Analisis Regresi

Tugas 2

Tugas Halaman 41

1.     Pelajari model regresi sebagai berikut

1)      Y= -6 + 3X

2)       Y= -5 – 4X

3)      Y= 8 – 2X

a.       Hitunglah besaran nilai Y untuk setiap model regresi

·         Secara matematik, persamaan suatu garis lururs adalah Y = β₀ + β₁X

·          Simbol β₀ dan β₁ adalah bilangan konstan untuk suatu garis lurus: β₀ disebut intersep dan β₁ disebut slop

·         Nilai intersep β₀ dalah nilai Y bila X = 0

a)      Pada soal 1) Y= -6 + 3X

Jika X = 0 maka intersep = -6 dan slop 3,

X = 1 maka Y= -6 + 3(1) = -3

X = 2 maka Y= -6 + 3(2) = 0

X = 3 maka Y= -6 + 3(3) = 3

X = 4 maka Y= -6 + 3(4) = 6

X = 5 maka Y= -6 + 3(5) = 9

b)      Pada soal 2)Y= -5 – 4X

  Jika X = 0 maka intersep = -5 dan slop -4,

X = 1 maka   Y= -5 – 4(1)   = -9

X = 3 maka   Y= -5 – 4(3)   = -17

X = 5 maka   Y= -5 – 4(5)   = -25

X = 7 maka   Y= -5 – 4(7)   = -33

X = 11 maka Y= -5 – 4(11) = -49

c)      Pada soal c) Y= 8 – 2X

Jika X = 0 maka intersep = -8 dan slop -2,

        X = 2 maka   Y= 8 – 2(2) =  4

        X = 4 maka   Y= 8 – 2(4) = 0

        X = 6 maka   Y= 8 – 2(6) = -4

        X = 8 maka   Y= 8 – 2(8) = -8

        X = 10 maka   Y= 8 – 2(10) = -12

b.      Buatlah garis lurus ketiga model tersebut dalam kertas grafik secara terpisah

1.

       

2)

 

3)

 

2.       Pelajari asusmsi-asumsi persamaan garis lurus yang telah diuraikan, diskusikanlah dengan teman saudara dan buatlah dengan bahasa saudara sendiri:

a.       Eksistensi, untuk setiap nilai dari variabel X, dan Y adalah random variabel yang mempunyai nilai rata-rata dan varians tertentu. Notasi untuk populasi.

b.      Nilai Y adalah independen, nilai Y adalah independen satu sama lain, artinya suatu nilai Y tidak dipengaruhi oleh nilai Y lain.

c.       Linearrity yaitu berarti nilai berarti nilai rata-rata Y, adalah fungsi garis lurus X, dengan demikian  _. Persamaan garis lurus itu dapat ditulis Y = β₀ + β₁X+E, Dimana E adalah Eror yang merupakan random variabel dengan nilai rata-rata 0 untuk setiap nilai X (yaitu untuk setiap nilai X). Dengan demikian nilai Y adalah jumlah dari β₀₊ β₁X dan E(random Variabel), dan karena nilai E = 0.

d.      Homoscedasticity artinya varians Y adalah sama untuk setiap nilai X (homo artinya sama ; scedastic artinya “menyebar” = scattered).

e.      Distribusi normal artinya varians Y adalah sama untuk setiap nilai X (homo artinya sama ; scedastic artinya “menyebar” = scattered).