Pertemuan 21 Pemeriksaan penyimpangan regresi

Slides:



Advertisements
Presentasi serupa
Outlier Pada Analisis Regresi
Advertisements

Evaluasi Model Regresi
AUTOKORELASI (Autocorrelation)
ANALISIS REGRESI.
Heteroskedastisitas Penyimpangan asumsi ketika ragam galat tidak konstan Ragam galat populasi di setiap Xi tidak sama Terkadang naik seiring dengan nilai.
REGRESI LINEAR Oleh: Septi Ariadi
Regresi dengan Autokorelasi Pada Error
KORELASI DAN REGRESI LINEAR SEDERHANA
1 Pertemuan 23 Pemilihan regresi terbaik Matakuliah: I0174/Analisis regresi Tahun: 2005 Versi: 1.
DIAGNOSTICS AND REMEDIAL MEASURES
1 Pertemuan Penaksiran parameter model Matakuliah: I0224/Analisis Deret Waktu Tahun: 2007 Versi: revisi.
Matakuliah : I0174 – Analisis Regresi
1 Pertemuan 5 Matakuliah: I0044 / Analisis Eksplorasi Data Tahun: 2007 Versi: V1 / R1 Sari Numerik (I): Ukuran Pemusatan I.
Pertemuan 5-6 Metode pemulusan eksponential tunggal
BAB 15 ANALISIS REGRESI DAN KORELASI LINIER
1 Pertemuan 17 Pengujian hipotesis regresi Matakuliah: I0174/Analisis regresi Tahun: 2005 Versi: 1.
Pertemuan 14 Penerapan model full rank
Pertemuan 14 Regresi non linier
PENDUGAAN SELANG (INTERVAL) NILAI TENGAH
1 Pertemuan 10 Pengujian parameter Matakuliah: I0204/Model Linier Tahun: Tahun 2005 Versi: revisi.
1 Pertemuan 7 Estimable parameter Matakuliah: I0204/Model Linier Tahun: Tahun 2005 Versi: revisi.
1 Pertemuan 7 Diferensial Matakuliah: R0262/Matematika Tahun: September 2005 Versi: 1/1.
BAB 15 ANALISIS REGRESI DAN KORELASI LINIER
ANALISA REGRESI & KORELASI SEDERHANA
Analisis Regresi (IV) :
Sebaran Peluang Diskrit (II) Pertemuan 6
Pengujian Korelasi Diri Pertemuan 16
MODUL XIII REGRESI DAN KORELASI 1. Regresi Linear
Regresi dan Korelasi Linier
Pertemuan 24 Pemilihan regresi terbaik
MODUL IV ESTIMASI/PENDUGAAN (3) A. ESTIMASI RAGAM
REGRESI LINEAR DALAM ANALISIS KUANTITATIF
Program Studi Statistika Semester Ganjil 2012
Pemeriksaan Asumsi Sebaran Data
ANALISIS REGRESI BERGANDA
PENDUGAAN SELANG RAGAM DAN PROPORSI
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
Statistika Deskriptif Pertemuan 2
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
Regresi Linier Sederhana
Program Studi Statistika Semester Ganjil 2012
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
Regresi Dalam Lambang Matriks Pertemuan 09
Uji Hipotesis Dan Selang Kepercayaan Pertemuan 10
Pertemuan 25 Pemilihan regresi terbaik
Agribusiness Study of Programme Wiraraja University
Agribusiness Study of Programme Wiraraja University
Pemilihan Prediktor Untuk Model Proses Pemilihan Bertahap Pertemuan 20
Program Studi Statistika, semester Ganjil 2012/2013
Regresi Linier Sederhana dan Korelasi
Regresi Cara Eksplorasi
Analisis Regresi Pengujian Asumsi Residual
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
Pertemuan Metodologi analisis
Asumsi Non Autokorelasi galat
Pertemuan 18 Pengujian hipotesis regresi
Agribusiness Study of Programme Wiraraja University
Uji Asumsi Analisis Regresi Berganda Manajemen Informasi Kesehatan
Pertemuan 9 Pengujian parameter
Pertemuan 11 Regresi polinomial
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
REGRESI LINIER BERGANDA
Pokok Bahasan : Review Regresi Linier Sederhana dan Berganda
Pertemuan 13 Autokorelasi.
Pertemuan 9 Regresi dengan peubah dummy
Ukuran Penyebaran Data
C. Ukuran Penyebaran Data
STATISTIKA 2 3. Pendugaan Parameter I OLEH: RISKAYANTO
4. Pendugaan Parameter II
Analisis Multivariat Program S2 Matematika Semester Genap 2011/2012
Transcript presentasi:

Pertemuan 21 Pemeriksaan penyimpangan regresi Matakuliah : I0174/Analisis regresi Tahun : 2005 Versi : 1 Pertemuan 21 Pemeriksaan penyimpangan regresi

Memeriksa penyimpangan regresi Learning Outcomes Pada akhir pertemuan ini, diharapkan mahasiswa akan mampu : Memeriksa penyimpangan regresi

Outline Materi Penyimpangan regresi Korelasi serial

Nilai sisaan (residual) Sisaan e, adalah selisih antara nilai pengamatan yang sesungguhnya dengan yang diramalkan oleh persamaan regresi Dalam melakukan analisis regresi, memberlakukan beberapa asumsi tertentu terhadap galat. Asumsi yang biasa adalah bahwa galat-galat itu bebas satu sama lain, mempunyai nilai tengah nol, ragam yang konstan , dan mengikuti sebaran normal.

Asumsi pengujian Asumsi yang disebutkan terakhir ini diperlukan untuk melakukan uji-F dan menyusun selang kepercayaan. Jadi, kalau model yang kita postulatkan benar, sisaan akan menunjukkan kecenderungan yang mendukung asumsi yang kita berlakukan, atau setidaknya, tidak menunjukkan penyimpangan dari asumsi-asumsi tersebut.

Beberapa cara membuat tebaran atau plot sisaan e Keseluruhan. Menurut urutan waktu, kalau urutannya diketahui. Menebarkan terhadap nilai Y dugaan. Menebarkan terhadap peubah bebas Xji, untuk ; = 1, 2, ..., k.

Penyimpangan Keabnormalan akan ditunjukkan oleh tebaran seperti yang digambarkan sebagai (1) ragam tidak konstan (2) penyimpangan sistematis, (3) model tidak memadai

ragam tidak konstan Ragam tidak konstan seperti yang diasumsikan; perlu analisis kuadrat terkecil terboboti atau transformasi terhadap amatan Y, sebelum melakukan analisis regresi.

ragam tidak konstan

penyimpangan sistematis Galat dalam analisis; penyimpangan terhadap persamaan regresi bersifat sistematis (sisaan negatif berasal dari Y yang rendah, sisaan positif berasal dari Y yang tinggi). Pengaruh semacam ini juga dapat ditimbulkan akibat tidak disertakannya βo dalam model

penyimpangan sistematis

Model tidak memadai Model tidak memadai — perlu suku (—suku) lain dalam model (misalnya suku kuadrat atau suku hasil kali), atau perlu transformasi terhadap amatan Y, sebelum analisis.

model tidak memadai

Pencilan (outlier) Sisaan yang merupakan pencilan adalah yang nilai mutlaknya jauh lebih besar daripada sisaan-sisaan lainnya dan bisa jadi terletak tiga atau empat simpangan baku atau lebih jauh lagi dari rata-rata sisaannya -Pencilan merupakan suatu keganjilan dan menandakan suatu titik data yang sama sekali tidak tipikal dibandingkan data lainnya. Oleh karenanya, suatu pencilan patut diperiksa secara saksama, barangkali saja alasan di balik keganjilan itu dapat diketahui.

Korelasi serial Dalam analisis regresi diasimsikan bahwa galat tidak saling berkorelasi satu sama lain. Bila asumsi ini sama sekali tidak benar, maka bisa diharapkan bahwa tebaran sisaan menurut urutan waktu, atau urutan lain yang ditentukan oleh keadaan,

Uji Durbin -Watson Statistik eu-eu-1 : selisih nilai sisaan dari penagamatan sesudah dengan sebelumnya

Kriteria pengujian dL dan dU : nilai dari Tabel Durbin -Watson

Melalui diagram titik tebaran nilai sisaan dapat diketahui petunjuk adanya penyimpangan dari model regresi Statistik uji kenormalan galat dan uji Durbin-Watson dapat digunakan untuk mendapatkan petunjuk da tidaknya penyimpangan model