L/O/G/O MODEL REGRESI. Keilmuan sosial mempunyai karakteristik berupa banyaknya variabel-variabelatau faktor-faktoryang saling mempengaruhi satu sama.

Slides:



Advertisements
Presentasi serupa
Outlier Pada Analisis Regresi
Advertisements

Evaluasi Model Regresi
Analisis Data Berkala A. PENDAHUlUAN
MODEL REGRESI DENGAN DUA VARIABEL
Distribusi Beta, t dan F.
Kuliah ke 2 sifat-sifat analisis regresi
UJI HIPOTESIS.
ANALISIS REGRESI DAN KORELASI LINIER
REGRESI LINIER BERGANDA
William J. Stevenson Operations Management 8 th edition REGRESIBERGANDA Rosihan Asmara
Angelina Ika Rahutami Unika Soegijapranata Gasal 2011/2012.
Analisis Regresi Berganda & Pengujian Asumsi OLS
APLIKASI KOMPUTER Dosen: Fenni Supriadi, SE.,MM
REGRESI LINIER SEDERHANA
KONSEP DASAR Fungsi dan Grafik
BAB 5 FUNGSI Kuliah ke 3.
BETYARNINGTYAS CYNTHIA LA SARIMA MUH Tabrani Nuri NURWAHIDA VIEVIEN
FUNGSI Cherrya Dhia Wenny, S.E..
By Eni Sumarminingsih, SSi, MM
REGRESI LINEAR Oleh: Septi Ariadi
KORELASI DAN REGRESI LINEAR SEDERHANA
KORELASI & REGRESI LINIER
BAB 15 ANALISIS REGRESI DAN KORELASI LINIER
Abdul Rohman Fakultas Farmasi UGM
VALIDASI ROC KURVA ANALISIS REGRESI
PERAMALAN /FORE CASTING
ANALISIS DATA BERKALA.
PERTEMUAN 6 Teknik Analisis dan Penyajian Data
Korelasi/Regresi Linier
Regresi Linear Dua Variabel
BAB 15 ANALISIS REGRESI DAN KORELASI LINIER
ANALISIS REGRESI & KORELASI
Regresi & Korelasi Linier Sederhana
Dosen pengasuh: Moraida hasanah, S.Si.,M.Si
Presented by Kelompok 7 Mirah Midadan Richard Pasolang Reski Tasik
ANALISIS REGRESI DAN KORELASI LINIER
Analisis Regresi Sederhana
REGRESI DAN KORELASI.
Analisis Korelasi dan Regresi linier
D0124 Statistika Industri Pertemuan 19 dan 20
Pertemuan ke 14.
EKONOMETRIKA Pertemuan 7: Analisis Regresi Berganda Dosen Pengampu MK:
STATISTIKA INDUSTRI I ANALISIS REGRESI DAN KORELASI LINIER (1)
Khaola Rachma Adzima FKIP-PGSD Universitas Esa Unggul
Pertemuan Ke-7 REGRESI LINIER BERGANDA
ANALISIS REGRESI BERGANDA
Pertemuan ke 14.
EKONOMETRIKA PENGERTIAN.
ANALISIS REGRESI & KORELASI
PERAMALAN DENGAN GARIS REGRESI
REGRESI LINIER DAN KORELASI
Analisis REGRESI.
04 SESI 4 MATEMATIKA BISNIS Viciwati STl MSi.
Regresi Sederhana : Estimasi
EKONOMETRIKA Pertemuan 9: Pengujian Asumsi-asumsi Klasik (Bagian 1)
Regresi Linier Sederhana dan Korelasi
STATISTIKA INDUSTRI I ANALISIS REGRESI DAN KORELASI LINIER (1)
ANALISIS DATA BERKALA.
Fungsi Penerapan fungsi dalam bidang pertanian merupakan bagian yang sangat penting untuk dipelajari, karena model-model dalam matematika biasa disajikan.
Disampaikan Pada Kuliah : Ekonometrika Terapan Jurusan Ekonomi Syariah
EKONOMETRIKA Ide-ide Dasar Analisis Regresi Sederhana
Analisis Regresi Asumsi dalam Analisis Regresi Membuat persamaan regresi Dosen: Febriyanto, SE, MM. www. Febriyanto79.wordpress.com U.
METODE PENELITIAN KORELASIONAL
REGRESI LINEAR.
EKONOMETRIKA Pertemuan 3: Ide-ide Dasar Analisis Regresi Sederhana
ANALISIS REGRESI Sri Mulyati.
ANALISIS REGRESI & KORELASI
KORELASI & REGRESI LINIER
Analisis Regresi Berganda & Pengujian Asumsi OLS
Analisis KORELASIONAL.
Transcript presentasi:

L/O/G/O MODEL REGRESI

Keilmuan sosial mempunyai karakteristik berupa banyaknya variabel-variabelatau faktor-faktoryang saling mempengaruhi satu sama lain.

Cth. Q = f (P, Y, …………………..)

Dari beragam faktor-faktor yang disebutkan di atas, tentu mempunyai tingkatsignifikansi yangberbeda.

Beberapa faktor mungkin mempunyai tingkat signifikansi yang tinggi, sementara yang lain mungkintingkat signifikansinya rendah,atau biasa disebut tidak signifikan.

ceteris paribus. tidak adanya perubahan dari variabel- variabel lain.

Model Model dalam keilmuan ekonomi berfungsi sebagai panduan analisis melalui penyederhanaan dari realitas yang ada.

Refleksi dari realita atau simplikasi dari kenyataan.

Penulisan modeldalam ekonometrika adalahmerupakan pengembangan dari persamaan fungsi secara matematis.

fungsi adalah sebuah persamaan yang menggambarkan hubungan sebab akibat antara sebuah variabel dengan satu atau lebih variabel lain.

Penulisan model Persamaan Matematis Y = a + b X……….. (pers.1) Persamaan Ekonometrika Y = b0 + b1X + e……….. (pers.2)

Munculnya e (error term) pada persamaan merupakan suatu penegasan bahwa sebenarnya banyaksekalivariabel- variabel bebasyang mempengaruhi variabel terikat (Y).Munculnya e (error term)

Karena dalam model tersebut hanya ingin melihat pengaruh satu variabel X saja, maka variabel-variabel yang lain dianggap bersifat tetap atau ceteris paribus, yang dilambangkan dengan e.

Bentuk Model persamaan single linier (pers.3) Y = b0 + b1X + e……….. (pers.3) dan persamaan multiple linier (pers.4) sebagai berikut: Y = b0 + b1X1 + b2X2 + …… + bnXn + e ……….. (pers.4)

Y = b0 + b1X + e……….. (pers.3) Misalkan dari pers.3 dianggap bahwa Y = Inflasi, dan X = bunga deposito (Budep) pada periode tertentu, dan jika datanya telah diketahui,maka data akan tergambar dalam bentuk titik-titik yang merupakan sebaran data dalam scatter plot.scatter plot.

Bunga deposito dan inflasi i

Sebaran data tersebutdi atas (gambar 3) menunjukkan hubungan yang positif, yaitu jika bunga deposito meningkat, maka inflasi juga meningkat. Begitu pula jika bunga deposito menurun, inflasi juga turun.

sebaran data menyebar memanjang lurus, sehingga dapat diwakili dengan garis lurus. Oleh karena itu, scater plot tersebut akan tepat digunakan regresi linier.

Model Kuadratik Salah satu ciri model kuadratik dapat diketahui dari adanya pangkat dua pada salah satu variabel bebasnya. Ciri yang lain dapat dilihat dari pengamatan terhadap scatter plott yang menunjukkan kecenderungan sebaran data membentuk lengkung, tidak seperti model linier yang cenderung lurus.

Model kuadratik dituliskan dalam persamaan fungsi sebagai berikut: Y = b0 + b1X1 + b2X² + e……….. (pers.5)

Model Kubik Salah satu ciri model kubik dapat diketahui dari adanya pangkat tiga pada salah satu variabel bebasnya..Ciri yang lain dapat dilihatdari pengamatan terhadap scatter plott yang menunjukkan kecenderungan sebaran data yang berbentuk lengkung dengan arah yang berbeda.scatter plott

Model kuadratik dituliskan dalam persamaan fungsi sebagai berikut: Y = b0 + b1X1 + b1X1² + b1X1³ + e ……….. (pers.6)

L/O/G/O Notasi Model

Notasi MOdel Y = a + bx + e Huruf Y 1. variabel dependen 2. variabel terikat. 3. variabel yang dipengaruhi, 4. variabel endogin. (Dengan alasan keseragaman, penulisan hurufY diletakkan disebelah kiri tanda persamaan. ) Huruf X 1. variabel bebas atau variabel yang mempengaruhi 2. variabel independen 3. variabel penduga, 4. variabel estimator, 5. atau juga variabel eksogen

Y = a + bX + e a juga sering ditulis dengan : a, α, b0, β0 Secara substansi penulisan itu mempunyai arti yang sama, yaitu: menunjukkan intercept yang konstanta atau merupakan sifat bawaan dari variabel Y.

Y = a + bX + e a juga sering ditulis dengan : a, α, b0, β0 Konstanta ini mempunyai angka yang bersifat tetap yang sekaligus menunjukkan titik potong garis regresi pada sumbu Y.

Y = a + bX + e a juga sering ditulis dengan : a, α, b0, β0 Nilai konstanta ini merupakan nilai dari variabel Y ketika variabel X bernilai nol. Atau dengan bahasa yang mudah, nilai konstanta merupakan sifat bawaan dari Y

Y = a + bX + e b juga sering ditulis dengan : a, α, b0, β0 Parameter ini sering juga dituliskan dengan bentuk b, atau β1, β2, βn. β1, β2, βn, b1, b2, bn Hurufb1,b2, bnmerupakan parameteryang menunjukkan slope atau kemiringan garis regresi.

Y = a + bX + e b juga sering ditulis dengan : a, α, b0, β0 Parameter ini sering juga dituliskan dengan bentuk b, atau β1, β2, βn. β1, β2, βn, b1, b2, bn Meskipun dituliskan dengan tanda yang berbeda, secara substansi parameter ini menunjukkan beta atau koefisien korelasi yang sekaligus menunjukkan tingkat elastisitas dari variabel X tersebut.

Y = a + bX + e b juga sering ditulis dengan : a, α, b0, β0 Parameter ini sering juga dituliskan dengan bentuk b, atau β1, β2, βn. β1, β2, βn, b1, b2, bn Nilai beta ini memungkinkan untuk bernilai positif maupun negatif.

Y = a + bX + e b juga sering ditulis dengan : a, α, b0, β0 Parameter ini sering juga dituliskan dengan bentuk b, atau β1, β2, βn. β1, β2, βn, b1, b2, bn Tanda positif menunjukkan hubungan yang searah antara variabel X dengan variabel Y. Artinya jika X mengalami peningkatan maka Y juga mengalami peningkatan, dan sebaliknya.

Y = a + bX + e b juga sering ditulis dengan : a, α, b0, β0 Parameter ini sering juga dituliskan dengan bentuk b, atau β1, β2, βn. β1, β2, βn, b1, b2, bn Arah hubungan seperti itu tidak terjadi pada beta yang berangka negatif. Karena jika tandanya negatif arah hubungan X terhadap Y saling berlawanan. Jika X meningkat maka Y menurun, dan sebaliknya.

Y = a + bX + e b juga sering ditulis dengan : a, α, b0, β0 Parameter ini sering juga dituliskan dengan bentuk b, atau β1, β2, βn. β1, β2, βn, b1, b2, bn Demikian pula, karena nilai koefisien korelasi ini juga menunjukkan tingkat elastisitas, maka dari besarnya nilai koefisien korelasi (b) tersebut dapat ditentukan jenis elastisitasnya.

Y = a + bX + e b juga sering ditulis dengan : a, α, b0, β0 Parameter ini sering juga dituliskan dengan bentuk b, atau β1, β2, βn. β1, β2, βn, b1, b2, bn Jika nilai b besarnya lebih dari satu (b>1) maka disebut elastis. Artinya, jika variabel X mengalami perubahan, maka variabel Y akan mengalami perubahan yang lebih besar dari perubahan yang ada pada variabel X tersebut.

Y = a + bX + e b juga sering ditulis dengan : a, α, b0, β0 Parameter ini sering juga dituliskan dengan bentuk b, atau β1, β2, βn. β1, β2, βn, b1, b2, bn Arah hubungan seperti itu tidak terjadi pada beta yang berangka negatif. Karena jika tandanya negatif arah hubungan X terhadap Y saling berlawanan. Jika X meningkat maka Y menurun, dan sebaliknya.

Y = a + bX + e Huruf e merupakan kependekan dari error term atau kesalahan penggganggu. Simbol error ini tidak jarang dituliskan dalam huruf ε atau μ. Unsur-unsur stokhastik atau hal- hal yang mengandung probabilita Disturbance error atau stochastic disturbance.

Kesalahanpengganggu inisendiri mempunyai banyak sebab yang dapat menimbulkannya seperti: 1. tidak seluruh variabel bebas yang mempunyai potensi dalam mempengaruhi variabel terikat dapat disebutkan dalam model. 2. kesalahan asumsi dalam menentukan teori yang diwujudkan sebagai model.

Kesalahanpengganggu inisendiri mempunyai banyak sebab yang dapat menimbulkannya seperti: 3. ketidaklengkapan data yang dianalisis. 4.ketidaktepatanmodel yang digunakan. Misalnya, seharusnya digunakan model kuadratik tetapi justru yang digunakan adalah model linier, atau sebaliknya.

Spesifikasi Model dan Data Model ekonometrika: 1. model ekonomi (economic model) Y = b0 + b1X1 + b2 X2 2. Model statistic (statistical model). Y = b0 + b1X1 + b2 X2 + e

Model Ekonomi Y = b0 + b1X1 + b2 X2 Tandab= parameter, menunjukkan ketergantungan variabel Y terhadap variabel X b0 = intercept, menjelaskan nilai variabel terikat ketika masing- masing variabel bebasnya bernilai 0 (nol).

Model Ekonomi Y = b0 + b1X1 + b2 X2 Menggambarkan rata- rata hubungan sistemik antara variabel Y, X1, X2. Dalam model ini nilai e tidak tertera. karena nilai e diasumsikan non random

Model Statistik Y = b0 + b1X1 + b2 X2 + e Nilai e sendiri merupakan selisih antara nilai kenyataan (nilai observasi) dan nilai harapan.Nilai e. e = Y – E(Y) ataue = Y – Ỷ jadi,Y = Ỷ + e karena, Ỷ = E (Y) = b0 + b1X1 + b2 X2 makaY = b0 + b1X1 + b2 X2 + e (Tanda “ ˆ “ merupakan tanda bahwa hal tersebut merupakan ramalan). merupakan ramalan

Model Statistik Y = b0 + b1X1 + b2 X2 + e e pada persamaan di atas mencerminkan distribusi probabilitas.. Atau dapat pula dianggap sebagai pengganti variabel- variabel berpengaruh lain selain variabel yang dijelaskan dalammodel.

Model Statistik Y = b0 + b1X1 + b2 X2 + e Dalam teori ekonomi,e merupakan representasidari asumsiceteris paribus...

Asumsi-asumsinya nilai e 1. Nilai harapan e sama dengan 0 (nol). E(e) = 0, masing- masing random error mempunyai distribusi probabilitas = 0. Meskipun e bisa bernilai positif atau negatif, tetapi rata- rata e harus = Variance residual sama dengan standar deviasi Var (e) = σ 2, artinya: masing-masing random error mempunyai distribusi probabilitas variance yang sama dengan standar deviasi ( σ ). Asumsi ini menjelaskan bahwa residual bersifat homoskedastik.

Asumsi-asumsinya nilai e 3. Kovarian ei dan ej mempunyai nilai nol. Cov (ei, ej) = 0. Nilai nol dalam asumsi ini menjelaskan bahwa antara ei dan ej tidak ada korelasi serial atau tidak berkorelasi (autocorrelation). 4. Nilairandom error mempunyai distribusi probabilitas yang normal.

Latihan! Y= b0 + b1X + e 1. coba uraikan arti dari notasi atas model yang telah dituliskan.

L/O/G/O Your company slogan in here Thank You!