ANALISIS REGRESI DAN KORELASI

Presentasi berjudul: "ANALISIS REGRESI DAN KORELASI"— Transcript presentasi:

1 ANALISIS REGRESI DAN KORELASI
Dalam suatu penelitian terkadang ingin diketahui hubungan antara dua peubah (variabel) atau lebih. Dalam mencari hubungan ini terdapat dua permasalahan yaitu : Regresi : hubungan dua peubah atau lebih yang dinyatakan dalam bentuk persamaan. Korelasi : derajat keeratan hubungan dua peubah (variabel) atau lebih. Variabel bebas : X Varibel tak bebas : Y --- tergantung pada variabel bebasnya.

2 Contoh : bidang pertanian variabel bebas adalah dosis pupuk dan variabel tak bebas adalah produksi.
Hubungan antara tinggi badan dan berat badan mahasiswa untuk variabel bebas adalah variabel yang mudah kita atur / tentukan / dapatkan. Hubungan antara 2 variabel dapat berbentuk hubungan fungsional dan dapat pula berbentuk hubungan Statistik.

3 Fungsional ---- Y = f (X) ----- Y = 2 + 4 X
Statistik --- setiap ulangan mempunyai prediksi yang berbeda. Dari fungsi statistik maka kita dapat menduga bagaimana hubungan kedua variabel tersebut. Model Regresi : Yi = 0 + 1 Xi + εi y = hasil 0 = intersept / konstanta 1 = koefisien korelasi εi = error/sesatan Untuk mendapatkan model tersebut perlu menduga ŷ = bo + b1x

4 Untuk menghitung nilai b0 dan b1 dapat dilakukan dengan :
Metode kuadrat terkecil (Least Square Method) ---- menduga dengan jalan membuat jumlah kuadrat sesatan/error data yaitu ∑εi2 sekecil-kecilnya (menggunakan kalkulus) sehingga didapatkan persamaan normal.  Ŷ = bo + b1X untuk mendapatkan nilai dari persamaan tersebut : ∑YI = ∑bo + ∑b1X1 disederhanakan ∑YI = nbo + ∑b1X (1) untuk mendapatkan persamaan kedua, dengan menggunakan koefisien b1 ∑X1YI = ∑b0X1 + ∑b1X12 disederhanakan : ∑X1YI = b0∑X1 + b1∑X (2) persamaan 1 dan 2 dapat diselesaiakan menjadi : ∑XiYi – (∑Xi . ∑Yi)/n b1 = ∑Xi2 – (∑Xi)2/n bo = Y – b1X

5 rumus tersebut dapat pula ditulis :
∑xiyi b1 = ∑xi2 dimana : ∑xiyi = ∑XiYi – (∑Xi . ∑Yi)/n ∑xi2 = ∑Xi2 – (∑Xi)2 /n harga dari kuadrat error/sesatan : ∑εi2 = ∑{Yi – (b0 + b1Xi)}2 ∑εi2 = {∑ Yi2 – (∑Y1)2/n} - {b∑XiYi – (∑Xi)( ∑Yi)/n} = ∑yi2 - b∑xiyi

6 untuk menguji hypotesis H0 : β1 = 0 H1 : β1  0
b uji t ---- tb = (√s2y.x / ∑x2) (∑xiyi)2 Kuadrat tengah sisa S2y.x = ∑yi2 – ∑xi2 n - 2 Selang kepercayaan (100 - )% untuk  : Selang kepercayaan = b  t (s2y.x / ∑x2) Nilai koefisien korelasi (r) = ∑xy (∑xi2)( ∑yi2)

7 uji F (menggunakan analisis varians)
Jumlah kuadrat (JK) Regresi = b1(∑XY – (∑X. ∑Y)/n) = b1(∑xy) JK Total = ∑Y-(∑Y)2/n = ∑y2 JK sisa = JK total – JK Regresi Sidik ragam Sumber Derajat JK KT F Hitung F Tabel Keragaman Bebas % 1% Regresi k-1 JK Reg. Galat (k-1)-(n-1) Jk Gal. Total n – JK Total KT Regresi = JK Regresi / DB Reg. KT Galat = JK Gal. / DB Galat F hitung = KT Reg. / KT Gal.

8 F hitung untuk menguji hypotesis H0 : β1 = 0
Jika F hit. > F tabel, maka H0 ditolak, H1 diterima Jika F hit. F tabel, maka H0 diterima, H1 ditolak Berarti benar β1 = 0 Jika β1 = 0 maka berarti tidak ada hubungan (garis) berarti sejajar dengan sumbu X.

9 Ŷ=b0 + b1X Ŷmax Δy Δy b= ---- Δx Δx (X, Y) Ŷmin Xmin Xmax X

10 Garis yang diperoleh melalui kuadrat terkecil yaitu yang meminimkan jumlah kuadrat semua simpangan vertikal Gambar Simpangan-simpangan vertikal dimana jumlah kuadratnya diminimumkan pada metode kuadrat terkecil.

11 Penerapan perhitungan regresi linier
Tabel Hasil gabah dan Dosis N pada tanaman padi (Diambil dari Gomez dan Gomez ) Dosis N Hasil Gabah Kg.ha-1 (X) kg.ha-1 (Y) Total 300 (∑X) (∑Y) ∑x2 = ∑X2 – (∑X)2 /n = 12500 ∑xy = ∑XYi– (∑X. ∑Y)/n = X rata-rata (X) = 75 Y rata-rata (Y) = 5870

12 ∑xy ∑XYi– (∑X. ∑Y)/n b = = = = 19.96 ∑x2 ∑X2 – (∑X)2 /n bo = Y – b1X b0 = – (19.96) = 4375 Penduga regresi Ŷ = bo + b1X Ŷ = X Ŷmax = bo + b1(Xmax) = (0) = 4374 kg.ha-1. Ŷmin = bo + b1(Xmin) = (150) = 7368 kg.ha-1.

13 8000 Ŷ= X r = 0.98 Ŷmax= 7368 7000 6000 (X, Y) 5000 Ŷmin=4374 4000 50 150 100 Dosis N (kg.ha-1) Gambar Pendugaan regresi linier antara hasil gabah (Y) dan dosis N.

14 tb = --------------- = -------------------- = 7.94* (berbeda nyata)
Uji beda nyata β b tb = = = 7.94* (berbeda nyata) (√s2y.x / ∑x2) (√ / 12500) (∑xiyi) (249475)2 S2y.x = ∑yi2 – ∑xi = = n – – 2 t tabel 5%, db 2 = dan t tabel 1%, db 2) = 9.925 Nilai tb lebih besar dari t tabel (5%) dan lebih kecil dari t tabel (1%), menunjukkan bahwa respons linier hasil padi berubah dengan dosis N dalam rentang 0 sampai 150 kg.ha-1 berbeda nyata pada taraf nyata 5%.

15 JK Galat = JK total – JK Reg. = 157343
Uji F Sidik ragam SK DB JK KT F hit Ftab5% Regresi * 18.51 Galat Total JK Regresi= b1(∑xy)= b1∑XYi– (∑X. ∑Y)/n= (249475) = JK Total = ∑ yi2 = ∑ Yi2 – (∑Y1)2/n = JK Galat = JK total – JK Reg. =

16 Selang kepercayaan (100 - )% untuk  :
Selang kepercayaan = b  t.05 (s2y.x / x2) =   ( / 12500) =  10.81 = (9.15 ; 30.77) Kenaikan hasil gabah untuk setiap kenaikan 1 kg ha-1 pupuk nitrogen yang digunakan dalam rentang 0 sampai 150 kg ha-1 diharapkan antara 9,15 kg ha-1 dan kg ha-1 pada selang kepercayaan 95%.

17 Koefisien korelasi (r)
∑xy Nilai koefisien korelasi (r) =  (∑xi2) (∑yi2) 249475 = = 0.98 (12500)( )

18 Pustaka Gomez K.A., dan A. A. Gomez Statistical Procedures for Agriculture Research. John Wiley & Sons, Inc. Canada.

19 Lampiran Koefisien ortogonal polinomial
T Degree T1 T2 T3 T4 T5 T6 ∑Ci of polynomial 3 Linier -1 o Quadratic 4 Linier Quadratic Cubic 5 Linier Quadratic Cubic Quartic 6 Linier Quadratic Cubic Quartic Quintic

20 Perlakuan yang merupakan tingkatan taraf yang dinyatakan dengan besaran (bersifat kuantitatif) pada percobaan, ingin diketahui apakan responnya bersifat linier, kuadratik, kubik atau lainnya. Dilakuan penguraian perlakuan kedalam tingkat-tingkat respons linier, kuadratif, kubic dan lainnya. Pada perlakuan yang mempunyai taraf sama dapat digunakan tabel koefisien ortogonal (Lampiran ). Jumlah kuadrat dari perlakuan yang akan ditentukan responnya diuraikan berdasarkan menjadi linier, kuadratik, kubik dan seterusnya. Demikian pula derajat bebasnya.

21 Lampiran Sidik Ragam RAL Sidik ragam SK DB JK KT F hit. Perl. t-1 JK Perl Galat t(r-1) Jk Gal. Total tr – 1 JK Total

22 RAK Sidik ragam SK DB JK KT F hit. Kelompok r-1 JK Kel. Perl. t-1 JK Perl Galat (t-1)(r-1) Jk Gal. Total tr – 1 JK Total

23 Faktorial A X B dalam RAL
Sidik ragam SK DB JK KT F hit. Perl. ab-1 JK Perl A a-1 JK A B b-1 JK B AXB (a-1)(b-1) JK AXB Galat ab(r-1) Jk Gal. Total abr – 1 JK Total

24 Faktorial A X B dalam RAK
Sidik ragam SK DB JK KT F hit. Kelompok r-1 JK Kelompok Perl. ab-1 JK Perl A a-1 JK A B b-1 JK B AXB (a-1)(b-1) JK AXB Galat (ab-1)(r-1) Jk Gal. Total abr – 1 JK Total

25 Rancangan Petak Terpisah (Split Plot Design) A X B
SK DB JK KT F hit. Kelompok r-1 JK Kelompok Petak Utama (A) a-1 JK A Galat (a) (r-1)(a-1) JK Galat a Anak Petak (B) b-1 JK B PU X AP (AXB) (a-1)(b-1) JK AXB Galat (b) a(r-1)(b-1) Jk Gal. Total abr – 1 JK Total

26 Rancangan Petak Berjalur (Strip Plot Design) A X B
SK DB JK KT F hit. Kelompok r-1 JK Kelompok Faktor datar (A) a-1 JK A Galat (a) (r-1)(a-1) JK Galat a Faktor tegak (B) b-1 JK B Galat (b) (r-1)(a-1) JK Galat (b) A X B (a-1)(b-1) JK AXB Galat (c) (r-1)(a-1)(b-1) Jk Galat (c) Total abr – 1 JK Total