NAMA           :HARMIADIN
NPM               : 17 630 014
TUGAS 08     : STATISTIK/PROBABILITAS
ANALISIS REGRESI SEDERHANA
Dalam analisis regresi sederhana tujuannya adalah untuk melihat hubungan linier antara variabel bebas X dengan variabel tidak bebas Y dan memprediksi nilai variabel tidak bebas Y dari nilai yang diberikan variabel bebas X.
Asumsi-asumsi dasar yang harus dipenuhi sebelum melakukan analisis regresi linier sederhana adalah :
1.      Model regresi harus linier secara parameter (uji liniearitas). 
2.      Berdistribusi normal (uji normalitas).
3.      Varians data sama (uji homogenitas).
Asumsi klasik regresi :
1.      Tidak ada korelasi antara variabel bebas atau hubungan linier sempurna (uji multikolinearitas)
2.      Varians masing-masing error selalu konstan (uji heteroskedasitas).
3.      Tidak ada korelasi antara error yang satu dengan error yang lainnya (uji autokorelasi).
4.      Masing-masing error berdistribusi normal dengan mean nol dan standar deviasi tetap.
Dalam analisis regresi yang harus diketahui adalah :
> Variabel bebas / independent / tidak terikat
·         Biasanya disimbolkan dengan X (huruf kapital).Adalah variabel yang mempengaruhi variabel lain.(pls see this jenis-jenis variabel).
> Variabel tidak bebas / dependent / terikat
·         Biasanya disimbolkan dengan Y (huruf kapital).Adalah variabel yang dipengaruhi oleh variabel lain.(pls see this jenis-jenis variabel).
> Persamaan Regresi : Y' = a + bX 
·         Dimana : 
·         Y' = variabel tidak bebas (nilai yang diprediksikan)
·         X  = Variabel bebas (nilai yang memprediksi / prediktor)
·         a  = Konstanta (jika nilai X = 0, maka Y' = a)
·         b  = Koefisien regresi 
Dalam analisis regresi linier sederhana adalah menentukan nilai konstanta a dan koefisien b. Apakah koefisien b bernilai positif atau negatif, apakah koefisien b bernilai nol atau tidak. Jika 
·         b = 0, berarti tidak ada pengaruh antara variabel bebas X terhadap variabel tidak bebas Y.
·         b < 0, berarti hubungan yang berbalik arah antara variabel bebas X dengan variabel tak bebas Y.
·         b > 0, berarti hubungan yang searah antara variabel bebas X dengan variabel tak bebas Y.
Menghitung koefisien a dan b :
https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEiZb3Z-PDndbrc-yw2uERqJp0-terjGCot7pocWAGNMOF8YNwjio-7-KaamSL8_SUl9DQMixyQREvL6dH4Og3insKofWEgD_9Sq0l9mjk2vBz-kUTpkr9alJ7RDeJwpywuTMdakBYZKlPvz/s1600/koef.+a.png
https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEj7mV6wnBpQ3CKhomPfMXLCyXUKmgKLitZAJ4eG1zkbX80L2dVH_SjpteTfhhEyjqV20XY346Xf2mCUwDWIF454nWWkrAIeAE0u3RRViMFw_3CiN2uYBrQHolg849SiVwvsWp-urhh4fhae/s1600/koef+b.png
> Analisis Koefisien Determinasi R2
https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEi-WJ0LD-UjxsFrLHTvAeLXUKwtjZqTtlrIyGrHXZtG2zixo__TXdCdmL2nn8w9bGDcjLlETv2DNYAoJ2mraHGvEX2NhoKvpOSrWKaU_ujqtNGYykqJr6MnmJdojtt7NnrFLHT6WI3iVkh0/s1600/r1.png
·         Artinya : Sekitar R2 variasi variabel tidak bebas Y dapat dijelaskan oleh variabel bebas X.
·         Koefisien determinasi digunakan untuk mengetahui prosentase sumbangan pengaruh variabel bebas X terhadap variabel bebas Y.
·         Jika nilai R2=0 berarti variasi variabel bebas X tidak sedikitpun dapat menjelaskan variasi variabel tidak bebas Y dalam model tersebut.
·         Jika nilai R2=1 berarti variasi variabel bebas X dapat menjelaskan dengan SEMPURNA variabel tidak bebas Y dalam model tersebut. 
·         Jadi nilai koefisien determinasi R2 sebesar mungkin.
> Standar Error Estimate
https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEg6NQrTN3VUk1muPgPk8Xs9ylEMJ_d-WXYqt8JqTn1dh1FTWO9ia8xGJ4-N3JdvrUX7XMlIdCX1DdfBBWwm1Tbd3jTHKFnYUj2fvCmWI7nuGiz490CO9oC-kXhPQQbVBV8i_FvNs-aHY_BK/s1600/Se.png
·         Nilai Y' adalah nilai prediksi sehingga terjadi kesalahan/galat/error dalam memprediksinya. Standar error digunakan untuk mengukur simpangan data aktual di sekitar garis regresi. 
·         Jadi nilai standar error estimate harus sekecil mungkin 
> Uji Koefisien Regresi Sederhana (Uji - t)
·         Tujuan untuk mengetahui apakah variabel bebas X berpengaruh secara signifikan terhadap variabel tidak bebas Y.(Signifikan berarti dapat digeneralisasikan).
Langkah-langkah pengujiannya:
1.  Menentukan Hipotesis Uji
Ho : b = 0 
    (tidak ada pengaruh antara variabel bebas X terhadap variabel tidak bebas Y)
Ha : b ≠ 0 
    (ada pengaruh antara variabel bebas X terhadap variabel tidak bebas Y)
2.  Menentukan Tingkat Signifikansi
Tingkat signifikansi yang biasa digunakan adalah 5%, adapun yang lainnya adalah 1% - 10%.

3.  Menentukan Daerah Penolakan Ho (Daerah Kritis)
Bentuk pengujian kita adalah dua arah sehingga gunakan uji-t dua arah :
Ho akan ditolak jika thitung > ttabel atau -(thitung) < -(ttabel),berarti H1 diterima.
Ho akan diterima jika -(thitung) < ttabel < thitung , berarti H1 ditolak.
https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjaYFI8vlJakJ2DMNbtUhO8VKVROJZPH1s3Exub1Awj4vLsthDnXUh2W_4IvSgLvQv70ycLpBqEsLU6GCLMmiIrRNS3GCbc3V7_mDZK31On2Pgcvhi6wjqj0MlVgd8IDEoBWbVugRj-vCOC/s1600/kurva.png
4.  Menentukan t-hitung
https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgWl92rALLbTXbefP1MukS6YoROsx0qfYHz_1GVjjFefJeIT9jUKg-FDFf-deTgjMoYGyC6-7UaaSI2ZmjaqAloNg1jWePhc9hgWEGE_ToVSidDVF5sucI5w8UQ2LgvPa9HIh1Ep3M5r3jk/s1600/t-hitung+2.png
5.  Keputusan (Membandingkan t-hitung dengan t-tabel.
6. Kesimpulan (Apakah ada pengaruh antara variabel bebas X terhadap variabel tidak bebas Y).

Komentar

Postingan populer dari blog ini