ANALISIS REGRESI

Seringkali dalam praktek,ingin diketahui apakah

ada hubungan antara dua variabel atau lebih,
misalnya :
- apakah ada hubungan antara masa
penyembuhan pasien dengan dosis obat yang
diberikan.
- apakah ada hubungan antara hasil panen padi
dengan jumlah pupuk yang digunakan.
- apakah ada hubungan anatara kadar lemak
dalam darah dengan umur,berat badan dan
tekanan darah.
 Hubungan antara variabel-variabel tersebut
biasanya dinyatakan dalam bentuk persamaan
matematik dan persamaan tersebut dapat
digunakan untuk tujuan peramalan,yaitu
menentukan nilai suatu variabel bila nilai
variabel lainnya diketahui.
 Studi yang menyangkut masalah semacam ini
disebut : analisis regresi.
 Dalam analisis regresi,dibedakan dua jenis
variabel ,yaitu variabel tak bebas dan variabel
bebas.
REGRESI LINIER SEDERHANA
 Dalam regresi linier sederhana, akan dipelajari
hubungan linier antara variabel tak bebas Y
dengan satu variabel bebas X.
 Untuk mendapatkan persamaan regresi/model
regresi antara variabel X dan Y , pertama kali
dibuat plot data  xi , yi  ; i  1, 2, , n pada bidang xy.
 Plot tersebut dinamakan diagram pencar.

 Berdasarkan diagram pencar dapat dicari garis

atau lengkungan yang mendekati titik-titik data
tersebut.
Model regresi linier sederhana:
Yi  0  1 X i   i , i= 1,2,…,n
Dimana :
Yi : variabel tak bebas
X i : variabel bebas
 0 , 1 : parameter / koefisien regresi

 i : error diasumsikan saling bebas dan menyebar normal

N (0,  2 )i  1,2,..., n

Cat : Linier dalam hal ini adalah linier dalam

parameter (  ,  ). 0 1
 Parameter  0 dan 1 tidak diketahui nilainya dan
harus diduga/ditaksir dari data sampel.
 Salah satu cara untuk menduganya/menaksirnya
adalah menggunakan metode kuadrat terkecil,
yaitu suatu metode untuk menaksir parameter
regresi dengan meminimumkan jumlah kuadrat
error.
  i  yi  0  1 xi , Q       y     x 
n n
2 2
i i 0 1 i
i 1 i 1

 Syarat Q minimum :

Q Q
0 0
 0 1
 Q  2  y     x   0

n
dan Q n
 2 xi  yi  0  1 xi   0
0 1
i 0 1 i
i 1 i 1

 Misalkan b0 dan b1 adalah taksiran untuk  0 , 1,

maka :
n n
1.   yi  b0  b1 xi   0 2.  xi  yi  b0  b1 xi   0
i 1 i 1

Sistem persamaan di atas disebut persamaan

normal
 Solusinya :
n
 n  n 
n xi yi    xi   yi 
b1  i 1  i 1  i 1 
2
b0  y  b1 x
n
 n

n xi2    xi 
i 1  i 1 

1 n
1 n x   xi
y   yi n i 1
n i 1

 Taksiran garis regresi :

ŷ  b0  b1 x
INFERENSI MENGENAI KOEFISIEN REGRESI
 Salah satu cara untuk memeriksa apakah
taksiran regresi yang diperoleh dari data sampel
baik atau tidak adalah dengan melakukan
analisis residual.
 Residual : selisih nilai antara nilai pengamatan yi

dengan nilai taksirannya yˆi .

Residual :
ei  yi  yˆi = yi  b0  b1 xi
Jumlah Kuadrat Residual :
n n
JKe   e   yi  b0  b1 xi 
2 2
i
i 1 i 1
 JKe
se2 
 Rata-rata jumlah kuadrat residual : n2

 Asumsi model :  N  sehinnga diperoleh: i 0, 2

Yi N  , 2
 i  i  0  1 xi
 n

b0 N   x 
 
i
0 , 0  2   n i 1  2
2

 n ( x  x )2 
  i
0


 i 1 

b1 N  , 2 2
 1    2
n

 (x  x )
1 1
2
i
i 1

se2 adalah penaksir tak bias untuk  2 .

 Untuk inferensi digunakan transformasi
t
b 
0
, berdistribusi t dg db = n-2
0

sb0
b1  1
t
sb1 , berdistribusi t dg db = n-2
Dimana :
 n

  x 2
 se2
dan s 
i 2
sb20  se2  n i 1  b1 n
 n ( x  x )2 
  i 
 (x  x )
i 1
i
2

 i 1 

Interval kepercayaan 1   100% untuk 0 adalah :

b0  t ;n2  sb0  0  b0  t ;n2  sb0
2 2
 1
 Interval kepercayaan 1   100% untuk adalah:
b1  t ;n2  sb1  1  b1  t ;n2  sb1
2 2

 Uji hipotesis untuk 1

- Hipotesis : H 0 : 1  0
H1 : 1  0

- Pilih tingkat signifikansi 

- Statistik uji : b  
t 1 1
s
berdistribusi t dg db = n-1
b1
 - Daerah kritis :
t  t ;n 2 t  t  ;n  2
Ho ditolak jika 2 atau 2

Contoh :
Suatu perusahaan perkebunan durian dikota A
melakukan uji coba pemberian pupuk organik
dan diharapkan dapat mempengaruhi produksi
durian.Selama uji coba pada tahun 2003 ,
diperoleh data sebagai berikut :
 Jumlah Produksi Banyaknya Pupuk
Durian Organik
(kilogram) : Y (kilogram) : X

100 2
120 2
140 3
150 3
165 3
190 4
200 4
220 5

Tentukan taksiran garis regresi dari data di atas

RUMUS UNTUK PERHITUNGAN
2
n
 n 2
n x    xi 
2

 
i
 i 1 
n
1
sx2   
n  1  i 1
( xi  x )2   i 1
 n  n  1

n
 n 2
1  n

n  yi
2
   yi 
 i 1 
s y2   
n  1  i 1
( yi  y ) 2   i 1
 n  n  1

JKe   n  1  s y2  b12 sx2 

JKe n  1 2
se2  
n2 n2
 s y  b12 sx2 

n
 n  1 sx2
x 2
i s2 
b1
s s
2 2 i 1 se2
n  n  1 s
b0 e 2
x
Model Regresi :
Yi  0  1 X i   i , i = 1,2,…8
Dimana :
Yi : jumlah produksi durian
Xi : jumlah pupuk organik
 ,  : parameter dan
0 1


: error yang diasumsikan 
i
i N 0, 2
 
 Dari data diperoleh :
8 y
i 1
 1285
8 n

y  218.225
x  xi yi  4465
i 2
i  26 i
8 i 1 i 1
i 1
8
x  3, 25 y  160, 625
 xi2  92
i 1
Sehinnga
b1 
8 4465   26 1285  38,5 b0  160, 625  8 3, 25  35,5
8 92    26 
2

Persamaan garis regresi : yˆ  35,5  38,5 x

- Uji hipotesis untuk data di atas :
H 0 : 1  0
H1 : 1  0
- Pilih  0, 05
8 218.225  1285 
2

s y2   1688,8393
 8 92    26  1,0714,
2
- sx2   8  8  1
8  8  1

se2 
7
6
1688,8393   38,5  1, 0714   117,55
2

117,55
sb1   3,825
 7 1, 0714 

- Statistik uji : t
b1  1 38,5  0
  10, 065
sb1 3,825
- Wilayah kritik :
t  t0,025;6 atau t  t0,025;6

t0,025;6  2, 447

Karena t  10, 065  2, 447 maka Ho ditolak

- Kesimpulan : ada hubungan linier antara jumlah
pupuk organik dengan jumlah produksi durian

Sehinnga persamaan garis regresi dapat

digunakan untuk menaksir jumlah produksi
durian apabila diketahui jumlah pupuk tertentu.