BAB III

ANALISIS REGRESI
Regresi linier sering digunakan untuk
melihat nilai prediksi atau perkiraan yang
akan datang

Apabila X dan Y mempunyai hubungan, maka
nilai X yang sudah diketahui dapat
digunakan memperkirakan Y

Perkiraan mengenai terjadinya sesuatu
kejadian (nilai variabel untuk waktu yang
akan datang, seperti prediksi produksi 3
tahun yang akan datang, prediksi harga
bulan depan, ramalan jumlah penduduk 10
tahun mendatang, ramalan hasil penjualan
tahun depan).
Ramalan mengetahui suatu kejadian baik
secara kualitatif (akan turun hujan, akan
terjadi perang, akan lulus ujian)

Kuantitatif (produksi padi akan mencapai
16 juta ton, indek harga 9 bahan pokok naik
10%, penerimaan devisa turun 5%)

Melakukan peramalan adalah dengan
mengunakan garis regresi
Lanjutan
Variable Y yang nilainya akan diramalkan disebut variable tidak bebas
(dependent variable)

sedangkan variable X yang nilainya digunakan untuk meramalkan
nilai Y disebut variable bebas (independent variable) atau variable
peramal (predictor) dan sering kali disebut variable yang menerangkan
(exsplanatory).
X
Analisis regresi digunakan untuk mengetahui bagaimana variabel
dependen atau kriterium dapat diprediksikan melalui variabel
independen atau prediktor secara individu atau parsial maupun
secara bersama-sama atau simultan.
Y
Variabel respon
Variabel dependen
Prediktor
variabel indipenden


Dapatkah variabel X memprediksi Y ? Analisis Regresi
Adakah korelasi/ hubungannya nya ?

Ilustrasi hubungan positif
X
Pupuk
Berat
Badan
Y
Produksi
Tekanan
darah
X
Jumlah aseptor
Harga suatu barang
Y
Jumlah kelahiran
Permintaan barang
darah
Scatter Plot Examples
y
x
y
x
y
y
x
x
Strong
relationships
Weak
relationships
Scatter Plot Examples
y
x
y
x
No
relationship
Jenis Analisis Regresi
I. Regresi linier jika hubungan antara variabel bebas terhadap
variabel tak bebas berbentuk linier
II. Regresi tak linier jika hubungan antara variabel bebas
terhadap variabel tak berbentuk linier
Regresi linier sederhana
Regresi linier berganda
Regresi kuadratik
Regresi kubik
bX a Y + =

3 3 2 2 1 1

X b X b X b a Y + + + =
3
3 2
3 2
2
2

bX a Y
cX bX a Y
dX cX bX a Y
bX a Y
cX bX a Y
+ =
+ + =
+ + + =
+ =
+ + =
Regresi Linier Sederhana
variabel independen ke-i
variabel dependen ke-i maka bentuk
model regresi sederhana adalah :



dengan
parameter yang tidak diketahui
sesatan random dgn asumsi
i
X
i
Y
b a, atau

| o
i
c
0 ] [ =
i
E c
2
) ( o c =
i
Var
bX a Y
X Y
n i X Y
i
i
i i i
+ =
+ =
= + + =

, , 2 , 1 ,
| o
c | o



Dari garis regresi sampel diperoleh :



Dan

) (
^ ^
i i i
X Y e | o + =
2
1
2
)) ( (
i
n
i
i i
bX a Y e D + = =

=

Turunkan D
terhadap
a dan b !!!!

Analisis Regresi
Pendugaan terhadap koefisien regresi:

Bagaimana Pengujian terhadap model regresi ??
parsial (per koefisien) uji-t
bersama uji-F (Anova)
Bagaimana menilai kesesuaian model ??
R
2
(Koef. Determinasi: % keragaman Y yang mampu dijelaskan oleh X)
( )( ) ( )( )
( )
2
2
2
2
2

) (
) )( (

=
X X n
XY X X Y
a
n
x
x
n
y x
xy
b
Metode
Kuadrat Terkecil

=
2 2
) ( x x n
y x xy n
b
x b y a =
n
x
x
n
y
y

= =
y x xy x
2
y
2

.
.
.
.
.
.
.
.
.
.
y x xy x
2
y
2

ATAU
Latihan
Carilah persamaan regresi Y pada X dari data Tabel :

( )( )
( )
i i
X Y
x b y a
n
x
x
n
y x
xy
b
8972 . 0 5294 . 29

: regresi persamaan diperoleh jadi

53 . 29
8972 . 0
12
665
37525
12
951 665
- 53305


) (
) )( (
1
2
2
2
+ =
= =
=

Perhatikan

( ) ( ) ( )
sisa
i i
regresi
i
iasi
i
y y y y y y

var
+ =
MENGUJI KOEFISIEN REGRESI
DENGAN ANALISIS VARIANSI

= = =
+ =
n
i
n
i
i i i
n
i
i
y y y y y y
1 1
2 2
1
2
)

( )

( ) (
X
i
y
x
y
i
JKT = (y
i
- y)
2
JKS = (y
i
- y
i
)
2

.
JKR = (y
i
- y)
2


.
_
_
_
Variasi yang diterangkan dan
Yang tidak dapat diterangkan
y
.
y
y
_
y
.
Tabel Anava :

Sumber
Variasi
JK dk RK F Hitung
Regresi JKR= 1
RKR=JKR/1
F=RKR/RKS
Sesatan JKS= JKT-JKR n-2
RKS=JKS/n-2 Ftabel
F(alpha, 1,n-2)
Total JKT= n-1
( )

=

n
i
i
x x b
1
2
( )
n
y
y
i
n
i
i
2
1
2