BAB 1

PENDAHULUAN
1.1 Latar Belakang
Statistika

adalah

ilmu

yang

mempelajari

bagaimana

merencanakan,

mengumpulkan, menganalisis dan mempresentasikan data. Singkatnya, statistika

adalah ilmu yang berkenan dengan data. Statistika dibagi menjadi dua, yaitu Statistika
Deskriptif dan Statistika Inferensial. Statistika deskriptif berkenaan dengan deskripsi
data,

misalnya

dari

menghitung

rata-rata

dan

varians

dari

data

mentah;

mendeksripsikan menggunakan tabel-tabel atau grafik sehingga data mentah lebih

mudah dibaca dan lebih bermakna. Sedangkan statistika inferensial lebih dari itu,
misalnya melakukan pengujian hipotesis, melakukan prediksi observasi masa depan,
atau membuat model regresi. Untuk saat ini, kami akan membahas tentang ilmu
Statistika Deskriptif.
Statistika dalam arti sempit berarti kumpulan data berupa angka, penyajian data
dalam table dan grafik, bilangan yang menunjukan karakteristik dari kumpulan data.
Statistika dalam arti luas yaitu metode yang digunakan dalam pengumpulan dan
analisis data yang berupa angka-angka sehingga dapat diperoleh informasi yang
berguna. Statistika adalah suatu metode yang menjelaskan tata cara pengumpulan,
penyusunan, penyajian, penganalisaan, dan penginterprestasian data menjadi informasi
yang lebih berguna.
Menurut Sudjana (1996:7), Statistika Deskriptif adalah fase statistika dimana
hanya berusaha melukiskan atau menganalisa kelompok yang diberikan tanpa
membuat atau menarik kesimpulan tentang populasi atau kelompok yang lebih besar
dinamakan Statistika Deskriptif. Dalam materi Statistika Deskriptif, terdapat Regresi dan
Korelasi. Regresi dan korelasi digunakan untuk mempelajari pola dan mengukur
hubungan statistik antara dua atau lebih variabel.
Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik
pengukuran asosiasi / hubungan (Measures of association). Teknik ini berguna untuk

mengukur kekuatan hubungan antara dua variabel (kadang lebih dari dua variabel)
dengan skala-skala tertentu.
Regresi merupakan salah satu analisis yang bertujuan untuk mengetahui
pengaruh suatu variabel terhadap variabel lain .Dalam analisis regresi ,variabel yang
mempengaruhi disebut independent variabel (variable bebas) dan variabel yang
dipengaruhi disebut dependent variabel (variabel terikat).

1.2 Rumusan Masalah

Berdasarkan latar belakang di atas, dapat dirumuskan sebuah permasalahan
sebagai berikut :
1.
2.
3.
4.

Apa pengertian Regresi dan Korelasi?

Rumus - rumus yang digunakan pada pengaplikasian Regresi
Contoh soal Regresi
Grafik Regresi

1.3 Tujuan Penulisan

Berikut ini adalah beberapa tujuan penulisan makalah :
1. Untuk mengetahui pengertian dan perhitungan Regresi.
2. Untuk memenuhi tugas akademik mata kuliah Statistika dan Probabilitas.

1.4 Metode Penulisan

Dalam penulisan makalah ini saya menggunakan studi kepustakaan yaitu proses
pencarian dan pengumpulan data dari buku - buku dan situs - situs yang berhubungan
dengan judul makalah yang saya buat.

BAB 2

PEMBAHASAN
2.1 Analisis Regresi
Istilah regresi diperkenalkan oleh seorang yang bernama Francis Gulton dalam
makalah berjudul Regression Towerd Mediacraty in Hereditary Stature. Menurut hasil
penelitian beliau, meskipun ada kecendrungan bagi para orang tua yang tinggi
mempunyai anak yang tinggi dan orang tuanya pendek mempunyai anak pendek,
dengan kata lain bahwa ada kecendrungan bagi rata rata tinggi anak dengan orang
tua yang mempunyai tinggi tertentu untuk bergerak mundur (Regress) kearah tinggi rata
rata seluruh. Penemuan ini ditulis dalam artikel berjudul : Family Likeness in Stature
( Proceedings of Royal Society, London, Vol. 40, 1886). Menurut penjelasannya, ada
suatu kecendrungan untuk rata rata anak dari orang tua dengan tinggi tertentu
bergerak menuju nilai rata rata dari seluruh populasi. Hukum regresi universal dari
Galton telah dibuktikan oleh sahabatnya yang bernama Karl Pearson, dengan jalan
mengumpulkan lebih dari seribu catatan mengenai tinggi dari pada anggota kelompok
keluarga. Karl Pearson menemukan bahwa rata rata tinggi anak laki laki kelompok
orang tua yang tinggi ternyata lebih kecil dari tinggi ayahnya dan rata rata tinggi anak
laki laki dari kelompok orang tua yang pendek ternyata lebih besar dari pada ayahnya,
jadi seolah olah semua anak laki laki yang tinggi dan anak laki laki yang pendek
bergerak menuju kerata rata tinggi dari seluruh anak laki laki, yang menurut istilah
Galton : regression to mediocrity. Dari uraian diatas dapat disimpulkan bahwa pada
umumnya tinggi anak mengikuti tinggi orang tuanya.
Jadi analisa regresi berkenaan dengan studi ketergantungan dari suatu variabel
yang disebut variabel tak bebas (dependent variable), pada satu atau lebih variabel,
yaitu variabel yang menerangkan dengan tujuan untuk memperkirakan atau
meramalkan nilai nilai dari variabel tak bebas apabila nilai variabel yang menerangkan
sudah diketahui. Variabel yang menerangkan sering disebut variabel bebas
(independent variable).
2.2 Analisis Regresi Linier

Regresi linier adalah menentukan satu persamaan dan garis yang menunjukan
hubungan antara variabel bebas dan terikat, yang merupakan persamaan penduga
yang berguna untuk menaksir atau meramalkan variabel terikat. Untuk mempelajari
hubungan hubungan antara beberapa variabel. Analisis ini terdiri dari 2 bentuk, yaitu :
1. Analisis sederhana (simple analysis)
2. Analisis Berganda (multiple analysis)
Analisis sederhana merupakan hubungan antara 2 variabel yaitu variabel bebas
(independent variable) dan variabel tak bebas (dependent variable). Sedangkan analisis
berganda merupakan hubungan antara 3 variabel atau lebih, yaitu sekurang
kurangnya 2 variabel bebas dengan 1 variabel tak bebas.
Variabel bebas merupakan variabel yang peubah peubah tanpa adanya
pengaruh variabel variabel lain, tetapi perubahan yang terjadi pada variabel bebas
akan mengakibatkan terjadinya perubahan pada variabel lain. Variabel tak bebas
merupakan variabel yang hanya akan berubah manakala terjadi perubahan pada
variabel atau variabel yang lain. Analisis regresi berguna untuk mendapatkan hubungan
fungsional antara dua variabel bebas terhadap variabel tak bebas atau meramalkan
pengaruh variabel bebas terhadap variabel tak bebas.
2.3 Regresi Linier Sederhana
Regresi linier sederhana merupakan suatu prosedur untuk mendapatkan
hubungan matematis dalam bentuk suatu persamaan antara variabel tak bebas tunggal
dengan variabel bebas tunggal. Regresi linier sederhana hanya ada satu peubah bebas
X. Bentuk bentuk model umum regresi sederhana adalah hubungan variabel
variabel X dan Y sebenarnya dinyatakan :
Y = 0 + 1 X+

Dimana :

= Variabel bebas

= Variabel tak bebas

0

= Intercept Y dari garis, yaitu titik dimana garis itu memotong sumbu Y

= Kemiringan garis

= Kesalahan penggangu
Jika

ditaksir oleh

b0

dan

sederhana untuk sampel adalah sebagai berikut :

Y =b 0 +b1 X
Dimana :
Y

= Nilai taksiran untuk Y

b0

= Penaksir untuk

b1

= Penaksir untuk

Untuk menentukan

b0

dan

b1

adalah :

b1

, maka bentuk regresi linier

2.4 Regresi Linier Berganda

Banyak persoalan penelitian / pengamatan yang terjadi sebagai akibat lebih dari
dua variabel, atau dengan kata lain memerlukan lebih dari satu peubah bebas dalam
membentuk model regresi. Sebagai salah satu contoh, IPK (Indeks Prestasi Kumulatif)
seorang mahasiswa (Y) bergantung pada jumlah jam belajar (X1), banyaknya buku
yang dibaca (X2), jumlah uang (X3) dan banyak faktor lainnya. Untuk memberikan
gambaran tentang suatu permasalahan / persoalan, biasanya sangat sulit ditentukan
sehingga diperlukan suatu model yang dapat memprediksi dan meramalkan respon
yang penting terhadap persoalan tersebut, yaitu regresi linier berganda.
Bentuk umum model regresi linier berganda untuk populasi adalah :

Dimana
Y

= Pengamatan ke i pada variabel tak bebas

Xk

= Pengamatan ke I pada variabel bebas

= Koeisien regresi variabel bebas

Xk

= Variabel gangguan

Regresi ganda berguna untuk mendapatkan pengaruh dua variabel bebas, atau untuk
mencari hubungan fungsional dua variabel tak bebas atau lebih. Dengan taksiran :

Dimana :
Y

= Nilai taksiran bagi variabel Y

b0
b0

= Taksiran bagi parameter konstanta

,

b1

,,

bk

, ....,

Xk

= Taksiran bagi parameter konstanta

Untuk mencari nilai

X2

b0

b1

,,

bk

,,

diperlukan n buah pasang data (

, Y) yang dapat disajikan dalam tabel berikut :

Tabel Data Hasil Pengamatan dari n Responden (

X1

X2

, ....,

Xk

, Y)

X1

Responden

X1

X2

Xk

X 11

X 21

Xk 1

X 22

Xk 2

Y
1
2
.
.
n

Y1
X 12
Y2

Dari

X1n

X2n

table

X kn

Yn
tersebut dapat dilihat bahwa
Y2

berpasangan dengan

Y1
X 21

berpasangan dengan
,

X 22

, ,

Xk 2

X 11

X 21

, ...,

dan seterusnya.

Persamaan regresi berganda dengan dua variabel bebas , X2 ditaksir oleh :

Dan diperoleh tiga persamaan normal, yaitu :

Xk 1

. Data

Sehingga dalam bentuk matriks dapat dituliskan :

Untuk regresi linier berganda dengan tiga variabel bebas

X1

X2

X3

oleh :

Untuk rumus diatas harus diselesaikan dengan empat persamaan normal yaitu :

ditaksir

Sehingga dalam bentuk matriks dapat dituliskan :

Dimana :
Y

= Variabel terikat (nilai duga)

X1

b0

X2
b1

,
b2

X3

= Variabel bebas

dan

b3

= Koefesien regresi linier berganda

b0

= Nilai Y, apabila

b1

= Besarnya kenaikan / penurunan Y dalam satuan, jika

turun satu satuan dimana

b2

X2

X1

X3

X2

X3

b3

X1

X3

+ atau -

X1

X2

X2

naik /

X3

naik /

konstan

= Besarnya kenaikan / penurunan Y dalam satuan, jika

turun satu satuan dimana

naik /

konstan

= Besarnya kenaikan / penurunan Y dalam satuan, jika

turun satu satuan dimana

X!

konstan

= tanda yang menunjukkan arah hubungan antara Y dengan

variabel bebas X

b0

Harga - harga

b1

b2

dan

b3

yang telah dudapat kemudian

disubtitusikan ke dalam persamaan sehingga diperoleh model regresi linier berganda Y

atas

X1

X2

X3

Dalam persamaan model regresi linier yang diperoleh, maka antara nilai Y
dengan Y akan menimbulkan perbedaan hasil yang sering disebut sebagai kekeliruan.
Ukuran tersebut dapat dihitung oleh kekeliruan baku taksiran
ditentukan dengan rumus :
S y .12 k

Dengan :
Y

= Nilai data hasil pengamatan

= Nilai hasil regresi

= Ukuran sampel

= Banyaknya variabel bebas

( Y Y ' )
=

nk1

S y .12 k

, yang dapat

2.5 Contoh soal Regresi

REGRESI LINEAR SEDERHANA
Hubungan antara kompetensi (X) dan kinerja pegawai (Y) kita ambil sampel acak 15
orang pegawai sebagai berikut :
X

40
55
32
55
50
52
61
44
X
30
22
2240
3064
3258
4048
4044
44
44
48
50
52
55
55
58
61
64
695

4
16
12
24
15
24
22
17
Y4
14
1424
4 26
1220
49
2414
17
14
9
15
24
16
24
20
22
26
245

484
900
1024
1600
1600
1936
1936
2304
2500
2704
3025
3025
3364
3721
4096
34219

XY
308
120
384
160
960
748
616
432
750
1248
880
1320
1160
1342
1664
12092

Akan ditentukan persamaan regresi

maka didapat :

Y atas X

Dari rumus XIV(6) kita peroleh harga-harga :

( Y ) ( X 2) ( X )( XY )
a=
2
n X 2 ( X )
a=

83836558403940
513285483025

a=0,670
2

n X 2 ( X )
b=

n XY ( X )( Y )

b=

15 ( 12092 )( 695 )( 245 )

2
15 ( 34219 )( 695 )

b=

181380170275
513285483025

a=

( 245 )( 34219 ) ( 695 )( 12092 )

15 ( 34219 ) ( 695 )2

b=0,367

Dengan demikian, persamaan regresi linear

atas

untuk soal diatas

adalah :
Y^ =a+bX
Y^ =0,67+ 0,367 X

REGRESI LINEAR BERGANDA

Misalnya kita akan membahas hubungan antara kompetensi

( X1)

dan kompetensi

( X 2 ) dengan kinerja pegawai ( Y ) . Untuk tujuan itu maka kita ambil sampel acak
sebagai berikut :
No Subyek

1
2
3
4
5
6
7
8
9
10

6
7
8
8
9
10
5
12
6
7

X1
12
14
10
16
18
24
12
30
10
6

X2
10
11
14
13
15
20
8
16
12
9

Tentukan persamaan regresi ganda

Penyelesaian :

atas

X1

dan

X2

No Subyek

X1

X2

X1 Y

X2 Y

X1 X2

X 12

X 22

1
2
3
4
5
6
7
8
9
10
Jumlah

6
7
8
8
9
10
5
12
6
7
78

12
14
10
16
18
24
12
30
10
6
162

10
11
14
13
15
20
8
16
12
9
128

72
98
80
128
162
240
60
360
60
112
1372

60
77
112
104
135
200
40
192
72
63
1055

120
154
140
208
270
480
96
480
120
144
2212

144
196
100
256
324
576
144
900
100
256
2996

100
121
196
169
225
400
64
256
144
81
1756

Y =a0 n+a 1 X 1+ a2 X 2
78=10 a 0+ 162a 1+128 a 2 . . . persamaan I

Y X 1=a0 X 1 +a1 X 12 +a2 X 1 X 2

1372=162 a0 +2996 a1 +2212 a2 . . . persamaan II

Y X 2=a0 X 2 +a1 X 1 X 2 +a 2 X 22
1055=128 a 0+ 2212a 1+1756 a 2 . . . persamaan III

Subtitusi dari persamaan I

78=10 a 0+ 162a 1+128 a 2
10 a0=78162 a1128 a2
a0 =7,816,2 a112,8 a 2

Persamaan II
1372=162 a0 +2996 a1 +2212 a2
1372=162 ( 7,816,2 a112,8 a2 ) +2996 a1 +2212 a2
1372=1263,62624,4 a12073,6 a2+ 2996 a1 +2212 a2
108,4=371,6 a1138,4 a2 . . . Persamaan IV

Persamaan III
1055=128 a 0+ 2212a 1+1756 a 2 .
1055=128 ( 7,816,2 a112,8 a2 ) +2212 a1 +1756 a2
1055=998,42073,6 a11638,4 a 2+2212 a1 +1756 a 2
56,6=138,4 a1 +117,6 a 2 . . . Persamaan V

Eliminasi Persamaan IV dan V

51429,44 a1+ 19154,56 a2=15002,566
51429,44 a 1+ 43700,16 a2=21032,56

24545,6 a 2=6029,994
a2=0,2455
371,6 a1138,4 a2=108,4 138,4
138,4 a1 +117,6 a 2=56,6 371,6

Subtitusi

a2

ke persamaan V

138,4 a1 +117,6 a2=56,6

138,4 a1 +117,6(0,2455)=56,6
138,4 a1 +28,87=56,6
138,4 a1=27,73
a1=0,200

Subtitusi

a1

dan

a2

ke persamaan I

10 a0 +162 a1 +128 a2=78

10 a0 +162 ( 0,200 ) +128 ( 0,2455 )=78
10 a0 +32,4+ 31,424=78
10 a0=7832,431,424
10 a0=14,176
a0 =1,4176

Jadi persamaan regresi ganda

Y^ =1,4176+ 0,200 X 1+ 2,2455 X 2

2.6 Grafik Regresi

Diketahui data sebagai berikut :

atas

X1

dan

X2

adalah :

Maka kita mendapatkan tabel regresi mengenai hubungan antara DWT dengan LPP, B,
T, H dan Vd (keepatan dinas).

No

Nama
Kapal

DWT
(ton)

GT
(Ton)

LOA
(m)

LPP
(m)

B
(m)

T
(m)

H
(m)

Vd
(knot
)

Amazon

1419
0

1212
9

156.9

145.2
5

22.8
6

8.62

11.2

17

1446
4
1445
4
1319
3
1308
9

1196
4
1196
4

149.6
149.5
8

140.7
7
140.7
6

23.1

8.57

12.8

18.5

23.1

8.6

12.8

16

9909

147.5

22

7.9

10.9

15

9909

147.5

22.2

8.06

10.9

15

2
3
4
5

Meratus
Makassa
r
Meratus
Mamiri
Tanto
Star
Marina Star 3

138
138.5
2

Grafik hubungan antara DWT dengan LPP

DWT -LPP
15000
14000

f(x) = 154.67x - 7877.75

DWT - LPP
Linear (DWT - LPP)
R = 0.42

13000
12000
137 138 139 140 141 142 143 144 145 146

Grafik hubungan antara DWT dengan B

DWT - B
15000
14000

DWTf(x)
- B= 1292.94x - 15409.66
Linear (DWT - B)
R = 0.96

13000
12000
21.8

22

22.2

22.4

22.6

22.8

23

23.2

Grafik hubungan antara DWT dengan T

DWT - T
15000
14500
14000
13500

f(x) = 1900.98x - 1995.17

DWT - T
Linear (DWT - T)
R = 0.91

13000
12500
12000
7.8

7.9

8.1

8.2

8.3

8.4

8.5

8.6

Grafik hubungan antara DWT dengan H

8.7

DWT - H
15000
14000

f(x) = 582.93x + 7046.08

DWT - H
Linear (DWT - H)
R = 0.72

13000
12000
10.5

11

11.5

12

12.5

13

Grafik hubungan antara DWT dengan Vd

DWT - Vd
15000
14500
14000

f(x) = 369.43x + 7856.26

R -=Vd
0.64
DWT
Linear (DWT - Vd)

13500
13000
12500
12000
14.5 15 15.5 16 16.5 17 17.5 18 18.5 19

BAB 3
PENUTUP
Kesimpulan
Regresi berkenaan dengan studi ketergantungan dari suatu variabel yang
disebut variabel tak bebas (dependent variable), pada satu atau lebih variabel, yaitu
variabel yang menerangkan dengan tujuan untuk memperkirakan atau meramalkan nilai
nilai dari variabel tak bebas apabila nilai variabel yang menerangkan sudah diketahui.
Variabel yang menerangkan sering disebut variabel bebas (independent variable).

Regresi linier sederhana merupakan suatu prosedur untuk mendapatkan

hubungan matematis dalam bentuk suatu persamaan antara variabel tak bebas
tunggal dengan variabel bebas tunggal. Regresi linier sederhana hanya ada satu
peubah bebas X. Bentuk bentuk model umum regresi sederhana adalah
hubungan variabel variabel X dan Y sebenarnya dinyatakan :

Y = 0 + 1 X+

Regresi ganda berguna untuk mendapatkan pengaruh dua variabel bebas, atau
untuk mencari hubungan fungsional dua variabel tak bebas atau lebih. Dengan
taksiran :

DAFTAR PUSTAKA
http://rudisiswoyo89.blogspot.com/2013/11/analisis-regresi.html

http://arsyil.blogspot.com/2010/01/makalah-statistika-penerapan-analisis.html
http://repository.usu.ac.id/bitstream/123456789/23658/3/Chapter%20II.pdf