1 / 18

Kesetaraan Uji Koefisien Regresi dan Koefisien Korelasi

Kesetaraan Uji Koefisien Regresi dan Koefisien Korelasi. KELOMPOK 1. ANISAH FITRI KOMING INDA PUJA CHEN2 TIWI. ANALISIS REGRESI. Analisis regresi dalam statistika adalah salah satu metode untuk menentukan hubungan sebab-akibat antara satu variabel dengan variabel - variabel yang lain.

ulric-boyd
Télécharger la présentation

Kesetaraan Uji Koefisien Regresi dan Koefisien Korelasi

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. KesetaraanUjiKoefisienRegresidanKoefisienKorelasi

  2. KELOMPOK 1 • ANISAH • FITRI • KOMING • INDA • PUJA • CHEN2 • TIWI

  3. ANALISIS REGRESI • Analisisregresidalamstatistikaadalahsalahsatumetodeuntukmenentukanhubungansebab-akibatantarasatuvariabeldenganvariabel-variabel yang lain. • Variabel "penyebab" disebutdenganbermacam-macamistilah: variabelpenjelas, variabeleksplanatorik, variabelindependen, atausecarabebas, variabel X (karenaseringkalidigambarkandalamgrafiksebagaiabsis, atausumbu X).

  4. Analisisregresijugadigunakanuntukmemahamivariabelbebasmanasaja yang berhubungandenganvariabelterikat, danuntukmengetahuibentuk-bentukhubungantersebut. • Tentukan dulu variabel bebas (independent variable) disimbolkan denganXdan variabel tidak bebas (dependent variable) disimbolkan Y.

  5. Berdasarkan jumlah variabel bebas dan pangkat dari variabel bebas, analisa regresi terdiri dari regresi linear danregresi non-linear. • Regresi linear terdiriatasregresi linear sederhanadanregresi linear multiple (berganda) • Regresi non-linear terdiriatasregresi non linear sederhanadanregresi non linear multiple (berganda)

  6. Regresi Linear Sederhana • Model persamaan regresi linear sederhana: Ү = β₀ + β₁X + Ɛ (model populasi) Y = b₀ + b₁X + e (model sampel) • b₀adalah b₁estimate value untuk β₀dan β₁ • b₀ adalah kontanta, secara grafik menunjukkan intersep • b₁ adalah koefisien regresi yang menunjukkan besarnya pengaruh terhadap , secara grafik menunjukkan slope (kemiringan garis regresi). • Jika data hasil observasi terhadap sampel acak berukuran n telah tersedia, maka untuk mendapatkan persamaan regresi Ү = β₀ + β₁X, perlu dihitung b₀dan b₁ dengan metode kuadrat kekeliruan terkecil (least square error methods).

  7. AnalisisKorelasi • Untuk menunjukkan besarnya keeratan hubungan antara dua variabel acak yang masing-masing memiliki skala pengukuran minimal interval dan berdistribusi bivariat • Rumusanalisiskorelasi:

  8. Koefisien korelasi yang dirumuskan seperti itu disebut koefisien korelasi Pearson atau koefisien korelasi product moment. • Besar r adalah − 1 ≤ rxy ≤ + 1 • Tanda (+) menunjukkan pasangan Xdan Ydengan arah yang sama, sedangkan tanda (−)menunjukkan pasangan Xdan Ydengan arah yang berlawanan. • rxy yang besarnya semakin mendekati 1 menunjukkan hubungan dan cenderung sangat erat. Jika mendekati 0 hubungan X dan Ycenderung kurang kuat. • rxy = 0 menunjukkan tidak terdapat hubungan antara X dan Y

  9. PENGUJIAN HIPOTESIS KOEFISIEN REGRESI LINEAR SEDERHANA • Ada dua jenis pengujian yaitu uji t dan uji F. • Uji t digunakan untuk menguji koefisien regesi secara individual atau untuk menguji ada tidaknya pengaruh variabel bebas (X) terhadap variabel tidak bebas (Y). • Uji F digunakan untuk menguji koefisien regresi secara simultan serentak atau untuk menguji keberartian model regresi yang digunakan.

  10. Uji t • Hipotesisstatistiknya H₀ : β₁ = 0 (Xtidak berpengaruh terhadapY) H₁ : β₁≠ 0 (Xberpengaruh terhadap Y)

  11. Uji F

  12. Example : linear correlation coefficient for Car Age an Price Data

  13. SPSS Printout for one Predictor R2 , Percentage of Variance

  14. Error of Prediction Is regression significant? Intercept Slope

More Related