Pertemuan 14 Regresi non linier

Presentasi berjudul: "Pertemuan 14 Regresi non linier"— Transcript presentasi:

1 Pertemuan 14 Regresi non linier
Matakuliah : I0174/Analisis regresi Tahun : 2005 Versi : 1 Pertemuan 14 Regresi non linier

2 Menduga model regresi dengan parameter non linier
Learning Outcomes Pada akhir pertemuan ini, diharapkan mahasiswa akan mampu : Menduga model regresi dengan parameter non linier

3 Outline Materi Model non linier Penduga parameter Tranformasi model

4 Model non linier Model yang dapat dilinearkan dengan transformasi logaritma Model Y= βoeX Model Y= βoXβ1Xβ2 Model Y = cβo+β1X1+β2X2

5 Model Y= βoeX Model eksponensial tersebut dapat di transformasi logaritma menjadi Log Y = log βo + x log e Bagaimana bentuk matrik design X ?

6 Data: X = Y= log y= log 2 log y=log 20 log y = log 35 log y = log 100 … …

7 Y= βoX1β1X2β2 Transformasi logaritma menjadi Log Y = log βo + β1 log X1 + β2 log x2 Bagaimana bentuk matrik design X ?

8 Data X1 ; X2 ; Y logX1 logx2 logY log 3 log 2 log 8 log 4 log 5 log 10 … … … … … …. Matrik desain X dengan unsur nilai ang telah di logaritmakan

9 Model Y = cβo+β1X1+β2X2 Transformasi logaritma menjadi Log Y = (βo+β1X1+β2X2) log c atau Log Y/log c = βo+β1X1+β2X2

10 Model Y= βoeX matrik X = 1 x1 dan Y= log y1 1 x log y2 .. … …. … … … 1 xn log yn Model menjadi Log Y = log βo + x log

11 Model Y= βoX1β1X2β2 Bagaimana bentuk matrik design X dan Y?

12 Model Y = cβo+β1X1+β2X2 Bagaimana bentuk matrik desain X

13 Pendugaan parameter b, X dan Y disesuaikan dengan model b = (X’ X )-1 X’ Y

14 Model Y= βoeX Model menjadi Log Y = log βo + x log Bagimana mendapatkan nilai βo ? [ dengan anti log dari hasil penduga parameter yang diperoleh dengan metode kuadrat terkecil)

15 Model Y= βoX1β1X2β2 mode menjadi Log Y = log βo + β1 log X1 + β2 log x2 Parameter regresi diduga dengan regresi berganda

16 Bagi model regresi parameter non linier yang dapat ditranformasi menjadi linier, penduga parameternya dapat dihitung dengan metode kuadrat terkecil