 0 09 a. Tentukan persamaan regresi linear _d

2 9 0.09

3 9 0.08

4 7 0.16

dugaannya.

b. Lakukan uji F untuk memeriksa apakah ada ketidakcocokan model bila

5 7 0.17

6 7 0.21

ada ketidakcocokan model bila digunakan model regresi linear sederhana, gunakan α = 0.05.

7 5 0.49

8 5 0.58

9 5 0 53

c. Buatlah diagram pencar antara X dan Y, mengindikasikan model regresi apa yang cocok? Jelaskan

9 5 0.53

10 3 1.22

11 3 1.15

yang cocok? Jelaskan.

Seorang kimiawan mempelajari hubungan

12 3 1.07

13 1 2.84

g p j g

konsentrasi suatu larutan (Y) dengan waktu (X). 14 1 2.57 15 1 3.10 7

Soal

Soal 3

3 Bagaimana

Bagaimana uji

uji kecocokan

kecocokan model

model regresi

regresi

linear

linear sederhana

sederhana dilakukan

dilakukan bila

bila tidak

tidak ada

ada

linear

linear sederhana

sederhana dilakukan

dilakukan bila

bila tidak

tidak ada

ada

pengamatan

pengamatan berulang

berulang pada

pada nilai

nilai X?

X?

Berikan

(15)

PENDEKATAN

PENDEKATAN MATRIKS

MATRIKS TERHADAP

TERHADAP

ANALISIS

ANALISIS REGRESI

REGRESI LINEAR

LINEAR SEDERHANA

SEDERHANA

1

Perhatikan

Perhatikan kembali

kembali model

model regresi

regresi linear

linear sederhana

sederhana:

:

Y

ββ ++ββ X

X +

+

Y

ii

=

= ββ

00

+

+ββ

11

X

ii

+

+εε

ii X Y1=β0+β1 1+ε1 X Y2=β0+β1 2+ε2 M n n n X Y =β0+β1 +ε ⎥ ⎥ ⎤ ⎢ ⎢ ⎡ + ⎥ ⎤ ⎢ ⎡ ⎥ ⎥ ⎤ ⎢ ⎢ ⎡ = ⎥ ⎥ ⎤ ⎢ ⎢ ⎡ X X Y Y ε ε β 2 1 0 2 1 2 1 1 1

ε

β

+

= X

Y

⎥ ⎥ ⎥ ⎦ ⎢ ⎢ ⎢ ⎣ + ⎥ ⎦ ⎢ ⎣ ⎥ ⎥ ⎥ ⎦ ⎢ ⎢ ⎢ ⎣ = ⎥ ⎥ ⎥ ⎦ ⎢ ⎢ ⎢ ⎣Yn Xn εn β M M M M 1 1

ε

β

+

= X

Y

n×1 n×2 2×1 n×1 2

Perhatikan bahwa adalah vektor nilai-nilai harapan

b

i

t

Y

b b E{Y }

β +β X

β

X

bagi amatan-amatan Y

_i

sebab E{Y

_i

}= β

₀

+β

₁

X

_i

S h

E

{ }

Y

X

β

Sehingga :

E

{ }

Y

=

X

β

n×1 n×2 2×1

S

d l h

ε

k

b h

b h k

l

Syarat : adalah suatu vektor peubah-peubah acak normal

yang bebas dengan dan

ε

E

{ }

ε =0 _σ2

{ }

_ε ₌_σ2I

Persamaan normal regresi linear sederhana

∑

= +b Xi Yi nb0 1 Y X b X Xt = t

ditulis dalam notasi matriks

∑

= + i ii i b X XY X b 2 1 0 ⎤ ⎡ ⎤ ⎡1 X Y

( )

X X XY b Y X b X X t t −1 = ⇒ = ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ = ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ n n Y Y Y X X X b b X X X X X X _K _M K M M K K 2 1 2 1 1 0 2 1 2 1 1 1 1 1 1 1 1 1 1 ⎥ ⎦ ⎢ ⎣ ⎥ ⎦ ⎢ ⎣1 Xn Yn 3

Perhatikan

Perhatikan !!!

!!!

Perhatikan

Perhatikan !!!

!!!

4

Uji

Uji terhadap

terhadap

ββ

₁₁

Uji

Uji terhadap

terhadap

ββ

₁₁

• Untuk menguji apakah ada hubungan linear antara Y dengan

X dil k k ji b ik t

X, dilakukan pengujian berikut : Hipotesis : H :β = 0 H0: β1= 0 H1: β1 ≠ 0 Taraf nyata :α Taraf nyata : α Statistik Uji :

)

/(

)

1 /(

p

n

JKG

p

JKR

KTG

KTR

F

−

=

Y

J

Y

n

Y

JKT

/

1 ⎟

/

⎠

⎞

⎜

⎝

⎛

−

=

p : banyaknya parameter JKR = JKT-JKG

)

(

p

Y

X

b

Y

JKG

=

/

−

/ /

n

⎠

⎝

Kriteria Keputusan :

H0ditolak jika Fhit> Fα(p-1,n-p)

5

Perhatikan

Perhatikan !!!

!!!

Perhatikan

Perhatikan !!!

!!!

1 ⎞

⎛

Y

J

Y

n

Y

JKT

/

1 ⎟

/

⎠

⎞

⎜

⎝

⎛

−

=

⎥

⎤

⎢

⎡

1

1 M

M

L

n

⎠

⎝

∑

′

2 Y

Y

⎥

⎦

⎢

⎣

=

1

1 _L

M

J

n × n

∑

=

Y

_i

Y

⎢⎣

1

1 ⎥⎦

(

)

2

∑

=

′

i

Y

J

Y

(

∑

_i

)

6

(16)

Selang

Selang Kepercayaan

Kepercayaan bagi

bagi

ββ

_k

Selang

Selang Kepercayaan

Kepercayaan bagi

bagi

ββ

_k

{ }

b

s

t

b

_k

±

t

₍

_n

_p

₎

s

{ }

b

_k

b

±

_α

_/

₂

_,

₋

{ }

=

_⎢

⎡

{ } {

0 0 1

}

_⎥

⎤

2 2

_b

s

b

s

b

, b

s

{ }

( )

1 / 2

₌

−

X

KTG

b

s

{ }

_{

_}

_{{ }}

_⎥

⎦

⎢

⎣

=

1 2 0 1

,

b

s

b

s

b

s

{ }

( )

K

fi i

K

fi i

D t

i

Koefisien

Koefisien Determinasi

Determinasi

r

2

₌

_{JKR/JKT = 1- (JKG/JKT)}

Koefisien

Koefisien korelasi

korelasi

r = ±

r

2 7

Soal

Soal 11

Suatu percobaan telah dilakukan untuk menentukan apakah berat seekor kambing (dalam kilogram) dapat diprediksikan (setelah pada seekor kambing (dalam kilogram) dapat diprediksikan (setelah pada periode tertentu) berdasarkan jumlah makanan yang dimakan (dalam kilogram). Berikut data yang telah dinyatakan dalam notasi matriks.

, 14533 379 379 10 ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ = ′_X X , 31726 825 ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ = ′_Y X Y′Y=

[

70083

]

, Y′JY=

[

680625

]

Anggap model regresi ordo pertama dapat digunakan. a) Tentukan persamaan regresi dugaan beserta maknanya. b) Bila jumlah makanan seekor kambing sebesar 300 kg, berapakah

prediksi berat kambing tersebut?

c) Buatlah selang kepercayaan 99% bagi β dan berikan maknanya

c) Buatlah selang kepercayaan 99% bagi β1dan berikan maknanya.

d) Tentukan koefisien korelasinya.

Soal

Soal 2

2

((

kerjakan

kerjakan dengan

dengan pendekatan

pendekatan matriks

matriks)

)

D

K

k

R

Data

Data Kerusakan

Kerusakan Rasa

Rasa

Data berikut merupakan hasil penelitian tentang hubungan antara Data berikut merupakan hasil penelitian tentang hubungan antara suhu penyimpanan (dalam °F) dan lama (dalam minggu ) sebelum mulai terjadi kerusakan rasa suatu produk

i 1 2 3 4 5

Xi 8 4 0 -4 -8

Anggap bahwa model regresi ordo pertama dapat digunakan.

Yi 7.8 9.0 10.2 11.0 11.7

a)Tentukan persamaan regresi dugaannya

b)Ujilah apakah ada hubungan linear antara suhu penyimpanan dan lama sebelum mulai terjadi kerusakan rasa suatu produk ? lama sebelum mulai terjadi kerusakan rasa suatu produk ?

c)Buat selang kepercayaan bagi β0 dan β1!

d)Tentukan koefisien determinasi dan koefisien korelasinya!) y