BAB 1

PENDAHULUAN
1.1 Latar Belakang
Statistika adalah ilmu yang mempelajari proses merencanakan, mengumpulkan,
menganalisis dan mempresentasikan data. Statistika merupakan ilmu yang berkenaan
dengan data, sedang statistik adalah data, informasi, atau hasil penerapan algoritma
statistika pada suatu data. Dari kumpulan data, statistika dapat digunakan untuk
menyimpulkan atau mendeskripsikan data; ini dinamakan statistika deskriptif. Kali ini,
kita akan membahas tentang ilmu Statistika Deskriptif.
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.
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 beberapa permasalahan
sebagai berikut :
1.
2.
3.
4.

Apa pengertian dari Regresi?

Rumus apasaja yang digunakan pada metode Regresi?
Contoh-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.
3. Untuk dapat mengetahui cara pengaplikasian metode Regresi

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
Analisis Regresi dalam statistika adalah salah satu metode untuk menentukan
hubungan sebab-akibat antara satu variabel dengan variabel(-variabel) yang lain.
Variabel "penyebab" disebut dengan bermacam-macam istilah: variabel penjelas,
variabel eksplanatorik, variabel independen, atau secara bebas, variabel X (karena
seringkali digambarkan dalam grafik sebagai absis, atau sumbu X). Variabel terkena
akibat dikenal sebagai variabel yang dipengaruhi, variabel dependen, variabel terikat,
atau variabel Y. Kedua variabel ini dapat merupakan variabel acak (random), namun
variabel yang dipengaruhi harus selalu variabel acak
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 :
Y

= 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

, maka bentuk regresi linier

b1

= Penaksir untuk

Untuk menentukan

b0

dan

b1

adalah :

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

= Pengamatan ke i pada variabel tak bebas

Xk

= Pengamatan ke I pada variabel bebas

= Koeisien regresi variabel bebas

= Variabel gangguan

Xk

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

2.5 Contoh soal Regresi

REGRESI LINEAR SEDERHANA

( Y Y ' )
=

nk1

S y .12 k

, yang dapat

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
30
22
40
64
58
48
44

4
16
12
24
15
24
22
17
4
14
24
26
20
9
14

Akan ditentukan persamaan regresi

X

X2

XY

22
30
32
40
40
44
44
48
50
52
55
55
58
61
64
695

14
4
12
4
24
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

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

Y atas X

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

maka didapat :

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

a=

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

2
15 ( 34219 ) ( 695 )

83836558403940
513285483025

a=0,670
2

n X 2 ( X )
b=

n XY ( X )( Y )

b=

15 ( 12092 )( 695 )( 245 )

15 ( 34219 )( 695 )2

b=

181380170275
513285483025

b=0,367

Dengan demikian, persamaan regresi linear

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

REGRESI LINEAR BERGANDA

atas

untuk soal diatas

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 Su byek
1
2
3
4
5
6
7
8
9
10

Y
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

atas

X1

dan

X2

Penyelesaian :
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

atas

X1

dan

X2

adalah :

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

2.6

No

Nama
Kapal

Mercu
Buana

Meratus

3
4
5

Meratus
Mamiri
Arga
Bima
Star 3

DWT
(ton)

GT
(Ton)

1419
0
1446
4
1445
4
1319
3
1308
9

1212
9
1196
4
1196
4

LOA
(m)
156.9
149.6
149.5
8

9909

147.5

9909

147.5

Grafik Regresi
Diketahui data sebagai berikut :

LPP
(m)

B
(m)

T
(m)

H
(m)

Vd
(knot
)

145.2
5
140.7
7
140.7
6

22.8
6

8.62

11.2

17

23.1

8.57

12.8

18.5

23.1

8.6

12.8

16

138
138.5
2

22

7.9

10.9

15

22.2

8.06

10.9

15

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

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

Grafik hubungan antara DWT dengan T

23.2

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

8.7

Grafik hubungan antara DWT dengan H

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

Grafik hubungan antara DWT dengan Vd

13

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 merupakan suatu alat ukur yang juga dapat digunakan untuk mengukur
ada atau tidaknya korelasi antarvariabel. Jika kita memiliki dua buah variabel atau lebih
maka sudah selayaknya apabila kita ingin mempelajari bagaimana variabel-variabel itu
berhubungan atau dapat diramalkan.

Analisis regersi berguna untuk mendaptkan hubungan fungsional antara dua

variabel atau lebih. Selain itu analisis regersi berguna untuk mendapatkan pengaruh
antar variabel prediktor terhadap variabel kriteriumnya atau meramalkan pengaruh
variabel prediktor terhadap variabel kriteriumnya (Usman & Akbar, 2006).
Analisis regresi mempelajari hubungan yang diperoleh dinyatakan dalam
persamaan matematika yang menyatakan hubungan fungsional antara variabelvariabel. Hubungan fungsional antara satu variabel prediktor dengan satu variabel
kriterium disebut analisis regresi sederhana (tunggal), sedangkan hubungan fungsional
yang lebih dari satu variabel disebut analisis regresi ganda.
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://id.wikipedia.org/wiki/Statistika

http://id.wikipedia.org/wiki/Analisis_regresi
http://rudisiswoyo89.blogspot.com/2013/11/analisis-regresi.html

TUGAS STATISTIKA & PROBABILITAS

ANALISIS REGRESI

Dosen Pengampu : Berlian Arswendo A, ST,MT

Disusun oleh : Ariokh Batara Gunadi Purba (21090114190158)

PROGRAM STUDI S1 TEKNIK PERKAPALAN FAKULTAS TEKNIK

UNIVERSITAS DIPONEGORO
SEMARANG
2015