BAB 10

Pebelajar Dapat:
1. Menjelaskan Pengertian Regresi
2. Membedakan Analisis Regresi Linier Sederhana Dan Berganda
3. Menjelaskan Fungsi Analisis Regresi
4. Menghitung Nilai R, R2, F Dan Koefisien Regresi
5. Menguji Hipotesis Analisis Regresi
6. Membuat Persamaan Garis Regresi
7. Memprediksi Nilai Variabel Terikat Dengan Menggunakan
Persamaan Regresi
8. Menghitung Variabel Yang Diminan Berpengaruh
9. Menghitung Sumbangan Efektif Dan Relatif Masing-masing
Variabel


Istilah Regresi diperkenalkan oleh Fancis Galtom
Meskipun ada kecenderungan bagi orang tua yang
tinggi mempunyai anak-anak yang tinggi, dan bagi
orang tua yang pendek mempunyai anak yang pendek,
distribusi tinggi dari suatu populasi tidak berubah
secara menyolok (besar) dari generasi ke generasi.

Regresi = Kemunduran ke arah sedang
Ada kecenderungan (tren) bagi rata-rata tinggi anak-anak dengan
orang tua yang mempunyai tinggi tertentu untuk bergerak atau
mundur (regress) ke arah tinggi rata-rata seluruh populasi.
Hukum regresi semesta (law of universal regression) dari Galton
diperkuat oleh Karl Pearson (Biometrika, vol.2, 1903), yang
menyimpulkan lebih dari seribu data tinggi anggota kelompok
keluarga. Pearson mengumpulkan bahwa rata-rata tinggi anak
laki-laki kelompok ayah yang tinggi kurang dari tinggi ayah
mereka dan rata-rata tinggi anak-anak laki-laki kelompok ayah
pendek lebih besar dari tinggi ayah mereka. Mundurnya
(regressing) anak laki-laki yang tinggi maupun yang pendek
serupa ke arah rata-rata tinggi semua laki-laki.


Analisis regresi dalam statistika adalah salah satu metode
untuk menentukan hubungan sebab-akibat antara satu
variabel dengan variabel yang lain.
Variabel "penyebab" disebut dengan bermacam-macam
istilah yaitu: variabel penjelas, variabel eksplanatorik, variabel
independen, atau variabel bebas, variabel X .
Sedangkan variabel terkena akibat dikenal sebagai variabel
yang dipengaruhi, variabel dependen, variabel tergantung,
variabel terikat, atau variabel Y.
Kedua variabel ini dapat merupakan variabel acak (random),
namun variabel yang dipengaruhi harus selalu variabel acak.
Analisis regresi adalah salah satu analisis yang paling
populer dan luas pemakaiannya. Analisis regresi
dipakai secara luas untuk melakukan prediksi dan
ramalan, dengan penggunaan yang saling melengkapi
dengan bidang-bidang lain. Analisis ini juga digunakan
untuk memahami variabel bebas mana saja yang
berhubungan dengan variabel terikat, dan untuk
mengetahui bentuk-bentuk hubungan tersebut.

1. Analisis Regresi antara media pembelajaran
terhadap prestasi belajar
2. Analisis regresi Kelelahan emosional guru
terhadap kinerja
3. Analisis Regresi antara pendapatan terhadap
konsumsi rumah tangga.
4. Analisis Regresi antara motivasi berprestasi
terhadap Prestasi belajar siswa.
5. Analisis Regresi antara kualitas layanan terhadap
dan jumlah pengunjung
6. Analisis Regresi antara gizi terhadap tingkat
harapan hidup
Analisis Regresi Linier Sederhana
Analisis Regresi Linier Berganda

Analisis regresi linier sederhana adalah
analisis regresi yang persamaannya linier
dengan jumlah prediktor hanya satu.
Sedangkan analisis regresi linier berganda
adalah analisis regresi yang bentuk
persamaannya linier (garis) dengan
prediktor lebih dari satu

Pada persamaan regresi ada beberapa model
yang dapat digunakan antara lain:
1. Garis Lurus/linier
2. Parabola / Kurva Kuadratik
3. Kurva kubik
4. Kurva Quartic
5. Kurva pangkat n
(untuk kajian ini hanya pada pola linier)
Korelasi hanya
menunjukkan
sekedar hubungan.
Dalam korelasi
variabel tidak ada
istilah tergantung
dan variabel bebas.
Dslam korelasi arah
panah 2 arah
Regresi menunjukkan
hubungan pengaruh.
Dalam regresi terdapat
istilah tergantung dan
variabel bebas.
Dalam regresi arah
panah searah
Y
Varaibel tergantung
(Dependent Variable)
Variabel yang dijelaskan
(Explained Variable)
Variabel yang
diramalkan (Predictand)
Variabel yang diregresi
(Regressand)
Variabel Tanggapan
(Response)
X
Varaibel bebas
(Independent Variable)
Variabel yang menjelaskan
(Explanatory Variable)
Variabel peramal
(Predictor)
Variabel yang meregresi
(Regressor)
Variabel perangsang atau
kendali (Stimulus or
control variable)

Analisis Regresi Linier Sederhana
Analisis Regresi Linier Berganda


Dalam regresi linier sederhana, akan
dipelajari hubungan linier antara variabel tak
bebas Y dengan satu variabel bebas X.
Untuk mendapatkan persamaan
regresi/model regresi antara variabel X dan Y
, pertama kali dibuat plot data
pada bidang xy.
Plot tersebut dinamakan diagram pencar.
Berdasarkan diagram pencar dapat dicari
garis atau lengkungan yang mendekati titik-
titik data tersebut.
( )
, ; 1, 2, ,
i i
x y i n =
Makna |
0
& |
1
?
Model regresi linier sederhana:
, i= 1,2,,n
Dimana :
: variabel tak bebas
: variabel bebas
: parameter / koefisien regresi
: error diasumsikan saling bebas dan

Cat : Linier dalam hal ini adalah linier dalam
parameter ( ).
0 1 i i i
Y X | | c = + +
i
Y
i
X
0 1
, | |
i
c
( )
2
0,
i
N
o
c
0 1
, | |
Makna:
Bo : Intersep, artinya besarnya nilai y
manakala nilai X =0
B1 : koefisien regresi, artinya besarnya
perubahan (kenaikan/turun) nilai Y,
manakala nilai X berubah satu satuan
Parameter dan tidak diketahui nilainya dan
harus diduga/ditaksir dari data sampel.
Salah satu cara untuk menduganya/menaksirnya
adalah menggunakan metode kuadrat terkecil,
yaitu suatu metode untuk menaksir parameter
regresi dengan meminimumkan jumlah kuadrat
error.
,
Syarat Q minimum :

0
|
1
|
0 1 i i i
y x c | | =
( )
2
2
0 1
1 1
n n
i i i
i i
Q y x c | |
= =
= =

0
0
Q
|
c
=
c
1
0
Q
|
c
=
c
dan

Misalkan b
0
dan b
1
adalah taksiran untuk ,
maka :
1. 2.

Sistem persamaan di atas disebut persamaan
normal




( )
0 1
1
0
2 0
n
i i
i
Q
y x | |
|
=
c
= =
c

( )
0 1
1
1
2 0
n
i i i
i
Q
x y x | |
|
=
c
= =
c

0 1
, | |
( )
0 1
1
0
n
i i
i
y b b x
=
=

( )
0 1
1
0
n
i i i
i
x y b b x
=
=

Solusinya :






Taksiran garis regresi :
1 1 1
1 2
2
1 1
n n n
i i i i
i i i
n n
i i
i i
n x y x y
b
n x x
= = =
= =
| || |

| |
\ .\ .
=
| |

|
\ .


0 1
b y b x =
1
1
n
i
i
y y
n
=
=

1
1
n
i
i
x x
n
=
=

0 1

y b b x = +
0 : 0 :
1 0
= = | | H H
Statistik Uji:





H0 ditolak apabila
) (b S
b
t
|
=

=
n
x
x
S
b S
2
) (
2
2
) (
2
2
2

=

n
xy b y a y
S
2 ; 2 / 2 ; 2 /
< >
n hitung n hitung
t t atau t t
o o