ANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK

dokumen-dokumen yang mirip
Analisis Regresi 2. Mendeteksi pencilan dan penanganannya

Analisis Regresi 1. Pokok Bahasan : Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh

Analisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :

Analisis Regresi 1. Pokok Bahasan : Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh

BAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan

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

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa

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

STATISTICAL STUDENT OF IST AKPRIND

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB I PENDAHULUAN. 1.1 Latar Belakang

STK511 Analisis Statistika. Pertemuan 8 ANOVA (2)

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

ANALISIS REGRESI 1. Pokok Bahasan : REGRESI LINIER SEDERHANA

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear

Analisis Regresi Linear Sederhana

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika

Prediksi Kelainan Refraksi Berdasarkan Panjang Sumbu Bola Mata Pada Pasien Myopia Axial Melalui Regresi Bootstrap

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

RANCANGAN ACAK KELOMPOK TAK LENGKAP (Incomplete Block Design) Dr.Ir. I Made Sumertajaya, M.Si Departemen Statistika-FMIPA IPB 2007

Regresi Linear Sederhana dan Korelasi

METODE NUMERIK. INTERPOLASI Interpolasi Beda Terbagi Newton Interpolasi Lagrange Interpolasi Spline.

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

BAB III METODOLOGI PENELITIAN

BAB 2 TINJAUAN KEPUSTAKAAN

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk

ANALISIS BENTUK HUBUNGAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

MODEL PEMANFAATAN SUMBER DAYA ALAM DAN ENERGI DENGAN METODE LEAST TRIMMED SQUARED

PEMODELAN PASANG SURUT AIR LAUT DI KOTA SEMARANG DENGAN PENDEKATAN REGRESI NONPARAMETRIK POLINOMIAL LOKAL KERNEL

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

BAB 2 LANDASAN TEORI

PENENTUAN DENSITAS PERMUKAAN

PROPOSAL SKRIPSI JUDUL:

METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR

PEMAHAMAN METODE NUMERIK MENGGUNAKAN PEMPROGRMAN MATLAB (Studi Kasus : Metode Secant)

REGRESI LINIER SEDERHANA (MASALAH ESTIMASI)

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK

KORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /

Uji Park Dan Uji Breusch Pagan Godfrey Dalam Pendeteksian Heteroskedastisitas Pada Analisis Regresi

Model Regresi Berganda

BAB III METODE PENELITIAN. bersumber dari Badan Pusat Statistik (BPS) dan Bank Indonesia (BI). Data yang

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

METODE RANK NONPARAMETRIK PADA MODEL REGRESI LINEAR

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR

ANALISIS REGRESI. Catatan Freddy

BAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan

BAB IV TRIP GENERATION

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.

MODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS

REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA

Configural Frequency Analysis untuk Melihat Penyimpangan pada Model Log Linear

Pertemuan ke-4 Analisa Terapan: Metode Numerik. 4 Oktober 2012

SOLUSI TUGAS MATA KULIAH STATISTIKA II

Bab 2 AKAR-AKAR PERSAMAAN

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

BAB II LANDASAN TEORI

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman

TEORI KESALAHAN (GALAT)

TIN309 - Desain Eksperimen Materi #13 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN

ANALISIS PEUBAH RESPON BINER

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

BAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif

IV. HASIL DAN PEMBAHASAN

III. METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

BAB IV APLIKASI. Pada bagian ini akan dibahas bagaimana contoh mengestimasi. parameter model yang diasumsikan memiliki karateristik spasial lag

Analitik Data Tingkat Lanjut (Regresi)

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis

BAB III METODE PENELITIAN. Sebelum melakukan penelitian, langkah yang dilakukan oleh penulis

Dalam sistem pengendalian berhirarki 2 level, maka optimasi dapat. dilakukan pada level pertama yaitu pengambil keputusan level pertama yang

BAB VB PERSEPTRON & CONTOH

BAB 2 LANDASAN TEORI

PENENTUAN KOEFISIEN MULTIPLE REGRESI DENGAN MENGGUNAKAN METODE LINIER PROGRAMMING

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

BAB 4 PERHITUNGAN NUMERIK

PENERAPAN MODEL REGRESI LINEAR ROBUST DENGAN ESTIMASI M PADA DATA NILAI KALKULUS II MAHASISWA UNIVERSITAS WIDYA DHARMA KLATEN

PowerPoint Slides by Yana Rohmana Education University of Indonesian

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan

BAB V ANALISA PEMECAHAN MASALAH

V ANALISIS VARIABEL MODERASI DAN MEDIASI

Regresi. Bahan Kuliah IF4058 Topik Khusus Informatika I. Oleh; Rinaldi Munir(IF-STEI ITB)

LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR

Bootstrap Pada Regresi Linear dan Spline Truncated

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

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

REGRESI DAN KORELASI. Penduga Kuadrat Terkecil. Penduga b0 dan b1 yang memenuhi kriterium kuadrat terkecil dapat ditemukan dalam dua cara berikut :

Transkripsi:

REGRESI NON LINIER

ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung

Regres non lner adalah suatu metode untuk mendapatkan model non lner yang menyatakan hubungan varabel dependen dan varabel ndependen Regres nonlner dapat mengestmas model hubungan varabel dependen dan ndependen dalam bentuk non lner dengan keakuratan yang lebh bak darpada regres lner, karena dalam mengestmas model dpaka teras algortma

Secara umum model regres non lnear dapat dnyatakan dalam persamaan : y f (x,

Langkah Analss 1. Melakukan penaksran gars regres untuk mempredks pola hubungan antara varabel respon (y dan varabel predktor (x. Hal n dapat dlakukan dengan melhat scatter plot antara y dan x. Model lnear memlk kurva yang membentuk gars lurus, sedangkan untuk model non lnear memlk kurva yang membentuk gars lengkung. Bentuk persamaan matemats model regres non lnear ada beberapa jens, dantaranya : Polnomal, contoh : 2 y (kuadratk 0 1x 2x 2 y 0 1x 2x 3x (kubk Exponensal, contoh : 1x y 0 e 2. Melakukan transformas dar bentuk non lner ke bentuk lner untuk mendapatkan lnertas dar hubungan non lner 3

Contnued Beberapa bentuk model nonlner yang dapat dan tdak dapat dtransformaskan ke model lner adalah sebaga berkut : Model Persamaan Bentuk Lner Lnear Y = a + bx - Quadratk Y = a + bx + cx 2 - Cubc Y = a + bx + cx 2 + dx 3 - Logarthm Y = a + b ln x - Inverse Y = a + b/x - Compound Y = ab x ln Y = ln a + x ln b Power Y = ax b ln Y = ln a + b ln x S Y = e a+b/t ln Y = a + b/t Growth Y = e a+bx ln Y = a + bx Exponental Y = a(e bx ln Y = ln a + bx Logstc Y = (1/u + ab x -1 ln (1/Y-1/u = ln a + x ln b

Contnued Selanjutnya setelah dperoleh persamaan lner dar hasl transformas maka langkah analssnya sama dengan regres lner. Namun Jka suatu model tdak dapat dlnearkan, maka nla β dapat dduga dengan dengan cara memnmumkan jumlah kuadrat resdual. Jumlah kuadrat n dapat dmnmukan jka turunan pertama terhadap β sama dengan nol atau SSE SSE n 1 n 1 y ( x, 2 f ( x, y f ( x, 0 f

Contnued Hasl turunan pertama terhadap β sama dengan nol membentuk suatu sstem persamaan non-lnear yang tdak dapat dselesakan secara langsung tetap dapat ddekat secara teratf dengan menggunakan metode numerk, salah satu metode numerk yang dapat menyelesakan hal n adalah metode Gauss- Newton. Metode Gauss-Newton n bekerja dengan menggunakan pendekatan deret Taylor dar fungs SSE sampa suku kedua.

Contnued Nla dugaan β pada teras ke +1 adalah : dmana e ' ( ˆ ˆ 1 ' 1 k n n n k k x f x f x f x f x f x f x f x f x f, (..., (, (..., (..., (, (, (..., (, ( 1 0 2 1 2 0 2 1 1 1 0 1 Iteras dhentkan jka nla : ˆ ˆ 1 0.0000 ˆ ˆ 1 atau

Contnued Levenberg-Marquardt menyempurnakan metode Gauss-Newton dengan memasukkan konstanta β (nla awal β +1 yang besarnya berubah-ubah mengkut perubahan SSE. Nla β akan dperkecl sepersepuluh kal dan teras dteruskan jka SSE turun serta nla β akan menngkat sepuluh kal dan kembal ke teras awal jka SSE menngkat. Formula Levenberg-Marquardt adalah : ˆ ˆ ' 1 1 ( dag ' Analss n bsa dlakukan dengan bantuan macro Mntab atau SPSS ' e

Prosedur lnearsas n memlk kelemahan untuk masalah-masalah tertentu, yatu: 1. Proses kekonvergenannya mungkn berjalan sangat lambat, dengan kata lan dbutuhkan langkah teras yang sangat banyak sebelum solusnya stabl. Perlaku n tdak serng, namun dapat terjad. 2. Adakalanya solusnya beroslas, terus bergantgant arah, dan serng menak turunkan jumlah kuadrat tersebut, walaupun pada akhrnya solus mencapa kestablan. 3. Proses teras tdak konvergen sama sekal atau bahkan dvergen sehngga jumlah kuadrat galat n nak terus tanpa batas.

Contoh 1 Suatu peneltan mengetahu bahwa nkotn menyebabkan gangguan kesehatan berupa karbon monoksda yang merupakan racun bag manusa. Kandungan nkotn dalam rokok dgunakan untuk mengukur karbon monoksda. Oleh karena tu, nkotn bertndak sebaga varabel predktor (x dan karbon monoksda sebaga varabel respons (y. Berkut adalah data mengena jumlah nkotn dalam rokok dan karbon monoksda yang dhaslkan rokok pada 25 merek rokok.

Data y x y x y x y x y x 13.6 0.86 15.0 1.04 13.0 1.01 1.5 0.13 15.9 1.01 16.6 1.06 9.0 0.76 14.4 0.90 18.5 1.26 8.5 0.61 23.5 2.03 12.3 0.95 10.0 0.57 12.6 1.08 10.6 0.69 10.2 0.67 16.3 1.12 10.2 0.78 17.5 0.96 13.9 1.02 5.4 0.40 15.4 1.02 9.5 0.74 4.9 0.42 14.9 0.82 Y = karbon monoksda X = kadar nkotn

karbon monoksda (mg Membuat plot antara varabel dependen dan varabel ndependen 30 25 Ftted Lne Plot Penyelesaan karbon monoksda (mg = 1.665 + 12.40 nkotn (mg S 1.82845 R-Sq 85.7% R-Sq(adj 85.1% 20 15 10 5 0 0.0 0.5 1.0 nkotn (mg 1.5 2.0

karbon monoksda (mg Model Kuadratk F t t e d L n e P l o t k a r b o n m o n o k s d a ( m g = - 1.7 8 4 + 2 0.1 1 n k o tn ( m g - 3.7 3 0 n k o tn ( m g * * 2 2 5 2 0 S 1.5 8 3 3 6 R - S q 8 9.8 % R - S q ( a d j 8 8.8 % 1 5 1 0 5 0 0.0 0.5 1.0 n k o t n ( m g 1.5 2.0

karbon monoksda (mg Model Kubk F t t e d L n e P l o t k a r b o n m o n o k s d a ( m g = - 0. 8 5 8 + 1 5. 9 5 n k o tn ( m g + 1. 0 3 7 n k o tn ( m g * * 2-1. 4 7 1 n k o tn ( m g * * 3 2 5 2 0 S 1.6 1 1 3 7 R - S q 8 9.9 % R - S q ( a d j 8 8.4 % 1 5 1 0 5 0 0. 0 0. 5 1. 0 n k o t n ( m g 1. 5 2. 0

Contnued Dar ftted lne plot d atas dapat dketahu nla-nla sebaga berkut : Statstk lner Kuadratk Kubk S 1.82845 1.58336 1.61137 R-Sq 85.7% 89.8% 89.9% R-Sq(adj 85.1% 88.8% 88.4% Dar hasl ftted lne plot datas dapat dketahu bahwa model terbak adalah model kuadratk dengan nla S yang palng kecl dan nla R-Sq (adj yang besar.

Contnued Untuk tahapan pada ANOVA adalah sebaga berkut : 1. mendapatkan nla kuadrat dar varabel nkotn. 2. meregreskan varabel karbon monoksda dengan varabel nkotn dan nkotn^2 Hasl dar output mntab adalah sebaga berkut :

Contnued Regresson Analyss: karbon monoksda versus nkotn (mg, nkotn^2 The regresson equaton s karbon monoksda (mg = - 1.78 + 20.1 nkotn (mg - 3.73 nkotn^2 Predctor Coef SE Coef T P Constant -1.784 1.453-1.23 0.233 nkotn (mg 20.111 2.775 7.25 0.000 nkotn^2-3.730 1.267-2.94 0.007 S = 1.58336 R-Sq = 89.8% R-Sq(adj = 88.8% Analyss of Varance Source DF SS MS F P Regresson 2 484.00 242.00 96.53 0.000 Resdual Error 22 55.15 2.51 Total 24 539.15 Source DF Seq SS nkotn (mg 1 462.26 nkotn^2 1 21.74 Unusual Observatons karbon nkotn monoksda Obs (mg (mg Ft SE Ft Resdual St Resd 3 2.03 23.500 23.670 1.536-0.170-0.44 X 16 0.13 1.500 0.768 1.136 0.732 0.66 X 19 0.96 17.500 14.086 0.371 3.414 2.22R R denotes an observaton wth a large standardzed resdual. X denotes an observaton whose X value gves t large nfluence.

Contnued Pada ftted lne plot dan hasl regres dengan menggunakan varabel yang dkuadratkan, hasl R-Sq, S, dan R-Sq (adj adalah sama. Sehngga dapat dsmpulkan bahwa regres kuadratk lebh bak darpada regres lner basa dengan satu varabel basa tanpa d kuadratkan. Dar hasl uj serentak, dapat dketahu bahwa persamaan regresnya dterma dengan melhat nla p value = 0.

TERIMA KASIH