REGRESI LINIER SEDERHANA

dokumen-dokumen yang mirip
BAB 2. Tinjauan Teoritis

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

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

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

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB II LANDASAN TEORI

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

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

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

BAB 2 LANDASAN TEORI

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

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

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

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

Regresi Linier Sederhana Definisi Pengaruh

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

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Analisis Regresi dan Korelasi

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

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

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

S2 MP Oleh ; N. Setyaningsih

Analisis Korelasi dan Regresi

REGRESI & KORELASI LINIER SEDERHANA

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

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

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

TINJAUAN PUSTAKA Evaluasi Pengajaran

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam

Regresi & Korelasi Linier Sederhana

XI. ANALISIS REGRESI KORELASI

X a, TINJAUAN PUSTAKA

UKURAN GEJALA PUSAT DAN UKURAN LETAK

REGRESI & KORELASI LINIER SEDERHANA

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

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

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

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

Metode Statistika Pertemuan XII. Analisis Korelasi dan Regresi

BAB 2 LANDASAN TEORI

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang

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

BAB III UKURAN PEMUSATAN DATA

METODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu

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

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013.

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB II TINJAUAN PUSTAKA

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

Uji Statistika yangb digunakan dikaitan dengan jenis data

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

UKURAN GEJALA PUSAT (UGP)

REGRESI SEDERHANA Regresi

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

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

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

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

PEMBELAJARAN 4 ANALISIS REGRESI KORELASI

POLIGON TERBUKA TERIKAT SEMPURNA

BAB 1 STATISTIKA RINGKASAN MATERI

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMAN 1 Terusan Nunyai. Populasi dalam penelitian

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

8. MENGANALISIS HASIL EVALUASI

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

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

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

BAB III METODOLOGI PENELITIAN

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

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

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 1 Paleleh pada semester genap

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

MODUL ANALISIS REGRESI DAN KORELASI

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

2.2.3 Ukuran Dispersi

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

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

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

PENDITEKSIAN PENCILAN (OUTLIER) DAN RESIDUAL PADA REGRESI LINIER

PRAKTIKUM 20 Interpolasi Polinomial dan Lagrange

SOLUSI TUGAS I HIMPUNAN

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

Penyelesaian Sistem Persamaan Linier Kompleks Dengan Invers Matriks Menggunakan Metode Faddev (Contoh Kasus: SPL Kompleks dan Hermit)

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

ANALISA GARIS KEINGINAN PERGERAKAN DI KABUPATEN BOLAANG MONGONDOW UTARA

*Corresponding Author:

NORM VEKTOR DAN NORM MATRIKS

BAB III METODE PENELITIAN

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

3 Departemen Statistika FMIPA IPB

BAB III PERSAMAAN PANAS DIMENSI SATU

Bab II Teori Pendukung

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

Transkripsi:

MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016

Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa karea berkat rahmatnya modul terselesaka. Modul Regres Ler Sederhaa merupaka baga dar mater mata kulah Statstka, FI9317 (3SKS) yag dsusu utuk dguaka sebaga pedoma bag mahasswa FMIPA Fska Uud yag megambl mata kulah Statstka pada semester geap tahu 016. Termakash kam ucapka kepada reka-reka dose Jurusa Fska yag telah memberka de da meluagka bayak waktu dalam medskuska modul. Modul tdaklah sempura, maka dar tu, utuk memperbak modul semua betuk krtk maupu sara yag kostruktf sagat kam harapka. Akhrya kam ucapka termakash semoga dapat meambah cakrawala lmu pegetahua da bermafaat bag pembaca. Maret 016 Peyusu, I Made Yulara

DAFTAR ISI MODUL : Regres Ler Sederhaa Hal Kata Pegatar Daftar Is 1. Pedahulua 1. Kegata Belajar 1 : Persamaa Regres Ler Sederhaa, Koefse Korelas, Koefse Determas.. 3. Kegata Belajar : Uj Sgfkas da Hpotess, Uj-t. 6 4. Peutup 9 5. Daftar Pustaka 10

1 I. PENDAHULUAN Pegguaa statstka dalam megolah data peelta berpegaruh terhadap tgkat aalss hasl peelta. Peelta-peelta dalam bdag lmu pegetahua alam (IPA) yag megguaka perhtuga-perhtuga statstka, aka meghaslka data yag medekat bear jka memperhatka tata cara aalss data yag dguaka. Dalam mempredks da megukur la dar pegaruh satu varabel (bebas/depedet/ predctor) terhadap varabel la (tak bebas/depedet/respose) dapat dguaka uj regres. Aalss/uj regres merupaka suatu kaja dar hubuga atara satu varabel, yatu varabel yag dteragka (the explaed varabel) dega satu atau lebh varabel, yatu varabel yag meeragka (the explaatory). Apabla varabel bebasya haya satu, maka aalss regresya dsebut dega regres sederhaa. Apabla varabel bebasya lebh dar satu, maka aalss regresya dkeal dega regres lear bergada. Dkataka bergada karea terdapat beberapa varabel bebas yag mempegaruh varabel tak bebas. Aalss/uj regres bayak dguaka dalam perhtuga hasl akhr utuk peulsa karya lmah/peelta. Hasl perhtuga aalss/uj regres aka dmuat dalam kesmpula peelta da aka meetuka apakah peelta yag sedag dlakuka berhasl atau tdak. Aalss perhtuga pada uj regres meyagkut beberapa perhtuga statstka sepert uj sgfkas (uj-t, uj-f), aova da peetua hpotess. Hasl dar aalss/ uj regres berupa suatu persamaa regres. Persamaa regres merupaka suatu fugs predks varabel yag mempegaruh varabel la. Dalam modul dbahas regres ler sederhaa da peguja sgfkas hpotess megguaka uj-t.

II. KEGIATAN BELAJAR 1 Persamaa Regres Ler Sederhaa Persamaa regres ler sederhaa merupaka suatu model persamaa yag meggambarka hubuga satu varabel bebas/ predctor () dega satu varabel tak bebas/ respose (Y), yag basaya dgambarka dega gars lurus, sepert dsajka pada Gambar 1. Gambar 1. Ilustras Gars Regres Ler Persamaa regres ler sederhaa secara matematk dekspreska oleh : Yˆ a b yag maa : Yˆ = gars regres/ varable respose a = kostata (tersep), perpotoga dega sumbu vertkal b = kostata regres (slope) = varabel bebas/ predctor Besarya kostata a da b dapat dtetuka megguaka persamaa : a b ( Y )( ) ( )( ( ) ( Y ) ( ( ) yag maa = jumlah data ) ( Y ) Y ) Lagkah-lagkah Aalss da Uj Regres Ler Sederhaa Adapu lagkah-lagkah yag perlu dlakuka utuk melakuka aalss da uj regres ler sederhaa adalah sebaga berkut :

3 1. Meetuka tujua dar Aalss Regres Lear Sederhaa. Megdetfkas varabel predctor da varabel respose 3. Melakuka pegumpula data dalam betuk tabel 4. Meghtug ², Y da total dar masg-masgya 5. Meghtug a da b megguaka rumus yag telah dtetuka 6. Membuat model Persamaa Gars Regres 7. Melakuka predks terhadap varabel predctor atau respose 8. Uj sgfkas megguaka Uj-t da meetuka Taraf Sgfka Utuk memberka pemahama yag lebh jelas megea regres ler sederhaa, dalam kegata belajar dberka suatu cotoh kasus, yatu : Suatu data peelta tetag berat bada 10 mahasswa yag dpredks dpegaruh oleh kosums jumlah kalor/har. Bagamaa megaalss kasus? Utuk megaalss kasus, hal-hal dlakuka adalah : 1. Tujua : apakah kosums jumlah kalor/har mempegaruh berat bada mahasswa.. Varabel : (varable bebas/predctor) = jumlah kalor/har Data : Y (varable tak bebas/respose) = berat bada No. Nama Mahasswa Kalor/ har () Berat Bada (Y) 1 Da 530 89 Echa 300 48 3 Wda 358 56 4 Kelo 510 7 5 Ita 30 54 6 Putu 300 4 7 Adtya 387 60 8 Ata 57 85 9 Sefa 415 63 10 Rosa 51 74 Tabel batu yag dbuat utuk memudahka dalam melakuka perhtuga : No. Y Y Y 1 530 80900 89 791 47170 300 90000 48 304 14400 3 358 18164 56 3136 0048 4 510 60100 7 5184 3670

4 5 30 9104 54 916 16308 6 300 90000 4 1764 1600 7 387 149769 60 3600 30 8 57 7779 85 75 44795 9 415 175 63 3969 6145 10 51 6144 74 5476 37888 4141 18035 643 43495 7994 Koefse regres b dtetuka dega megguaka rumus yag telah dberka, yatu : b ( Y ) ( ) ( ( ) 7994 4141643 4141 10 10 18035 Y ) Kostata a dtetuka dtetuka megguaka rumus : a ( Y ) ( ) ( ) ( Y ) ( ) 64318035 41417994 1018035 4141 1307 0,1489 0,149 874469 80651 874469,608 Kostata a juga dapat dcar dar la rata-rata da Y, yatu : a = Y b = 64,3 0,149(414,1),608 Sehgga model persamaa regres ler sederhaaya adalah : Y =,608 + 0,149 Peggambara data da gars regres yag dhaslka dsajka pada Gambar. 100 Y Y 90 300 4 1600 300 48 Y 14400 = 0.149 +.608 80 30 54 16308 70 r² = 0.90 358 56 0048 60 387 60 30 Y 50 415 63 6145 40 510 7 3670 30 51 74 37888 0 57 85 44795 10 530 89 47170 0 4141 643 7994 50 300 350 400 450 500 550 Gambar 1. Gars regres hubuga dega Y

5 Koefse Korelas (r) Utuk megukur kekuata hubuga atar varable predctor da respose Y, dlakuka aalss korelas yag haslya dyataka oleh suatu blaga yag dkeal dega koefse korelas. Basaya aalss regres serg dlakuka bersama-sama dega aalss korelas. Persamaa koefse korelas (r ) dekspreska oleh : r 1 Y 1 1 1 1 1 Y Y 1 Y Dalam hal cotoh kasus d atas, maka koefse korelasya adalah : r 1 1 1 1 Y 1 107994 4141643 4141 10 43495 10 18035 643 13077 0,95 13710,318 Nla member art bahwa, hubuga varable bebas/predctor dega varabel terkat/ respose Y adalah sagat kuat, prosetaseya 95%. Jad, berat bada memag sagat dpegaruh oleh kosums jumlah kalor/har. 1 Y Y 1 Y Koefse Determas (r ) Koefse determas dapat dtetuka dega megkuadratka koefse korelas. Dar cotoh kasus d atas, maka koefse determasya adalah r = 0,90. Nla berart bahwa, 90% varabel bebas/ predctor dapat meeragka/ mejelaska varabel tak bebas/ respose Y da 10% djelaska oleh varabel laya.

6 III. KEGIATAN BELAJAR Uj Sgfkas da Hpotess Peguja hpotess dmaksudka utuk melhat apakah suatu hpotess yag dajuka dtolak atau dapat dterma. Hpotess merupaka asums atau peryataa yag mugk bear atau salah megea suatu populas. Dega megamat seluruh populas, maka suatu hpotess aka dapat dketahu apakah suatu peelta tu bear atau salah. Utuk keperlua prakts, pegambla sampel secara acak dar populas aka sagat membatu. Dalam peguja hpotess terdapat asums/ peryataa stlah hpotess ol. Hpotess ol merupaka hpotess yag aka duj, dyataka oleh H0 da peolaka H0 dmaka dega peermaa hpotess laya yag dyataka oleh H1. Jka telah dtetuka Koefse Determas ( r ), maka selajutya dlakuka uj sgfka hpotess yag dajuka. Uj dapat megguaka Uj-t ; Uj-F ; Uj-z atau Uj Ch Kuadrat. Dega uj sgfkas dapat dketahu apakah varable bebas/ predctor/ depedet () berpegaruh secara sgfka terhadap varable tak bebas/ respose/ depedet (Y). Art dar sgfka adalah bahwa pegaruh atar varble berlaku bag seluruh populas. Dalam modul haya dbahas uj sgfkas megguaka uj-t. Uj-t Lagkah-lagkah yag perlu dlakuka dalam uj-t pada regres ler adalah : 1. Meetuka Hpotess H0 : = 0; varabel tdak berpegaruh sgfka/yata terhadap Y H1 : 0; varabel berpegaruh sgfka/yata terhadap Y. Meetuka tgkat sgfkas ( ) Tgkat sgfkas, yag serg dguaka adalah = 5% ( = 0,05) 3. Meghtug la t htug megguaka rumus : t ht = r 1 r 4. Meetuka daerah peolaka H0 (daerah krts) Betuk peguja dua arah, sehgga megguaka uj-t dua arah : H0 aka dtolak jka tht > ttab atau -(tht) < -(ttab), berart H1 dterma. H0 aka dterma jka -(tht) < ttab < tht, berart H1 dtolak.

7 5. Meetuka t table (memperguaka table Uj-t, lhat Lampra!) Tabel Uj-t utuk = 5 % da derajat kebebasa (df) = k; (= jumlah sampel/ pegukura, k adalah jumlah varabel (varabel bebas + varabel terkat). 6. Krtera Peguja la t htug da t tabel Bla la tht < ttab, maka H0 dterma, H1 dtolak Bla la tht > ttab, maka H0 dtolak, H1 dterma 7. Kesmpula hasl uj sgfkas. Cotoh peerapa Uj-t, kembal dguaka cotoh kasus yag telah dbahas sebelumya. Dar cotoh kasus d atas dketahu Koefse Determas (r ) = 0,90 Koefse Korelas (r) = 0,95 Jumlah data = 10 Hpotess yag dasumska/ dajuka : H0 : = 0; varabel tdak berpegaruh sgfka terhadap Y H1 : 0; Tgkat sgfkas () = 5% varable berpegaruh sgfka terhadap Y Nla t htug, t = r 1 r = 0,95 10 1 0,90 = 8,497; Berart t ht = 8,497 Derajat kebebasa, df = k = 10 = 8 Dega megguaka tabel Uj - t utuk taraf sgfka = 5% = 0,05 da df = 8, maka dperoleh la t pada table, yatu : ttab =,306 Membadgka tht dega ttab : tht > ttab 8,497 >,306 Kesmpula : Nla tht > ttab, sehgga dkataka bahwa, ada pegaruh yata (sgfka) varable predctor terhadap varable respose Y dega taraf sgfka 5%. Soal latha :

8 1. Dalam suatu praktkum d Laboratorum Bofska dperoleh pegukura varabel, yatu varabel da Y sepert dsajka pada tabel d bawah. Pertayaa : No. Varabel Varabel Y 1 60 300 90 490 3 30 180 4 80 40 5 70 390 6 50 50 7 80 410 8 100 50 a. Tetukalah persamaa regres da koefse determasya. Berka terpretas. b. Uj regres yag dhaslka dega Uj-t.. Data hasl pegukura Destas rata-rata autoradogram yag merepresetaska akumulas fosfor pada ketgga dau taama bayam adalah : No. Tgg Dau (cm) Destas rata-rata 1 5,7,60 8,7,17 3 10,8,18 4 11,7,09 5 1,4,070 6 1,8,046 7 13,0,08 8 13,1,010 Pertayaa : a. Tetukalah persamaa regres da plot data table tersebut pada grafk. b. Tetukalah Koefse Determas c. Tetukalah hpotess yag sesua da lakuka uj sgfkas dega uj-t d. Berka terpretas utuk pertayaa a, b da c

9 IV. PENUTUP Hasl model persamaa regres dapat dperguaka sebaga pedoma utuk mempredks hubuga atar varabel dluar data yag djadka sampel dalam suatu populas. Uj regres ler sederhaa sepert uj sgfka dega uj-t sagat membatu utuk megetahu pegaruh secara kualtas da kuattas satu varabel bebas terhadap varable tak bebas.

10 V. DAFTAR PUSTAKA M. Nazr, 1983, Metode Statstka Dasar I, Grameda Pustaka Utama:Jakarta Sudjoo, Aas, 1996, Pegatar Statstk Peddka, Jakarta:Rajawal Spegel. Murray. R, 004, Statstka. Jakarta:Erlagga Suprato. J., 001, Statstka Teor da Aplkas Eds Ke-6 Jld. Jakarta:Erlagga Walpole. R.,E., 1995, Ilmu Peluag Da Statstka Utuk Isyur da Ilmuawa. Badug:ITB