1 / 20

ANALISIS REGRESI (REGRESSION ANALYSIS)

ANALISIS REGRESI (REGRESSION ANALYSIS). Oleh : I Made Arcana, Ph.D. POKOK BAHASAN. Hubungan antar variabel Regresi dan korelasi Variabel bebas dan variabel tak bebas pada model regresi Konsep dasar regresi Prosedur dalam analisis regresi Identifikasi model. Hubungan antar variabel.

vahe
Télécharger la présentation

ANALISIS REGRESI (REGRESSION ANALYSIS)

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. ANALISIS REGRESI(REGRESSION ANALYSIS) Oleh: I Made Arcana, Ph.D AnalisisRegresi - Pertemuan I

  2. POKOK BAHASAN • Hubunganantarvariabel • Regresidankorelasi • Variabelbebas dan variabeltak bebas pada modelregresi • Konsepdasarregresi • Prosedurdalamanalisisregresi • Identifikasi model Analisis Regresi - Pertemuan I

  3. Hubunganantarvariabel Contoh: Jumlahpendapatananggotarumahtanggadenganpengeluaranrumahtangga Kelilingsuatulingkarandenganpanjanggaristengahnya Angkakematianibudenganjumlahwanitausiasubur 15-49 tahun Analisis Regresi - Pertemuan I

  4. Hubunganantarvariabel AnalisisRegresi - Pertemuan I

  5. Hubunganantarvariabel Analisis Regresi - Pertemuan I

  6. Hubunganantarvariabel Analisis Regresi - Pertemuan I

  7. Hubunganantarvariabel Error/simpangan 1. HubunganFungsional/Matematis(Functional Relation) 2. HubunganSecaraStatistik (Statistical Relation) AnalisisRegresi - Pertemuan I

  8. REGRESI & KORELASI Regresi : Bentukhubunganantarvariabelmelaluisuatumodel persamaan(RLS, RLB, Regresi non Linear). Hubunganbisaberupahubungansebabakibat. Dapatmengukurseberapabesarsuatuvariabelmempengaruhivariabel lain Dapatdigunakanuntukmelakukanprediksinilaisuatuvariabelberdasarkanvariabellain berdasarkan model yang dibentuk Analisis Regresi - Pertemuan I

  9. REGRESI & KORELASI Korelasi : Mengidentifikasikeeratanhubunganantarduavariabelkuantitatif yang bisadiukurdaribesarnyaangka. Dapatmengetahuiarah/polahubungan yang terjadi (berbandinglurusjikatandanyapositif, danberbandingterbalikjikatandanyanegatif) Nilainyaberkisar -1 sampaidengan 1 Tidakdapatdigunakanuntukmengidentifikasihubungansebabakibatdarikeduavariabel yang diukur Analisis Regresi - Pertemuan I

  10. Nilaikoefisienkorelasiyang tinggidariduavariabel tidakselalu menunjukkanbahwasatuvariabelmenyebabkan/mempengaruhivariabel yang lain Analisis Regresi - Pertemuan I

  11. VARIABEL BEBAS & TAK BEBAS • VariabelTakBebas/Dependent Variabel (Y): Variabel yang perubahannilainyaditentukanolehperubahannilaivariabel lain. Diasumsikanbersifat random/stochastic. Disebutjugaresponse variable • VariabelBebas/Independent Variable (X): Variabel yang nilainyaditentukansecarabebas (variabel yang didugamempengaruhivariabeltakbebas). Diasumsikanbersifatfixed/non stochastic. Disebutjuga dg predictor variableatauexplanatory variable • Syarat : Y: Berjenis data kuantitatif X: Berjenis data kuantitatifataukualitatif/kategorik Analisis Regresi - Pertemuan I

  12. JENIS DATA UNTUK Y • Data Observasi: diperolehdarihasilpengamatantanpamelakukankontrolthdvariabelX  tdkcukupkuatmenyatakancause-effect relationships • Data Eksperimen : diperolehdenganmelakukankontrolyang ketatthdvariabel X  dapatmenyatakancause-effect relationships Analisis Regresi - Pertemuan I

  13. KONSEP DASAR REGRESI Analisis Regresi - Pertemuan I

  14. KONSEP DASAR REGRESI Model regresimerupakancarayang digunakanuntukmenggambarkanduakarakteristikpentinghubunganantarvariabelsecarastatistik: Kecenderungannilaivariabeltakbebas Y yang bervariasisecarasistematisterhadapnilaivariabelbebas X Titik-titiknilai Ytersebarsekitarkurvaregresi Analisis Regresi - Pertemuan I

  15. KONSEP DASAR REGRESI • Keduakarakteristiktersebutdigambarkandalamsebuah model regresidenganrumusanbahwa: • Padasuatunilai X tertentuakantdpbanyakkemungkinannilai-nilai Y (Y akanterdistribusimengikutisuatufungsipeluangtertentu Distribusi Normal) dengannilairata-rata E(Y)dannilaivarians2 • Nilai rata-rata E(Y) diasumsikanberubahsecarasistematikmengikutiperubahannilai X, ygdigambarkandalambentukgaris linier • Nilaivarians2 padasetiapnilai X akansama Analisis Regresi - Pertemuan I

  16. PROSEDUR DALAM ANALISIS REGRESI 1. Identifikasidanpembentukanmodel 2. Pendugaanparameter model 3. Pengujiankeberartian parameter 4. Penilaianketepatan model (goodness of fit) danpemeriksaanasumsi Analisis Regresi - Pertemuan I

  17. IDENTIFIKASI MODEL Scatter plot (diagram pencar) • Bergunautkmengidentifikasi model hubunganantaravariabel X dan Y. • Bilapencarantitik-titikpada plot inimenunjukkanadanyasuatukecenderungan (trend) yang linier, maka model regresi linier layakdigunakan. Analisis Regresi - Pertemuan I

  18. KETERANGAN • Ternyatatitik-titik (plotting data) tersebutterlihatmengelompok di sekitargarislurus • Pada scatter plot tersebut, sebenarnyabisaditarikbeberapagaris yang dekatterhadaptitik-titiktersebut • Target: 1. Mencarigaris yang paling tepat 2. Melakukanprediksi/peramalan 3. Inginmengetahuihubungan yang terjadi Analisis Regresi - Pertemuan I

  19. BeberapaContoh Model Regresi Linear • First-Order Model with One Predictor Variable • Second-Order Model with One Predictor Variable • Second-Order Model with Two Predictor Variables with Interaction Analisis Regresi - Pertemuan I

  20. TERIMA KASIH Analisis Regresi - Pertemuan I

More Related