LAPORAN PRAKTIKUM

Kelas

ANALISIS REGRESI TERAPAN

ANALISIS REGRESI LINIER SEDERHANA

DAN ANALISIS RESIDU

Nama
Nomer Tanggal
Tanda Tangan
Praktikum Mahasiswa Kumpul Praktikum Laboran
Purwanti
11611048
Rahayu

Nama Penilai

Tanggal
Koreksi

Nilai

Tanda Tangan
Asisten Dosen

1. Fajar Supriadi
2. Kartika Ari S
Edy Widodo ,M.Si
Herni Utami, M.Si

JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS ISLAM INDONESIA
YOGYAKARTA
2013
Page 1

BAB I
PENDAHULUAN

A. Analisis Regresi
Analisis regresi merupakan suatu analisis statistika yang digunakan untuk
menjelaskan hubungan suatu variabel respons (dependent), sering dilambangkan dengan
Y, dengan menggunakan satu atau lebih variabel penjelas (explanatory variable atau
variabel independen). Apabila hanya terdapat satu variabel penjelas maka disebut regresi
linier sederhana (simple regression) sedangkan bila menggunakan dua atau lebih variabel
penjelas maka disebut regresi linier berganda (multiple regression). Dalam pembahasan
kali ini hanya menggunakan satu variabel respons atau dependen.
Dalam analisis regresi linier diukur besarnya pengaruh variabel bebas terhadap
variabel respons. Secara umum langkah-langkah analisis regresi adalah sebagai berikut:
1. Menentukan variabel dependen dan variabel independen dalam model (dengan kata
lain menentukan dahulu variabel mana yang mempengaruhi variabel mana, hal ini
dapat berdasarkan teori-teori yang sudah ada).
2. Membangun model dan menyeleksi variabel independent yang signifikan dalam
model.
3. Melakuan cek diagnostik atau uji asumsi model.
4. Melakukan transformasi terhadap variabel respons dan/atau variabel independen
bila diperlukan.
B. Manfaat analisis regresi sederhana
Salah satu kegunaan dari regresi adalah untuk memprediksi atau meramalkan nilai
suatu variabel, misalnya kita dapat meramalkan konsumsi masa depan pada tingkat
pendapatan tertentu. Selain itun analisis regresi sederhana juga digunakan untuk
mengetahui apakah variabel-variabel yang sedang diteliti saling berhubungan. Dimana
keadaan satu variabel membutuhkan adanya variabel yang lain dan sejauh mana
pengaruhnya, serta dapat mengestimasi tentang nilai suatu variabel. Hal ini dapat
digunakan untuk mengetahui kondisi ideal suatu variabel jika variabel yang lain
diketahui.
Page 2

C. Linieritas fungsi regresi

Untuk menganalisa apakah sebuah fungsi regresi linier fit dengan data, dapat
menggunakan diagram pencar (scatter plot) antara variable X dan Y atau dapat dilihat
residual plotnya yaitu plot antara residual dengan variabel bebas atau antara residual
dengan nilai perkiraan Y. Pada kondisi tertentu, misal kemiringan (slope) sangat curam,
diagram pencar menjadi lebih sulit untuk menentukan kelinieran sebuah fungsi regresi.
Sedangkan dengan plot residual dapat dengan jelas terlihat setiap bentuk sistematis dalam
deviasi sektar garis regresi.
D. Kenormalan dari error ( normality of error term )
Sedikit melenceng dari kenormalan tidak menimbulkan masalah serius. Namun
jika melenceng terlalu jauh harus diperhatikan. Asumsi ini diperlukan karena prosedur
pengujian dan estimasi didasari pada distribusi t yang berasal dari distribusi normal.
Sebaran plot dapat digunakan untuk melihat kenormalan dari residual, seperti Box-plot,
Histogram, atau steam and leaf plot.

Cara lainnya yaitu dengan sebuah normal

probability plot dari residual yang dilakukan disini adalah memplot setiap nilai residual
terhadap nilai harapannya ketika distribusi adalah normal. Jika gambar plot mendekati
sebuah garis lurus, maka dapat dikatakan bahwa error tidak melenceng secara substansi
dari distribusi normal. Analisa untuk kemencengan model terhadap kenormalan, residual
tidak berdistribusi normal bisa dikarenakan bentuk fungsi regresi tidak tepat
(inappropriate) atau karena error varians tidak konstan.

Transformasi seringkali

membantu dalam kenormalan error, setelah data ditransformasikan kemudian residual

dipelajari untuk melihat apakah kemencengan dari normal masih ada. Transformasi bisa
dilakukan pada satu variabel atau kedua variabel.

Goodness of fit test juga dapat

digunakan untuk meneliti kenormalan bentuk error.

Page 3

BAB II
DESKRIPSI KERJA

Ada suatu peneliti yang akan meneliti hubungan dua variabel yaitu penurunan zat padat
dan kebutuhan oksigen kimiawi. Peneliti ingin mengetahui apakah penurunan zat padat
mempengaruhi kebutuhan oksigen kimiawi. Dengan penelitiannya peneliti menghasilkan data
sebanyak n=30 berikut ini datanya:
Penurunan zat
padat x (%)

Kebutuhan
oksigen kimiawi y
(%)

11

11

21

15

16

18

16

27

28

29

27

30

25

30

35

31

30

31

40

32

32

33

34

33

32

34

34

36

37

36

38

36

34

37

36
Page 4

38

38

39

37

39

36

39

45

40

39

41

41

42

40

42

44

43

37

44

44

45

46

46

46

47

49

50

51

Untuk menganalisis data yang telah diambil oleh peneliti, seorang peneliti pastinya ingin
mengetahui apa maksud dari hasil data penelitiannya. Sedangkan peneliti membutuhkan software
R salah satu software untuk meneliti hubungan dua variabel. Maka peneliti membutuhkan jasa
statistikawan/i untuk mengetahui arti data yang telah diperoleh, adakah hubungan antara dua
variabel. Selain itu praktikan akan menganalisis beberapa hal, seperti:
a. Membuat scaterrplotnya dan interpretasikan outputnya.
b. Melakukan analisis untuk data diatas (hipotesis secara lengkap) dan menentukan model
regresi yang terbentuk.
c. Melakukan Analisis Residual
d. Besarnya kebutuhan oksigen kimiawi bila penurunan zat padat sebesar 51 %.
Untuk menganalisis yang dibutuhkan peneliti, praktikan meyelesaikannya dengan langkahlangkah berikut:
1. Praktikan membuka software R dengan klik start dan klik R.
2. Setelah itu untuk menginput datanya praktikan klik Packages loadpackage.

Page 5

Gambar 2.1 langkah membuka R-Commander.

3. Maka akan mucul tampilan pilihan seperti dibawah ini

Gambar 2.2 Membuka R-Commander.

Page 6

4. Setelah itu akan muncul kotak R-Commander dan praktikan menginputkan data peneliti
yang disave dalam file notepad. Praktikan klik data import data from text file,
clipboard, or URL Seperti Gambar.

Gambar 2.3 Menginput data dengan notepad.

5. Setelah praktikan klik pada form text, clipboard, or URL..akan muncul kotak dialog
pemberian nama pada file data yang akan diinput, praktikan memberi nama praktikkum2
klik ok.

Gambar 2.4 Nama file data yang akan diinput.

Page 7

6. Praktikan akan memilih file notepad yang sebelumnya telah disimpan pada computer,
praktikan klik pada file notepad yang berisi data penelitian lalu klik open.
7. Praktikan kembali ke kotak dialog R, dan kembali ke R-Commander. Pada RCommander klik view data set, maka hasil inputan data akan muncul seperti berikut.

Gambar 2.5 Hasil data yang telah diinput.

8. Untuk menyelesaikan tahap pertama yaitu membuat scatter plot, praktikan klik
graphsscatterplot.

Gambar 2.6 Langkah membuat grafik scatterplot.

Page 8

9. Akan muncul kotak dialog scatterplot, praktikan memilih variabel X dan variabel Y. Pada
kotak x-variabel praktikan memilih atau klik pada zat padat, dan untuk kotak y-variabel
praktikan klik oksigen klik ok. Maka akan menghasilkan grafik scatterplot.

Gambar 2.7 Menentukan variabel X dan variabel Y.

10. Setelah menyelesaikan berdasarkan gambar, praktikan akan menganalisis berdasarkan
hasil perhitungan data dengan model regresi. Praktkikan klik statistic Fit models
Linear regression.

Page 9

Gambar 2.8 Langkah analisis model regresi.

11. Praktikan menentukan yang mana variabel X dan variabel Y. Pada kotak dialog response
variabel atau varaiebl Y praktikan memilih variabel oksigen. Untuk exsplanatory variabel
atau variabel X praktikan memilih Zatpadat lalu klik ok.

Gambar 2.9 Memilih variabel X dan variabel Y.

12. Untuk mengetahui model regresi yang telah dibuat bagus atau tidak dengan
menggunakan analisis residu. Dengan menggunakan excel, untuk rumusnya adalah
. Sebelumnya praktikan menginputkan data penelitian pada excel dan
menentukan nilai dengan rumus =3.82963+0.90364*B3 sedangkan untuk nilai
dengan rumus =C3-D3.

Page 10

Gambar 2.10 hasil perhitungan dan .

13. Untuk menganalisis residu dengan membuat grafik scatterplot pada excel yang bertujuan
untuk menentukan asumsi residual identic atau tidak, dengan langkah block pada kolom
error ( ) klik insert scatterplot.

Page 11

Gambar 2.11 Langkah membuat grafik scatterplot.

14. Untuk asumsi residual independen dengan menggunakan grafik line dengan block pada
kolom error ( ) insert klik gapa grafik line seperti berikut.

Gambar 2.12 Langkah membuat grafik line.

Page 12

15. Untuk membuat grafik QQ plot menggunakan software R, setelah data di import, dan
telah di view data set, klik Graphs Quantile Comparison plot.

Gambar 2.13 Langkah membuat grafik QQ plot menggunakan software R.

16. Setelah itu akan muncul tampilan berikut dan pilih variabel independen yaitu zat padat.

Gambar 2.14 QQ plot.

Page 13

BAB III
PEMBAHASAN

Setelah praktikan menyelesaikan langkah-langkah kerja pada bab deskripsi kerja, maka
didapatkan data peneliti dalam tampilan grafik scatterplot seperti Gambar 3.1, dengan gambar
tersebut praktikan dapat memperkirakan model regresi yang sesuai dengan data, linier atau tidak.
Dan bila terbukti linier maka kedua variabel saling berhubungan.

Gambar 3.1 Grafik Scatterplot.

Pada gambar 3.1 sangat terlihat jelas pola data peneliti membentuk model regresi linier,
dimana garis data aktualnya (garis merah putus-putus) mendekati garis linieritas (warna hijau)
dan estimasi (warna merah) mendekati garis linieritas. Bila dilihat secara grafik data yang
didapatkan oleh peneliti dari hasil penelitiannya menunjukan bahwa data saling berhubungan.
Dimana penurunan zat padat memepengaruhi kebutuhan oksigen kimiawi. Namun analisis data
yang diperoleh peneliti, tidak berhenti disini, untuk memastikan hubungan kedua variabel
tersebut praktikan melakukan analisis uji hipotesis. Untuk menguji hipotesis praktikan
sebelumnya telah mengikuti langkah-langkah uji regresi X dan Y, sehingga menghasilkan output
seperti berikut:

Page 14

Gambar 3.2 Hadil Uji Regresi X dan Y

Call:
lm(formula = oksigen ~ zatpadat, data = praktikkum2)

Residuals:
Min

1Q Median

3Q

Max

-5.939 -1.783 -0.228

1.506

8.157

Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept)

3.82963

1.76845

2.166

zatpadat

0.90364

0.05012

18.030

0.0382 *
<2e-16 ***

--Signif. codes:

0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Page 15

Residual standard error: 3.23 on 31 degrees of freedom

Multiple R-squared:

0.9129,

Adjusted R-squared:

F-statistic: 325.1 on 1 and 31 DF,

0.9101

p-value: < 2.2e-16

Setelah praktikan mengidentifikasi bentuk hubungan kedua variabel menggunakan grafik

scatterplot, praktikan uji model :
H0 = 1 = 0 (model tidak sesuai)
H1= 1 0 (model sesuai)
Tingkat signifikansi = = 0,05
Statsitika uji = 2.2e-16
Daerah kritis = H0 ditolak jika p-value <
2.2e-16< 0.05, yang artinya nilai p-value lebih kecil dari (alfa)
Kesimpulan, H1= 1 0 yang artinya H0 ditolak sehingga model sesuai.
Setelah praktkan menyelesaikan uji model dan hasilnya tolak H0, maka lanjut dengan uji yang
lain yaitu uji koefisien regresi / uji parsial / uji sendiri.
a. Uji konstanta
H0 = 0 = 0 (konstanta tidak signifikansi)
H1 = 0 0 (konstanta signifikansi)
Tingkat signifikansi = = 0,05
Statistika uji = 0.0382
Daerah kritis = H0 ditolak jika p-value <
0.0382 <0.05, yang artinya nilai p-value lebih kecil dari (alfa)
Kesimpulan, H1 = 0 0 yang artinya H0 ditolak sehingga konstanta signifikansi.
Setelah diketahui uji konstanta signifikansi, maka praktikan lanjut dengan uji koefisien
regresi.
b. Uji koefisien regresi
H0 = 1 = 0 (Koefisien regresi Xi tidak signifikansi)
H1 = 1 0 (Koefisien regresi Xi signifikansi)
Page 16

Tingkat signifikansi = = 0,05

Statistika uji = 2e-16
Daerah kritis = H0 ditolak jika p-value <
2e-16 <0.05, yang artinya nilai p-value lebih kecil dari (alfa)
Kesimpulan, H1 = 0 0 yang artinya H0 ditolak sehingga koefisien regresi Xi
signifikansi.
Dengan ketiga uji yaitu uji model, uji konstanta, dan uji koefisien korelasi dan semua uji
menunjukan tolak H0 maka model regresi sesuai yang artinya model regresi linier, kedua
variabel tersebut saling berhubungan. Untuk uji konstanta untuk menguji apakah konstanta dari
hasil analisis menggunakan software R signifikan atau tidak, dan hasilnya tolak H0 yang artinya
konstanta signifikan (0) yaitu sesuai untuk model regresi linier. Sedangkan untuk uji koefisien
regresi adalah untuk mengetahui apakah koefisien regresinya(1) sesuai untuk model dan
jawabannya adalah sesuai untuk model tegresi linier. Sehingga model regresi yang terbentuk
adalah

Sedangkan untuk besar nilai korelasi R2 adalah 0.9129, maka

dengan nilai R2 yang mendekati nilai 1 yang artinya hubungan antara X dan Y memiliki
hubungan yang kuat.
Dalam analisis regresi linier, praktikan perlu analisis residu, untuk mengetahu apakah
model yang digunakan itu baik atau tidak. Berikut ini grafik dari analisis residu:
a. Asumsi residual identik

Gambar 3.3 Grafik analisis residu menggnakan excel scatterplot.

Dalam grafik asumsi residual identik dapat terlihat bahwa analisisnya identik, karena
titik-titik gambar grafik tidak membentuk pole ertentu. Sehingga dapat diasumsikan identik.
Page 17

Model R yang baik adalah nilai error ( ) di sekitar 0. Dengan nilai error ( ) disekitar 0
menunjukan bahwa variansi konstanta tepat, sehingga pemilihan variabel independen tepat,
pengaruh terhadap variaben dependen signifikan. Terlihat pada gambar 3.3 sebaran data risidu
kecil hal tersebut sesuai dengan syarat baiknya suatu model R yang datanya disekitar 0.
b. Asusmsi residual independen.

Gambar 3.4 residual independen.

Berdasarkan pada gambar 3.4 maka dapat terlihat bahwa residual yang dimiliki data
penurunan zat padat yang diikuti dengan besarnya oksigen yang diperoleh adalah independen.
Hal itu dikarenakan grafik tidak membentuk suatu pola tertentu.
c. Asusmsi residual berdistribusi normal.

Gambar 3.5 analisis residu kenormalan dengan menggunakan software R.

Page 18

Dapat dilihat dalam gambar 3.5 menunjukan bahwa pola data analisis residunya
membentuk linier ke kanan atas. Residual dikatakan normal bila, grafik QQ plot membentuk
garis linier. Data-data analisis residual tidak menyebar dan berada disekitar garis merah. Hal ini
menunjukan model yang praktikan asumsikan baik, sehingga nilai errornya sangat sedikit.
Praktikan ingin meneliti berapa banyak oksigen yang dibutuhkan bila penurunan zat
padat sbesar 51 %. Dengan menggunakan model regersi

maka untuk

mengetahui berapa banyak oksigen yang dibutuhkan bila penurunan zat padat sebesar 51%
dengan perhitungan sebagai berikut

( )

Sehinggan penurunan zat padat sebesar 51 % maka dibutuhkan 49.91527 % untuk oksigennya.

Page 19

BAB IV
KESIMPULAN

Praktikan telah menyelesaikan langkah-langkah dalam meneliti data peneliti terkait

hubungan penurunan zat padat dan kebutuhan oksigen. Dengan langkah-langkah yang telah
dijelaskan dalam bab deskripsi kerja dan setelah dijelaskan hasil output atau eksekusi yang telah
dibahas dalam bab pembahasan. Praktikan akan menyimpulkan dari langkah-langkah yang ada
pada bab sebelumnya. Untuk model regresi menggunakan grafik scatterplot membentuk pola
linier yang artinya bahwa dari identifikasi bentuk hubungan secara grafik kedua variabel tersebut
adanya hubungan atau keterkaitan, dimana variabel penurunan zat padat mempengaruhi
kebutuhan oksigen.
Selanjutnya terkait uji hipotesis yang terdiri dari uji model dan uji koefisien regresi / uji
parsial / uji sendiri-sendiri menunjukan hasilnya adalah tolak Ho. Arti dari tolak Ho pada uji
model menunjukan bahwa model regresi yang digunakan sesuai, dengan menggunakan variabel
independen penurunan zat padat berhubungan dengan variabel dependen kebutuhan oksigen.
Sedangkan untuk uji konstanta Ho ditolak yang artinya konstanta signifikan. Konstanta
signifikan menunjukan bahwa (0) sesuai dengan model regresi, konstants (0) sesuai. Untuk
koefisiensi regresi menunjukan Ho ditolak yang mana artinya (1) signifikan untuk model
regresinya.
Asumsi Residu terdiri dari independen, normal, sebaran kecil, dan indentik. Dalam bab
deskripsi kerja dan pembahasan, telah diuji asumsi residual dengan menggunakan grafik. Untuk
grafik scatterplotnya tidak membentuk pola tertentu sehingga asumsi residunya identik.dan
polanya saling berdekatan, tidak menyebar. Pada grafik line menunjukan asumsi regresi
independen, pada grafik line data errornya pun tidak menyebar, sehingga independen. Pada
grafik QQ plot membentuk garis linier, yang artinya bahwa asumsi residunya normal. Dikatakan
normal bila pola grafik QQ plot membentuk linier. Dapat disimpulkan bahwa dengan
beberapaanalisis yang telah diselesaikan praktikan, terbukti model yang digunakan sesuai.
Setelah praktikan mengetahu model regresi dan nilai (0) dan (1).Sehingga dapat
diasumsikan pada saat penurunan zat padat senilai 51 % maka membutuhkan oksigen sebesar
49.91527 % atau 50%.
Page 20

DAFTAR PUSTAKA

Draper Norman.1992. Analisis Regresi Terapan. Jakarta: Gramedia Pustaka Utama

http://statlover.wordpress.com/2012/04/27/analisis-regresi-linear-aplikasi-pada-r-software/ . (21
April 2013/17.30)
http://www.ilab.gunadarma.ac.id/modul/NewATA/Modul%20ATA/Statistika%202%20Akun/M
7.pdf .( 21 April 2013/18.00)
http://h5hclimacus.blogspot.com/2011/04/residu-dan-analisis-residu.html .(22 April 2013/19.30)

Page 21

Page 22