ANALISIS REGRESI DAN KORELASI Oleh Suryo Guritno MASALAH

  • Slides: 28
Download presentation
ANALISIS REGRESI DAN KORELASI Oleh Suryo Guritno

ANALISIS REGRESI DAN KORELASI Oleh Suryo Guritno

MASALAH k PEUBAH (k 2) APA BILA PENGUKURAN/PENGAMATAN TERHADAP OBJEK YANG MENJADI PERHATIAN ADA

MASALAH k PEUBAH (k 2) APA BILA PENGUKURAN/PENGAMATAN TERHADAP OBJEK YANG MENJADI PERHATIAN ADA DUA ATAU LEBIH (SETIAP HASIL ADALAH PASANGAN DUA ATAU LEBIH), MAKA DUA HAL YANG MENARIK UNTUK DIPERHATIKAN ADALAH : 1. BAGAIMANA ERATNYA HUBUNGAN 2. BAGAIMANA BENTUK HUBUNGAN

 • SALAH SATU UKURAN KEERATAN HUBUNGAN YANG BANYAK DIGUNAKAN ADALAH KOEFISIEN KORELASI PEARSON

• SALAH SATU UKURAN KEERATAN HUBUNGAN YANG BANYAK DIGUNAKAN ADALAH KOEFISIEN KORELASI PEARSON -0, 25 -1 -0, 75 0, 25 0 1 0, 75 ERAT negatif positif

AWAS !! • jika r = 0 artinya tidak ada hubungan linear antara X

AWAS !! • jika r = 0 artinya tidak ada hubungan linear antara X dan Y • keeratan hubungan yang ditunjukkan adalah keeratan hubungan linear

- versus H 1 A. 0 B. > 0 C. < 0 - =

- versus H 1 A. 0 B. > 0 C. < 0 - = … ? ? ? , pilih 5 % atau 10 % atau … - daerah kritis/kriteria uji : tentukan statistik uji untuk uji koefisien korelasi (= ) digunakan koef. korelasi sampel (= r)

karena A. Ho ditolak jika B. Ho ditolak jika C. Ho ditolak jika -

karena A. Ho ditolak jika B. Ho ditolak jika C. Ho ditolak jika - Perhitungan : - Kesimpulan : , maka atau

 • 0 => r ~ ? ? => uji hipotesis untuk : versus

• 0 => r ~ ? ? => uji hipotesis untuk : versus H 1 A. o B. > o C. < o - = … ? ? ? , pilih harga 0 %

- Kriteria uji : A. Ho ditolak jika Ho diterima jika B. Ho ditolak

- Kriteria uji : A. Ho ditolak jika Ho diterima jika B. Ho ditolak jika Ho diterima jika C. Ho ditolak jika Ho diterima jika

=> interval konfidensi untuk : dari menjadi dengan

=> interval konfidensi untuk : dari menjadi dengan

Patient Number Method II 1 132 130 2 138 134 3 144 132 4

Patient Number Method II 1 132 130 2 138 134 3 144 132 4 146 140 5 148 150 6 152 144 7 158 150 8 130 122 9 162 160 19 168 150 11 172 160 12 174 178 13 180 168 14 180 174 15 188 186 16 194 172 17 194 182 18 200 178 19 200 196 20 204 188 21 210 180 22 210 196 23 216 210 24 220 190 25 220 202

 • BENTUK PERSAMAAN HUBUNGAN ANTARA SUATU VARIABEL (DEPENDEN VARIABEL) DENGAN PALING SEDIKIT SATU

• BENTUK PERSAMAAN HUBUNGAN ANTARA SUATU VARIABEL (DEPENDEN VARIABEL) DENGAN PALING SEDIKIT SATU VARIABEL (INDEPENDEN VARIABEL) ADALAH PERSAMAAN REGRESI • UNTUK MEMPERKIRAKAN BENTUK TEPAT SUATU PERSAMAAN REGRESI TERLEBIH DAHULU DILAKUKAN LANGKAH-LANGKAH BERIKUT :

X, Y Scatter Plot Kecenderungan garis lurus Inferensi ? ? ?

X, Y Scatter Plot Kecenderungan garis lurus Inferensi ? ? ?

 • dengan metode kuadrat terkecil

• dengan metode kuadrat terkecil

jika tidak diketahui, diduga dengan Inferensi untuk atau a atau berdasarkan

jika tidak diketahui, diduga dengan Inferensi untuk atau a atau berdasarkan

untuk inferensi perhatikan bahwa , , dan koefisien determinasi (= 2) harus signifikan 2

untuk inferensi perhatikan bahwa , , dan koefisien determinasi (= 2) harus signifikan 2 diduga dengan

 • inferensi untuk parameter : A. Ho ditolak jika B. Ho ditolak jika

• inferensi untuk parameter : A. Ho ditolak jika B. Ho ditolak jika C. Ho ditolak jika

 • inferensi untuk parameter : A. Ho ditolak jika B. Ho ditolak jika

• inferensi untuk parameter : A. Ho ditolak jika B. Ho ditolak jika C. Ho ditolak jika

 • Masalah regresi linear ganda : ambil sampel acak sederhana berukuran n model

• Masalah regresi linear ganda : ambil sampel acak sederhana berukuran n model regresi sampel adalah ditulis dalam notasi vektor dan matriks dengan :

 • masalah : • dengan MKT, yaitu cari yang meminimumkan diperoleh Yang mempunyai

• masalah : • dengan MKT, yaitu cari yang meminimumkan diperoleh Yang mempunyai sifat BLUE untuk best linear unbiased estimator

 • inferensi untuk atau A ? ? perlu ditambah dengan asumsi distribusi •

• inferensi untuk atau A ? ? perlu ditambah dengan asumsi distribusi • yang lazim digunakan adalah • perlu dicatat bahwa model regresi dikenal pula sebagai model regresi klasik

QUALITATIVE VARIABLE Sex (male, female) Place of residence (urban, rurual, suburban) : Smoking status

QUALITATIVE VARIABLE Sex (male, female) Place of residence (urban, rurual, suburban) : Smoking status [current smoker, ex-smoker (has not smoked for 5 years or less 0, ex-smoker (has not smoked for more than 5 years), never smoked] DUMMY VARIABLE

 • penyimpangan-penyimpangan model regresi klasik • Jika Y dikhotomous

• penyimpangan-penyimpangan model regresi klasik • Jika Y dikhotomous

logistik model atau logit model untuk 1 (satu) peubah bebas atau untuk k (k

logistik model atau logit model untuk 1 (satu) peubah bebas atau untuk k (k 2) peubah bebas