Bab I

PENDAHULUAN

1.1 Pengertian Analisis Regresi

Dalam menganalisis suatu peubah bebas dan tak bebas diperlukan suatu alat
yang bisa memeriksa apakah ada hubungan atau tidak diantara peubah-peubah tersebut.
Hubungan yang dimaksud bisa berupa hubungan kedekatan hubungan linier antar peubah
tersebut (korelasi), atau hubungan sebab akibat dimana peubah yang satu dipengaruhi
oleh peubah yang lain. Metode statistik yang digunakan untuk menentukan hubungan
antar paling tidak satu/lebih variabel bebas (independent variable) dan satu variabel tidak
bebas (dependent variable) dengan tujuan untuk meramalkan nilai variabel tak bebas
dalam hubungan dengan nilai variabel bebas tertentu disebut analisis regresi. Hubungan
tersebut bisa dinyatakan lewat persamaan matematis tertentu yang disebut persamaan
regresi.
Persamaan regresi dapat terdiri dari satu peubah bebas dan satu peubah tak
bebas atau beberapa peubah bebas dengan satu peubah tak bebas. Persamaan yang
pertama disebut regresi sederhana, misalnya persamaan yang menggambarkan antara
ukuran diameter pohon dengan tinggi pohon. Persamaan kedua disebut regresi berganda,
misalkan hubungan antara tinggi badan, berat badan dengan ukuran celana.
1.2 Asumsi Dalam Analisis Regresi
Dalam analisis regresi linier diperlukan asumsi-asumsi yang harus dipenuhi agar
analisis tersebut bisa digunakan. Asumsi-asumsi uyang dimaksud yaitu sebagai berikut :
Eksistensi: Untuk setiap nilai X tertentu, Y merupakan peubah acak dengan
sebaran probabilitas tertentu yang memiliki nilai tengah dan ragam
Saling bebas: Nilai-nilai Y saling bebas satu sama lain secara statistik
Ke-linier-an: Nilai tengah Y,
merupakan fungsi linier dari Xi
Homoskedastisitas: Ragam dari Y homogen untuk semua X
Menyebar normal: Untuk setiap nilai X tertentu, Y menyebar normal dengan nilai
tengah dan ragam
1.3 Tujuan
1.
2.
3.
4.
5.
6.
7.

Analisis regresi digunakan ketika kita ingin :

Menentukan hubungan antara peubah bebas dan tak bebas, serta menjelaskan
kekuatan dan arah hubungannya.
Mencari formula kuantitatif yang menjelaskan peubah tak bebas Y sebagai fungsi
dari peubah bebas X1,X2,,Xk
Ingin menjelaskan hubungan kualitatif dan kuantitatif antara X dengan Y tetapi
dengan mengontrol efek dari variabel tetap Ci yang memiliki hubungan erat
dengan peubah tak bebas
Ingin menyeleksi peubah bebas yang dianggap penting, atau menduga peubah tak
bebas
Ingin memperoleh model matematik terbaik
Membandingkan beberapa hubungan regresi turunan
Ingin mengetahui efek iterasi dari dua atau lebih peubah bebas

8. Ingin menghasilkan dugaan yang valid untuk satu atau lebih koefisien regresi
1.4 Analisis Ragam
Pengujian model dalam analisis regresi dapat dilakukan dengan menggunakan
analisis ragam, komponen keragamannya dapat diuraikan seperti terlihat pada tabel
berikut :
Tabel 1. struktur analisis ragam dari regresi linier berganda yang meilbatkan p buah
peubah bebas
Sumber
Derajat BebasJumlah KuadratKuadrat TengahF-hitung
Keragaman
(db)
(JK)
(KT)
Regresi

JKR/2
' X ' Y nY

KTR/KTS

Sisaan

n-p-1

Y ' Y ' X ' Y JKS/n-2-1

Total

n-1

Y ' Y nY

Bentuk hipotesis yang diuji dalam analisis ragam di atas adalah:

H0 : 1= 2== p=0
H1 : ada i damana i0
Hipotesis nol ditolak jika nilai F-Hitung > F (p,n-p-1) atau jika nilai-p lebih kecil dari taraf
nyata(). Jika hipotesis nol ditolak berarti dari p peubah bebas yang dilibatkan dalam
model regresi linier berganda tersebut diharapkan terdapat paling sedikit satu peubah
bebas yang berpengaruh langsung terhadap peubah tak bebas.

Bab II

PEMBAHAHASAN

2.1 Deskripsi Percobaan

Data yang akan dianalisis regresi adalah data hasil percobaan mahasiswa jurusan
Budi Daya Pertanian Fakultas Pertanian Institut Pertanian Bogor lulusan tahun 2003. Ada
tiga peubah yang berperan sebagai peubah bebas dalam percobaan ini. Peubah-Peubah
tersebut yaitu pemberian zat pengatur tumbuh NAA(X 1) dengan 4 taraf yaitu 0 ppm, 100
ppm, 200 ppm, dan 300 ppm, kemudian waktu pemberian(X 2) yaitu 6 MST(minggu setelah
tanam) dan 7 MST, dan peubah bebas yang ketiga yaitu lama perendaman(X 3) dengan 3
taraf yaitu 2 jam, 4 jam, dan 6 jam. Sedangkan yang berperan sebagai peubah tak bebas
atau peubah responnya adalah persentase stek hidup tanaman anyelir (Dianthus
caryophyllus L.). Dari percobaan ini ingin diduga model hubungan dengan analisis regresi
yang nantinya bisa digunakan untuk memperkirakan respon yang akan diperoleh ketika
ketiga peubah bebas tadi nilainya dirubah.
2.2 Data Hasil Pengamatan
Dari percobaan yang telah dilakukan, diperoleh data sebagai berikut.
Tabel 2. data pengamatan persentase stek hidup tanaman anyelir
NAA MST LRendam %stek
0
6
2
83,30
0
6
4
83,30
0
6
6
83,30
100
6
2
83,30
100
6
4
83,30
100
6
6
66,60
200
6
2
83,30
200
6
4
66,60
200
6
6
33,30
300
6
2
66,60
300
6
4
33,30
300
6
6
33,30
0
7
2
66,60
0
7
4
49,95
0
7
6
83,30
100
7
2
49,95
100
7
4
33,30
100
7
6
49,95
200
7
2
16,65
200
7
4
33,30
200
7
6
16,65
300
7
2
33,30
300
7
4
16,65
300
7
6
0,00
2.3 Pemeriksaan asumsi

Sebelum kita melakukan analisis regresi terhadap data yang diperoleh, kita harus
memeriksa apakah asumsi-asumsi untuk melakukan pengujian tersebut terpenuhi atau
tidak. Hal yang perlu dilakukan untuk pertama kalinya adalah eksplorasi data, kita buat
hubungan antar peubah dengan scatter plot atau plot pencaran antar peubah. Eksplorasi
data merupakan pemeriksaan terhadap data untuk mengetahui pola hubungan antara
peubah bebas(X1, X2, X3) dengan peubah tak bebas(Y). Plot tersebut bisa kita lihat di
bawah ini.
300

NAA

200

100

0
0

10

20

30

40

50

60

70

80

90

%stek

Gambar 1. plot antara zat NAA dengan persentase stek hidup tanaman anyelir

MST

7,0

6,5

6,0
0

10

20

30

40

50

60

70

80

90

%stek

Gambar 2. plot antara waktu pemberian dengan persentase stek hidup tanaman
anyelir
6

LRendam

2
225

0 NAA
10

20

30

40

50

60

70

80

90

%stek

75

Gambar 3. plot antara

lama perendaman dengan persentase stek hidup tanaman
6,75
MSTanyelir
6,25
5
LRendam

3
62,475

%stek

20,825

4
75

5
22

5
6 ,2

5
6,7

20

5
,82

5
,47
62

Gambar 4. matriks plot antar peubah

Dari scatter plot diatas, dapat kita lihat bahwa pola hubungan yang dihasilkan berupa
pola linier. Dari matrix plot tersebut dapat terlihat pola hubungan antara setiap pasangan
peubah. Hanya saja, sebaiknya plot ini tidak digunakan untuk banyak sekali peubah,
karena gambar pola hubungan antar peubah menjadi tidak jelas.
Asumsi yang kita uji yaitu kenormalan dari galat. Untuk menguji hal ini, bisa kita
gunakan normal probability plot dari galat.
Normal Probability Plot of the Residuals
(response is %stek)
2

Normal Score

-1

-2
-20

-10

10

20

30

Residual

Gambar 5. plot kenormalan dari galat/sisaan

Histogram of the Residuals
(response is %stek)
6

Frequency

5
4
3
2
1
0
-1,5

-1,0

-0,5

0,0

0,5

1,0

1,5

2,0

2,5

Standardized Residual

Gambar 6. Histogram standardized residual

Dari gambar di atas, terlihat bahwa plot dari galat mengikuti garis lurus yang
berarti mengikuti sebaran normal sehingga asumsi ini terpenuhi. Asumsi ini dibutuhkan
ketika kita akan melakukan analisis ragam.
Selanjutnya kita menguji apakah kebebasan dari galat terpenuhi atau tidak. Untuk
mengujinya, bisa kita amati gambar dibawah ini.
Residuals Versus the Fitted Values
(response is %stek)

Standardized Residual

-1

-2
0

10

20

30

40

50

60

70

80

90

100

Fitted Value

Gambar 7.plot standardized residual dengan penduga Y

Gambar di atas menunjukan bahwa galat saling bebas satu sama lain karena plot
tersebut tidak membentuk suatu pola. Dari sini, kita bisa mengetahui bahwa asumsi
kebebasan terpenuhi.
Pemeriksaan asumsi selanjutnya yaitu pemeriksaan kehomogenan ragam.
Pemeriksaan ini dapat dilakukan dengan melihat ploy antara Y dengan X atau plot antara
residual dengan X.

30
20

RESI1

10
0
-10
-20
0

100

200

300

NAA

Gambar 8. plot antara residual dengan zat NAA (X 1)

30
20

RESI1

10
0
-10
-20
6,0

6,5

7,0

MST

Gambar 9. plot antara residual dengan waktu MST (X 2)

30

RESI1

20
10
0
-10
-20
2

LRendam

Gambar 10.plot residual dengan lama perendaman(X 3)

Dari ketiga plot diatas menunjukkan pola yang sama dimana semakin besar X
tebaran datanya sama. Hal ini menuujukkan bahwa asumsi kehomogenan ragam dipenuhi.
Namun, apabila asumsi ini tidak dipenuhi, dapat kita atasi dengan metode kuadrat terkecil
terboboti (weighted least square). Metode ini serupa dengan metode kuadrat terkecil biasa
namun ragamnya harus diboboti sehingga diperoleh ragam yang homogen.
Dari pemeriksaan asumsi di atas, bisa kita gabungkan dalam satu gambar hasil
output Minitab berikut.
Residual Model Diagnostics
Normal Plot of Residuals

I Chart of Residuals

30

Residual

Residual

20
10
0
-10
-20
-1

UCL=43,03

Mean=-8,1E-14

LCL=-43,03

10

15

20

Normal Score

Observation Number

Histogram of Residuals

Residuals v s. Fits

30

20

Residual

Frequency

-2

50
40
30
20
10
0
-10
-20
-30
-40
-50

3
2
1

25

10
0
-10
-20

0
-20 -15-10 -5 0

5 10 15 20 25 30

Residual

0 10 20 30 40 50 60 70 80 90

Fit

Gambar 11. diagnostik model residual

2.4 Analisis Data

Dari hasil yang diperoleh, besarnya nilai korelasi diantara peubah-peubah tersebut
yaitu sebagai berikut.
Correlations: NAA; MST; LRendam; %stek
MST
LRendam
%stek

NAA
0,000
1,000

MST

0,000
1,000

0,000
1,000

-0,656
0,001

-0,560
0,004

LRendam

-0,229
0,283

Cell Contents: Pearson correlation

P-Value

Hasil di atas menunjukkan nilai korelasi antara peubah respon dengan ketiga peubah
bebas kecil sekali yaitu sebesar 0,001, 0,004, 0,283 yang berarti keeratan hubungan linier
antara peubah-peubah tersebut begitu rendah.
Jika kita inginkan model regresi yang hanya terdiri satu peubah bebas, dalam hal
ini zat NAA, maka hasil outputnya sebagai berikut.
Regression Analysis: %stek versus NAA
The regression equation is
%stek = 74,9558 - 0,152733 NAA
S = 20,5336

R-Sq = 43,0 %

R-Sq(adj) = 40,4 %

Analysis of Variance
Source
Regression
Error
Total

DF
1
22
23

SS
6998,2
9275,8
16274,0

MS
6998,24
421,63

F
16,5982

P
0,001

Fitted Line Plot: %stek versus NAA

Regression Plot
%stek = 74,9558 - 0,152733 NAA
S = 20,5336

R-Sq = 43,0 %

R-Sq(adj) = 40,4 %

90
80
70

%stek

60
50
40
30
20
10
0
0

100

200

300

NAA

Gambar 12. garis regresi antara zat NAA dengan persentase stek hidup
Dari hasil Minitab diatas, model regresi dugaan yang diperoleh yaitu Y= 74,9558
0,152733X. R2 yang diperoleh ternyata hanya sebesar 43,0% dengan nilai-p sebesar

0,001. Artinya sekitar 43,0% keragaman dari Y(persentase stek hidup) dapat dijelaskan
oleh model regresi linier sederhana (oleh zat NAA). Hal ini mununjukkan bahwa model
tersebut tidak cukup memadai.
Sebagai perbandingan, kita coba model regresi dengan dua peubah bebas yaitu
zat NAA dengan waktu MST. Hasil analisis dari model tersebut sebagai berikut.
Regression Analysis: %stek versus NAA; MST
The regression equation is
%stek = 264 - 0,153 NAA - 29,2 MST
Predictor
Constant
NAA
MST

Coef
264,49
-0,15273
-29,158

S = 14,10
PRESS = 5478,36

SE Coef
37,72
0,02574
5,756

T
7,01
-5,93
-5,07

R-Sq = 74,3%
R-Sq(pred) = 66,34%

P
0,000
0,000
0,000

VIF
1,0
1,0

R-Sq(adj) = 71,9%

Analysis of Variance
Source
Regression
Residual Error
Total

DF
2
21
23

SS
12099,5
4174,5
16274,0

MS
6049,7
198,8

F
30,43

P
0,000

Model regresi dugaan yang diperoleh yaitu Y= 264 0,153 X 1 29,2X2 dengan R2
sebesar 74,3% dengan nilai-p=0,000. Ada peningkatan nilai R 2 dibandingkan dengan
model sebelumnya. Begitu juga dengan R 2 adjusted dari 40,4% menjadi 71,9%. Hal ini
menunjukkan bahwa model kedua lebih baik, artinya model kedua cukup memadai.
Jika dianggap bahwa modelnya adalah model linier berikut :
Y= 0 + 1X1 + 2X2 + 3X3
Maka hasil analisis regresi dengan Minitab adalah sebagai berikut
Regression Analysis: %stek versus NAA; MST; LRendam
The regression equation is
%stek = 279 - 0,153 NAA - 29,2 MST - 3,64 LRendam
Predictor
Constant
NAA
MST
LRendam

Coef
279,06
-0,15273
-29,158
-3,644

S = 12,89
PRESS = 4979,69

SE Coef
35,09
0,02354
5,264
1,612

T
7,95
-6,49
-5,54
-2,26

R-Sq = 79,6%
R-Sq(pred) = 69,40%

P
0,000
0,000
0,000
0,035

VIF
1,0
1,0
1,0

R-Sq(adj) = 76,5%

Analysis of Variance
Source
Regression
Residual Error
Total

DF
3
20
23

SS
12949,2
3324,8
16274,0

MS
4316,4
166,2

F
25,96

P
0,000

Durbin-Watson statistic = 2,67

Dari outoput terlihat bahwa persamaan regresi dugaan yang didapat adalah :
Y= 279 0,153X1 2,92X2 3,64X3

Dari hasil diatas juga bisa kita lihat bahwa R 2 yang diperoleh sebesar 79,6% dan p-value
sama dengan 0,000. Hal ini menunjukkan bahwa model tersebut cukup memadai.
Jika kita bandingkan model kedua dan ketiga, perbedaan antara R 2 dan R2
adjusted tidak begitu besar. Manakah model yag lebih baik? Kita lihat bahwa model kedua
terdiri dari 2 peubah bebas saja sedangkan model ketiga terdiri dari 3 peubah bebas. Jika
kita anggap bahwa perbedaan antara R 2 adjusted diantara kedua model itu signifikan
maka model ketiga lebih baik. Tapi jika kita anggap bahwa perbedaan itu tidak signifikan,
berarti model kedua lebih baik karena peubah bebas yang menyusun model lebih sedikit.
Pada model ketiga, kita lihat p-value untuk masing-masing peubah. Jika kita
gunakan alpha sebesar 5%, maka kesimpulan yang kita ambil yaitu ketiganya memiliki
koefisien yang tidak nol atau berpengaruh nyata terhadap respon. Namun jika kita
gunakan alpha sebesar 1% maka peubah yang ketiga(lama perendaman) tidak
berpengaruh nyata karena nilai-p untuk X 3 lebih besar dari 1% yaitu 0,035.

10

Bab III

KESIMPULAN

Dari pembahasan sebelumnya, bisa kita simpulkan bahwa data yang kita peroleh
memenuhi asumsi-asumsi untuk dilakukan analisis regresi. Asumsi-asumsi yang dimaksud
yaitu kebebasan galat, kehomodenan ragam dari galat dan kenormalan. Jika asumsiasumsi tersebut tidak terpenuhi maka untuk mengatasinya bisa kita gunakan transformasi,
pembobotan ragam dan sebagainya.
Dari hasil diatas juga, bisa kita simpulkan bahwa model yang diperoleh yang
melibatkan tiga peubah bebas yaitu zat NAA, lama perendaman dan waktu MST cukup
memadai. Keputusan yang diambil yaitu tolak H 0 artinya, ada paling sedikit satu peubah
bebas yang berpengaruh secara nyata terhadap peubah tak bebas/respon (persentase
stek hidup tanaman anyelir).
Jadi, jika kita ingin mengetahui hubungan antara peubah yang satu dengan
peubah yang lain maka alat yang tepat untuk menganalisis hubungan tersebut adalah
analisis regresi.

11

DAFTAR PUSTAKA
Draper, Norman dan Harry Smith.1992.Analisis Regresi Terapan.Gramedia,Jakarta
Mattjik, Ahmad Ansori dan I Made sumertajaya.2002. Perancangan Percobaan dengan
Aplikasi SAS dan Minitab.IPB PRESS, Bogor.
Myers, Raymond H.1989.Classical and Modern regression With Aplications.PWS-KENT
Publishing,Boston.
Susanti, Dini.2003.Pengaruh Pemberian Zat Pengatur Tumbuh NAA dan IBA
serta Lama Perendaman terhadap Perajaran Stek Anyelir. Dari Skripsi
mhs jurusan BDP IPB Bogor.

12