1 / 10

REGRESI LINIER

REGRESI LINIER. Dewi Gayatri. Defenisi : Analisis regresi merupakan salah satu metode analisis data yang memanfaatkan hubungan antara dua variabel atau lebih dimana variabel terikatnya berbentuk numerik Y= variabel dependen , tak bebas , tergantung , respon , outcome.

rocco
Télécharger la présentation

REGRESI LINIER

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. REGRESI LINIER DewiGayatri

  2. Defenisi : • Analisisregresimerupakansalahsatumetodeanalisis data yang memanfaatkanhubunganantaraduavariabelataulebihdimanavariabelterikatnyaberbentuknumerik • Y=variabeldependen, takbebas, tergantung, respon, outcome. • X=variabelindependen, bebas, taktergantung, prediktor. Tujuan: • Menyelidikibentuk/polahubunganantaraY denganX. • Mengestimasi/menduga mean atau rata-rata dariYpopulasiberdasarkanX yang diberikan. Regresi Linier

  3. Dapatdilihatdari diagram tebar Polahubungan

  4. Analisisdenganmembuatgarisrekaan yang linier pada diagram tebarnya. Persamaanmatematisregresi linier sederhana Y= a + bX Y= variabelterikat X= variabelbebas a= intercept/nilaiawal, besarnyanilaivariabel Y apabilavariabel X= 0 b= slope/ besarnyaperubahannilaivariabel Y apabilavariabel X berubah 1 unit Persamaanmatematisregresi liner berganda: Y= a + b1 X1 +… +bnXn Garisregresi linier

  5. Koefisien a dan b dihitungberdasarkanmetodekuadratterkecil (didasarkanpadaperkiraanbahwajarakordinattitikordinatpengamatankegariskhayalan) Korelasi: Pearson product Moment (r) KoefisienDeterminan (r2 ) Besarnyaproporsivariasivariabel Y yang dapatdijelaskanolehvariabel X AnalisisRegresi Linier

  6. Berat Badan = 3.025 + 0.507 Umur Untuk seorang anak yang berumur 18 bulan, maka berat anak tersebut dapat diprediksi sebesar 12.151 kg Contoh out-put

  7. 1. Satustudiinginmelihathubunganantaravariabel BB ibuhamildengan BB bayi yang akanlahir. Adapundatanyaadalahsbb: Latihan

  8. 2. SeorangkepalaPuskesmassinginmengetahuihubunganantarajumlahpengunjungdenganbanyaknyatetrasiklin yang digunakan. Untukitudiambilsampel 10 haridandiperolehhasilnyasbb: Latihan

  9. Buatlah diagram tebardansimpulkanhasilnya • Hitungkekuatanhubunganantaramasing-masingvariabeldaninterpretasikanhasilnya • Ujilahpadakemaknaan 5%, apakahhubungankeduavariabeltersebutmemangadadipopulasinya • Hitungkoefisiendeterminanuntukmasing-masing data daninterpretasikanhasilnya • Buatpersamaangarisregresinya (model) danjelaskanartidarinilaikoefisien a dan b yang diperoleh. • Data 1: prediksilah BB bayi yang akandilahirkanbila BB ibuhamil 60 kg • Data 2: prediksilahobattetrasiklin yang harusdisediakanbilaterdapat 75 kunjungan Pertanyaan

More Related