Escolar Documentos
Profissional Documentos
Cultura Documentos
Variabel dependen: variabel tidak bebas Variabel independen: variabel bebas yang digunakan untuk menjelaskan variabel dependen
ILUSTRASI
X
Varaibel bebas (Independent Variable) Variabel yang menjelaskan (Explanatory Variable) Variabel peramal (Predictor) Variabel yang meregresi (Regressor) Variabel perangsang atau kendali (Stimulus or control variable)
Tidak berhubungan
Variabel Dependen
y 0 1x
Komponen Linear
y 0 1x
i
Galat acak untuk nilai x
Slope = 1
xi
Nilai estimasi y
i b0 b1x y
Persamaan Regresi
Persamaan Regresi linier Sederhana: Y = a + bX +
Y a b X = Nilai yang diramalkan = Konstansta = Koefesien regresi = Variabel bebas = Nilai Residu
n( XY ) ( X )( Y ) n( X 2 ) ( X ) 2
Y b( X ) a n
Kriteria kuadrat terkecil (Least Squares) b0 dan b1 diperoleh dengan mendapatkan nilai b0 dan b1 yang meminimalkan jumlah kuadart sisa
2 e (y y) 2
(y (b
b1x))
Persamaan aljabar:
b1
x y xy n 2 ( x ) 2 x n
dan
b0 y b1 x
b0 diestimasi dari nilai rata-rata y ketika nilai x sama dengan nol b1 diestimasi dari perubahan ratarata nilai y karena perubahan satu unit x
X
20 16
XY
1280 976
X2
400 256
Y2
4096 3721
84
70 88 92 72 77 608
34
23 27 32 18 22 192
2856
1610 2376 2944 1296 1694 15032
1156
529 729 1024 324 484 4902
7056
4900 7744 8464 5184 5929 47094
n( XY ) ( X )( Y ) n( X 2 ) ( X ) 2
Y b( X ) a n
(608) 1,497(192) 40,082 8
Y= 40,082 + 1,497X+e
Koefesien Determinasi
Koefesien determinasi:
R 1
2
(Y Y )
2 ( Y Y ) 2
Radj
Radj
(Y Y )
nk
Se
Sb
Se ( X ) X n
2 2
Sb1
0,359
Uji F
Uji F digunakan untuk uji ketepatan model, apakah nilai prediksi mampu menggambarkan kondisi sesungguhnya: Ho: Diterima jika F hitung F tabel Ha: Diterima jika F hitung > F tabel
R 2 /(k 1) F 1 R 2 /(n k )
Karena F hitung (17,367) > dari F tabel (5,99) maka persamaan regresi dinyatakan Baik (good of fit).
Uji t
Digunakan untuk mengatahui pengaruh variabel bebas terhadap variabel tergantung.
Ho: Diterima jika t hitung t tabel Ha: Diterima jika t hitung > t tabel
Thitung
bj Sbj
t hitung
Karena t hitung (4,167) > dari t tabel (1,943) maka Ha diterima ada pengaruh iklan terhadap penjualan.
Contoh data
Harga rumah $1000s (y) 245 312 279 308 199 219 405 Luas (x) 1400 1600 1700 1875 1100 1550 2350
324
319 255
2450
1425 1700
Excel Output
Regression Statistics Multiple R R Square Adjusted R Square Standard Error Observations 0.76211 0.58082 0.52842 41.33032 10
ANOVA
df Regression Residual Total 1 8 9 Coefficien ts SS 18934.9348 13665.5652 32600.5000 Pvalue 0.1289 MS 18934.934 8 1708.1957 F 11.084 8
Significance F 0.01039
Standard Error
t Stat
Lower 95%
Presentasi grafik
450
400 350 300 250 200 150 100 50 0 0 500 1000 1500 2000 2500 3000 Square Feet
Slope = 0.10977
Intercept = 98.248
Koefisien Determinasi,
SSR Jumlahkuadratregresi R SST total jumlah kuadrat
2
2 R
R r
2
s
Where
SSE n k 1
SSE = jumlah kuadrat galat baku n = ukuran (jumlah) sampel k = jumlah variabel independen
b1 t /2 sb1
Excel Printout for House Prices:
Coefficient s Intercept Square Feet 98.24833 0.10977 Standard Error 58.03348 0.03297 t Stat 1.69296 3.32938 P-value 0.12892 0.01039
d.f. = n - 2
At 95% level of confidence, the confidence interval for the slope is (0.0337, 0.1858)