ANALISIS REGRESI TERAPAN

Slides:



Advertisements
Presentasi serupa
ANALISIS KORELASI.
Advertisements

Bahan Kuliah Statistika Terapan
REGRESI LINIER Dewi Gayatri.
ANALISIS REGRESI TERAPAN
Korelasi dan Regresi 2011 Program Studi Magister Biomedik
MODEL REGRESI LINIER GANDA
VI. ESTIMASI PARAMETER Estimasi Parameter : Metode statistika yang berfungsi untuk mengestimasi/menduga/memperkirakan nilai karakteristik dari populasi.
BAB VII ANALISIS KORELASI DAN REGRESI LINIER SEDERHANA
BAB XI REGRESI LINEAR Regresi Linear.
Statistika 2 Regresi dan Korelasi Linier Topik Bahasan:
Korelasi dan Regresi Linier
Regresi dan Korelasi Linier
Uji Korelasi dan Regresi

Operations Management
HIPOTESIS & UJI VARIANS
PENGUJIAN HIPOTESIS ASOSIATIF
BAB III ANALISIS REGRESI.
Korelasi dan Regresi Linear Berganda
Analisis Data: Memeriksa Perbedaan
ANALISIS KORELASI DAN REGRESI LINIER
Regresi Linier Berganda
Sri Sulasmiyati, S.Sos, M.AP
KORELASI DAN REGRESI LINEAR SEDERHANA
UJI KORELASI DAN REGRESI LINIER
BAB XIII REGRESI BERGANDA.
KORELASI & REGRESI LINIER
BAB VI REGRESI SEDERHANA.
ANALISIS EKSPLORASI DATA
Regresi Linier Berganda
Probabilitas dan Statistika
Korelasi/Regresi Linier
STATISTIK INFERENSIAL
Kuliah ke 9 ESTIMASI PARAMETER SATU POPULASI
UJI HIPOTESIS.
Misal sampel I : x1, x2, …. Xn1 ukuran sampel n1
ANALISIS REGRESI DAN KORELASI
Korelasi/Regresi Linier
ANALISIS REGRESI DAN KORELASI LINIER
Dosen pengasuh: Moraida hasanah, S.Si.,M.Si
Analisis Regresi Sederhana
Analisis Korelasi dan Regresi linier
Analisis Korelasi & Regresi
Analisis Korelasi & Regresi
Regresi dan Korelasi Linier
ANALISIS REGRESI DAN KORELASI
REGRESI LINEAR DALAM ANALISIS KUANTITATIF
STATISTIKA Pertemuan 10: Analisis Regresi dan Korelasi
Pertemuan ke 14.
EKONOMETRIKA Pertemuan 7: Analisis Regresi Berganda Dosen Pengampu MK:
Pertemuan ke 14.
Regresi Linier (Linear Regression)
Analisis REGRESI.
PENDAHULUAN Dalam kehidupan sering ditemukan adanya sekelompok peubah yang diantaranya terdapat hubungan alamiah, misalnya panjang dan berat bayi yang.
Analisis Korelasi & Regresi
ANALISIS REGRESI SEDERHANA
MUHAMMAD HAJARUL ASWAD
REGRESI LINIER BERGANDA (MULTIPLE REGRESSION)
ANALISIS REGRESI DAN KORELASI
KORELASI DAN REGRESI SEDERHANA
KORELASI.
BAB 8 ANALISIS KORELASIONAL sCp.
Tentukan koefisien korelasi dan jelaskan artinya!
ANALISIS REGRESI & KORELASI
ANALISIS HUBUNGAN NUMERIK DENGAN NUMERIK (UJI KORELASI)
Analisis Regresi Regresi Linear Sederhana
KORELASI & REGRESI LINIER
Seorang peneliti dari UMK sedang mengamati untuk meneliti kadar air di sungai Gelis. Dia menyatakan bahwa rata-rata kandungan Mercury di sungai Gelis.
BAB VIII REGRESI &KORELASI BERGANDA
ANALISIS REGRESI DAN KORELASI
Transcript presentasi:

ANALISIS REGRESI TERAPAN

ANALISIS REGRESI Analisis Regresi Linear Analisis regresi merupakan metode analisis data yang memanfaatkan hubungan antara dua variabel atau lebih (Berat Badan dengan Umur; FEV1 dengan Tinggi Badan; Berat Badan dengan Umur dan Asupan Gizi). Y=variabel dependen, tak bebas, tergantung, respon, outcome. X=variabel independen, bebas, tak tergantung, prediktor. Tujuan: Menyelidiki bentuk/pola hubungan antara Y dengan X. Mengestimasi/menduga mean atau rata-rata dari Y populasi berdasarkan X yang diberikan.

Scatter Plot

Berat Badan = 3.025 + 0.507 Umur Untuk seorang anak yang berumur 18 bulan, maka berat anak tersebut dapat diprediksi sebesar 12.151 kg

y x xy x2 y2 . Σy Σx Σxy Σx2 Σy2

Pengujian Koefisien Regresi Statistik Uji: H0 ditolak apabila

Analisis Korelasi Analisis korelasi merupakan metode analisis data yang mengukur derajat hubungan antara dua variabel random X dan Y melalui sebuah bilangan yang disebut koefisien korelasi r. Kuadrat dari koefisien korelasi disebut koefisien determinasi yang merepresentasikan besarnya proporsi variasi dalam variabel y yang dijelaskan oleh variabel x dalam model. Dengan menggunakan pasangan data berat badan dan umur anak balita, diperoleh nilai koefisien korelasi sebesar 0.956 dan koefisien determinasi sebesar 0.914

Pengujian Koefisien Korelasi Statistik Uji: H0 ditolak apabila:

Seorang peneliti ingin mengetahui seberapa baik dia dapat memprediksi length of stay seorang pasien apabila diketahui variabel independennya number of previous admissions, age dan sex. Untuk itu telah dikumpulkan data untuk 15 pasien sbb: