Metode Statistika Pertemuan XII

Slides:



Advertisements
Presentasi serupa
ANALISIS REGRESI SEDERHANA
Advertisements

Korelasi & Regresi Oleh: Bambang Widjanarko Otok.
Bahan Kuliah Statistika Terapan
ANALISIS REGRESI DAN KORELASI
Metode Statistika Pertemuan XII
ANALISIS REGRESI DAN KORELASI
ANALISIS REGRESI.
BAB III ANALISIS REGRESI.
Rancangan Acak Kelompok
Regresi Eni Sumarminingsih, SSi, MM. Analisis regresi linier merupakan analisis yang digunakan untuk mengetahui dan mempelajari suatu model hubungan fungsional.
BAB XIII REGRESI BERGANDA.
Diunduh dari: SMNO FPUB….. 19/10/2012
Analisis Deret Waktu: Materi minggu ketiga
Metode Statistika Pertemuan XIV
BAB 15 ANALISIS REGRESI DAN KORELASI LINIER
Regresi Linier Sederhana melalui titik origin (0,0)
MODUL STATISTIKA BISNIS DAN INDUSTRI
ANALISIS REGRESI SEDERHANA
ANALISIS REGRESI DAN KORELASI
TEKNIK ANALISIS REGRESI
BAB 15 ANALISIS REGRESI DAN KORELASI LINIER
REGRESI LINIER BERGANDA (MULTIPLE LINEAR REGRESSION)
Regresi polinomial TUJUAN
Metode Statistika Pertemuan XII
Metode Statistika Pertemuan XIV
Regresi Berganda Statistika Ekonomi II Pertemuan Ke 10
REGRESI NON LINIER Gangga Anuraga, M.Si.
ANALISIS REGRESI DAN KORELASI
Regresi Linier Berganda
Analisis Korelasi dan Regresi
Dalam Rancangan Acak Lengkap (RAL)
EKONOMETRIKA Pertemuan 4,5 Estimasi Parameter Model Regresi
Perancangan Percobaan (Rancob)
RAL (Rancangan Acak Lengkap)
Rancangan Acak Lengkap (RAL) (Completely Randomized Design)
Ekonomi Manajerial Bab 5 : Penaksiran Fungsi Permintaan
DUMMY VARIABEL PADA VARIABEL BEBAS MODEL REGRESI
Regresi Linier Berganda
Modul 14 SMOTHING TECHNIQUES TIME SERIES TUJUAN INSTRUKSIONAL KHUSUS :
ANALISIS REGRESI & KORELASI
Modul 12 Qualitative Independent Variables
Metode Statistika Pertemuan XII
Persamaan Regresi Ganda
PENDAHULUAN Dalam kehidupan sering ditemukan adanya sekelompok peubah yang diantaranya terdapat hubungan alamiah, misalnya panjang dan berat bayi yang.
Praktikum Metode Regresi MODUL 1
Analisis regresi (principle component regression)
ANALISIS REGRESI LINIER BERGANDA
Analisis Regresi Pengujian Asumsi Residual
REGRESI LINIER BERGANDA (MULTIPLE LINEAR REGRESSION)
Nilai UTS.
Ekonomi Manajerial Bab 5 : Penaksiran Fungsi Permintaan
BAB 7 persamaan regresi dan koefisien korelasi
Rancangan Acak Lengkap
Koefisien Baku dan Elastisitas
Regresi Linier Berganda
Regresi Linier Berganda
REGRESI LINIER BERGANDA
Pokok Bahasan : Review Regresi Linier Sederhana dan Berganda
ANALISIS REGRESI DENGAN DUA VARIABEL BEBAS
HYPOTHESIS TESTING Beberapa Pengertian Dasar : Hipotesis Statistik
ANALISIS REGRESI & KORELASI
Sifat-Sifat Penaksir Kuadrat Terkecil : Teorema Gauss Markov
Pasca Sarjana Unikom Model Regresi Pasca Sarjana Unikom
Metode Statistika Pertemuan XII
Pasca Sarjana Unikom Model Regresi Pasca Sarjana Unikom
Metode Statistika Pertemuan XII
Multivariate Analysis
ANALISIS REGRESI DAN KORELASI
Analisis Regresi Regresi Linear Sederhana
Metode Statistika Pertemuan XII
Transcript presentasi:

Metode Statistika Pertemuan XII Analisis Korelasi dan Regresi

Pengantar Analisis Regresi adalah Analisis statistika yang memanfaatkan hubungan antara dua atau lebih peubah kuantitatif sehingga salah satu peubah dapat diramalkan dari peubah lainnya. Analisis korelasi merupakan analisis yang dapat menunjukkan besarnya hubungan keeratan antara dua peubah atau lebih.

Korelasi

Korelasi

Korelasi

Koefisien Korelasi Pearson (r)

Contoh Jarak Emisi 31 553 38 590 48 608 52 682 63 752 67 725 75 834 84 752 89 845 99 960

ANALISIS REGRESI Hubungan Antar Peubah: Model regresi sederhana: Fungsional (deterministik)  Y=f(X) ; misalnya: Y=10X Statistik (stokastik)  amatan tidak jatuh pas pada kurva Mis: IQ vs Prestasi, Berat vs Tinggi, Dosis Pupuk vs Produksi Model regresi sederhana:

Regresi Makna 0 & 1 ?

Regresi

Analisis Regresi Pendugaan terhadap koefisien regresi: b0 penduga bagi 0 dan b1 penduga bagi 1 Metode Kuadrat Terkecil Bagaimana Pengujian terhadap model regresi ?? parsial (per koefisien)  uji-t bersama  uji-F (Anova) Bagaimana menilai kesesuaian model ?? R2 (Koef. Determinasi: % keragaman Y yang mampu dijelaskan oleh X)

Contoh Data Percobaan dalam bidang lingkungan Apakah semakin tua mobil semakin besar juga emisi HC yang dihasilkan? Diambil contoh 10 mobil secara acak, kemudian dicatat jarak tempuh yang sudah dijalani mobil (dalam ribu kilometer) dan diukur Emisi HC-nya (dalam ppm) Jarak Emisi 31 553 38 590 48 608 52 682 63 752 67 725 75 834 84 752 89 845 99 960 Emisi = 382 + 5.39 Jarak

Analisis Regresi Plot antara Emisi Hc (ppm) dg Jarak Tempuh Mobil (ribu kilometer)

Analisis Regresi Contoh output regresi dengan Minitab (1) Regression Analysis (Emisi Hc vs Jarak Tempuh Mobil) The regression equation is Emisi = 382 + 5.39 Jarak Predictor Coef StDev T P Constant 381.95 42.40 9.01 0.000 Jarak 5.3893 0.6233 8.65 0.000 S = 42.01 R-Sq = 90.3% R-Sq(adj) = 89.1% Analysis of Variance Source DF SS MS F P Regression 1 131932 131932 74.76 0.000 Error 8 14118 1765 Total 9 146051 Unusual Observations Obs Jarak Emisi Fit StDev Fit Residual St Resid 8 84.0 752.0 834.7 18.0 -82.7 -2.18R R denotes an observation with a large standardized residual

Analisis Regresi Bagaimana Pengujian terhadap model regresi ?? parsial (per koefisien)  uji-t bersama  uji-F (Anova) Bagaimana menilai kesesuaian model ?? R2  Koef. Determinasi (% keragaman Y yang mampu dijelaskan oleh X)

Uji Hipotesis H0 : 1=0 vs H1: 10 ANOVA (Analysis of Variance)  Uji F JK total = JK regresi + JK error Keragaman total = keragaman yang dapat dijelaskan oleh model + keragaman yang tidak dapat dijelaskan oleh model Anova Sumber db JK KT F Regresi 1 JKR KTR KTR/KTE Error n - 2 JKE KTE   Total n - 1 JKT F ~ F (1,n-2)

Uji Hipotesis H0 : 1≤0 vs H1: 1>0 Uji Parsial Statistik uji: