1 / 10

KORELASI DAN REGRESI LINEAR SEDERHANA

KORELASI DAN REGRESI LINEAR SEDERHANA. Maidiana Astuti , se, msi. KORELASI. Hubungan antara dua kejadian dapat dinyatakan dengan hubungan dua variabel ; variabel X dan Y. Variabel Y nilainya akan diramalkan = varibel tidak bebas

maxwell-sanders
Download Presentation

KORELASI DAN REGRESI LINEAR SEDERHANA

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. KORELASI DAN REGRESI LINEAR SEDERHANA MaidianaAstuti, se, msi

  2. KORELASI Hubunganantaraduakejadiandapatdinyatakandenganhubunganduavariabel; variabel X dan Y. VariabelY nilainyaakandiramalkan= varibeltidakbebas varibelX nilainyauntukmeramalkannilai Y = variabelbebas. Note : Bukanberarti mengisyaratkan kejadian sebab akibat.

  3. Hubunganduavariabelada yang positifdannegatif. Hubungan X dan Y dikatakanpositifapabilakenaikan (penurunan) X padaumumnyadiikutiolehkenaikan (penurunan) Y. Sebalinyadikatakannegatifkalaukenaikan (penurunan) X padaumumnyadiikutiolehpenurunan (kenaikan) Y.

  4. Kuatdantidaknyahubunganantara X dan Y dinyatakandenganfungsi yang disebutkoefisienkorelasi. r = koefiaienkorelasi, maka r dapatdinyatakansebagaiberikut : -1 r  1

  5. r =1, hubungan X dan Y sempurnadanpositif, • r = -1, hubungan X dan Y sempurnadannegatif, • r mendekati 1, hubungansangatkuatdanpositif, • r mendekati –1, hubungansangatkuatdannegatif.

  6. untukmengetahuiberapabesarkontribusi X terhadapnaikturunnyanilai Y makaharusdihitungdengankoefisienpenentu. • Koefisienkorelasi Pearson

  7. Regresidigunakanuntukmengukuradaatautidaknyakorelasiantarvariabelnya. Regresiberartiramalanatautaksiran. Persamaan yang digunakanuntukmendapatkangarisregresipada data diagram pencardisebutpersamaanregresi

  8. Beberapa asumsi yang harus dipenuhi dalam melakukan analisis regresi adalah : • Variabel random diasumsikan independen terhadap X. Artinya bahwa nilai kovarian adalah nol antara variabel independen dan tingkat kesalahan yang berhubungan untuk tiap pengamatan. • Variasi random diasumsikan terdistribusi secara normal. Artinya bahwa untuk masing-masing variabel independen kesalahan dari prediksi diasumsikan terdistribusi normal. • Variabel random diasumsikan memiliki varian yang terbatas. • Rata-rata variabel random sama dengan nol. • Kesalahan prediksi terhadap X tidak bergantung dari masing-masing variabel X. • Variabel-variabel independen tidak saling berkorelasi. • Jumlah data harus lebih besar dari jumlah variabel.

  9. Persamaan Regresi linier sederhana Y = a + bX + e Dimana : Y = merupakan variabel bergantung (dependent variable) X = sebagai variabel bebas (independent variable) a = sebagai konstanta regresi b = slope atau kemiringan garis regresi e = error

  10. Nilaia dan b padapersamaanregresidihitungdenganrumus:

More Related