Anda di halaman 1dari 15

RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA 2012

Kelompok IV - Laporan Praktikum Regresi Sederhana | 37



LAPORAN AKHIR
PRAKTIKUM STATISTIK

Diajukan untuk Melengkapi Tugas Mata Kuliah
Praktikum Statistik
Pada Program Studi Teknik Industri

Disusun Oleh :

Kelompok 4


Rudini Mulya (41610010035)
Dessy Diardito Miranda (41610010040)
Ihsan Maulana (41610010010)
Yoel Octavianus (41610010043)



PROGRAM STUDI TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS MERCU BUANA
JAKARTA
2012


Diperiksa dan disetujui oleh :


Asisten Praktikum

RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA 2012
Kelompok IV - Laporan Praktikum Regresi Sederhana | 38

LAPORAN PRAKTIKUM
REGRESI SEDERHANA
BAB I
PENDAHULUAN

1.1 Latar Belakang

Analisa regresi digunakan untuk melihat pengaruh variabel prediktor terhadap variabel
respon dengan terlebih dahulu melihat pola hubungan variabel tersebut. Hal ini dapat
dilakukan melalui dua pendekatan yaitu pendekatan parametrik dan pendekatan
nonparametrik. Pendekatan yang paling umum dan seringkali digunakan adalah pendekatan
parametrik. Pendekatan parametrik mengasumsikan bentuk model sudah ditentukan. Apabila
tidak ada informasi apapun tentang bentuk dari fungsi regresi, maka pendekatan yang
digunakan adalah pendekatan nonparametrik (Hardle, 1994). Karena pendekatan
nonparametrik tidak tergantung pada asumsi bentuk kurva tertentu, sehingga memberikan
fleksibilitas yang lebih besar.
Ada beberapa teknik estimasi dalam regresi nonparametrik antara lain estimator
regressogram, estimator Spline, estimator kernel (Eubank, 1999), dan estimator wavelet yang
merupakan pengembangan dari estimator deret Fourier dan estimator kernel (Welastiningsih,
2005). Pendekatan estimator Spline ada bermacam-macam antara lain Spline original, Spline
type M, Spline relaxed, dan Spline terbobot (Budiantara dkk, 2006). Pendekatan Spline
mempunyai suatu basis fungsi. Basis fungsi yang dipakai antara lain truncated power basis
dan B- spline basis (Eubank, 1999).

1.2 Tujuan Praktikum

1. Menaksir model regresi.
2. Menguji signifikansi parameter dari persamaan regresi.
3. Menentukan kualitas dari model regresi yang terbentuk.



RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA 2012
Kelompok IV - Laporan Praktikum Regresi Sederhana | 39

BAB II
LANDASAN TEORI

2.1 Konsep Dasar Analisis Regresi
Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang
paling mungkin terjadi dimasa yang akan datang berdasarkan informasi yang sekarang
dimiliki agar memperkecil kesalahan. Analisis regresi dapat juga diartikan sebagai usaha
memprediksi perubahan. Perubahan nilai suatu variabel dapat disebabkan karena adanya
perubahan pada variabel-variabel lain yang mempengaruhinya. Misalnya, volume pupuk
terhadap hasil panen padi, karena adanya perubahan volume pupuk maka produksi padi
dengan sendirinya akan berubah. Dalam fenomena alam banyak sekali kejadian yang saling
berkaitan sehingga perubahan pada variabel lain berakibat pada perubahan variabel lainnya.
Teknik yang digunakan untuk menganalisis ini adalah analisis regresi.
Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun
persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction).
Dengan demikian, analisis regresi sering disebut sebagai analisis prediksi. Karena merupakan
prediksi, maka nilai prediksi tidak selalu tetap dengan nilai riilnya, semakin kecil tingkat
penyimpangan antara nilai prediksi dengan nilai riilnya, maka semakin tepat persamaan
regresinya. Sehingga dapat didefinisikan bahwa: analisis regresi adalah metode statistik yang
digunakan untuk menentukan kemungkinan hubungan antara variabel-variabel.
2.2 Persamaan Regresi
Persamaan regresi yang digunakan untuk membuat taksiran mengenai variabel
dependen disebut persamaan regresi estimasi, yaitu suatu formula matematis yang
menunjukkan hubungan keterkaitan antara satu atau beberapa variabel yang nilainya sudah
diketahui dengan satu variabel lain yang nilainya belum diketahui.
Sifat hubungan antar variabel dalam persamaan regresi merupakan hubungan sebab
akibat (causal relationship). Oleh karena itu, sebelum menggunakan persamaan maka perlu
diyakini terlebih dahulu secara teoritis atau perkiraan sebelumnya, dua atau lebih variabel
memiliki hubungan sebab akibat. Variabel yang nilainya akan mempengaruhi nilai variabel
lain disebut variabel bebas (independent variabel), sedangkan variabel yang nilainya
dipengaruhi oleh nilai variabel lain disebut variabel tidak bebas (dependent variabel).
RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA 2012
Kelompok IV - Laporan Praktikum Regresi Sederhana | 40

2.3 Persamaan Regresi Sederhana
Regresi linier sederhana yaitu suatu prosedur untuk mendapatkan hubungan
matematis dalam bentuk persamaan antar variabel bebas tunggal dengan variabel tidak bebas
tunggal. Regresi linier sederhana hanya memiliki satu peubah X yang dihubungkan dengan
satu peubah tidak bebas Y.
Bentuk umum dari persamaan regresi linier untuk populasi adalah:

y.x=0
1
+0
2
x

Dengan 1 dan 2 merupakan parameter-parameter yang ada dalam regresi tersebut.
Jika 1 dan 2 ditaksir oleh b0 dan b1, maka regresi sederhana untuk sampel adalah
sebagai berikut:
Y= a+bx+e
Keterangan:
Y= merupakan variabel bergantung (dependent variable)
X= sebagai variabel bebas (independent variable)
a= sebagai konstanta regresi
b= slope atau kemiringan garis regresi
e= error







RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA 2012
Kelompok IV - Laporan Praktikum Regresi Sederhana | 41

BAB III
PENGUMPULAN DAN PENGOLAHAN DATA

3.1 pengumpulan data
3.1.1 statistik Diskriptif
Pada suatu perguruan tinggi mempunyai mahasiswa yang cukup banyak, mahasiswa
tersebut terdiri dari beberapa jurusan dan angkatan, dari kumpulan mahasiswa tersebut akan
dilakukan pengukuran data Tinggi dan Berat badan berdasarkan Umur dan angkatan yang
diwakili oleh 100 mahasiwa, adapun hasil pengukuranya adalah sebagai berikut :

No Nama Usia Berat Badan Tinggi Badan
(Tahun) (Kg) (Cm)
1 Fery Prabowo 20 50 176
2 Dodi Indaryana 26 56 168
3 Hery Kuswanto 19 55 170
4 Nurul Fathia 20 60 160
5 Eka Bayu Saputra 19 50 176
6 Nanda Pratama 19 53 175
7 Rocky Himawan 19 72 182
8 Dhika Prasetyo 20 77 175
9 Lutfy Januari E. P. 18 59 176
10 Indra Nugraha 19 55 175
11 Firman Hermawan 19 59 165
12 Joko Akhiriyanto 19 56 168
13 Panji Kusuma Yudha 19 75 175
14 Arip Mustakim 19 59 176
15 Abdul Rahman 20 48 168
16 M. Aditya 19 75 170
17 Yanuar Ardiansyah 19 71 177
18 Endah Woro Wardani 19 47 162
19 Wiyoga Nur Alamsyah 18 54 160
20 Angga Sodikin 19 58 173
21 Anton Nimus 20 52 165
22 Ahmad Mathuri 19 45 168
23 Irfan Widiarto 19 90 170
24 Eko Setiawan 19 60 169
25 Anton Giardhi Bramanto 19 55 165
26 Wahyu Sugar Ibrahim 21 54 165
27 Ade Pratama 19 57 187
RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA 2012
Kelompok IV - Laporan Praktikum Regresi Sederhana | 42

28 M. Syawal Setiawan 20 95 173
29 Soerja Julianto 20 58 175
30 Diah Utami 19 45 160
31 Kukuh W Dias Utami 19 49 160
32 Al Bayhaki 19 46 173
33 Rambu Naha Tarap 19 49 158
34 Dwi Endartanto 19 69 166
35 Martin 19 60 170
36 M. Arif Maulana 20 62 173
37 Fachturrizki Ramadhan 20 75 175
38
Febriana Purwandari
22 80 170
39
Sidik Dwi Saputra
19 55 170
40
Andy Irawan
19 60 169
41
Rafli
19 55 166
42
Novian
19 50 168
43 Firmansyah 20 75 165
44 Novrian Riyadi 18 57 173
45 Adizty Suparno 18 53 160
46 Dini Maulina 17 45 155
47 M. Yusuf 19 63 160
48 Amalda Zulkarnaen 18 68 168
49 Fortunatus Pake 17 62 162
50 Zamaludin 17 55 170
51 M. Kasroniyanto 20 50 169
52 Azis M. A. 18 79 175
53 Isma 18 50 170
54 Ezra Lisfiani 17 40 160
55 Fauzan Septia M. 18 50 180
56 Yoel Octavianus 18 50 173
57 M. Radityo R. 17 60 175
58 Herlian Saputra 18 100 180
59 Ihsan Maulana 19 60 175
60 Nur Muhammad 18 80 173
61 Wisnu Sudaryanto 17 65 172
62 Denny Permana 18 57 172
63 Dessy Diardito Miranda 17 57 176
64 M. Wahyu S. 18 50 164
65 Aron Mangatas 18 65 175
66 Stefany S. 18 69 170
67 Aliftia S. 18 57 172
68 Yodi Ramadhoni 19 73 170
69 Herman Santoso 20 55 168
70 Aziz Kurniawan 19 48 169
71 Eren Yudy P. 18 44 171
RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA 2012
Kelompok IV - Laporan Praktikum Regresi Sederhana | 43

72 Arie Yones 18 60 170
73 Rudini Mulya 20 57 169
74 Faisal Umar N. 18 65 170
75 Ikhwan H. 17 54 175
76 Ryan Nurhuda 18 57 171
77 Agus Raif 20 50 160
78 Adhitama Febrianto 19 60 162
79 Andri Muliyawan 23 60 173
80 Iwan Sutiyono 20 55 160
81 Eko Suriyanto 20 55 170
82 Dede Permana 20 49 175
83 Achmad Adnan Kasogi 19 58 168
84 Panji Aryo Priyadi 20 55 160
85 Steven Miky Pangkey 22 48 165
86 Ibnu Malik 20 50 168
87 Chandra Adi Putra 20 55 173
88 Yovan Arifin 20 50 176
89 Ricky Reza Adhavi 20 49 167
90 Ria Qori'ah 20 53 155
91 Anisah H 20 50 165
92 Ian Danarko 21 60 172
93 Heri Nurmansyah 22 60 170
94 Irwan Yosia 22 55 171
95 Lucyana 21 48 170
96 Eka Rachmatillah 22 60 169
97 Wawan 22 64 170
98 Baskoro 22 65 169
99 Bagus 20 68 169
100
Ossa Sutaarga
22 50 168








RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA 2012
Kelompok IV - Laporan Praktikum Regresi Sederhana | 44

BAB IV
PEMBAHASAN DAN ANALISA

4.1 Mendiskripsikan suatu Data
Untuk mendeskripsikan data yang tercantum pada permasalahan, pada kesempatan
kali ini kami akan menggunakan program SPSS.
Cara penginsertan data sebagai berikut:
Memilih program SPSS pada menu utama, entri data yang ada





RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA 2012
Kelompok IV - Laporan Praktikum Regresi Sederhana | 45

Klik Variable View di pojok kiri bawah
Pada kolom Berat isikan sesuai dengan nama variabelnya, variabel pertama
diberi nama berat dan variabel kedua diberi nama tinggi.

Klik Analyze, Regression, Linear



Pindahkan variabel salinitas sebagai variabel bebas ke kolom independent, dan
variabel produksi sebagai variabel tergantung ke kolom dependent.
Klik menu Statistics, tandai Estimates, Convidence Intervals, Model fit, dan
Descriptives, klik Continue.
RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA 2012
Kelompok IV - Laporan Praktikum Regresi Sederhana | 46


Klik Options


Pada pilihan Missing Values, pilih Replace with Mean
Klik Continue,OK.





RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA 2012
Kelompok IV - Laporan Praktikum Regresi Sederhana | 47

Maka akan menghasilkan OUTPUT seperti ini:


REGRESSION
/DESCRIPTIVES MEAN STDDEV CORR SIG N
/MISSING MEANSUB
/STATISTICS COEFF OUTS CI(95) R ANOVA CHANGE ZPP
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Berat
/METHOD=ENTER Tinggi
/RESIDUALS DURBIN.


Regression


[DataSet0]


Descriptive Statistics

Mean Std. Deviation N
Berat 58.67 10.797 100
Tinggi 169.44 5.819 100


Correlations

Berat Tinggi
Pearson Correlation Berat 1.000 .336
Tinggi .336 1.000
Sig. (1-tailed) Berat . .000
Tinggi .000 .
N Berat 100 100
Tinggi 100 100


Variables Entered/Removed
b

Model Variables Entered Variables Removed Method
1 Tinggi
a
. Enter
a. All requested variables entered.
RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA 2012
Kelompok IV - Laporan Praktikum Regresi Sederhana | 48

Variables Entered/Removed
b

Model Variables Entered Variables Removed Method
1 Tinggi
a
. Enter
a. All requested variables entered.
b. Dependent Variable: Berat




ANOVA
b

Model Sum of Squares df Mean Square F Sig.
1 Regression 1303.532 1 1303.532 12.479 .001
a

Residual 10236.578 98 104.455

Total 11540.110 99

a. Predictors: (Constant), Tinggi
b. Dependent Variable: Berat





Residuals Statistics
a


Minimum Maximum Mean Std. Deviation N
Predicted Value 49.67 69.62 58.67 3.629 100
Residual -15.643 34.745 .000 10.169 100
Std. Predicted Value -2.481 3.018 .000 1.000 100
Std. Residual -1.531 3.400 .000 .995 100
a. Dependent Variable: Berat

RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA 2012
Kelompok IV - Laporan Praktikum Regresi Sederhana | 49

4.2 Pembahasan
Berdasarkan hasil pengolahan data menggunakan SPSS 17.0 sehingga menghasilkan
data di atas, maka terdapat beberapa pertanyaan mengenai hasil pengolahan data tersebut.
Berilut pertanyaanya:
1. Berapa korelasi total dan parsial masing-masing variabel?
Jawab:
a) Korelasi total (R) = 0,336
b) Kolrelasi parsial tinggi = 0,336
Variabel:
Konstanta a = -46,983
b = 0,624

2. Buat persamaan untuk rumus regresinya?
Jawab:
y = o + bx
1

y = 46,983 + 0,624x
1

3. Dari kedua variabel, mana yang lebih mempengaruhi?
Jawab:
a) Korelasi parsial tinggi = 0,336 (termasuk korelasi positif sedang)
Maka, dapat diambil kesimpulan dari variabel yang lebih mempengaruhi berat
badan adalah tinggi.
RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA 2012
Kelompok IV - Laporan Praktikum Regresi Sederhana | 50

4. Jika diketahui tinggi si A adalah 170 cm dan umur 20 tahun, berapakah berat si A
tersebut?
Jawab:
ikct: x
1
= 170 cm
x
2
= 20 toun
o = 46,983
b = 0,336

itonyo: y ?
[owob:
y = o + bx
1

y = 46,983 + (0,336 170) + (0 20)
= 46,983 +57,12
= 10,137 10 kg

5. Buat kesimpulan!
Kesimpulannya adalah berdasrkan korelasi total yang diperoleh = 0,336 termasuk
korelasi positif sedang. Artinya tinggi dan umur mempengaruhi berat badan sebesar
positif sedang yaitu dengan menggunakan R-square = 0,113 = 11,3%.




RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA 2012
Kelompok IV - Laporan Praktikum Regresi Sederhana | 51


BAB V
KESIMPULAN




Adapun kesimpulan yang dapat ditarik dari laporan kami kali ini yaitu :

1. SPSS adalah salah satu program yang dapat membantu para statistikawan dalam
menyelesaikan dan membahas permasalan statistika. SPSS dapat mempermudah
penyajian dan interprestasi suatu data statistika. Penyajian data dengan SPSS
dilengkapi dengan histogram, pie chart, box plot, dan analisis dari data tersebut.

2. Dengan menggunakan program SPSS tersebut, kita dapat menyelesaikan
permasalahan statistika yang berbentuk regresi seperti contoh di atas.

3. Dari contoh permasalahan di atas, didapatkan output SPSS regresinya sebesar 0,891,
hal ini menunjukkan bahwa salinitas berpengaruh kuat pada produktivitas tambaknya
.
4. Dari output SPSS juga, kita dapat menentukan persamaannya, yaitu
Y = 39,471+0,102x.