Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

KELOMPOK 3 Annisa Nur Purnama (09.5880) M. Muflik Teguh YP (09.6029) Riska Diesta Fadilla (09.6111) KELAS 3SE3 SEKOLAH TINGGI ILMU STATISTIK.

Presentasi serupa


Presentasi berjudul: "KELOMPOK 3 Annisa Nur Purnama (09.5880) M. Muflik Teguh YP (09.6029) Riska Diesta Fadilla (09.6111) KELAS 3SE3 SEKOLAH TINGGI ILMU STATISTIK."— Transcript presentasi:

1 KELOMPOK 3 Annisa Nur Purnama ( ) M. Muflik Teguh YP ( ) Riska Diesta Fadilla ( ) KELAS 3SE3 SEKOLAH TINGGI ILMU STATISTIK

2 Sebuah model regresi dikatakan baik atau cocok jika dipenuhi asumsi-asumsi ideal (klasik), yakni tidak adanya : 1. Otokorelasi 2. Heteroskedastisitas 3. Multikolinearitas PERTANYAAN : BAGAIMANA JIKA TERDAPAT MULTIKOLINEARITAS ??

3 JAWABANNYA : LATENT ROOT REGRESSION adalah solusi jika terjadi multikolinearitas Metode ini merupakan perluasan regresi komponen utama untuk pemeriksaan persamaan peramalan alternatif dan untuk pembuangan peubah peramal.

4 Prosedur yang digunakan dalam analisis regresi akar laten adalah: 1. Membuat matriks korelasi gandengannya. 2. Menghitung akar laten dari matriks korelasi gandengannya beserta vector laten padanannya. 3. Memeriksa akar-akar laten berikut nilai-nilai padanannya. 4. Melakukan prosedur estimasi parameter. 5. Melakukan seleksi variable dengan prosedur langkah mundur ( backward)

5 PEMERIKSAAN AKAR-AKAR LATEN dan Jika memenuhi kedua syarat tersebut, maka akar laten dan vector padanannya dibuang. Namun jika salah satunya saja yang terpenuhi maka akar laten dan vector padanannya tetap dipertahankan dalam perhitungan.

6 PROSEDUR ESTIMASI

7 Menentukan Koefisien Regresi Kuadrat Terkecil Termodifikasi dimana

8 Menentukan jumlah kuadrat sisa untuk persamaan regresi kuadrat terkecil termodifikasi

9 SELEKSI VARIABEL Prosedur langkah mundur ( Backward ) SSR ketika pengeluaran ; l = 1, 2,….., r dari model

10 Statistik uji prosedur langkah mundur (Backward) Bandingkan nilai Fhit dengan Ftabel. Jika Fhit < dari Ftabel maka variable tersebut dikeluarkan dalam model. Jika Fhit > dari Ftabel maka variable tersebut dipertahankan dalam model. dimana Ftabel = F(1-α ; 1, (n-k-1))

11 EXAMPLE Sebuah perusahaan ingin mengetahui panas yang dihasilkan dari pembakaran 1 gram semen (Y) yang terdiri dari Kandungan tricalcium aluminate(X1), Kandungan tricalcium cilicate (X2), Kandungan tetracalcium alumino (X3) dan kandungan tetracalcium cilico (X4) untuk Tujuan tersebut diambil sampel sebanyak 13 dengan data sebagai berikut:

12 X1X2X3X4Y

13 MATRIKS KORELASI GANDENG YX1X2X3X4 Y10, , , ,82131 X10, , , ,24545 X20, , , ,97295 X3-0, , , , X4-0, , ,972950,

14 AKAR LATEN & VEKTOR LATEN Akar LatenY = = = = =

15 PEMERIKSAAN AKAR LATEN Dari hasil langkah 2 dapat diketahui bahwa terdapat dua λ yang nilainya kurang dari 0,05 yaitu λ o dan λ 1. Kemudian kita cek nilai padanannya. Untuk ɣ oo nilainya 0,0408 baris yang bersuaian harus dibuang. Untuk ɣ 01 nilainya -0,2617, untuk membandingkan nilai ɣ 0j kita menggunakan nilai mutlak sehingga 0,2617 > 0,1 sehingga vector dan akar laten pada baris ini tetap dipertahankan dalam perhitungan.

16 PROSEDUR ESTIMASI Karena SSRB < SSRT, OLS lebih baik digunakan daripada latent root b1b1 b2b2 b3b3 b4b4 SSR KTB KTT

17 SELEKSI VARIABEL Peubah yang dikeluarkan X1X1 X2X2 X3X3 X4X4 Untuk kuadrat terkecil Untuk KTT (tanpa λ 0 ) SSR yang diperoleh dari regresi kuadrat terkecil dan regresi kuadrat terkecil termodifikasi setelah pengeluaran peubah :

18 STATISTIK UJI Karena F hit < F (0,95,1,8) maka X 3 dapat dikeluarkan dari model.

19 Sehingga, didapat persamaan regresi termodifikasi :


Download ppt "KELOMPOK 3 Annisa Nur Purnama (09.5880) M. Muflik Teguh YP (09.6029) Riska Diesta Fadilla (09.6111) KELAS 3SE3 SEKOLAH TINGGI ILMU STATISTIK."

Presentasi serupa


Iklan oleh Google