metode statistika pertemuan xii
DESCRIPTION
Metode Statistika Pertemuan XII. Analisis Korelasi dan Regresi. Pengantar. Analisis Regresi adalah Analisis statistika yang memanfaatkan hubungan antara dua atau lebih peubah kuantitatif sehingga salah satu peubah dapat diramalkan dari peubah lainnya. - PowerPoint PPT PresentationTRANSCRIPT
Metode StatistikaPertemuan XII
Analisis Korelasi dan Regresi
• Analisis Regresi adalah Analisis statistika yang memanfaatkan hubungan antara dua atau lebih peubah kuantitatif sehingga salah satu peubah dapat diramalkan dari peubah lainnya.
• Analisis korelasi merupakan analisis yang dapat menunjukkan besarnya hubungan keeratan antara dua peubah atau lebih.
Pengantar
Korelasi
Korelasi
Korelasi
Koefisien Korelasi Pearson (r)
2222
222
222
sehingga ,)1(1
)(
dan )1(1
)(
)1(1
))((
: dimana ,
iiii
iiiixy
iiiyy
iiixx
iiiiiixy
yx
xyxy
yynxxxn
yxyxnr
nn
yyn
n
yyS
nn
xxn
n
xxS
nn
yxyxn
n
yyxxS
SS
Sr
ContohJarak Emisi 31 553 38 590 48 608 52 682 63 752 67 725 75 834 84 752 89 845 99 960
Jarak EmisiNo X Y X^2 Y^2 X.Y
1 31 553 961 305.809 17.143 2 38 590 1.444 348.100 22.420 3 48 608 2.304 369.664 29.184 4 52 682 2.704 465.124 35.464 5 63 752 3.969 565.504 47.376 6 67 725 4.489 525.625 48.575 7 75 834 5.625 695.556 62.550 8 84 752 7.056 565.504 63.168 9 89 845 7.921 714.025 75.205
10 99 960 9.801 921.600 95.040 646 7.301 46.274 5.476.511 496.125
90.0)9504.0(
9504.072.257569
244804
146050925424
244804
])7301(547651110[])646(4627410[
)7301646()49612510(
22
22
2222
r
x
xxx
xx
yynxxxn
yxyxnr
iiii
iiiixy
ANALISIS REGRESI
• Hubungan Antar Peubah:• Fungsional (deterministik) Y=f(X) ; misalnya: Y=10X
• Statistik (stokastik) amatan tidak jatuh pas pada kurva
Mis: IQ vs Prestasi, Berat vs Tinggi, Dosis Pupuk vs Produksi
• Model regresi sederhana:
niXY iii ,...,2,1 ; 10
Regresi
Makna 0 & 1 ?
Regresi
Analisis Regresi• Pendugaan terhadap koefisien regresi:
b0 penduga bagi 0 dan b1 penduga bagi 1
Bagaimana Pengujian terhadap model regresi ??• parsial (per koefisien) uji-t• bersama uji-F (Anova)
Bagaimana menilai kesesuaian model ?? R2 (Koef. Determinasi: % keragaman Y yang mampu dijelaskan oleh X)
xbybn
xx
n
yxxy
b
10
22
1 )(
))((
Metode Kuadrat Terkecil
Contoh Data
Jarak Emisi 31 553 38 590 48 608 52 682 63 752 67 725 75 834 84 752 89 845 99 960
Percobaan dalam bidang lingkungan
Apakah semakin tua mobil semakin besar juga emisi HC yang dihasilkan?
Diambil contoh 10 mobil secara acak, kemudian dicatat jarak tempuh yang sudah dijalani mobil (dalam ribu kilometer) dan diukur Emisi HC-nya (dalam ppm)
Emisi = 382 + 5.39 Jarak
Analisis Regresi
10090807060504030
950
850
750
650
550
Jarak
Em
isi
Plot antara Emisi Hc (ppm) dg Jarak Tempuh Mobil (ribu kilometer)
Analisis RegresiContoh output regresi dengan Minitab (1)
Regression Analysis (Emisi Hc vs Jarak Tempuh Mobil)
The regression equation is Emisi = 382 + 5.39 Jarak
Predictor Coef StDev T PConstant 381.95 42.40 9.01 0.000Jarak 5.3893 0.6233 8.65 0.000
S = 42.01 R-Sq = 90.3% R-Sq(adj) = 89.1%
Analysis of Variance
Source DF SS MS F PRegression 1 131932 131932 74.76 0.000Error 8 14118 1765Total 9 146051
Unusual ObservationsObs Jarak Emisi Fit StDev Fit Residual St Resid 8 84.0 752.0 834.7 18.0 -82.7 -2.18R
R denotes an observation with a large standardized residual
Analisis Regresi
Bagaimana Pengujian terhadap model regresi ??
• parsial (per koefisien) uji-t• bersama uji-F (Anova)
Bagaimana menilai kesesuaian model ?? R2 Koef. Determinasi
(% keragaman Y yang mampu dijelaskan oleh X)
Uji Hipotesis
n
iii
n
ii
n
ii yyyyyy
1
2
1
2
1
2 )ˆ()ˆ()(
H0 : 1=0 vs H1: 10
ANOVA (Analysis of Variance) Uji F
JK total = JK regresi + JK error
Keragaman total = keragaman yang dapat dijelaskan oleh model + keragaman yang tidak dapat dijelaskan oleh model
Sumber db JK KT F
Regresi 1 JKR KTR KTR/KTE
Error n - 2 JKE KTE
Total n - 1 JKT
Anova
F ~ F (1,n-2)
Uji Hipotesis
H0 : 1≤0 vs H1: 1>0
Uji Parsial
Statistik uji:
2
)ˆ(
)(
2
2
1
1
1
n
yys
xx
sS
S
bT
ii
ib
b