Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Regresi Linier Berganda Ainur Komariah. Pendahuluan Regresi linier sederhana : variabel dependen (y) dipengaruhi hanya 1 variabel independen (x) persamaan.

Presentasi serupa


Presentasi berjudul: "Regresi Linier Berganda Ainur Komariah. Pendahuluan Regresi linier sederhana : variabel dependen (y) dipengaruhi hanya 1 variabel independen (x) persamaan."— Transcript presentasi:

1 Regresi Linier Berganda Ainur Komariah

2 Pendahuluan Regresi linier sederhana : variabel dependen (y) dipengaruhi hanya 1 variabel independen (x) persamaan umum : y = a + bx Pada kenyataannya, suatu variabel dependen dipengaruhi oleh lebih dari satu variabel independen. Misalnya : kecepatan angin dipengaruhi oleh ketinggian tempat, suhu dan tekanan. Niat membeli handphone dipengaruhi oleh harga, performance, iklan dan brand.

3 Regresi linier berganda Persamaan umum : garis regresi yang sesungguhnya, memiliki persamaan umum Y = β 0 + β 1 x 1 + β 2 x 2 + ……….+ β r x r β 0, β 1, β 2, ……, β r adalah parameter yang harus diduga dari data. Dengan melambangkan nilai dugaan dengan b 0, b 1, b 2, ……., b r maka pers menjadi

4 Regresi dengan 2 var independen Pers umum : Setiap pengamatan, memenuhi hubungan : Nilai dugaan dapat diperoleh dengan memecahkan persamaan linier simultan : n b 0 + b 1 ∑x 1 + b 2 ∑x 2 = ∑y b 0 ∑x 1 + b 1 ∑x b 2 ∑x 1 x 2 = ∑ x 1 y b 0 ∑x 2 + b 1 ∑x 1 x 2 + b 2 ∑x 2 2 = ∑ x 2 y

5 Contoh Siswa No Nilai Kimia y Skor IQ x 1 Frek Bolos x Pertanyaan : Dari data tersebut, dugalah persamaan regresi yang berbentuk : Y = β 0 + β 1 x 1 + β 2 x 2

6 Jawaban Dari data tersebut, kita peroleh : n = 12∑x 1 = 725∑x 2 = 43 ∑x 1 2 = 44475∑x 2 2 = 195 ∑y = 1011 ∑x 1 x 2 = 2540∑x 1 y = ∑x 2 y = 3581 Dengan memasukkan nilai-nilai ke pers, didapat : 12 b b b 2 = b b b 2 = b b b 2 = 3581

7 Jawaban Dengan menyelesaikan sistem persamaan linear ini, didapat : b 0 = 27,547b 1 = b 2 = 0,284 Dugaan garis regresi : Y = 27, ,922x 1 + 0,284 x 2

8 Korelasi determinasi berganda Koefisien determinasi berganda, dilambangkan dengan R 2 y.12 menunjukkan proporsi keragaman total nilai-nilai peubah y yang dapat diterangkan oleh model yang digunakan. Di mana : JKG = ∑y 2 - b 0 ∑y – b 1 ∑x 1 y – b 2 ∑x 2 y

9 Korelasi Parsial Korelasi yang kuat antara Y dengan suatu variabel, misalnya x 2, mungkin saja semata-mata disebabkan oleh kenyataan bahwa Y dan x 2 berhubungan dengan variabel lain yaitu x 1. Korelasi yang sebenarnya antara Y dan x 2 hanya dapat diamati bila pengaruh x 1 telah dikeluarkan. Sehingga : r y2.1 : ukuran hubungan linear antara variabel Y dan x 2 bila x 1 dibuat tetap r y1.2 : ukuran hubungan linear antara variabel Y dan x 1 bila x 2 dibuat tetap

10 Korelasi Parsial Di mana :

11 Nilai korelasi soal sebelumnya Dari perhitungan, diperoleh : ∑y 2 = 85905dan S y 2 = JKG = – (27,547) (1011) – (0,922)(61685) – (0,284) (3581) = 164,409 Sehingga Hasil perhitungan menunjukkan bahwa bidang regresi Y = 27, ,922x 1 + 0,284 x 2 dapat menjelaskan 77,4% keragaman dalam y

12 Koefisien korelasi parsial Dengan memasukkan angka ke dalam rumus, didapat :

13 Koefisien Korelasi Parsial Nilai 0,015 menunjukkan bahwa memasukkan x 2 ke dalam persamaan regresi hanya akan mengurangi 1,5% keragaman y yang tidak dapat diterangkan oleh garis regresi yang hanya menggunakan x 1 saja. Ini berarti bahwa frekuensi membolos hanya menyumbang sangat kecil dalam peramalan nilai kimia mahasiswa di akhir semester


Download ppt "Regresi Linier Berganda Ainur Komariah. Pendahuluan Regresi linier sederhana : variabel dependen (y) dipengaruhi hanya 1 variabel independen (x) persamaan."

Presentasi serupa


Iklan oleh Google