REGRESI Jur. Pend. Matematika Universitas Muhammadiyah Surakarta

Slides:



Advertisements
Presentasi serupa
ANALISIS KORELASI.
Advertisements

Statistik Parametrik.
Regresi Linier Sederhana dan Korelasi
Statistika 2 Regresi dan Korelasi Linier Topik Bahasan:
KORELASI Budi Murtiyasa Jur Pend. Matematika
PENGUJIAN HIPOTESIS ASOSIATIF
BAB III ANALISIS REGRESI.
Bab 10 Analisis Regresi dan Korelasi
Regresi Linier Fungsi : Jenis :
KORELASI DAN REGRESI LINEAR SEDERHANA
Regresi Linier Berganda
KORELASI & REGRESI LINIER
BAB 15 ANALISIS REGRESI DAN KORELASI LINIER
REGRESI.
REGRESI LINEAR BERGANDA
Nama : lela nurbaya Nim : Kelas : 11.2a.05 (Ganjil)
PERAMALAN /FORE CASTING
ANALISIS KORELASI.
REGRESI LINIER SEDERHANA
BAB 15 ANALISIS REGRESI DAN KORELASI LINIER
(CARA MANUAL) Modul 11 REGRESI LINIER BERGANDA
ANALISIS REGRESI SEDERHANA
ANALISIS REGRESI DAN KORELASI
ANALISIS REGRESI DAN KORELASI LINIER
REGRESI DAN KORELASI.
METODOLOGI PENELITIAN SESI 11 Korelasi dan REGRESI Analisis Faktor
Denny Agustiawan JURUSAN TEKNIK INFORMATIKA STMIK ASIA MALANG
STATISTIKA Pertemuan 10: Analisis Regresi dan Korelasi
STATISTIKA ANALISIS REGRESI DAN KORELASI
Korelasi dan Regresi Aria Gusti.
Pertemuan ke 14.
Pertemuan Ke-7 REGRESI LINIER BERGANDA
Pertemuan ke 14.
REGRESI LINIER BERGANDA
PERAMALAN DENGAN GARIS REGRESI
Universitas Esa Unggul
ANALISIS REGRESI LINIER DUA PREDIKTOR
Analisis Item Tes Tabel spesifikasi dibuat agar tes yang dibuat dapat memenuhi validitas isi dan konstruksi. Uji validitas dilaksanakan sebelum tes uji.
Analisis Regresi dan Korelasi
Pertemuan Ke-6 REGRESI LINIER
ANALISIS REGRESI DAN KORELASI
NITA ANGGI PUTRI nitaanggiputri.wordpress.com
Analisis Regresi Asumsi dalam Analisis Regresi Membuat persamaan regresi Dosen: Febriyanto, SE, MM. www. Febriyanto79.wordpress.com U.
BAB 7 persamaan regresi dan koefisien korelasi
Korelasi Korelasi Product Moment digunakan untuk melukiskan hubungan antara 2 buah variabel yg sama-sama berjenis interval atau rasio. Rumus.
TEKNIK REGRESI BERGANDA
STATISTIKA-Regresi Linier Sederhana
REGRESI DAN KORELASI Contoh : Pengeluaran untuk konsumsi rumah tangga berkaitan dengan pendapatan rumah tangga. Data yang diperoleh sebagai berikut : Pendapatan.
REGRESI & KORELASI NAMA : Dwi Riska NIM : KELAS : 11.2A.05.
LATIHAN SOAL REGRESI DAN KORELASI
LATIHAN SOAL REGRESI DAN KORELASI
LATIHAN SOAL REGRESI DAN KORELASI
LATIHAN SOAL REGRESI DAN KORELASI
TEMU 7 REGRESI.
REGRESI.
Pengantar Aplikasi Komputer II Analisis Regresi Linier Berganda
Membuat persamaan regresi ganda Dosen: Febriyanto, SE, MM.
KORELASI & REGRESI LINIER
REGRESI DAN KORELASI DISUSUN OLEH : 1.AVERIO ALVAREZ ( ) 2.FRANS HENDRIKO MARPAUNG ( ) 3.CLAUDIA ELSHA ALVINCE ( ) 4.STEVEN.
Korelasi dan Regresi Linier Sederhana & Berganda
REGRESI.
REGRESI LINIER BERGANDA
Regresi Linier Berganda
REGRESI LINIER.
BAB VIII REGRESI &KORELASI BERGANDA
Regresi Linear Data Mining Suprayogi.
Korelasi dan Regresi Aria Gusti.
LATIHAN SOAL REGRESI DAN KORELASI
Pendapatan (X) Pengeluaran (Y)
Teknik Regresi.
Transcript presentasi:

REGRESI Jur. Pend. Matematika Universitas Muhammadiyah Surakarta Budi Murtiyasa Jur. Pend. Matematika Universitas Muhammadiyah Surakarta

Kapan analisis regresi ? Diperlukan jika ada hubungan (korelasi) antar variabel yang diteliti. Regresi tidak diperlukan jika tahap awal diketahui tidak ada korelasi antar variabel yang diteliti.

Regresi Sederhana Hubungan Fungsional ataupun kausal antara satu variabel independen dengan satu variabel dependen persamaan umum : Y = b0 + b1 X di mana Y = variabel dependen yg di cari prediksinya X = variabel independen (prediktor) b1 = angka arah / slope/koefisien regresi b0 = konstanta

Contoh : X 5 7 6 8 Y 9 Data Nilai ulangan Harian (X) dan ulangan semester (Y) dari 10 siswa. Carilah persamaan regresi dan korelasinya ! X 5 7 6 8 Y 9

Tabel kerja: x y xy x2 y2 5 7 35 25 49 8 56 64 6 48 36 9 63 81 42 72 Σx=67 Σ y=79 Σ xy=534 Σ x2= 461 Σ y2 = 631

Menghitung nilai b0 & b1 SSxy = Σxy – (Σx Σy/n) = 534 – {(67)(79)/10} =4,7 SSxx = Σx2 – {(Σx)2/n} = 461 – (67)2 / 10 = 12,1 b1 = SSxy / SSxx = (4,7) / (12,1) = 0,38843 b0 = (Σy / n) – b1 (Σx / n) = (79/10) – 0,38843(67/10) = 5,29752 Persamaan regresi : Y = 5,29752 + 0,38843X

Grafik garis regresi : Y 5,2975 X

Korelasinya ? r =

Analisis Varian Garis Regresi (Anareg)

Anareg (lanjutan…) SSyy = SSE = Σy2 – b0 Σy – b1 Σxy SSR = SSyy – SSE Koefisien determinasi r2 =

Contoh dilanjutkan… X 5 7 6 8 Y 9 Data Nilai ulangan Harian (X) dan ulangan semester (Y) dari 10 siswa. Buat anareg-nya ! Signifikan ? X 5 7 6 8 Y 9 Solusi..

Regresi Ganda Mencari prediksi dari satu variabel dependen terhadap dua atau lebih variabel independen (prediktor) Persamaan regresi umum : Y = b0 + b1X1 + b2X2 + … + b nXn

Regresi Ganda Dua Prediktor Persamaan Umum Grs Regresi Y = b0 + b1X1 + b2X2 Nilai-nilai b0, b1, dan b2 di cari dari sistem persamaan : ΣY = b0 n + b1 ΣX1 +b2 ΣX2 ΣX1Y =b0 ΣX1 + b1 Σ X12 + b2 ΣX1X2 ΣX2Y = b0 ΣX2 + b1 ΣX1X2 + b2 ΣX22

Tabel rangkuman analisis regresi Note : k = banyaknya var bebas/prediktor R = korelasi ganda n = banyaknya sampel

Jika kita punya data … Lalu …, persamaan regresinya seperti apa ? X1 X2 Y 2 3 7 6 19 10 23 4 20 15 14 17 8 5 22 Lalu …, persamaan regresinya seperti apa ? Lalu,… Analisis regresinya ??

Regresi Ganda Tiga Prediktor Persamaan grs regresi Y = b0 + b1 X1 + b2 X2 + b3 X3 Nilai bi di cari dari sistem persamaan : ΣX1Y = b1 ΣX12 + b2 ΣX1 ΣX2 + b3 ΣX1 ΣX3 ΣX2Y = b1 ΣX1 ΣX2 + b2 ΣX22 + b3 ΣX2 ΣX3 ΣX3Y = b1 ΣX1 ΣX3 + b2 ΣX2 ΣX3 Σ + b3 ΣX32 dan akhirnya nilai b0 dicari dari hubungan, b0 = Y – b1 X1 – b2 X2 – b3 X3

Lha kalau data seperti ini…, X1 X2 X3 Y 57 58 56 60 34 43 36 40 47 54 52 45 46 50 78 75 77 80 26 30 35 64 66 55 44 53 62 63 70 Persamaan garis regresinya seperti apa …?

Regresi Ganda Empat Prediktor Bentuk umum : Y = b0 + b1X1 + b2X2 + b3X3 + b4X4 Nilai-nilai b1, b2, b3, dan b4 di cari dari sistem persamaan : ΣX1Y = b1ΣX12 + b2ΣX1ΣX2 + b3ΣX1ΣX3 + b4 ΣX1ΣX4 ΣX2Y = b1ΣX1 ΣX2 + b2ΣX22 + b3ΣX2ΣX3 + b4 ΣX2ΣX4 ΣX3Y = b1ΣX1 ΣX3 + b2ΣX2ΣX3 + b3ΣX32 + b4 ΣX3ΣX4 ΣX4Y = b1ΣX1 ΣX4 + b2ΣX2ΣX4 + b3ΣX3ΣX4 + b4 ΣX42 Dan akhirnya, nilai b0 dicari dari hubungan : b0 = Y – b1X1 – b2X2 – b3X3 – b4X4