BI projek Isi

Embed Size (px)

Citation preview

  • 7/25/2019 BI projek Isi

    1/56

    Regresi Linear

  • 7/25/2019 BI projek Isi

    2/56

    Regresi Linear

    Tujuan Pembelajaran

    Menjelaskan regresi dan korelasi Menghitung dan menginterpretasikan arti daripersamaan regresi dan standard error dariestimasi-estimasi untuk analisis regresi liniersederhana

    Menggunakan ukuran-ukuran yang diperoleh darianalisis regresi dan korelasi untuk membuatdugaan-dugaan interval dari variabel-variabelterikat bagi keperluan peramalan (forecasting)

    Menghitung dan menjelaskan makna dari

    koefisien-koefisien korelasi dan determinasi dalammenggunakan teknik-teknik analisa korelasi liniersederhana

  • 7/25/2019 BI projek Isi

    3/56

    Regresi Linear

    Agenda

    Pendahuluan Analisis egresi !inier "ederhana

    #ji-uji elasi dan $nterval Prediksi

    Analisis %orelasi !inier "ederhana

  • 7/25/2019 BI projek Isi

    4/56

    Regresi Linear

    $stilah egresi diperkenalkan oleh &ancis'altom

    Meskipun ada kecenderungan bagi orang tua yangtinggi mempunyai anak-anak yang tinggi dan bagiorang tua yang pendek mempunyai anak yangpendek distribusi tinggi dari suatu populasi tidakberubah secara menyolok (besar) dari generasi ke

    generasi*+

    egresi , %emunduran ke arah sedang*

    "ejarah egresi

  • 7/25/2019 BI projek Isi

    5/56

    Regresi Linear

    ilustrasi

  • 7/25/2019 BI projek Isi

    6/56

    Regresi Linear

    Analisis regresi merupakan studi ketergantungan satu atau lebihvariabel bebas terhadap variabel tidak bebas+ engan maksud untukmeramalkan nilai variabel tidak bebas+

    Pengertian

  • 7/25/2019 BI projek Isi

    7/56

    Regresi Linear

    $stilah dan notasi variabel

    dalam regresi .Y

    /araibel tergantung

    (ependent /ariable) /ariabel yang dijelaskan(01plained /ariable)

    /ariabel yang diramalkan(Predictand)

    /ariabel yang diregresi

    (egressand) /ariabel Tanggapan(esponse)

    X /araibel bebas

    ($ndependent /ariable) /ariabel yang menjelaskan(01planatory /ariable)

    /ariabel peramal (Predictor) /ariabel yang meregresi

    (egressor)

    /ariabel perangsang ataukendali ("timulus or controlvariable)

  • 7/25/2019 BI projek Isi

    8/56

    Regresi Linear

    2+ Pendahuluan Analisa regresi digunakan untuk mempelajari dan mengukurhubungan statistik yang terjadi antara dua atau lebih

    varibel+ alam regresi sederhana dikaji dua variabelsedangkan dalam regresi majemuk dikaji lebih dari duavariabel+

    alam analisa regresi suatu persamaan regresi hendakditentukan dan digunakan untuk menggambarkan pola ataufungsi hubungan yang terdapat antar variabel+

    /ariabel yang akan diestimasi nilainya disebut variabelterikat (dependent variable atau response variable) danbiasanya diplot pada sumbu tegak (sumbu-y)+ "edangkanvariabel bebas (independent variable atau e1planatoryvariable) adalah variabel yang diasumsikan memberikan

    pengaruh terhadap variasi variabel terikat dan biasanyadiplot pada sumbu datar (sumbu-1)+

  • 7/25/2019 BI projek Isi

    9/56

    Regresi Linear

    Analisa korelasi bertujuan untuk mengukur3seberapa kuat3 atau 3derajat kedekatan3suatu relasi yang terjadi antar variabel+

    Analisa regresi ingin mengetahui pola relasi

    dalam bentuk persamaan regresi Analisa korelasi ingin mengetahui kekuatan

    hubungan tersebut dalam koefisienkorelasinya+ engan demikian biasanya

    analisa regresi dan korelasi seringdilakukan bersama-sama+

  • 7/25/2019 BI projek Isi

    10/56

    Regresi Linear

    alam menentukan apakah terdapat suatuhubungan yang logis antar variabel terutama bilapenilaian dilakukan terhadap angka-angka statistiksaja perlu diperhatikan beberapa hal yangberkaitan dengan masuk akal atau tidaknya

    hubungan tersebut jika ditinjau dari sifat dasarhubungan tersebut+ Terdapat beberapa kemungkinan bentuk relasi

    meliputi hubungan sebab akibat (cause-and-effectrelationship) hubungan akibat penyebab yangsama (common-cause factor relationship)hubungan semu (spurious relationship)+

  • 7/25/2019 BI projek Isi

    11/56

    Regresi Linear

    !angkah pertama dalam menganalisa relasiantar variabel adalah dengan membuatdiagram pencar (scatter diagram) yangmenggambarkan titik-titik plot dari data

    yang diperoleh+ iagram pencar ini bergunauntuk4 membantu dalam melihat apakah ada relasi yang

    berguna antar variabel4 membantu dalam menentukan jenis persamaan

    yang akan digunakan untuk menentukanhubungan tersebut+

  • 7/25/2019 BI projek Isi

    12/56

    Regresi Linear

    Linier positif Linier negatif

  • 7/25/2019 BI projek Isi

    13/56

    Regresi Linear

    Curvelinier positif Curvelinier negatif

  • 7/25/2019 BI projek Isi

    14/56

    Regresi Linear

    CurvelinierTak tentu

  • 7/25/2019 BI projek Isi

    15/56

    Regresi Linear

    5+ Analisis egresi !inear

  • 7/25/2019 BI projek Isi

    16/56

    Regresi Linear

  • 7/25/2019 BI projek Isi

    17/56

    Regresi Linear

  • 7/25/2019 BI projek Isi

    18/56

    Regresi Linear

  • 7/25/2019 BI projek Isi

    19/56

    Regresi Linear

  • 7/25/2019 BI projek Isi

    20/56

    Regresi Linear

  • 7/25/2019 BI projek Isi

    21/56

    Regresi Linear

  • 7/25/2019 BI projek Isi

    22/56

    Regresi Linear

  • 7/25/2019 BI projek Isi

    23/56

    Regresi Linear

  • 7/25/2019 BI projek Isi

    24/56

    Regresi Linear

  • 7/25/2019 BI projek Isi

    25/56

    Regresi Linear

  • 7/25/2019 BI projek Isi

    26/56

    Regresi Linear

    5+ Analisis egresi !inear

    x x

    y y

    (a)x (b)x

    erajat variasi sebaran data

  • 7/25/2019 BI projek Isi

    27/56

    Regresi Linear

  • 7/25/2019 BI projek Isi

    28/56

    Regresi Linear

    6+ #ji %oefisien dan %orelasi

  • 7/25/2019 BI projek Isi

    29/56

    Regresi Linear

  • 7/25/2019 BI projek Isi

    30/56

    Regresi Linear

  • 7/25/2019 BI projek Isi

    31/56

    Regresi Linear

  • 7/25/2019 BI projek Isi

    32/56

    Regresi Linear

  • 7/25/2019 BI projek Isi

    33/56

    Regresi Linear

  • 7/25/2019 BI projek Isi

    34/56

    Regresi Linear

  • 7/25/2019 BI projek Isi

    35/56

    Regresi Linear

  • 7/25/2019 BI projek Isi

    36/56

    Regresi Linear

    7+ Analisis %orelasi

  • 7/25/2019 BI projek Isi

    37/56

    Regresi Linear

    7+ Analisis %orelasi

  • 7/25/2019 BI projek Isi

    38/56

    Regresi Linear

    7+ Analisis %orelasi

  • 7/25/2019 BI projek Isi

    39/56

    Regresi Linear

    7+ Analisis %orelasi

  • 7/25/2019 BI projek Isi

    40/56

    Regresi Linear

    7+ Analisis %orelasi

  • 7/25/2019 BI projek Isi

    41/56

    Regresi Linear

    8+ egresi !inear 9on !inear

  • 7/25/2019 BI projek Isi

    42/56

    Regresi Linear

    Perbedaan mendasar antara korelasi dan regresi .

    %orelasi hanyamenunjukkan sekedarhubungan+

    alam korelasi variabeltidak ada istilahtergantung dan variabelbebas+

    egresi menunjukkanhubungan pengaruh+

    alam regresi terdapat

    istilah tergantung danvariabel bebas+

  • 7/25/2019 BI projek Isi

    43/56

    0'0"$ !$90A

    :0'A9A

    Regresi Linear

    Pola AsuhX1

    Cara BelajarX2

    PrestasiBelajar

    Y

    KonsepTerdapat dua variabel bebas ; yang dapat mempengaruhi

    variabel terikat

  • 7/25/2019 BI projek Isi

    44/56

    0'0"$ !$90A

    :0'A9A

    Regresi Linear

    kikiii

    kk

    XbXbXbbY

    XbXbXbbY

    ++++=

    ++++=

    ...'

    ...'

    22110

    22110

    < , nilai observasi (data hasil pencatatan)

    n

  • 7/25/2019 BI projek Isi

    45/56

    0'0"$ !$90A

    :0'A9A

    Regresi Linear

    #ntuk menghitung b? b2 b5 > bkdigunakan Metode%uadrat Terkecil dengan persamaan berikut+

    =++++

    =++++

    =++++

    =++++

    YXXbXXbXXbXb

    YXXXbXbXXbXb

    YXXXbXXbXbXb

    YbXbXbnb

    kkkkkk

    kk

    kk

    k

    2

    22110

    22

    2

    2212120

    11212

    2

    1110

    22110

    ...

    ...

    ...

    ...

  • 7/25/2019 BI projek Isi

    46/56

    :0'A9A

    Regresi Linear

    Misalnya/ariabel terikat ada 2 yaitu