ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

dokumen-dokumen yang mirip
BAB 5. ANALISIS REGRESI DAN KORELASI

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

BAB II LANDASAN TEORI

Regresi & Korelasi Linier Sederhana

REGRESI & KORELASI LINIER SEDERHANA

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

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

REGRESI & KORELASI LINIER SEDERHANA

BAB 2 LANDASAN TEORI

Analisis Korelasi dan Regresi

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

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

Regresi Linier Sederhana Definisi Pengaruh

REGRESI LINIER SEDERHANA (MASALAH ESTIMASI)

BAB 2. Tinjauan Teoritis

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

Uji Statistika yangb digunakan dikaitan dengan jenis data

Metode Statistika Pertemuan XII. Analisis Korelasi dan Regresi

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

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

STATISTICAL STUDENT OF IST AKPRIND

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

REGRESI SEDERHANA Regresi

BAB II TINJAUAN PUSTAKA

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

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

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

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

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

BAB III PERSAMAAN PANAS DIMENSI SATU

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

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

BAB III ISI. x 2. 2πσ

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

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

Bab II Teori Pendukung

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

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear

BAB II TINJAUAN PUSTAKA

POLIGON TERBUKA TERIKAT SEMPURNA

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

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

PRAKTIKUM 20 Interpolasi Polinomial dan Lagrange

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

Analisis Regresi dan Korelasi

BAB 1 ERROR PERHITUNGAN NUMERIK

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

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

Pemodelan Regresi Linier Menggunakan Metode Theil (Studi Kasus: Kompensasi Pegawai di Badan Kepegawaian Daerah Kota Samarinda)

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

3 Departemen Statistika FMIPA IPB

BAB 2 LANDASAN TEORI

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

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

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

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model

PERTEMUAN 14-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK

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

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

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

Proses inferensi pada model logit Agus Rusgiyono. Abstracts

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

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

Analisis Regresi. Oleh : Dewi Rachmatin

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS

S2 MP Oleh ; N. Setyaningsih

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

Model Peramalan Konsumsi Energi Final dengan Menggunakan Metode Regresi Fuzzy untuk Dataset Kecil (Studi Kasus: Indonesia)

Independent Var. Dependent Var. Test. Nominal Interval Independent t-test, ANOVA. Nominal Nominal Cross Tabs, Chi Square, dan Koefisien Kontingensi

TAKSIRAN PARAMETER PADA MODEL REGRESI ROBUST DENGAN MENGGUNAKAN FUNGSI HUBER STEVANI WIJAYA Y

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

REGRESI DAN INTERPOLASI

Prosiding SNaPP2011 Sains, Teknologi, dan Kesehatan. 1 Joko Riyono. (Kampus A Jl.Kiyai Tapa No.1,Jakarta11440)

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

2.2.3 Ukuran Dispersi

REGRESI LINIER SEDERHANA

REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAHUN 2010

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

Muniya Alteza

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

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

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,

BAB 2 LANDASAN TEORI

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

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

Transkripsi:

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud 9 Badug, Telp. 0 0116-5

Multple Ler Regresso Dalam regres ler bergada varabel tak bebas, tergatug kepada dua atau lebh varabel. Populas : = B 1 + B + B +...+ B k k + ε Sampel : = b 1 + b + b +...+ b k k + e Utuk model varabel, berart k=, satu varabel tdak bebas da varabel bebas da : = b 1 + b + b + e Ŷ = b 1 + b + b Aalss Regres Ler Bergada : Persoala Estmas da Peguja Hpotess

Asums dalam Model Regres Bergada 1. E(є = 0, utuk setap, = 1,,,. Arta, rata-rata kesalaha peggagu ol.. Kov. (є, є j = 0, j Arta, kovara (ε, ε j ol. Dega perkataa la, tdak ada korelas atara kesalaha peggaggu ag satu dega ag laa.. Var. (є = σ, utuk setap, = 1,,, Arta, setap kesalaha pegaggu mempua vara ag sama. Aalss Regres Ler Bergada : Persoala Estmas da Peguja Hpotess

Asums dalam Model Regres Bergada 4. Kov. (є, = Kov. (є, = 0 Arta kovara setap kesalaha peggaggu dega setap varabel bebas ol, dega perkataa la tak ada korelas atara kesalaha peggaggu dega setap varabel bebas ag tercakup dalam persamaa regres lear bergada. 5. Tak ada multcolleart, ag berart tak ada hubuga lear ag eksak atara varabelvarabel bebas. Dalam hal varabel tak ada korelas atara &. Aalss Regres Ler Bergada : Persoala Estmas da Peguja Hpotess 4

Cara Estmas Koefse Regres Parsal Dega metode kuadrat terkecl basa (Ordar Least Square = OLS kta aka memperkraka koefse regres parsal. Perhatka persamaa berkut: = b 1. + b 1. + b 1. + e Dperoleh persamaa ormal sbb: b 1. b1. b1.... (1 b1. b1. b1. b1. b1. b1.... (... ( Aalss Regres Ler Bergada : Persoala Estmas da Peguja Hpotess 5

LIHAT CARA 1 Aalss Regres Ler Bergada : Persoala Estmas da Peguja Hpotess 6

Cara Estmas Koefse Regres Parsal Dar pers. (1 kalau kta bag, kta peroleh rumus utuk car b 1. sbb : b1. b1. b1. b b 1. 1. b 1.... (4 Mecar b 1. da b 1. dapat dhtug dega rumus sbb: Aalss Regres Ler Bergada : Persoala Estmas da Peguja Hpotess 7

Aalss Regres Ler Bergada : Persoala Estmas da Peguja Hpotess Cara Estmas Koefse Regres Parsal... (5... (6 Dmaa: 8 1. ( ( ( ( ( ( ( b 1. ( ( ( ( ( ( ( b,, /, / ( /, / ( /, / (

LIHAT CARA Aalss Regres Ler Bergada : Persoala Estmas da Peguja Hpotess 9

The meag of partal regresso coeffcets = 1 + + + u (suppose ths s a true model = : measures the chage the mea values of, per ut chage, holdg costat. or The drect or et effect of a ut chage o the mea value of holdg = costat, the drect effect of a ut chage o the mea value of. Holdg costat: To assess the true cotrbuto of to the chage, we cotrol the fluece of. 10

Vara da Stadard Error Koef. Regres Parsal Karea σ = vara kesalaha peggaggu dalam prakteka tak perah dketahu, maka dperkraka dega S e sebaga berkut: S e e k Utuk selajuta lebh bak, kalau dhtug berdasarka rumus berkut : e b1. b1. Aalss Regres Ler Bergada : Persoala Estmas da Peguja Hpotess 11

Cotoh Perhtuga: Varas da Stadar error Koef. Regres Parsal Sesua Kasus Dketahu : Dmaa: Maka : S e e k e b1. b1. 1.60,889 77,588 0,9771.97, 0,5 79 1.60,889 1.0,5 0,008 S e 77,588 6 1,891 Aalss Regres Ler Bergada : Persoala Estmas da Peguja Hpotess 1

Sehgga dperoleh Se : S e S e 1,891,5907 Aalss Regres Ler Bergada : Persoala Estmas da Peguja Hpotess 1

Stadard Error Koef. Regres Parsal (b1 da b Stadar Error b 1 : S b 1. S e ( 648 1,891 88.916 ( ( ( 648 1,891 1.470648 6 0,0095 S S 0,0095 b 1. b1. 0,097 Aalss Regres Ler Bergada : Persoala Estmas da Peguja Hpotess 14

Stadard Error Koef. Regres Parsal (b1 da b Stadar Error b : S b 1. ( Se ( ( ( 1.470 1,891 1.470 648 6 1.470 1,891 88.916 0,014 S S 0,0014 b 1. b1. 0,1464 Aalss Regres Ler Bergada : Persoala Estmas da Peguja Hpotess 15

Aalss Regres Ler Bergada : Persoala Estmas da Peguja Hpotess Stadar error b 0 16 1. b Se S

TERIMA KASIH Aalss Regres Ler Bergada : Persoala Estmas da Peguja Hpotess 17