370 likes | 2.26k Views
REGRESI LINEAR SEDERHANA. Y = β 0 + β 1 X + ε β 0 dan β 1 merupakan parameter. Model M atematis Y atas X Sampel. Y = b 0 + b 1 X +e. b 0 merupakan estimator untuk β 0 b 1 merupakan estimator untuk β 1. Regresi Linear Sederhana. Y = b0 + b1 X.
E N D
REGRESI LINEAR SEDERHANA Y = β0 + β1 X + ε β0 dan β1 merupakan parameter Model Matematis Y atas X Sampel Y = b0 + b1 X +e • b0 merupakan estimator untuk β0 • b1 merupakan estimator untuk β1
Regresi Linear Sederhana Y = b0 + b1 X X = Variabel bebas (Independent Variable) Y = Variabel tergantung (Dependent Variable) b0 = intersep (intercepth), yang menyatakan perpotongan garis persamaan regresi dengan sumbu Y untuk X = 0 b1 = koefisien regresi antara Y atas X yang menyatakan perubahan rata-rata Y apabila X berubah satu unit
Koefisien Regresi Linear Y = b0 + b1 X b1 = b0 =
CONTOH Hitung pengaruh pengeluaran riset dengan keuntungan. Y = 20 + 2X
Menghitung Koefisien Regresi Linear b1 = = =2 b0= = = 20 Y = 20 + 2 X
KORELASI LINEAR SEDERHANA Untuk mengetahui keeratan hubungan antara dua variabel yang berskala interval dan rasio digunakan koefisien korelasi Pearson (Product Moment Coefficient of Correlation Karl Pearson). Besarnya keeratan hubungan antara varaibel Y dan X diperlihatkan oleh koefisien korelasi
KOEFISIEN DETERMINASI (r2) Koefisien Determinasi adalah persentase perubahan-perubahan Y yang dijelaskan oleh X melalui hubungan liniernya
Product Moment Coefficient of Correlation Karl Pearson r = = = 0,9090 ≈ 0,91
KOEFISIEN DETERMINASI • Untukkorelasiantarabiayarisetdenganlabatahunansebesar (r) = 0,91 • r2 = (0,91)2 = 0,8281 atau 82,81% INTERPRETASI KOEFISIEN DETERMINASI • Koefisien determinasi antara laba atas biaya riset = r2 = 0,8281; artinya 82,81% dari perubahan-perubahan laba bisa dijelaskan oleh biaya riset melalui hubungan liniernya dan 17,19% perubahan-perubahan laba dijelaskan oleh faktor-faktor lain.