Analisis regresi mempelajari bentuk hubungan antara satu atau lebih peubah bebas
(X) dengan satu peubah tak bebas (Y). dalam penelitian peubah bebas ( X) biasanya
peubah yang ditentukan oelh peneliti secara bebas misalnya dosis obat, lama
penyimpanan, kadar zat pengawet, umur ternak dan sebagainya. Disamping itu peubah
bebas bisa juga berupa peubah tak bebasnya, misalnya dalam pengukuran panjang badan
dan berat badan sapi, karena panjang badan lebih mudah diukur maka panjang badan
dimasukkan kedalam peubah bebas (X), sedangkan berat badan dimasukkan peubah tak
bebas (Y). sedangkan peubah tak bebas (Y) dalam penelitian berupa respon yang diukur
akibat perlakuan/peubah bebas (X). misalnya jumlah sel darah merah akibat pengobatan
dengan dosis tertentu, jumlah mikroba daging setelah disimpan beberapa hari, berat ayam
pada umu tertent dan sebagainya.
Bentuk hubungan antara peubah bebas (X) dengan peubah tak bebas (Y) bisa dalam
bentuk polinom derajat satu (linear) polinom derajat dua (kuadratik). Polinim derajat tiga
(Kubik) dan seterusnya. Disamping itu bisa juga dalam bentuk lain misalnya
eksponensial,logaritma,sigmoid dan sebagainya. Bentuk-bentuk ini dalam analisis
regresi-korelasi biasanya ditransformasi supaya menjadi bentuk polinom.
Dalam bentuk yang paling sederhana yaitu satu eubah bebas (X) dengan satu peubah
tak bebas (Y) mempunyai persamaan :
Y =a +bx
Disini a disebut intersep dan b koefisien arah
Dlam pengertian fungsi persamaan garis Y + a +bx hanya ada satu yang dapat
dibentuk dari dua buah titik denagn koordinat yang berbeda yaitu ( X 1, Y1) dan X2,Y2).
Hal ini berarti kita bisa membuat banyak sekali persamaan garis dalam bentuk lain
melalui dua buat titik yang berbeda koordinatnya/tidak berimpit.
Persamaan garis melalui dua buah titik dirumuskan sebagai berikut :
(Y Y) 1 (X X 1 )
(Y2 Y1 ) (X 2 X 1
Y
Y=a+bx X
-----------------
y
b
x
-------------------------
a - x
……………………..
Sebagai contoh misalnya titik A (1,3) dan titik B ($,9) maka persamaan gais linear yang
dapat dibuat adalah :
(Y 3) ( X 1)
(9 3) (4 1)
3 1 1 a
9 1 4 b
1
a 1 1 a
b 1 4 b
a 1 4 1 3
b (4 1) 1 1 9
a 4 / 9 1/ 33 4 3 1
b 1/ 3
1/ 3 9 1 3 2
i= 1,2,3,…..n
disini βo adalah penduga a, β1 adlah penduga b dan εi merupakan besarnya simpangan
persamaan garis penduga. Semakin kecil nilai ε i persamaan regresi yang diperoleh akan
semakin baik.
Jadi kita dapat menuliskan pengamatan kita menjadi
y1 o 1 X 1 1
y 2 o 1 X 2 2
y 3 o 1 X 3 3
…………………..
y n o 1 X n n
Jadi kita peroleh matrik Y,X,β dan ε dengan dimensi sebagi berikut :
β
Y
nx1 nx2
X
2x1
nx1
ε
Y1 1 X1
Y 1 X 2
2
1 1 1 ......... 1 Y3 1 1 1 ........ 1 1 X 3 o
X
1 X2 X2 ........... X n . X 1 X2 X3 ...... X n . . 1
. . .
Yn 1 X n
n n
Y i n X o
i
n i 1
n i 1
2 1
n
XY X
Xi
i 1
i i
i 1
i
i 1
1
n
n
0
n Xi Yi
n ni 1
i 1
n
1 X 2 XY
X1
i 1
i
i 1
i 1
i i
Jadi β=(X’X)-1X’Y
Disini(X’X)-1 adalah kebalikan (inverse)dari matrik X’X
n 2 n
1 X i Xi
(X’X)-1 = n n
i 1n i 1
2
n X i ( X i ) X i
2
n
i 1 i 1
i 1
Y 1 X
n
o n n
Jadi X i Yi ( X i )( Yi ) / n
1 i 1 i 1 i 1
n n
X i 2 ( X i ) 2 / n
i 1 i 1
Contoh
Seorang peneliti ingin mengetahui bentuk hubungan antara jumlah cacing jenis
tertentu denagn jumlah telurnya pada usus ayam buras. Untuk tujuan tersebut diperiksa
20 ekor ayam dan ditemukan sebagai berikut :
Tabel 1 jumlah cacing dan jumlah telurnya pada usus ayam buras am buras.
No Jumlah Cacing ( Xi) Jumlah telurnya (Yi)
1 12 45
2 14 50
3 13 51
4 12 43
5 15 61
6 16 62
7 13 50
8 11 43
9 10 40
10 11 44
11 12 48
12 13 52
13 17 70
14 19 76
15 13 53
16 11 43
17 16 60
18 12 48
19 14 53
20 15 63
Total 269 1055
rataan 13,45 52,75
Dari data diatas kita bisa menghitung :
n
X
i 1
i =12+14+13+…………………………+15=269
Y
i 1
i =45+50+51+……………………….+63=1055
X 2
i =122+142+132+……………………+152=3719
i 1
Y 2
i =452+502+512+……………………+622=57449
i 1
X Y
i 1
i i =12x45+14x50+13x51+…………………+15x63=14604
1 n 1
X
n i 1
Xi
20
269 13,45
1 n 1
X
n i 1
Yi
20
1055 52,75
Bila kita duga bentuk hubungan antara jumlah cacing (X)dan jumlah telurnya (Y)
adalah :
Ŷi=β0 +β1Xi+εi
i=1,2,3,……………………..,20
disini Ŷi adalah dugaan Yi
jadi persamaan normalnya adalah :
X’Y =X’Xβ
20 n
Yi 20 X i 0
20i 1 20 i 1
2 1
20
XY X
X1
i 1
i i
i 1
i
i 1
1055 20 269 o
14604 269 3719
1
20 2 20
n 2
o 1 X1 X i Yi
20 i 120 20i 1
i 1
20
( X i ) 2 X i X i Yi
1 20 X 2
1 i 1 i 1
i 1
20
i 1
β0
0 _
X
n n 2
(Yi Y .) 2 i Y . (Yi Y i)
i 1 i 1
n n
i 1 i 1 n i 1
n n
1
JK Regresi = (Yˆi Y .) ( X ' Y ) ( Yi )
2 2
i 1 n i 1
n n 2
n
Sedangkan= (Yˆ
i 1
i Y .)(Yi Yˆi ) 0
Untuk menetukan apakah garis regresi yang kita peroleh cukkup dapatdipercaya maka
kita dapat mengujinya dengan uji F seperi tabel sidik ragam dibawah ini
Total n-1 JK T
KTR
Jika hasil hitungan yaitu F hitung ( )≥ dari F tabel (0,05; p,n-1-p) maka dapat
KTG
disimpulkan persamaan garis regresi nyata (P<0,05) bentuk persamaannya seperti yang
KTR
kita duga demikian pula jika F hitung ( )≥ dari F tabel (0,05; p,n-1-p) maka dapat
KTG
disimpulkan persamaan garis regresi sangat nyata (P>0,05) atau dengan kata lain
persamaaan garis regresi tersebut tidak bisa kita terima sebagai penduga hubungan antara
peubah (X) dengan Peubah (Y)
Bila bentuk hubungan antar peubah X dengan peubah Y sudah dapat kita terima maka
kita ingin pula mengetahui seberapa besar keeratan hubungannya(korelasinya). Walaupun
bentuk hubungan antara peubah X dengan peubah Y ada dalam bentuk yang benar belum
tentu korelasinya bsar karena banyakpeubah lain yang turut mempengaruhi perubahan
peubah Y
Besarnya perubahan peubah Y yang dapat diterangkan oleh peubah X dengan
menggunakan persamaan garis regresi yang diperoleh disebut koefisien determinan
Koefisien determinat diberi lambing r2 untukbentuk persamaan garis regresi
sederhana dan R2 untuk bentuk persamaan lainnya, besarnya 0<r2 =R2<1 dan dihitung
dengan rumus :
JK Re gresi
r2 R2
JKTotal
i 1 n i 1 20
= 57449-55651,25=1797,75
1 n
JK Regresi = (X’Y)’β ( Yi ) (1055)(2,442)+ (14606)(4,103) – 55651,25
2
n i 1
=1692,625
.JK Galat = JK total- JK Regresi =
= 1797,75-1692,625=105,098
Total 19 1797,750
Jadi dapat disimpulkan bahwa persamaan garis regresi yang diperoleh sangat nyata
(P<0,01) karena F hitung> F tabel pada taraf signifikansi 0,01 (289,89>8,29)
JKregresi 1692,652
Jadi r JKTotal 1797,750 0,9415
2
n n n n
Yi n Xi 1 Xi 2 .......... ... Xip
n i 1 n i 1
n n
i 1
n
i 1
Xi1Yi Xi1Xip
i 1
i 1
Xi1 i 1
X i2 1 i 1
Xi1Xi 2 .......... ... i 1
n n n n n 2
Xi 2Yi Xi 2 Xi 2 Xi1 X i2 .......... .... Xi 2 Xip
i 1 i 1 i 1 i 1 i 1
.......... .......... ...... .......... ....... .......... ....... .......... ... .......... ......
n n n n n
XipYi Xip XipXi1 XipXi1 .......... .... 2
X i p
i 1 i 1 i 1 i 1 i 1
Jadi :β= (X’X)-1X’Y
Jika elemen-elemen matrik X kita kurangi dengan rata-rata elemen-elemen tiap kolomnya
maka diperoleh matrik XA. sebagai contoh kita untuk p=2 maka matriknya adalah sebagai
berikut :
( X 11 X .1 ) ( X 12 X .2 )
( X 21 X .1 ) ( X 22 X .2 )
X A ( X 31 X .1 ) ( X 32 X .2 )
.............. ..............
( X X . ) ( X X . )
n1 1 n2 2
n n
( Xi1 X 1 .) 2 ( Xi 1 X i 2 X . 2 )
X 'A X A n
i 1 i 1
n
( Xi X . )( Xi X . ) 2 2
( Xi2 X 2 . )
1 2 2 2
i 1 i 1
JKX 1 JHKX 1 X 2
Biasanya ditulis : X ' A X A
JHKX 1 X 2 JKX 2
Untuk menguji βi kita cari kekalikan dari matriks XAXA-1kemudian kita gandakan dengan
n
S r2 regresi yaitu ( Yˆi Yi ) /( n p 1) maka pengujian βi dapat dilakukan dengan
2
i 1
rumus :
i
tH
Sbi
Disini √Sbi adalah elemen-elemen diagonal matrik XAXA-1 yang telah digandakan dengan
S r2 regresi
Contoh
Seorang peneliti ingin mengetahui hubungan antara dosis oba tertentu (X) dengan kadar
Creatinin Ginjalnya (Y) dari hasil peneitiannya diperoleh hasil sebagai berikut :
Data hasil penelitiannya sebagai berikut:
No Dosis Obat mg (Xi) Kadar Creatinin % (Yi)
1 1 10
2 2 13
3 3 15
4 4 20
5 5 16
6 7 11
7 3 14
8 2 12
9 4 21
10 6 17
11 7 10
12 8 7
13 8 6
14 1 11
15 3 16
Jawab
Dari data yang diperoleh diduga bentuk persamaan garis regresinya Yi =β0 +β1Xi
+β2X12+εi
Jadi persamaann normalnya adalah X’Y=X’X β
n n n
Yi n Xi X 2
1
ni 1 n i 1
n
i 1
n o
XiYi Xi X 13 1
X
2
i 1 i 1 i 1
1
i 1
n n n n 2
X 12Yi X 12 X 3
1 X1
4
i 1 i 1 i 1 i 1
199 15 64 356 0
803 64 356 2278
1
4055 356 2278 15703 2
1
15 64 356 199
1
64 356 2278 803
2 356 2278 15703 4055
i 1 n i 1 15
= 2903-2640,067=262,933
1 n 2
JK Regresi =(X”Y)’ ( )
n i 1
3,36313
=
6,77799 2
199 803 4055 (199)
0,80123 15
i 1
= 262,933-222,934 =39,999
Jadi tabel sidik ragamnya adalah :
Sumber Derajat Jumlah Kuadrat tengah F F tabel
keragaman bebas kuadrat hitung 0,05 0,01
Regresi 2 222,934 111,476 33,44 3,89 6,93
Total 14 262,933
JKTotal 262,933
Maka R =√0,8479=0,9208
Bila kita bandingkan dengan R0,01(db=2;12)=0,732 maka disimpulkan korelasinya sangat
nyata (P<0,01)
Untuk menguji β1dan β2 maka dicari matrik XAXA dan kebalikkanya (XAXA-1)
n
1 n (64) 2
JK X = Xi ( Xi ) 356
2 2
i 1 n i 1 15
= 356 – 273,0667 = 82,9333
n
1 n (356) 2
JK X = Xi ( Xi ) 15703
2 4 2 2
i 1 n i 1 15
= 15703 -8449,0667 =7253,9333
n
1 n n
JK XX2 = Xi ( Xi ) ( Xi )
3 2
i 1 n i 1 i 1
(64)(356)
= 2278-
15
= 2278 – 1518,9333 =759,0667
82,9333 759,0667
1 0,28545 0,02987
X’AXA = 759,0667 7253,9333, X ' A X A 0,02987
0,00326
0,80123
Untuk 2 maka t H 0,010866
7,69
Bila kita bandingkan t0,005(db=n-p-1=12)=3,055 tH untuk β1 dan β2 lebih besar dari t tabel 0,01
maka disimpulkan koefisien garis regresinya sangat nyata (P<0,01)
dar creatinin Darah (%)
20
Kadar Creatinin Darah
18
16
14
12
10
8
6
4 Y = 3.36313 + 6.77799X – 0.80123X2
2
0
0 2 4 6 8 10
Dosis Obat