Mengukur Kualitas ‘the straight line Fit’ dan Estimasi s2, serta interpretasi slope dan intercept Tujuan Menjelaskan teknik pengukuran kualitas ‘the straight.

Slides:



Advertisements
Presentasi serupa
Kelompok 1 Flendy Yusak Manganguwi Agata Dionesia Endi
Advertisements

REGRESI LINIER BERGANDA
Bab X Pengujian Hipotesis
Statistik Parametrik.
REGRESI LINIER SEDERHANA
STATISTIKA INFERENSIA
BAB XI REGRESI LINEAR Regresi Linear.
Ekonometrika Metode-metode statistik yang telah disesuaikan untuk masalah-maslah ekonomi. Kombinasi antara teori ekonomi dan statistik ekonomi.
REGRESI DAN KORELASI Pada bab ini akan membahas dua bagian yang saling berhubungan, khususnya dua kejadian yang dapat diukur secara matematis. Dalam hal.
Erni Tri Astuti Sekolah Tinggi Ilmu Statistik
Regresi linier sederhana
PENDUGA REGRESI (REGRESSION ESTIMATOR)
KORELASI DAN REGRESI LINEAR SEDERHANA
KORELASI & REGRESI LINIER
BAB 15 ANALISIS REGRESI DAN KORELASI LINIER
Abdul Rohman Fakultas Farmasi UGM
REGRESI LINIER SEDERHANA (SIMPLE LINEAR REGRESSION)
MULTIPLE REGRESSION ANALYSIS (ANALISIS REGRESI GANDA)
Regresi polinomial TUJUAN
Regresi Linear Dua Variabel
BAB 15 ANALISIS REGRESI DAN KORELASI LINIER
Uji Hipotesis.
REGRESI LINIER SEDERHANA
Dosen pengasuh: Moraida hasanah, S.Si.,M.Si
Regresi polinomial TUJUAN
Dosen pengasuh: Moraida hasanah, S.Si.,M.Si
Analisis Korelasi dan Regresi linier
Bab 4 Estimasi Permintaan
ANALISIS DATA ESKPERIMENTAL FISIKA
MENENTUKAN GARIS LURUS TERBAIK
Pertemuan ke 14.
UJI HIPOTESIS REGRESI BERGANDA
ANALISIS VARIANS TUJUAN
Program Studi Statistika Semester Ganjil 2012
EKONOMETRIKA Pertemuan 4,5 Estimasi Parameter Model Regresi
STATISTIKA INDUSTRI I ANALISIS REGRESI DAN KORELASI LINIER (1)
KOEFFISIEN KORELASI DAN ANALISA REGRESI GARIS LURUS
ANALISIS REGRESI BERGANDA
Pertemuan ke 14.
ESTIMASI dan HIPOTESIS
Variabel Kategori dalam Analisis Regresi
Uji Hipotesis.
Regresi Linier (Linear Regression)
PERAMALAN DENGAN GARIS REGRESI
Regresi Linier Sederhana
Program Studi Statistika Semester Ganjil 2012
Operations Management
Ekonomi Manajerial dalam Perekonomian Global
Regresi Linier Sederhana dan Korelasi
STATISTIKA INDUSTRI I ANALISIS REGRESI DAN KORELASI LINIER (1)
PERTEMUAN KE-14 STATISTIK DESKRIPTIF
KOEFFISIEN KORELASI DAN ANALISA REGRESI GARIS LURUS
MUHAMMAD HAJARUL ASWAD
REGRESI LINIER BERGANDA (MULTIPLE REGRESSION)
REGRESI LINIER SEDERHANA (SIMPLE LINEAR REGRESSION)
Disampaikan Pada Kuliah : Ekonometrika Terapan Jurusan Ekonomi Syariah
Pengantar Statistik Juweti Charisma.
Bab 4 : Estimasi Permintaan
HYPOTHESIS TESTING Beberapa Pengertian Dasar : Hipotesis Statistik
Mengukur Kualitas ‘the straight line Fit’ dan Estimasi s2, serta interpretasi slope dan intercept Tujuan Menjelaskan teknik pengukuran kualitas ‘the straight.
KORELASI & REGRESI LINIER
Ekonomi Manajerial dalam Perekonomian Global
REGRESI LINIER SEDERHANA (SIMPLE LINEAR REGRESSION)
UJI HIPOTESIS.
ANALISIS REGRESI DAN KORELASI
ANALISIS REGRESI: DUA VARIABEL
UJI HIPOTESIS Indah Mulyani.
UJI HIPOTESIS Indah Mulyani.
UJI HIPOTESIS.
1 ANALISIS REGRESI DAN KORELASI BERGANDA Bentuk persamaan regresi dengan dua variabel indenpenden adalah: Y = a + b 1 X 1 + b 2 X 2 Bentuk persaman regresi.
Transcript presentasi:

Mengukur Kualitas ‘the straight line Fit’ dan Estimasi s2, serta interpretasi slope dan intercept Tujuan Menjelaskan teknik pengukuran kualitas ‘the straight line Fit’ dan Estimasi s2 Menjelaskan penarikan kesimpulan tentang ‘Slope dan Intercept’

Mengukur Kualitas ‘the straight line Fit’ dan Estimasi s2 Ketika kita telah menentukan ‘the least-squares line’, kita harus mengevaluasi garis lurus yang diperoleh bisa memprediksi Y. Salah satu ukuran yang digunakan adalah menilai besaran SSE= Sum Squares of Error

Ingat Bila SSE = 0 maka garis lurus yang diperoleh sudah bagus (the straight line fits perfectly), dalam arti untuk setiap nilai i (observasi) dan setiap titik berada di garis. Nilai SSE makin besar karena penyimpangan tiap titik terhadap garis lurus makin besar Garis tidak fit, deviasi nilai Yi dan nilai prediksi Yi relatif besar

Dua kemungkinan yang mempengaruhi besaran SSE Terlalu banyak variasi nilai-nilai yang ada di data; artinya s2 nya besar; Asumsi dari model ‘straight line’ mungkin tidak sesuai dengan data yang dimiliki Andaikan asumsi ‘straight line’ dipenuhi, kita bisa menghitung estimasi s2 dgn mengunakan angka SSE. Estimasi ini diperlukan untuk menarik kesimpulan mngenai ‘true straight line’ hubungan X dan Y

Estimasi s2 diperoleh dengan rumus: atau atau

Dimana: Sample variance of observed Y’s Sample variance of observed X’s

Dari data yang ada sebelumnya, diperoleh = 299.77

Bila model garis lurus tidak sesuai (fit), maka nilai rata-rata populasi berubah sesuai dengan X Untuk data yang ada: Garis sistolik dan umur memberikan informasi bahwa perkiraan (estimasi) nilai rata-rata Y’s untuk X=40 adalah 138; sedangkan estimasi rata-rata Y’s untuk X=70 adalah 167 Asumsi2 garis lurus dari suatu persamaan dapat diuji melalui estimasi nilai-nilai dan

Interpretasi Slope dan Intercept Uji hipotesa yang paling penting berkenaan dengan parameter ‘straight line’ adalah menjawab pertanyaan apakah slope sama dengan nol ( =0) Jika hipoptesa =0 (nol hipotesa diterima), maka dalam model ini nilai-nilai Xs tidak dapat memprediksi nilai Y. Ini berarti adalah sama dan kemungkinan hubungan antara X dan Y tidak linear, kita harus melakukan perlakuan tertentu terhadap variabel X.

Perhatikan gambar berikut

Bila H0: =0 ditolak, ini berarti Nilai Xs memberikan informasi bermakna dalam memprediksi Y. Dengan demikian, model dapat digunakan untuk sebagai ‘the fitted straight line’ Namun, tidak ada salahnya bila kita juga mencoba model lain, tergantung pada sebaran data (lihat gambar berikut)

Perhatikan dengan seksama gambar berikut

Untuk menguji hipotesa tentang ‘Slope’ H0 : b1 = 0 maka digunakan rumus

Dengan menggunakan data yang ada, mari kita uji hipotesa ‘slope’ = 0

t = 4.62  lihat tabel t untuk n=29 hasilnya p<0.05, H0 ditolak variabel X sangat menentukan variabel Y

Untuk menguji hipotesa ‘intercept’ H0: b0 = 0 digunakan rumus

Buktikan apakah kita menolak Hipotesa H0: b0 = 0 Tugas Buktikan apakah kita menolak Hipotesa H0: b0 = 0

Gunakan data berat 12 anak ayam menurut hari dan hitung persamaan garis lurus dan buktikan hipotesa tentang parameter Umur Berat 6 29 12 199 7 52 13 212 8 79 14 229 9 125 15 297 10 151 16 326 11 181 17 399