Masih Regresi Lieur..

A. Kondisi bahwa sample itu disebut acak itu bagaimana ..? Bagaimana cara membuktikan atau setidaknya melihat bahwa sample itu acak..?

Untuk menjawab hal tersebut, tentunya kita harus definisikan dulu apa yang dimaksud dengan sample acak itu..?

Jawaban sementara : Sample acak yaitu sampel yang mempunyai nilai tidak tetap berubah2(baik itu berubah terhadap waktu maupun variable lain) dan perubahannya dipengaruhi oleh variabel2 lain, serta harus mengandung unsur peluang (thank’s untuk temen2 yang dah kasih pencerahan tentang sample acak ini), tapi maksud mengandung unsur peluang itu apa yah ..?

Mungkin maksudnya adalah bahwa kita dpt memprediksi terjadinya/munculnya nilai sample tersebut berdasarkan nilai-nilai atau variable variable lain yang menyebabkan timbulnya atau setidaknya berhubungan dengan variable acak tersebut.

Misalkan kita ingin menyatakan perkembangan berat badan seseorang sebagai variable acak, dengan variable yang berhubungan dengan berat badan itu misalkan pola tidur atau pola makan dan secara umum atau penelitian ada hubungan antara pola makan atau tidur dengan berat badan.Maka peluang berat badan seseorang bisa kita prediksi dengan melihat bagaimana pola makan dan pola tidurnya

Salah satu kata kunci yang bsia kita ambil adalah adanya hubungan antara variable & variable yang di analisa. Dalam regresi linier ada yang disebut variable bebas (independent variable) yaitu X(pola makan, pola tidur) dan Variable tidak bebas (dependent variable) yaitu Y(berat badan), karena berat badan tergantung dari X.

Nah untuk menyatakan bagaimana hubungan yang terjadi antara independent variable dan dependent variable kita bisa melakukan pengujian dengan uji statistik.

Mari kita lanjutkan langkah ini besok hari yah…meh teu lieur euy.

Analisis regresi Lieur...1

Analisis Regresi Linier

Hasil dari analisis regresi harus lah kita uji kebenaran, kecocokan data dengan model regresi linier yang dibentuk, sehingga kita yakin bahwa data yang kita olah dengan model persamaan regresi ada kecocokan, jangan-jangan data yang kita olah tidak cocok dianalisa dengan teknik analisis regresi linier, mungkin harus dianalisa dengan teknik lain ..teknik apakah itu ? au ah gelap..

Kalau nggak salah menurut catatan kuliah bahwa asumsi kita bisa melakukam analisis regresi linier menurut Pak sembiring yaitu :

1. Sample merupakan sample acak, yang menjadi pertanyaan kondisi bahwa sample itu disebut acak itu bagaimana ..? Bagaimana cara membuktikan atau setidaknya melihat bahwa sample itu acak..?
2. єi ~ N(0,δ2 )  Error/galatnya berdistribusi normal atau
E(Yi|Xi) = ά + βXi, i = 1,2,3,…n atau Yi ~ N(ά + βXi, δ2) i=1,2,3,…n
Pertanyaannya bagaimana mengecek dan membuktikan ketiga hal tersebut terjadi pada model dan data yang kita olah? sama ini juga au ah elap…
3. Variansinya / Fluaktuasinya konstan.  ini juga harus di cek, dan gimana cara ngeceknya, kalau yang ini sih kayaknya udah ada gambaran..tapi ntar lah kita bahas.

Jadi kalu ketiga syarat ini tidak penuhi maka harusnya analisa yang kita lakukan dengan mempergunakan analisis regresi linier dianggap gagal atau tidak berlaku..nah loh.

newthon rapshon 2 variable bebas x dan 2 fungsi (2)

Option Explicit
Option Base 1
'#Uses "*STB.SVX"
'#Uses "*GRAPHICS.SVX"

Sub Main()
Dim S As Spreadsheet
Dim akarx10, akarx20, akarx11, akarX21, nilaif1, nilaif2 As Double
Dim baris As Integer
Dim MatrikJ(2,2) As Double
Dim MatrikJInv(2,2) As Double
Dim a(2,2) As Double
Set S = SelectSpreadsheetDialog(False)

If VarPtr(S) = 0 Then End
S.Variable(1).Select
akarx10= -0.5
akarx20=5
MatrikJ(1,1)=NilaiTurunanf1x1(akarx10,akarx20)
MatrikJ(1,2)=NilaiTurunanf1x2(akarx10,akarx20)
MatrikJ(2,1)=NilaiTurunanf2x1(akarx10,akarx20)
MatrikJ(2,2)=NilaiTurunanf2x2(akarx10,akarx20)
baris=1

Do
MatrixInverse(MatrikJ,MatrikJInv)
S.Cells(baris,1)=baris
S.Cells(baris,2)=akarx10
S.Cells(baris,3)=akarx20

S.Cells(baris,4)=NilaiFungsi1(akarx10,akarx20)
S.Cells(baris,5)=NilaiFungsi2(akarx10,akarx20)

akarx11 = akarx10 - ((MatrikJInv(1,1)*S.Cells(baris,4))+ (MatrikJInv(1,2)*S.Cells(baris,5)))
akarX21 = akarx20 - ((MatrikJInv(2,1)*S.Cells(baris,4)) + (MatrikJInv(2,2)*S.Cells(baris,5)))

MatrikJ(1,1)=NilaiTurunanf1x1(akarx11,akarX21)
MatrikJ(1,2)=NilaiTurunanf1x2(akarx11,akarX21)
MatrikJ(2,1)=NilaiTurunanf2x1(akarx11,akarX21)
MatrikJ(2,2)=NilaiTurunanf2x2(akarx11,akarX21)

S.Cells(baris,6)=akarx11
S.Cells(baris,7)=akarX21
S.Cells(baris,8)=NilaiFungsi1(akarx11,akarX21)
S.Cells(baris,9)=NilaiFungsi2(akarx11,akarX21)
nilaif1 =S.Cells(baris,8)
nilaif2=S.Cells(baris,9)

akarx10 = akarx11
akarx20 = akarX21
baris=baris + 1
If baris >= 10 Then S.AddCases (baris,1)
Loop Until (Abs(nilaif1) <=0.000001 And Abs(nilaif2) <=0.000001)
End Sub

‘ Fungsi- fungsi

Function NilaiFungsi1(x1 As Double, x2 As Double ) As Double
NilaiFungsi1 = x1^2 +x1*x2 -2*x1-1
End Function
Function NilaiFungsi2(x1 As Double, x2 As Double ) As Double
NilaiFungsi2 = x1^3 -x1+x2-2
End Function
Function NilaiTurunanf1x1(x1 As Double, x2 As Double ) As Double
NilaiTurunanf1x1 = 2*x1 + x2 -2
End Function
Function NilaiTurunanf1x2(x1 As Double, x2 As Double ) As Double
NilaiTurunanf1x2 = x1
End Function
Function NilaiTurunanf2x1(x1 As Double, x2 As Double ) As Double
NilaiTurunanf2x1 = 3*x1^2 -1
End Function
Function NilaiTurunanf2x2(x1 As Double, x2 As Double ) As Double
NilaiTurunanf2x2= 1
End Function

Newthton raphson dua variable bebas X, dua fungsi (1)

Persamaan yang dijadikan contoh adalah

f1(X)= X12 + X1X2 -2X1-1 dan f2(x)=X13 -X1 +X2-2

Dengan turunan dari masing-masing fungsi adalah
df1(X1)/dX1 = 2X1 + X2 -2
df1(X2)/dX2 = X1

df2(X1)/dX1 = 3X12 – 1
df2(X2)/dX2 = 1


Algoritma Program
• Definisikan 2 buah matrik yaitu
1. MatrikJ yang berisi nilai dari fungsi turunan untuk fungsi 1 dan fungsi 2
2. MatrikJInv yang merupakan inverst dari MatrikJ
• Inisiasi MatrikJ dengan nilai turunan setiap fungsi untuk nilai awai x1 dan x2 yang kita asumsikan(bebas) misalkan nilai x1 = 0 dan x2 = 1
• Inisiasi MatrikJInv dengan Melakukan Inverst terhadap matrikJ
• Selama nilai f1 dan f2 tidak mendakati nilai 0 maka lakukan
o Hitung nilai f1 dan f2 untuk nilai x1 dan x2
o Tentukan nilai x1 dan x2 berikutnya dengan rumus
X1i+1 = x1i – (matrikinv(1,1)*f1(xi)+ matrikinv(1,2)*f2(xi))
X2i+1 = x1i – (matrikinv(2,1)*f1(x2i)+ matrikinv(2,2)*f2(x2i))
o Hitung MatrikJ nilai turunan setiap fungsi untuk nilai awai x1i+1 dan x2i+1
o Lakukan inverst MatrikJ dan simpan di MatrikJInv
o Lakukan lagi langkah2 mulai hitung nilai f1 dan f2 sampai nilai f1 dan f2 mendekati nilai 0 maka didapatlah nilai akar x1 dan x2

• Nilai akar terakhir akan didapat yaitu x1 mendekati nilai -1 dan x2 mendekati nilai 2, untuk contoh kasus nilai awal x1=-0.5 dan x2 = 5