Bab 1

PENDAHULUAN

1.1. Latar Belakang

Banyak penelitian yang bertujuan mencari dasar-dasar untuk mengadakan prediksi suatu variabel dari informasi-informasi yang diperoleh dari variablel tersebut. Misalnya, apakah keadaan cuaca dapat diramalkan dari suhu, tekanan udara, kelembaban udara dan kecepatan angin; Apakah prestasi pemain sepak bola dapat diprediksikan dari keahliannya dan umur pemain tersebut; dan lain sebagainya. Maka diperlukan metoda untuk dapat memecahkan semua masalah yang ada untuk memudahkan dalam pengambilan keputusan. Salah satu metoda untuk memprediksi adalah regresi.

Dalam kehidupan sehari-hari kita sering melihat suatu peristiwa atau keadaan yang sering terjadi akibat peristiwa atau keadaan yang lain. Untuk mengetahui hubungan antara kejadian tersebut, terutama untuk menulusuri pola hubungan yang modelnya belum diketahui maka analisis regresi dapat dijadikan alat untuk membantu menganalisa hubungan tersebut.

Dalam Analisis regresi dikenal dua macam variabel atau peubah yaitu variabel bebas (independent variable) adalah suatu variabel yang nilainya telah diketahui dan variabel tidak bebas (dependent variable) adalah variabel yang nilainya belum diketahui dan yang akan diramalkan. Suatu variabel dapat diramalkan dari variabel lain apabila antara variabel yang diramalkan (dependent variabel) dengan variabel yang nilainya diketahui (independent variabel) terdapat hubungan atau korelasi yang signifikan. Korelasi antara variabel bebas dengan variabel tidak bebas dapat dilukiskan dalam suatu garis. Garis ini yang disebut garis regresi. Garis regresi mungkin merupakan garis lurus (linier) yang disebut regresi linier.

Universitas Sumatera Utara

Regresi linier dapat di bedakan menjadi dua bagian, yaitu regresi linier sederhana dan regresi linier berganda. Regresi linier sederhana mengamati pengaruh satu variabel bebas (independent variable) terhadap variabel tidak bebas (dependent variable). Secara matematis regresi linier sederhana dapat dituliskan dalam bentuk persamaan sebagai berikut: = a + b Dengan :

= variabel yang diramalkan (dependent variable)

= Variabel yang diketahui (Independent variable)

a = besarnya nilai pada saat nilai X = 0 b = besarnya perubahan nilai apabila nilai X bertambah satu satuan, yang disebut
koefisien regresi. Untuk mencari nilai-nilai koefisien regresi b atau nilai a kita dapat menggunakan metode kuadrat terkecil.

Sedangkan kalau regresi linier berganda mengamati pengaruh lebih dari satu variabel bebas (Independent variable) terhadap variabel tidak bebas (dependent variable), minimal ada dua buah variabel bebas. Secara matematis dapat dituliskan dalam bentuk persamaan sebagai berikut:
= a + b11 + b2 2 + b3 3 + + bn n

Dengan :

1 , 2 , 3 ,, n b1 , b2 , b3 ,, bn

= variabel yang diramalkan (dependent variable) = variabel yang diketahui (Independent variable) = koefisien regresi

Untuk mencari nilai-nilai b1 , b2 , b3 ,, bn dapat menggunakan beberapa cara, yaitu : dengan n persamaan normal, eliminasi gauss dan determinan.

Garis regresi mungkin juga merupakan garis lengkung yang disebut regresi nonlinier. Apabila hubungan fungsi antara variabel bebas X dan variabel tidak bebas Y bersifat non linier, maksudnya jika data asli Xi dan Yi ditebarkan pada diagram tebar (scater diagram) tidak mengikuti garis lurus tetapi mengikuti suatu bentuk kurva

Universitas Sumatera Utara

tertentu, maka analisis regresi yang cocok untuk menerangkan hubungan antara X dan Y tersebut adalah analisis regresi non linier. Pada dasarnya regresi non linier yang memiliki parameter yang bersifat linier dapat diduga dengan menggunakan metode kuadrat terkecil dengan jalan mentransformasikan ke dalam bentuk linier, dimana data asli dari variabel X atau Y atau kedua-duanya X dan Y ditransformasikan ke dalam bentuk tertentu yang apabila data ditansformasi itu ditebarkan pada diagram tebar (scatter diagram) akan memperlihatkan hubungan yang mendekati garis lurus.

Pada tulisan ini akan di jelaskan cara menganalisa data yang berbentuk regresi nonlinier model kuadratik. Regresi nonlinier menggunakan observasi data dengan model fungsi dimana parameter-parameternya terdapat dalam daerah fungsi penduga atau funsi harapan nonlinier. Regresi nonlinier ini digunakan apabila dalam suatu kasus tidak tersedianya informasi yang pasti tentang bentuk hubungan antara peubah respon dan peubah bebas. Secara umum model nonlinier dapat ditulis sebagai berikut :
= f ( 1 , 2 , . k.;1., 2,, . p.) +.

Dengan = Peubah respons

= Peubah bebas
= Parameter

= Galat
Regresi non linier model kuadratik merupakan hubungan antara dua peubah yang terdiri dari variabel dependen dan variabel independen sehingga akan diperoleh suatu kurva yang membentuk garis lengkung menaik atau menurun. Dari uraian di atas penulis memilih judul tulisan : Analisis Regresi Non Linier Dengan Model Kuadratik.

1.2. Identifikasi Masalah

Masalah yang akan di bahas dalam penelitian ini adalah bagaimana menyelesaikan suatu persoalan atau kasus yang tidak dapat lagi diselesaikan dalam model linier. Maksudnya suatu masalah yang hipotesis kelinierannya telah di tolak, maka kita perlu

Universitas Sumatera Utara

memperbaikinya dengan regresi non linier, dan untuk mengetahui sejauh mana aplikasi analisis regresi nonlinier dengan menggunakan model kuadratik. Bentuk Model Kuadratik dengan parameter sebagai berikut :
= 0 + 1 i + 2 i2

dengan parameternya adalah

1.3. Pembatasan Masalah

Ruang lingkup dalam tulisan ini dibatasi pada penaksiran koefisen regreni nonlinier model kuadratik dengan munggunakan metode kuadrat terkecil dan menyelesaikan contoh kasus nonlinier model kuadratik.

1.4. Tujuan Penelitian

Tujuan penelitian ini adalah untuk mengetahui cara dan langkah-langkah menyelesaikan persoalan atau kasus regresi nonlinier model kuadratik.

1.5. Metodologi Peneletian

Dalam Penelitian ini penulis melakukan studi literatur dengan meneliti buku-buku yang membahas mengenai regresi nonlinier dan metode kuadrat terkecil pada kasus model nonlinier. Adapun langkah-langkah penelitian ini adalah sebagai berikut : 1. Membentuk model kuadratik 2. Menaksir koefisien regresi nonlinier model kuadratik dengan menggunakan metode kuadrat terkecil 3. Menguji model kuadratik 4. Menyelesaikan contoh kasus nonlinier model kuadratik.

1.6. Tinjauan Pustaka

Universitas Sumatera Utara

Menurut Gallant,A. Ronald.1942, Secara umum model nonlinier dapat ditulis sebagai berikut :
= f ( 1 , 2 , . k.;1., 2,, . p.) +.

Dengan Y = Peubah respons

= Peubah bebas
= Parameter = Galat
Dilambangkan dengan

= ( 1 , 2 , . . . k ) ,
= ( 1 , 2 ,..., k )
Dapat diringkas

= f ( , ) +
Atau E(Y) = f ( , ) Jika diasumsikan bahwa E ( ) = 0 . Artinya galat-galatnya tidak berkorelasi,
2 2 dan bahwa V a (r ) = dan ~ (0, ) , yang berarti galat-galatnya saling bebas

satu sama lain. Bila n data amatannya berbentuk : u , 1u , 2u ,..., ku Untuk u = 1,2,,n, dapat dituliskan bentuknya ke dalam model alternatifnya

u = f ( u , 2u , . k .;u1., 2,, . p ). + u .
Dengan

u adalah galat ke-u, u = 1, 2, , n. Ini dapat di ringkas menjadi

u = f ( u , ) + u Dengan

u = ( 1u , 2u , . k. ) . Asumsi kenormalan dan kebebasan galat dengan demikian . u ,

2 dapat dituliskan menjadi ~ N (O, I ) , dengan = (1 , 2 , . ..n ,) dan seperti

Universitas Sumatera Utara

biasanya 0 adalah vektor nol dan I adalah matriks identitas, keduanya berukuran yang sesuai. Jumlah kuadrat galat untuk model nonlinier didefinisikan sebagai S ( ) = {u f ( u , )} (Draper et al,1996)
u =1 n 2

dengan :
1 = 2 n f ( 1 , ) f ( 2 , ) f ( ) = f ( , ) n 1 = 2 n

sehingga didapat jumlah kuadrat galatnya S

(S ) =E [u f ( u , )]
u =1

(Gallant,1942)

1.7. Kontribusi Penelitian

Hasil Penelitian ini adalah mengetahui bagaimana cara mendapatkan penyelesaian suatu persoalan atau kasus regresi nonlinier dengan menggunakan model kuadratik.

Universitas Sumatera Utara