Aplikasi Metode Kuadrat Terkecil Dan Aturan Cramer’s Dalam Menyelesaikan Permasalahan Analisis Regresi Dan Korelasi

Marzuki Marzuki

Abstract

Salah satu tujuan analisis data dalam statistika adalah untuk memperkirakan atau memprediksi besarnya efek (pengaruh) kuantitatif dari perubahan suatu kejadian terhadap kejadian lain. Untuk keperluan penilaian terhadap efek atau pengaruh tersebut, diperlukan suatu analisis yang membahas hubungan fungsional antara dua atau lebih variabel, yang dikenal dengan nama Analisis Regresi dan Korelasi. Analisis regresi dan korelasi dapat dengan mudah diselesaikan dengan menggunakan metode kuadrat terkecil (least square method) dan aturan Cramer’s (Cramer’s rule), atau disebut dengan istilah metode determinasi. Metode lain dapat juga digunakan metode inversi dalam mencari formula untuk koefisien-koefisien regresi.. Dengan sedikit melakukan manipulasi matematis dan memberikan pemaknaan baru terhadap suatu variabel, akan memunculkan formula-formula reduktif yang jauh lebih sederhana sehingga akan memudahkan mahasiswa dalam memahaminya.

 

Kata kunci: Analisis regresi dan korelasi, aturan Cramer, metode kuadrat terkecil.

Full Text:

PDF

References

Adisoewignyo,W. 2010. Statistika Inferensi. Mataram: Mataram University Press.

Arfken, G. 1970. Mathematical Methods for Fhysicist. London: Academic Press, Inc.

Boas, M.L. 1983. Mathematical Methods in the Fhysycal Science. Second Edition. New York: John Wiley & Sons, Inc.

Rosdiana, dkk. 2004. Matematika Fisika I,II. Common Textbook (Edisi Revisi). Bandung: Jurusan Pendidikan Fisika, FPMIPA UPI.

Ruseffendi. 1998. Statistika Dasar. Bandung: IKIP Bandung.

Spiegel, M.R. & Larry, J.S. 2004. Statistik, Edisi Ketiga (Terjemahan oleh Wiwit Kastawan dan Irzam Harmein). Jakarta: Erlangga.

Sudjana. 2002. Metode Statistika. Bandung: Tarsito.

Supranto, J. 2001. Statistika, Teori dan Aplikasi. Jakarta: Erlangga.

Wospakrik, H.J. 1993. Dasar-dasar Matematika untuk Fisika. Bandung: Jurusan Fisika ITB.

Refbacks

  • There are currently no refbacks.