TUGAS

ANALISA STRUKTUR III

DISUSUN OLEH
NAMA

: Annisa Rimadantia Samudra

NRI

: 13021101078

UNIVERSITAS SAM RATULANGI

FAKULTAS TEKNIK
JURUSAN SIPIL
MANADO
2015

Regresi Linier Sederhana

Regresi atau peramalan adalah suatu proses memperkirakan secara sistematis tentang
apa yang paling mungkin terjadi di masa yang akan datang berdasarkan informasi
masa lalu dan sekarang yang dimiliki. Regresi dapat juga diartikan sebagai usaha
memperkirakan perubahan.
Kegunaan regresi dalam penelitian salah satunya adalah untuk meramalkan atau
memprediksi variabel terikat (Y) apabila variabel bebas (X) diketahui. Regresi
sederhana dapat dianalisis karena didasari hubungan fungsional atau hubungan sebab
akibat (kausal) variabel bebas (X) terhadap variabel terikat (Y). Pada dasarnya analisis
regresi dan analisis korelasi mempunyai hubungan yang sangat kuat dan mempunyai
keeratan. Setiap analisis regresi otomatis ada analisis korelasinya, tetapi sebaliknya
analisis korelasi belum tentu diuji regresi atau diteruskan dengan analisis regresi.
Analisis korelasi yang tidak dilanjutkan dengan analisis regresi adalah analisis korelasi
yang kedua variabelnya tidak mempunyai hubungan fungsional dan sebab akibat.
Apabila peneliti mengetahui hal ini lebih lanut, maka perlu konsep dan teori yang
mendasari kedua variabel tersebut.
Persamaan regresi dirumuskan : Y =a +bX
Dimana :
Y = subjek variabel terikat yang diproyeksikan
X = variabel bebas yang mempunyai nilai tertentu untuk diprediksikan
a = Nilai konstanta harga Y jika X=0
b = Nilai arah sebagai penentu ramalan (prediksi) yang menunjukkan nilai peningkatan
(+) atau nilai penurunan (-) variabel Y.
xy

x
( y)

x2
x 2

n
n
b=

x
a

yb

Berikut ini adalah Langkah-langkah dalam melakukan Analisis Regresi Linear

Sederhana :
1. Tentukan Tujuan dari melakukan Analisis Regresi Linear Sederhana
2. Identifikasikan Variabel Faktor Penyebab (Predictor) dan Variabel Akibat
(Response)
3. Lakukan Pengumpulan Data
4. Hitung X, Y, XY dan total dari masing-masingnya
5. Hitung a dan b berdasarkan rumus diatas.
6. Buatkan Model Persamaan Regresi Linear Sederhana.
7. Lakukan Prediksi atau Peramalan terhadap Variabel Faktor Penyebab atau
Variabel Akibat.
Contoh Kasus Analisis Regresi Linear Sederhana :
Seorang Engineer ingin mempelajari Hubungan antara Suhu Ruangan dengan
Jumlah Cacat yang diakibatkannya, sehingga dapat memprediksi atau
meramalkan jumlah cacat produksi jika suhu ruangan tersebut tidak terkendali.
Engineer tersebut kemudian mengambil data selama 30 hari terhadap rata-rata
(mean) suhu ruangan dan Jumlah Cacat Produksi.
Penyelesaian
Penyelesaiannya mengikuti Langkah-langkah dalam Analisis Regresi Linear
Sederhana adalah sebagai berikut :
Langkah 1

: Penentuan Tujuan

Tujuan
terkendali

: Memprediksi Jumlah Cacat Produksi jika suhu ruangan tidak

Langkah 2

: Identifikasikan Variabel Penyebab dan Akibat

Varibel Faktor Penyebab (X)

Variabel Akibat (Y)

: Suhu Ruangan,
: Jumlah Cacat Produksi

Langkah 3 : Pengumpulan Data

Berikut ini adalah data yang berhasil dikumpulkan selama 30 hari (berbentuk
tabel) :

Tanggal

Rata-rata Suhu
Ruangan

Jumlah Cacat

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

24
22
21
20
22
19
20
23
24
25
21
20
20
19
25
27
28
25
26
24
27
23
24
23
22
21
26
25
26
27

10
5
6
3
6
4
5
9
11
13
7
4
6
3
12
13
16
12
14
12
16
9
13
11
7
5
12
11
13
14

Langkah 4 : Hitung X, Y, XY dan total dari masing-masingnya

Tanggal
1
2
3
4
5
6
7
8

Rata-rata Suhu
Ruangan (X)
24
22
21
20
22
19
20
23

Jumlah
Cacat
(Y)
10
5
6
3
6
4
5
9

X2

Y2

XY

576
484
441
400
484
361
400
529

100
25
36
9
36
16
25
81

240
110
126
60
132
76
100
207

9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Total ()

24
25
21
20
20
19
25
27
28
25
26
24
27
23
24
23
22
21
26
25
26
27
699

11
13
7
4
6
3
12
13
16
12
14
12
16
9
13
11
7
5
12
11
13
14
282

576
625
441
400
400
361
625
729
784
625
676
576
729
529
576
529
484
441
676
625
676
729
16487

121
169
49
16
36
9
144
169
256
144
196
144
256
81
169
121
49
25
144
121
169
196
3112

264
325
147
80
120
57
300
351
448
300
364
288
432
207
312
253
154
105
312
275
338
378
6861

Langkah 5 : Hitung a dan b berdasarkan rumus Regresi Linear Sederhana

Menghitung Konstanta (a) :
a = (y) (x) (x) (xy)
n(x) (x)
a = (282) (16.487) (699) (6.861)
30 (16.487) (699)
a = -24,38

Menghitung Koefisien Regresi (b)

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

b = 30 (6.861) (699) (282)

30 (16.487) (699)
b = 1,45
Langkah 6 : Buat Model Persamaan Regresi
Y = a + bX
Y = -24,38 + 1,45X
Langkah 7 : Lakukan Prediksi atau Peramalan terhadap Variabel Faktor
Penyebab atau Variabel Akibat
I. Prediksikan Jumlah Cacat Produksi jika suhu dalam keadaan tinggi (Variabel X),
contohnya : 30C
Y = -24,38 + 1,45 (30)
Y = 19,12
Jadi Jika Suhu ruangan mencapai 30C, maka akan diprediksikan akan terdapat
19,12 unit cacat yang dihasilkan oleh produksi.
II. Jika Cacat Produksi (Variabel Y) yang ditargetkan hanya boleh 4 unit, maka
berapakah suhu ruangan yang diperlukan untuk mencapai target tersebut ?
4 = -24,38 + 1,45X
1,45X = 4 + 24,38
X = 28,38 / 1,45
X = 19,57
Jadi Prediksi Suhu Ruangan yang paling sesuai untuk mencapai target Cacat
Produksi adalah sekitar 19,57C
Analisis Regresi Linier Berganda
Analisis regresi linier berganda adalah hubungan secara linear antara dua
atau lebih variabel independen (X 1, X2,.Xn) dengan variabel dependen (Y). Analisis ini
untuk mengetahui arah hubungan antara variabel independen dengan variabel
dependen apakah masing-masing variabel independen berhubungan positif atau negatif

dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen
mengalami kenaikan atau penurunan. Data yang digunakan biasanya berskala interval
atau rasio.
Persamaan regresi linear berganda sebagai berikut:
Y = a + b1X1+ b2X2+..+ bnXn
Y
X1 X2
A
B1 B2

= peubah tidak bebas

= peubah bebas
= konstanta regresi
= koefisien regresi

Koefisien Korelasi Linier Berganda

Adalah indeks atau angka yang diigunakan untuk mengukur keeratan hubungan antara
3 variabel/lebih. Koefisien korelasi berganda dirumuskan :

Ry1.2 =

Keterangan :
-

Ry1.2

: koefisien linier 3 variabel

ry1

: koefisien korelasi y dan X1

ry2

: koefisien korelasi variabel y dan X2

r1.2

: koefisien korelasi variabel X1 dan X2

dimana :

ry1 =

ry2 =

r1.2 =

Ry1.2 =

Analisis regresi linear berganda adalah suatu metode statistic. Untuk menggunakannya,
terdapat beberapa asumsi yang perlu diperhatikan:
Nilai peubah, khususnya peubah bebas, mempunyai nilai tertentu atau
merupakan nilai yang didapat dari hasil survey tanpa kesalahan berarti;
Peubah tidak bebas (Y) harus mempunyai hubungan kolerasi linear dengan
peubah bebas (X). jika hubungan tersebut tidak linear, transformasi inar harus
dilakukan, meskipun batasan ini akan mempunyai implikasi lain dalam analisis
residual;
Efek peubah bebas pada peubah tidak bebas merupakan penjumlahan, harus
tidak ada korelasi yang kuat antara sesamapeubah bebas;
Variasi peubah tidak bebas terhadap garis regresi harus sama untuk semua ilia
peubah bebas;
Nilai peubah tidak bebas harus tersebar normal atau minimal mendekati normal;
Nilai peubah bebas sebaiknya merupakan besaran yang relatif mudah
diproyeksikan.
Contoh Soal :

VARIABEL

RUMAH TANGGA
I

II

III

IV

VI

VII

Pengeluaran (Y)

Pendapatan (X1)

10

11

Jumlah Anggota Keluarga (X2)

Pertanyaan :
1. Carilah Nilai Koefisien Korelasinya !
2. Jelaskan makna hubungannya !
Penyelesaian :

No
1
2
3
4
5
6
7

Y
3
5
6
7
4
6
9
40

X1
5
8
9
10
7
7
11
57

X2
4
3
2
3
2
4
5
23

Y2
9
25
36
49
16
36
81
252

X12
25
64
81
100
49
49
121
489

X22
16
9
4
9
4
16
25
83

X1Y
15
40
54
70
28
42
99
348

X2Y
12
15
12
21
8
24
45
137

X1 X2
20
24
18
30
14
28
55
189

Berdasarkan hasil perhitungan diperoleh nilai Korelasi (R) = 0,9686 atau 0,97.
Nilai Korelasi (R) = 0,97 bermakna bahwa hubungan kedua variabel X (X 1 dan X2)
sangat kuat karena nilai R mendekati 1.