Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

SATUAN ACARA PERKULIAHAN ANALISIS REGRESI (S1133).

Presentasi serupa


Presentasi berjudul: "SATUAN ACARA PERKULIAHAN ANALISIS REGRESI (S1133)."— Transcript presentasi:

1 SATUAN ACARA PERKULIAHAN ANALISIS REGRESI (S1133)

2 TUJUAN INSTRUKSIONAL UMUM Mahasiswa memahami konsep permodelan regresi serta mampu menjelaskan dan menyimpulkan berbagai masalah dengan menggunakan model regresi yang sesuai Matakuliah prasyarat:  Metode Statistika  Pengantar Model Linier

3 BUKU ACUAN 1.Neter, John, et al, Applied Linear Regression Models, 2 nd, Boston: Irwin Inc., Draper & Smith, Applied Regression Analysis, 2 nd, New York: John Wiley & Sons, Kleinbaum & Kupper, Applied Linear Regression & Other Multivariate Methods.

4 Pertemuan 1 Hubungan antar peubah  Perbedaan masalah korelasi dan regresi  Pengertian bentuk hubungan antar peubah  Hubungan kausal dalam model regresi  Peubah bebas dan peubah tak bebas pada model regresi Konsep dasar analisis regresi Tahapan dalam analisis regresi (penjelasan umum)

5 Pertemuan 2 – 3 Regresi Linier Sederhana (Simple Linear Regression)  Persamaan RLS & asumsi yg mendasari model  Pendugaan (titik & interval) parameter model (menggunakan metode OLS)  Pengujian parameter model dg Uji-t dan Uji-F (Anova), serta penafsirannya  Korelasi dalam RLS: Koefisien korelasi linier (ρ)  Ukuran penilaian kemampuan/kesesuaian model: R- square (R 2 )  Prediksi menggunakan model

6 Pertemuan 4 Regresi Linier Sederhana (Simple Linear Regression)  Estimasi interval untuk Rata-rata Y [E(Y h )]  Prediksi untuk amatan baru (Y hnew )  Kesetaraan uji parameter koefisien regresi (β 1 ) dan parameter koefisien korelasi (ρ) dalam RLS  Model dengan amatan berulang pada peubah bebas: Pengujian kecocokan model

7 Pertemuan 5 – 6 Regresi Linier Berganda (Multiple Linear Regression)  Persamaan RLB & asumsi yg mendasari model  Pendugaan titik parameter model menggunakan metode OLS (dg notasi vektor & matriks)  Korelasi dalam RLB: matriks korelasi, koefisien korelasi berganda, koefisien korelasi parsial  Pengujian parameter model: overall F-Test, individual t-Test, dan sequential test (partial F-Test)  Ukuran penilaian kemampuan/kesesuaian model: Adjusted R-square (R 2 ), Cp Mallow Statistic

8 Pertemuan 7 Pembentukan Model Regresi Linier Berganda (Multiple Linear Regression) dengan metode:  All Possible Regression  Forward Selection  Backward Elimination  Stepwise Regression  R-square Maximum (RMAX)  PRESS

9 Pertemuan 8 UJIAN TENGAH SEMESTER (UTS)

10 Pertemuan 9 Pengembangan model Regresi Linier Berganda  Model dengan peubah bebas kualitatif/kategorik (dummy variabel)  Model dengan pengaruh interaksi Model regresi lainnya (model regresi non linier)  Identifikasi model  Karakteristik model

11 Pertemuan 10 Regresi Polinomial (Polinomial Regression)  Persamaan model  Asumsi yang mendasari model  Pendugaan dan pengujian parameter parameter model polinom sederhana (satu peubah bebas), serta penafsirannya

12 Pertemuan 11 – 12 Pemeriksaan Pola Sisaan (Residual/Error)  Ketidaklinieran fungsi regresi  Pencilan (outlier)  Varian sisaan tidak konstan (heteroscedasticity)  Ketidakbebasan sisaan (autocorrelation)  Ketidaknormalan distribusi sisaan

13 Pertemuan 13 HETEROSCEDASTICITY  Konsekuensi jika terjadi heteroscedasaticity  Cara mendeteksi  Alternatif solusi

14 Pertemuan 14 AUTOKORELASI (AUTOCORRELATION)  Konsekuensi jika terjadi autokorrelasi  Cara mendeteksi  Alternatif solusi

15 Pertemuan 15 MULTIKOLINIERITAS (MULTICOLLINEARITY)  Konsekuensi jika terjadi multikollinearitas  Cara mendeteksi  Alternatif solusi

16 Pertemuan 16 UJIAN AKHIR SEMESTER (UAS)


Download ppt "SATUAN ACARA PERKULIAHAN ANALISIS REGRESI (S1133)."

Presentasi serupa


Iklan oleh Google