TUGAS ANALISIS REGRESI PERTEMUAN 14
Nama : Fitria Ananda
NIM : 20160302054
DOWNLOAD
Selasa, 11 Juli 2017
Selasa, 13 Juni 2017
TUGAS ANALISIS REGRESI PERTEMUAN 11
TUGAS ANALISIS REGRESI PERTEMUAN 11
Nama : Fitria Ananda
NIM : 20160302054
Tugas halaman 187
DOWNLOAD
Nama : Fitria Ananda
NIM : 20160302054
Tugas halaman 187
DOWNLOAD
TUGAS ANALISIS REGRESI PERTEMUAN 12
TUGAS ANALISIS REGRESI PERTEMUAN 12
Latihan Halaman 188-191
Nama : Fitria Ananda
NIM : 20160302054
Download
Latihan Halaman 188-191
Nama : Fitria Ananda
NIM : 20160302054
Download
Rabu, 31 Mei 2017
Selasa, 23 Mei 2017
Selasa, 16 Mei 2017
Minggu, 14 Mei 2017
Senin, 17 April 2017
Senin, 10 April 2017
Sabtu, 01 April 2017
UJI KUALITAS GARIS LURUS DAN HIPOTESA SLOPE DAN INTERSEP
TUGAS PERTEMUAN 4
Latihan 1
Lakukan uji kualitas
garis lurus dan hipotesis slope dan intersep (gunakan rumus-rumus yang sudah
diberikan dan kerjakan di laboratorium computer mu)
Kasus
|
IMT (Y)
|
GPP (X)
|
Kasus
|
IMT (Y)
|
GPP (X)
|
Kasus
|
IMT (Y)
|
GPP (X)
|
1
|
18.6
|
150
|
10
|
18.2
|
120
|
19
|
27
|
140
|
2
|
28.1
|
150
|
11
|
17.9
|
130
|
20
|
18.9
|
100
|
3
|
25.1
|
120
|
12
|
21.8
|
140
|
21
|
16.7
|
100
|
4
|
21.6
|
150
|
13
|
16.1
|
100
|
22
|
18.5
|
170
|
5
|
28.4
|
190
|
14
|
21.5
|
150
|
23
|
19.4
|
150
|
6
|
20.8
|
110
|
15
|
24.5
|
130
|
24
|
24
|
160
|
7
|
23.2
|
150
|
16
|
23.7
|
180
|
25
|
26.8
|
200
|
8
|
15.9
|
130
|
17
|
21.9
|
140
|
26
|
28.7
|
190
|
9
|
16.4
|
130
|
18
|
18.6
|
135
|
27
|
21
|
120
|
Jawab :
Latihan 2
Sata berat badan dan
kadar glukosa darah orang dewasa sebagai berikut
Subjek
|
Berat badan (kg)
|
Glukosa (mg/100ml)
|
Subjek
|
Berat badan (kg)
|
Glukosa (mg/100ml)
|
1
|
64
|
108
|
9
|
82.1
|
101
|
2
|
75.3
|
109
|
10
|
78.9
|
85
|
3
|
73
|
104
|
11
|
76.7
|
99
|
4
|
82.1
|
102
|
12
|
82.1
|
100
|
5
|
76.2
|
105
|
13
|
83.9
|
108
|
6
|
95.7
|
121
|
14
|
73
|
104
|
7
|
59.4
|
79
|
15
|
64.4
|
102
|
8
|
93.4
|
107
|
16
|
77.6
|
87
|
Jawab :
Latihan 3
a.
Jelaskan asumsi-asumsi tentang analisis
regresi sederhana bila kita ingin membuat inferensi tentang populasi dari data
yang kita punyai
b.
Mengapa persamaan regresi disebut “the least square equation”?
c.
Jelaskan tentang β0 pada
persamaan regresi.
d.
Jelaskan tentang β1 pada
persamaan regresi.
Jawab :
a.
Dalam analisa regresi beberapa asumsi
yang harus terpenuhi untuk mendapatkan model garis lurus adalah :
· Eksistensi, untuk setiao nilai variable X
dan Y adalah random wariabel yang mempunyai nilai rata-rata dan varians
tertentu. Notasi µYǀX dan σ2YǀX untuk
populasi. Notasi Y|X adalah rata-rata dan varians dari random variable Y
tergantung pada nilai X
· Nilai-nilai Y adalah independen satu
sama lain, artinya suatu nilai Y tidak dipengaruhi oleh nilai Y lain
· Linearity berarti nilai rata-rata Y, µYǀX
adalah fungsi garis lurus X, dengan demikian µYǀX = β0 + β1X
· Homoscedasticity artinya varians Y
adalah sama untuk setiap nilai X (Homo artinya sama, scedastic artinya ‘menyebar’=scattered)
·
Distribusi normal artinya untuk setiap
nilai X, nilai Y berdistribusi normal
b.
Persamaan regresi disebut “the least square equation” karena dalam
menentukan garis lurus yang terbaik umumnya digunakan teknik ‘jumlah kuadrat
error terkecil (the least square). Jumlah
kuadrat error terkecil (the least square)
adalah pemilihan nilai-nilai β0 dan β1 didasarkan atas
jumlah kuadrat error minimum (yang terkecil) karena semakin kecil penyimpangan
satu observasi terhadap garis lurus (atau semakin kecil kuadrat simpangan)
semakin dekat garis lurus yang terbaik yang diperoleh dari data yang dimiliki
c.
β0 pada persamaan regresi
adalah bilangan konstan untuk suatu garis lurus yang disebut intersep. Nilai
intersep β0 adalah nilai Y bila X = 0
d.
β1 pada persamaan regresi
adalah bilangan konstan untuk suatu garis lurus yang disebut slop. Misal : Y =
3 + 5X maka intersep = 3 dan slop = 5.
Langganan:
Postingan (Atom)