Jan 13, 2012

Teori Analisis regresi linear sederhana


Assalamu alaikum Wr. Wb.


Sebenarnya dalam waktu dekat ini saya gak mau buat postingan. dilihat dari jam kerja saya yang banyak bener. dalam waktu sehari itu paling tidur jam 12-an lah(rapat??? tugas???). sebenarnya sih bukan juga, yang bikin lama itu sebenarnya mikirnya, krna tugas yang banyak itu , contoh nih, misal sekarang lagi mau kerjakan yang satu, eh ada panggilan buat tugas. nah jadi yang tadi ditinggalkan kembali menjadi nol lagi. itu berlanjut terus. jadi kalau semakin banyak tugas saya maka postingan saya makin banyak gitu(by statistician galau). emang ada hubungannya??


Sebagai statistician kita harus menguji kegalauan tersebut. sehingga kita gak galau lagi. nah karena saya mumpung semester ini dapat mata kuliag mengenai ini.. yaitu ANALISIS REGRESI bahasa gaoolnya ANAREG. Sekalian kita menjawab pertanyaan saya itu..




Sebenarnya ANAREG itu apa ya?? dari berbagai sumber yang saya dapatkan.


Gujarati (2006) mendefinisikan analisis regresi sebagai kajian terhadap hubungan satu variabel yang disebut sebagai variabel yang diterangkan (the explained variabel) dengan satu atau dua variabel yang menerangkan (the explanatory). Variabel pertama disebut juga sebagai variabel tergantung dan variabel kedua disebut juga sebagai variabel bebas.

Analisis regresi dalam statistika adalah salah satu metode untuk menentukan hubungan sebab-akibat antara satu variabel dengan variabel(-variabel) yang lain(menurut om WIKI).

dari sana kita tahulah, bahwa analisis regresi itu adalah salah satu metode untuk menentukan seberapa hubungan antara variabel terikat dengan varibel bebas..


Mungkin ada yang bertanya, terus apa bedanya antara regresi dengan korelasi?? kan korelasi itu mengukur hubungan juga??? nah disini kita perlu tahu nih perbedaan antara regresi dan korelasi.

nnti kita bilang saya pakai analis korelasi aja, karena sama-sama mencari hubungan..

ini perbedaan regresi dan korelasi:

REGRESI

  • Mempelajari bentuk hubungan antar variabel melalui suatu persamaan (RLS, RLB, Regresi non Linier). Hubungan bisa berupa hubungan sebab akibat
  • Dapat mengukur seberapa besar suatu variabel mempengaruhi variabel lain
  • Dapat digunakan untuk melakukan peramalan nilai suatu variabel berdasarkan variabel lain

KORELASI



  • Mempelajari keeratan hubungan antar 2 variabel kuantitatif yang bisa dilihat dari besarnya angka, bukan tandanya
  • Dapat mengetahui arah hubungan yang terjadi (berbanding lurus jika tandanya positif, dan berbanding terbalik jika tandanya negatif)
  • Nilainya berkisar -1 sampai dengan 1
  • Tidak bisa menyatakan hubungan sebab akibat

mungkin ada yang masih bingung, saya kasih contoh aja ya. seperti dalam kasus saya, hubungan antara banyaknya tugas dengan banyaknya postingan. mungkin kalau bagi saya itu, saya memiliki korelasi yang sangat kuat, namun banyak tugas itu tidak bisa menjelaskan hubungannya ke variabel banyak postingan. nah jadi saya simpulkan saja: ”Korelasi yang tinggi tidak selalu berarti bahwa suatu variabel menyebabkan/mempengaruhi variabel yang lain”


kapan sebenarnya analisis regresi linear digunakan??


menurut hemat saya analisis regresi digunakan untuk mengetahui Hubungan antara variabel y (data kuantitatif) dan variabel x (data kuantitatif/variabel dummy).

Asumsi-asumsi yang harus dipenuhi dalam analisis regresi.



  • Model regresi harus linier dalam parameter
  • Variabel bebas tidak berkorelasi dengan disturbance term (Error) .
  • Nilai disturbance term sebesar 0 atau dengan simbol sebagai berikut: (E (U / X) = 0
  • Varian untuk masing-masing error term (kesalahan) konstan
  • Tidak terjadi otokorelasi
  • Model regresi dispesifikasi secara benar. Tidak terdapat bias spesifikasi dalam model yang digunakan dalam analisis empiris.
  • Jika variabel bebas lebih dari satu, maka antara variabel bebas (explanatory) tidak ada hubungan linier yang nyata



Tahapan-tahapan dalam analisis regresi:



  1. Identifikasi dan pembentukan model
    Menggunakan scatter plot/diagram pencar :
    Berguna untuk mengidentifikasi model hubungan antara variabel X dan Y. Bila pencaran titik-titik pada plot ini menunjukkan adanya suatu kecenderungan (trend) yang linier maka model regresi linier layak digunakan. Bila bentuk pencarannya parabola maka regresi kuadratik yang layak digunakan, dan sebagainya.
  2. Pendugaan parameter model
  3. Pengujian keberartian parameter
  4. Penilaian ketepatan model (goodness of fit) dan pemeriksaan asumsi

Untuk yang memiliki android silahkan coba aplikasi temani ane.yang berisikan aplikasi mengani statistik silahkan cek disini Aplikasi Android Buku Saku Statistik


Written by: Nasrul Setiawan
STATISTIK CERIA, Updated at: 4:58 PM

2 comments :

 

Copyright @ 2013 Statistik Ceria