Anda di halaman 1dari 13

Tugas Kelompok

ANALISIS REGRESI

Regresi Linier Sederhana


DOSEN PENGAMPU : DR. AMAT JAIDUN

Oleh TRI R KUNCORO (11712251037)


MUH YAZID (11712251024)

PROGRAM STUDI PENDIDIKAN DASAR PROGRAM PASCASARJANA UNIVERSITAS NEGI YOGYAKARTA 2011
ANALISIS REGRESI Dalam kehidupan sehari-hari sering kali ingin diketahui hubungan antar peubah, misalnya hubungan antara : prestasi belajar dengan IQ, tingkat pendidikan ibu dengan gizi balita, dan sebagainya. Umumnya suatu peuba mempengaruhi peuba yang lainnya. Peubah yang mempengaruhi disebut peubah bebas, sedangkan yang dipengaruhi disebut peubah tak bebas atau peubah terikat. Secara kuantitatif hubungan antara peubah bebas dan peubah terikat dapat dimodelkan dalam bentuk persamaan matematika, sehingga dapat diduga nilai suatu peubah terikat bila diketahui nilai peubah bebasnya, persamaan matematika yang menggambarkan hubungan antara peubah bebas dan peubah terikat disebut persamaan regresi. Persamaan regresi dapat terdiri dari satu atau lebih peubah bebas dan satu peubah terikat. Persamaan yang terdiri dari satu peubah bebas dan satu peubah terikat disebut persamaan regresi sederhana, sedangkan yang terdiri dari beberapa peubah bebas dan satu peubah terikat disebut persamaan regresi berganda. Regresi dapat dipisahkan menjadi regresi linear dan regresi non linear. Sekarang bagaimana persamaan regresi ditentukan apabila hasil pengamatan telah didapat? Ada dua hal yang akan ditinjau disina, ialah dengan metode tangan bebas dan metode kuadrat terkecil

a. Metode tangan bebas Metode ini merupakan metode kira-kira menggunakan diagram pancar berdasarkan hasil pengamatan. Jika fenomena meliputi sebuah variabel bebas X dan variabel terikat Y, maka data dapat digambarkan pada diagram dengan sumbu datar menyatakan X dan sumbu tegak menyatakan Y.titik yang ditentukan oleh absis X dan ordinat Y digambarkan dan terjadilah diagram pancar. Dengan memperhatikan titiktitik dalam diagram bentuk regresi dapat diperkirakan. Jika titik-titik itu sekitar garis lurus maka cukup beralasan untuk menduga regresi linear. Jika letak titik-tik sekitar garis lengkung, maka wajar untuk menduga regresi nonlinear. Penentuan regresi dengan cara seperti ini bersifat tidak tunggal, artinya setiap orang akan memberikan perkiraan yang berbeda bergantung pada pertimbangan masing-masing. Hanya mereka yang betul-betul ahli mungkin dapat menentukan regresi yang baik. b. Metode kuadrat terkecil Metode tangan bebas dapat dipakai untuk menolong menentukan dugaan bentuk regresi apakah linear atau tidak. Apabila tidak betul-betul yakin lebih baik ditentukan dengan cara lain, misalnya dengan cara kuadrat terkecil. Cara ini berpangkal pada kenyataan jumlah pangkat dua ( kuadrat) daripada jarak antara titik-titik dengan garis regresi yang sedang dicari harus sekecil mungkin. Untuk fenomena dari sebuah variabel bebas X dan sebuah variabel terikat Y dimana model regresi linear untuk populasi :

Akan ditaksir harga-harga

oleh a dan b sehingga dapat persamaan regresi menggunakan data sampel :

Misalnya data hasil pengamatan dalam bentuk dbawah ini. Variabel tak bebas (Y) y1 y2
-

Variabel bebas (X) x1 x2


.

yn

Xn

Disini didapat pasangan antara X dan Y yang menyatakan ukuran sampel. Koefisien-koefisien regresi a dan b untuk regresi linear, ternyata dapat dihitung dengan rumus :

Rumus-rumus diatas dipakai untuk menentukan koefisien-koefisien regresi Y atas X. Untuk koefisien regresi X atas Y rumus yang sama digunakan tetapi harus dipertukarkan tempat untuk simbul-simbul X dan Y. Jadi untuk regresi X atas Y yang ditaksirkan oleh

Dengan menggunakan data hasil penelitian maka koefisien-koefisiennya dapat dihitung dengan rumus

REGRESI LINEAR SEDERHANA Untuk analisis regresi akan dibedakan dua jenis variabel ialah variabel

bebas dan variabel terikat. Penentuan variabel bebas dan variabel terikat dalam beberapa hal tidak mudah dilakukan. Studi yang cermat, diskusi yang seksama, berbagai pertimbangan, kewajaran masala yang dihadapi, dan pengalaman akan membantu memudahkan penentuan. Regresi linear sederhana adalah persamaan regresi yang menggambarkan hubungan antara satu peubah bebas (X) dan satu peubah terikat (Y). Hubungan dua peubah tersebut dapat dituliskan dalam bentuk persamaan model regresi populasi

Untuk lebih memudahkan maka akan ditaksir, misalnya parameter-parameter ,.... ditaksir oleh a dan b. Maka persamaan regresinya mrnggunakan data sampel

Dengan simbol

dibaca Y topi. Contoh :

Data berikut melukiskan hasil pengamatan mengenai volume pupuk yang digunakan (X) dengan hasil panen (Y). Selama panenan.

Volume pupuk(X) 1,5 1,8 2,4 3,0 3,5 3,9 4,4 4,8 5,0

Hasil panen(Y) 4,8 5,7 7,0 8,3 10,9 12,4 13,1 13,6 15,3

Untuk menentukan persamaan regresi dugaan maka kita perlu mencari nilai dari , , ,

Volume pupuk(Xi) 1,5 1,8 2,4 3,0 3,5 3,9 4,4

Hasil panen(Yi) 4,8 5,7 7,0 8,3 10,9 12,4 13,1

XiYi 7,2 10,26 16,80 24,90 37,80 48,36 57,64

Xi2 2,25 3,24 5,76 9 12,25 15,21 19,36

4,8 5,0 30,3 ,

13,6 15,3 91,1 n=9

65,28 76,50 345,09

23,04 25 115,11

Jadi persamaan regresi dugaan

Variabel tak bebas Y dalam regresi telah dinyatakan dengan simbol topi).

(dibaca Y

Dengan demikian untuk contoh kita b =2,93 bertanda positif, sehingga kita dapat menyatakan bahwa untuk setiap X(=volume pupuk) bertambah satu volume maka rata-rata panen (Y) bertambah 2,93 volume. Regresi yang didapat, selanjutnya digunakan untuk keperluan ramalan / dugaan apabila harga variabel bebas diketahui. Jika X=10 misalnya, dengan jalan memasukkan harga tersebut kedalam persamaan diatas didapat

Diperkirakan 29,56 hasil panen untuk setiap 10 volume pupuk. Pengujian Terhadap Model Regresi Setelah mempelajari pandangan tentang regresi maka selanjutnya kita akan mempelajari tentang pengujian terhadap model regresi, apakah signifikan atau tidak, yang dapat kita lakukan untuk menguji regresi tersebut ada dua cara yaitu pengujian terhadap ANAVA dengan uji F dan uji parsial dengan uji t.

Anava dengan uji F


Menguji 1 = 0 lawan 0 0 melalui ANAVA Hipotesisnya H0 : 1 = 0 ( Tidak ada hubungan yang signifika antara X dan Y )

H1 : 1 0 ( Ada hubungan yang signifikan antara X dan Y) Table anava untuk pengujian pada model regresi linier sederhana Sumber Keterangan Regresi Galat Total Db 1 N -2 N1 JK JKR JKG JKT KT KTR = JKR/1 Fhitung = KTR/KTG KTG = JKG/ N-2 F (1,n-2) Fhitung Ftabel

H0 ditolak jika Fhitung > Ftabel, itu artinya model regresi signifikan atau ada hubungan linier antara X dan Y Keterangan : JKT :

JKR :

JKR = JKT JKG

Uji Parsial
1. Uji bagi 1 = 0 lawan dari 1 0 melalui uji t Hipotesis H0 : 1 = 0 ( Tidak ada hubungan yang signifikan antara X dan Y )

H1 : 1 0 ( Ada hubungan yang signifikan antara X dan Y) Dengan menggunakan rumus statistik : Thit = Dengan s2{b1} = Kereteria keputusan : H0 ditolak jika dan 2. Uji bagi 0 = 0 lawan dari 0 0 melalui uji t Hipotesinya : H0 : 1 = 0 ( Tidak ada hubungan yang signifika antara X dan Y ) H1 : 1 0 ( Ada hubungan yang signifikan antara X dan Y) Dengan menggunakan rumus statistik Thit = > Ttabel

S2 {b0} = KTG Dengan kriteria keputusan : H0 ditolak jika dan Contoh : 1 Subjek xi yi 1 1,5 4.8 2 1.8 5.7 3 2.4 7.0 4 3.0 8.3 5 3.5 10.9 6 3.9 12.4 7 4.4 13.1 8 4.8 13.6 9 5.0 15.3 > Ttabel

Dari data diatas dipeoleh :

= 3.3667 = 10.1222 Dengan demikian didapat : JKT = 1036.65 9 (10.1222)2 = 114.52 JKG = 1036.65 (0.2568) 91.1 (2.9303) 345.09 = 2.0383 JKR = 114.52 - 2.0383 =112.4817 Table ANAVA untuk data diatas dapat disajikan : Sumber Keterangan Regresi Galat Total Db 1 7 8 JK 112.4817 2.0383 114.52 KT
KTR = 112.4817

Fhitung

Ftabel

Fhitung = 386.4023
KTG = 0.2911

F0.05 (1.7) = 5.59

Dilihat dari table diatas, diperoleh nilai Fhitung lebih besar dari Ftabel sehingga H0 ditolak, yang artinya ada hubungan yang linier antara variable X dan Y.

Contoh : Uji parsial dengan uji S2 {b1} = Dan S2 {b1} = 0.2911 Jadi untuk uji signifikan koepesien b1 T hitung = Uji signifikan konstanta adalah T hitung = Karna t table adalah T0.025;7 = 2.365 maka H0 ditolak uji koepesien b1 dan h0 diterima untuk uji signifikan konstanta

Hormat kami Koencoro Yazid