Analisis Korelasi dan Regresi

dokumen-dokumen yang mirip
LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 2 LANDASAN TEORI

Analisis Regresi dan Korelasi

Regresi Linier Sederhana Definisi Pengaruh

REGRESI & KORELASI LINIER SEDERHANA

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

REGRESI & KORELASI LINIER SEDERHANA

Regresi & Korelasi Linier Sederhana

BAB 2. Tinjauan Teoritis

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

LOGO ANALISIS REGRESI LINIER

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

II. TINJAUAN PUSTAKA. variabel. Dalam regresi sederhana dikaji dua variabel, sedangkan dalam regresi

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

BAB II LANDASAN TEORI

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

Metode Statistika Pertemuan XII. Analisis Korelasi dan Regresi

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

BAB 2 LANDASAN TEORI

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

BAB 2 LANDASAN TEORI. Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat

BAB 1 STATISTIKA RINGKASAN MATERI

S2 MP Oleh ; N. Setyaningsih

II. TINJAUAN PUSTAKA

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

REGRESI LINIER GANDA

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB II TINJAUAN PUSTAKA

Uji Statistika yangb digunakan dikaitan dengan jenis data

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

Regresi Linear Sederhana dan Korelasi

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

TINJAUAN PUSTAKA Evaluasi Pengajaran

REGRESI LINIER SEDERHANA

BAB 2 LANDASAN TEORI

INTERPOLASI. FTI-Universitas Yarsi

PEMODELAN STATISTIKA DENGAN TRANSFORMASI BOX COX

3 Departemen Statistika FMIPA IPB

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

ANALISIS REGRESI DAN KORELASI SEDERHANA

BAB III UKURAN PEMUSATAN DATA

Tabel Distribusi Frekuensi

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

Y = f(x1, X2,..., Xp) + error (2.1) = komp. sistematik + komp. non-sistematik dugaan Y = f(x1, X2,..., Xp) (2.2)

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

PEMODELAN STATISTIKA DENGAN TRANSFORMASI BOX COX

REGRESI SEDERHANA Regresi

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

Pendugaan Parameter Regresi. Itasia & Y Angraini, Dep Statistika FMIPA - IPB

REGRESI LINEAR SEDERHANA

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

Analisis Regresi. Oleh : Dewi Rachmatin

X a, TINJAUAN PUSTAKA

INTERPOLASI INTERPOLASI LINIER INTERPOLASI KUADRATIK

2.2.3 Ukuran Dispersi

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

XI. ANALISIS REGRESI KORELASI

Statistika Deskriptif

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

x = μ...? 2 2 s = σ...? x x s = σ...?

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

ANALISIS REGRESI. . Berdasarkan sample acak, persamaan regresi populasi (1) akan ditaksir, ini dilakukan dengan jalan menaksir parameter-parameter 1

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTICAL STUDENT OF IST AKPRIND

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

4/19/2016. Regresi Linier Berganda. Regresi Berganda. Model Regresi Berganda. Model Regresi Berganda. Asumsi Regresi Berganda. Model Regresi Berganda

Pertemuan 3 Luas Daerah Bidang Datar, dan Volume Benda Padat dengan Metode Bidang Irisan Sejajar

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan dilapangan SMP Negeri 11 Tamalate

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

Pemilihan Model Terbaik

PEMBELAJARAN 4 ANALISIS REGRESI KORELASI

BAB 2 LANDASAN TEORI. Istilah regresi diperkenalkan oleh seorang yang bernama Francis Gulton dalam

BAB III METODOLOGI PENELITIAN. Metode penelitian sangat diperlukan dalam sebuah penelitian untuk

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

Bab I Pendahuluan & Statistika Deskriptif

UKURAN GEJALA PUSAT DAN UKURAN LETAK

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS

BAB III METODE PENELITIAN

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

Rancangan Acak Kelompok

Transkripsi:

Aalss Korelas da Regres Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uad LOGO

www.themegaller.com LOGO Data varat Data dega dua varael Terhadap satu pegamata dlakuka pegukurapegamata terhadap varael Serg dtemu Cotoh : Dlakuka pecatata la UN Mtk da IPK Smt terhadap mahasswa Matematka Aalss ag asa dlakuka : aalss regres, aalss korelas, dagram pecar

www.themegaller.com LOGO AN. KORELASI dguaka utuk megetahu derajat huuga atara dua varael DIAGRAM PENCAR adalah salah satu tekk peaja grafs data varate. 3 AN. REGRESI dguaka utuk meemuka pola huuga atara dua varael

Kompetes mejelaska pegerta data varate, varael eas da varael terkat meghtug koefse korelas ler atara dua varael da megterpretaska la koefse korelas ler terseut 3 meggamarka dagram pecar atara dua varael da megterpretaska dagram ag teretuk 4 meemuka etuk huuga atara dua var dega megguaka a.regres serta megterpretaska model

Kompetes 5 meghtug la koef. determas dar suatu model regres da megterpretaska la koef. terseut 6 memetuk selag kepercaaa ag peduga parameter regres da megterpretaska selag ag teretuk 7 meguj hpotess megea parameter populas

VARIABEL suatu karakterstk sstem ag laa selalu eruah. VAR. TAK BEBAS (RESPONS) Varael ag laa tergatug dar la peuah la VAR BEBAS (VAR. PENJELAS) Varael ag laa tdak tergatug la varael la NILAI UN Matematka Lama elajar

VARIABEL suatu karakterstk sstem ag laa selalu eruah. VAR. TAK BEBAS (RESPONS) Varael ag laa tergatug dar la peuah la dalam satu sstem VAR BEBAS (VAR.PENJELAS) Varael ag laa tdak tergatug la varael la dalam satu sstem) Pejuala es krm Suhu

Aalss Data Bvarat. Dagram pecar Meggamarka huuga atara varael eas dega varael tak eas Varael eas pada sumu horzotal da peuah tak eas pada sumu vertkal Dar dagram, dapat dperkraka etuk huuga atara kedua varael (ler, kuadratk, dls)

. Koefse Korelas. Koefse Korelas Suatu ukura ag megukur derajat huuga ler atara dua uah peuah ( )( ) ( ) ( ) r Keteraga : r koefse korelas peuah da la ke- la ke- la rata-rata varael la rata-rata varael aak pasaga data

Cotoh : Data 4 5 6 7 8 9 4 6 8 5 65 475 7 335 49 45 7 65 49 8 Tetuka la koefse korelasa 6; 36; 4; 7857; 98 ;.776

Catata : - r * Tada (+ atau -) meujukka arah huuga kedua varael r < semak tgg la kecedruga la semak redah. r > semak tgg la kecedruga la semak tgg. * Besara la r meujukka derajat keerata huuga kedua varael. Semak erat huuga kedua varael r medekat - atau. Semak tdak erat huuga kedua varael r aka medekat INGAT : dalam koteks koefse korelas, tdak dkeal stlah var. eas atau tak eas. Jad tdak ada huuga sea akat atar varael

3. Aalss Regres Ler Sederhaa Suatu tekk aalss statstka ag dguaka utuk memodelka huuga atara varael-varael dalam suatu sstem, khususa var tak eas dg eerapa var eas AN.REGRESI AN.REG.LINIER : la pola huuga ler AN.REG.LINIER SEDERHANA : huuga var eas & var tak eas AN.REGRESI NON LINIER : la pola huuga tdak ler AN.REG.LINIER BERGANDA : huuga var eas dg eerapa var tak eas

Model Persamaa Regr Y β + β X Gars Regres

Model Regres Ler Sederhaa POPULASI β + β + ε CONTOH βˆ + βˆ + + + e e

Model Regres Ler Sederhaa β + β + ε

Pertaaa : Gars regres maa ag palg mewakl teara ttk terseut 3

Metode Kuadrat Terkecl (Least- Square Method) Dguaka utuk meduga persamaa regres ler sederhaa (meduga la β da β) Dtetuka dega memmumka Jumlah Kuadrat Ssaa (JKS)

Dega memmumka JKS, dperoleh model dugaa : Dega : ˆ + JK JK ) ( ) )( (

D A T A No No.98 35.3 4 9.57 39..3 9.7 5.94 46.8 3.5 3.8 6 9.58 46.5 4 8.4 58.8 7.9 59.3 5 9.7 6.4 8 8. 7. 6 8.73 7.3 9 6.83 7. 7 6.36 74.4 8.88 74.5 8 8.5 76.7 7.68 7. 9 7.8 7.7 8.47 58. 9.4 57.5 3 8.86 44.6 8.4 46.4 4.36 33.4.9 8.9 5.8 8.6 3.88 8. Tetuka model regresa

5 5 5 5 (.98)(35.3) + (.3)(9.7) +... + (.8)(8.6 ) 8.43.98+.3+... +. 8 35.6 35.3+ 9.7+... + 8. 6 35 35.3 + 9.7 +... + 8.6 7633.4 35 5 5.6 35.6 5 9.44 5.98 +.3 +... +.8 84.

5 5 5 5 8.43 35.6 35 8.43 7633 7633. 4. 7989.4 (35 )( 35.6 ) ( 35) 5 5 35 5 5.6 35.6 5 9.44 9.44 (.7989)(5.6) 3.635

Ketepata Model Regres Ketepata Model Regres JKR KOEFISIEN DETERMINASI % % JKT JKR R CATATAN : % R % Semak tgg R, semak ak model regres R model sempura

Cotoh : 5 5 5 5 7633. 4 84. 35.6 35.7989 R 7.44% (.7989) % ( 7633.4 (35) 5) ( 84. (35.6) 5) %

Seara Pearka Sampel ag Parameter Populas o & : peduga ag β da β o & : ddapat dar dt sampel sampel ereda o & juga ereda & Peuah acak & pua seara

Seara Pearka Sampel ag Parameter Populas Model Y β + βx + ε Asums dalam Aalss Regres Ler ε merupaka peuah acak Nla tegah ε adalah ; dtulska E( ε ) Ragam ε kosta ag laa tdak dketahu ; dtulska Var( ε )σ. ε meear meurut seara ormal Galat pegamata-pegamata ag ereda salg eas. Akata Cov( ε, ε ) j Keempat asums terseut dapat drgkas : ~ N(, σ ) utuk I,,, ε s (s eas stokastk detk) X ukalah peuah acak, sehgga tdak memlk seara

Seara Pearka Sampel ag Parameter Populas Seara Pearka Sampel ag Parameter Populas N B, ~ σ β B β Asums (,) ~ N B Z σ β JKS s e e s B T β Tdak dket, hrs dduga ~ t T

Seara Pearka Sampel ag Parameter Populas Seara Pearka Sampel ag Parameter Populas (,) ~ N X B Z + σ β JKS s e Asums Tdak dket, hrs dduga + X N B, ~ σ β ~ + e t X s B Z β

Selag Kepercaaa ag Parameter Regres Selag Kepercaaa ag Parameter Regres + + < < + e e s t s t,, α α β SELANG KEPERCAYAAN ( SELANG KEPERCAYAAN (- ) % BAGI ) % BAGI β + < < e e s t s t,, α α β SELANG KEPERCAYAAN ( SELANG KEPERCAYAAN (- ) % BAGI ) % BAGI β

Uj Hpotess megea β Hpotess : Ho : β β. (Yag palg umum Ho : β ) H : β β. Statstk uj : t ht β. β s s JK. Wlaah krts : t α, Kesmpula : Bla t ht > t α, maka tolak H : β β. Bla maka tdak tolak H : β t ht t α, β.

Uj Hpotess megea β Hpotess : Ho : β β. H : β Statstk uj : β. t ht β. β s s +. JK Wlaah krts : Kesmpula : t ht t α, Bla > maka tolak H : t ht t α, t α, β β. Bla maka tdak tolak H : β β.