\
|
|
.
|
\
|
|
.
|
\
|
=
= =
= = =
n
i
i
n
i
i
n
i
n
i
i
n
i
i i i
x x n
y x y x n
b
a y bx =
sehingga
a
y
n
b
x
n
i
i
n
i
i
n
=
= =
1 1
n : banyak pasangan data
y
i
: nilai peubah takbebas Y ke-i
x
i
: nilai peubah bebas X ke-i
2.3.2 Regresi Linier Berganda
Analisis regresi ganda merupakan pengembangan dari analisis regresi
sederhana. Kegunaannya yaitu untuk meramalkan nilai variabel terikat (Y) apabila
variabel bebasnya (X) dua atau lebih. Analisis regresi ganda adalah alat untuk
meramalkan nilai pengaruh dua variabel bebas atau lebih terhadap satu variabel
terikat (untuk membuktikan ada tidaknya hubungan fungsional atau hubungan
kausal antara dua atau lebih variabel bebas X
1
, X
2
, ., X
i
terhadap suatu variabel
terikat Y. Persamaan regresi ganda dirumuskan sebagai berikut :
1. Dua variabel bebas :
2 2 1 1
X b X b a Y + + =
2. Tiga variabel bebas :
3 3 2 2 1 1
X b X b X b a Y + + + =
3. n variabel bebas :
n n
X b X b X b a Y + + + + = .......
2 2 1 1
2.3.3 Regresi Eksponensial
Regresi eksponensial mnggunakan kurva untuk menampilkan nilai data
yag meningkat ataupun menurun pada peningkatan nilai yang lebih tinggi. Untuk
regresi eksponensial, data yang digunakan seharusnya tidak memiliki nilai nol
atau negatif. Jenis regresi ini menggunakan persmaan sebagai berikut.
dimana c dan b adalah konstanta, dan e adalah dasar logaritma alami.
2.3.4 Regresi Logaritma
Regresi logaritma menggunakan kurva best-fit untuk menapilkan nilai data
yang naik atau turun dengan cepat sebelum pengaturan. Untuk regresi logaritma
ini data dapat bernilai positif dan negatif tetapi tidak boleh bernilai nol. Jenis
logaritma ini menggunakan persamaan sebagai berikut.
dimana c dan b adalah konstanta, dan ln adalah fngsi logaritma alami.
2.3.5 Regresi Power
Regresi Power menggunakan garis kurva untuk menampilkan nilai data
yang membandingkan pengukuran peningkatan dengan laju tertentu. Untuk
regresi ini data tidak dapat bernilai nol atau negatif. Jenis regresi ini menggunakan
persamaan sebagai berikut.
dimana c dan b adalah konstanta.
2.4 Nilai r
Nilai r terbesar adalah +1 dan r terkecil adalah 1. r = +1 menunjukkan
hubungan positif sempurna, sedangkan r = -1 menunjukkan hubungan negatip
sempurna.r tidak mempunyai satuan atau dimensi. Tanda + atau hanya
menunjukkan arah hubungan. Intrepretasi nilai r adalah sebagai berikut:
2.5 Koefisien Determinasi (R
2
)
Koefisien determinasi (R2) merupakan ukuran kecocokan hasil estimasi
sebuah model regresi linier dengan data yang dimodelkan, atau biasa disebut
ukuran goodness of fit dari sebuah model regresi linier. Dengan lain perkataan, R2
menunjukkan seberapa dekat garis regresi yang diestimasi dengan data yang
sebenarnya atau seberapa besar proporsi variasi variabel respon yang dapat
dijelaskan oleh garis regresi. Ukuran ini dapat digunakan jika semua asumsi
terkait residual telah terpenuhi.
Keselerasan model regresi dapat diterangkan dengan menggunakan nilai
R
2
, semakin besar nilai tersebut maka model semakin baik.Pada dasarnya, R
2
tidak pernah bernilai negatif, kecuali model regresi yang digunakan tanpa
intersep. Jika model regresi yang digunakan tanpa intersep, maka R
2
tidak
bermakna meskipun bernilai positif.
Nilai R
2
mempunyai beberapa karakteristik yaitu selalu positif, dan nilai
R
2
maksimal sebesar 1. Jika Nilai R
2
sebesar 1 akan mempunyai arti kesesuaian
yang sempurna. Maksudnya seluruh variasi dalam variabel Y dapat diterangkan
oleh model regresi. Sebaliknya jika R
2
sama dengan 0, maka tidak ada hubungan
linier antara X dan Y. Pemeriksaan keberartian regresi dilakukan melalui
pengujian hipotesis nol, bahwa koefisien regresi b sama dengan nol (tidak berarti)
melawan hipotesis tandingan bahwa koefisien arah regresi tidak sama dengan nol.
Kelemahan mendasar dari R
2
adalah nilainya yang selalu bertambah ketika
dilakukan penambahan variabel bebas ke dalam model, meskipun variabel
tersebut tidak begitu penting dalam menjelaskan variabel respon (tidak
signifikan). Untuk mengatasi hal ini digunakan R
2
yang telah disesuaikan (R
2
Adjusted). Ukuran yang baru ini tidak terpengaruh oleh penambahan variabel
bebas, kecuali jika variabel bebas tersebut signifikan.
BAB III
METODOLOGI PENGAMATAN DAN PENGUKURAN
3.1 Alat
Alat yang digunakan dalam praktikum ini yaitu :
1. Kalkulator scientific untuk menghitung regresi,
2. Alat tulis untuk mencatat hasil perhitungan
3. Penggaris dan pensil serta kertas milimeter blok untuk menggambar
grafik
2.6 Bahan
Adapun bahan yang dibutuhkan pada praktikum ini yaitu
1. Soal dalam bentuk tabel yang disajikan pada modul praktikum.
3.3 Prosedur Percobaan
Langkah-langkah yang dilakukan dalam praktikum ini yaitu
1) Menyediakan alat-alat yang dibutuhkan;
2) Menghapus/membersihkan memori yang ada pada kalkulator;
3) Mencari regresi baik linier, eksponensial, logaritma maupun power pada
setiap soal yang disajikan pada modul dengan menggunakan kalkulator;
4) Mengatur kalkulator ke mode regresi dan pilih regresi yang akan dicari apakah
linier, eksponensial, logaritma atau power dengan memilih menu pada
kalkulator;
5) Memasukkan data yang mana sumbu x dan yang mana sumbu y;
6) Menentukan nilai A, B, R, dan R
2
dengan kalkulator berdasarkan data yang
telah ada;
7) Mencatat nilai A, B, R, dan R
2
yang didapat dari perhitungan kalkulator; dan
8) Membuat grafik berdasarkan tabel yang disajikan pada soal dalam modul pada
kertas kertas milimeter blok.
BAB IV
HASIL PERCOBAAN
4.1 Perhitungan Regresi
Linier Eksponensial Logaritma Power
Soal 1 A
B
R
R
2
y
= 8,0153
= -0,1381
= -0,9121
= 0,8319
= -0,138x + 8,015
A
B
R
R
2
= 10,1619
= -0,05242
= -0,99443
= 0,9889
-----
----
Soal 2 A
B
R
R
2
= -0,1311
= 16,289
= 0,9941
= 0,9882
A
B
R
R
2
= 0,02655
= 69,646
= 0,9365
= 0,877
A
B
R
R
2
= 1,67169
= 0,3565
= 0,92494
= 0,8555
A
B
R
R
2
= 139,08
= 1,7421
= 0,996
= 0,992
Soal 3 A
B
R
R
2
= 0,2998
= 0,6775
= 0,9919
= 0,9839
A
B
R
R
2
= 0,935
= 0,2602
= 0,9863
= 0,9728
A
B
R
R
2
= 0,7529
= 1,8381
= 0,9255
= 0,8565
A
B
R
R
2
= 1,058
= 0,7565
= 0,9774
= 0,9553
Soal 4 A
B
R
R
2
= -18,29
= 10,771
= 0,9693
= 0,9395
A
B
R
R
2
= 1,0761
= 0,5789
= 0,96479
= 0,93082
A
B
R
R
2
= -16,748
= 35,324
= 0,8842
= 0,7818
A
B
R
R
2
= 0,8642
= 2,1514
= 0,9974
= 0,9948
Tabel 1. Hasil Perhitungan Regresi dengan Menggunakan Kalkulator
4.2 Grafik dengan Regresi
1) Soal 1
y = -0,1381x + 8,0153
R = 0,832
y = 10,162e
-0,052x
R = 0,9889
-4
-2
0
2
4
6
8
10
12
0 20 40 60 80
K
a
d
a
r
A
i
r
(
%
)
Waktu (menit)
Grafik 1. Pengaruh Waktu terhadap Kadar Air dalam
Pengeringan Kacang
Pengeringan Kacang
Linear (Pengeringan
Kacang)
Expon. (Pengeringan
Kacang)
2) Soal 2
3) Soal 3
y = 16,289x - 0,1311
R = 0,9882
y = 0,0266e
69,646x
R = 0,8771
y = 139,08x
1,7422
R = 0,992
y = 0,3565ln(x) + 1,6717
R = 0,8555
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
1.4
0 0.01 0.02 0.03 0.04 0.05 0.06
F
r
a
k
s
i
M
a
s
s
a
y
a
n
g
L
o
l
o
s
Diameter Ayakan (inci)
Grafik 2. Pengaruh Diameter Ayakan terhadap Fraksi Massa
yang Lolos
Spray Drier
Linear (Spray
Drier)
Expon. (Spray
Drier)
Power (Spray
Drier)
Log. (Spray
Drier)
y = 0,6714x + 0,2999
R = 0,9839
y = 0,9351e
0,2602x
R = 0,973
y = 1,058x
0,7566
R = 0,9554
y = 1,8381ln(x) + 0,753
R = 0,8567
0
1
2
3
4
5
6
0 2 4 6 8
Y
X
Grafik 3. Pengaruh X terhadap Y
Grafik x terhadap y
Linear (Grafik x
terhadap y)
Expon. (Grafik x
terhadap y)
Power (Grafik x
terhadap y)
Log. (Grafik x
terhadap y)
4) Soal 4
y = 10,771x - 18,294
R = 0,9396
y = 1,0762e
0,5789x
R = 0,9308
y = 0,8642x
2,1514
R = 0,9948
y = 35,324ln(x) - 16,749
R = 0,7819
-20
0
20
40
60
80
100
120
140
0 2 4 6 8 10
Y
X
Grafik 4. Grafik Persamaan Fungsi
y = ax
b
Grafik
Percobaan
Linear (Grafik
Percobaan)
Expon. (Grafik
Percobaan)
Power (Grafik
Percobaan)
Log. (Grafik
Percobaan)
BAB V
PEMBAHASAN
5.1 Pembahasan
Pada praktikum kali ini, praktikan melakukan analisis dan penyajian data
dengan menggunakan grafik. Penyajian grafik ini dibantu dengan fungsi atau
regresi yang bertujuan agar dapat diketahui korelasi antara variabel x dan y.
Adapun regresi yang digunakan pada percobaan ini antara lain regresi atau fungsi
linier, eksponensial, logaritma dan regresi power.
Dari regresi-regresi di atas, dapat diperoleh nilai-nilai antara lain A yang
menunjukkan nilai konstanta, B menunjukkan kemiringan atau slove kurva serta
R
2
yang menunjukkan korelasi liniear atau keakuratan data. Analisis grafik
diperlukan karena hasil regresi dari masing-masing grafik berbeda. Perlu
diketahui manakah fungsi grafik atau regresi yang paling cocok digunakan untuk
menyajikan data-data yang diolah.
Perhitungan regresi di lab dilakukan dengan menggunakan kalkulator yang
dimana hasilnya akan dibandingkan dengan regresi yang muncul saat membuat
grafik pada microsoft excel. Dari hasil regresi dengan perhitungan kalkulator dan
pembuatan grafik pada excel tidak ada perbedaan nilai yang berarti..Hanya saja
yang membedakan regresi pada microsoft excel menyesuaikan ruang chart area
sehingga angka-angkanya dibulatkan menjadi 3 atau 4 digit dibelakang koma.
Dari grafik1 diketahui hanya dua regresi yang dapat diterapkan pada
penyajian data ini yaitu regresi linier dan eksponensial saja. Pada grafik lainnya
dapat diterapkan keempat fungsi regresi. Dari hal ini dapat diketahui bahwa
regresi linier dapat digunakan untuk semua penyajian data dan juga dapat
dibuktikan sesuai teori bahwa fungsi exponential hanya dapat diterapkan dengan
syarat bahwa data yang disajikan tidak mengandung angka 0 pada sumbu y, dan
sebaliknya untuk regresi logaritma hanya dapat diterapkan jika data tidak
mengandung angka 0 pada sumbu x. Sedangkan regresi power hanya dapat
diterapkan jika kedua sumbu x dan y tidak memiliki angka nol (semua data
bernilai nol).
Jika diperhatikan pada grafik dengan R
2
mendekati angka satu
menunjukkan korelasi linier yang semakin baik. Pada grafik 1 nilai R
2
regresi
eksponensialnya lebih besar daripada regresi linier dan garis kurvanya pun lebih
selaras dengan kurva dari regresi eksponensial. Hal ini sekaligus membuktikan
pada penyajian data mengenai pengaruh waktu terhadap kadar air lebih cocok
menggunakan regresi eksponensial. Pada grafik 2 lebih cocok menggunakan
regresi power dibandingkan dengan regresi lainnya karena selain nilai R
2
nya
lebih besar dari regresi-regresi lainnya, garis kurvanya lebih selaras dengan garis
regresi power. Untuk grafik 3 lebih cocok menggunakan regresi linier, dan grafik
4 lebih cocok menggunakan regresi power.
Nilai R
2
mempunyai beberapa karakteristik yaitu selalu positif, dan nilai
R
2
maksimal sebesar 1. Jika Nilai R
2
sebesar 1 akan mempunyai arti kesesuaian
yang sempurna. Maksudnya seluruh variasi dalam variabel Y dapat diterangkan
oleh model regresi. Sebaliknya jika R
2
sama dengan 0, maka tidak ada hubungan
linier antara X dan Y. Pemeriksaan keberartian regresi dilakukan melalui
pengujian hipotesis nol, bahwa koefisien regresi b sama dengan nol (tidak berarti)
melawan hipotesis tandingan bahwa koefisien arah regresi tidak sama dengan nol
BAB VI
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Dari penjelasan di atas dapat disimpulkan bahwa
1. Penyajian grafik membantu dalam peyajian data terutama dalam penyajian
informasi mengenai hasil yang diamati;
2. Ada beberapa jenis persamaan regresi yang umum dan sering digunakan
yaitu regresi linear,eksponensial,logaritma,dan power
3. Semakin nilai R
2
mendekati angka satu, maka kesesuaian korelasi linier
antara variabel x dan y semakin baik;
4. Fungsi grafik linier cocok untuk diterapkan pada semua jenis data;
5. Fungsi grafik logaritma hanya dapat diterapkan jika data tidak
mengandung nilai nol pada sumbu x, sedangkan fungsi exponential hanya
dapat diterapkan jika data tidak mengandung angka nol pada sumbu y; dan
6. Fungsi power tidak dapat diterapkan apabila data yang ada mengandung
angka nol, baik pada sumbu x maupun sumbu y.
6.2 Saran
Adapun saran yang dapat diberikan mengenai penyajian grafik ini yaitu
a) Sebelum memulai penyajian data,praktikan diharapkan selalu memperhatikan
data mana yang akan dijadikan sebagai sumbu x dan mana yang akan
dijadikan sebagai sumbu y;
b) Perlunya ketelitian oleh praktikan dalam memasukkan dan mengolah data
yang akan disajikan
c) Pengecekkan ulang sebaiknya dilakukan pada hasil perhitungan terutama
dalam mencari regresi.untuk menghasilkan data yang akurat.
DAFTAR PUSTAKA
Alauddin. Regresi dan Korelasi Linier Sederhana. Bandung, UIN.
Usman, H. dan R. Purnomo Setiady Akbar. 2000. Pengantar Statistika. Bumi
Aksara. Jakarta.
Hartanto, Rio. 2011. Penyajian Data Statistik. Tersedia:
http://riohartanto.blog.fisip.uns.ac.id/2011/12/09/penyajian-data-
statistik/. Diakses pada 15 Maret 2013 pukul 19.30 WIB.
Sarwono,Jonathan.2010.Regresi.Tersedia:
http://www.http://www.jonathansarwono.com/regresi/. Diakses pada 15
Maret 2013 pukul 19.30 WIB.
Rudy Fisika. 2009. Jenis-jenis Grafik Bag.1. Tersedia: http://aplikom-
fisika.blogspot.com/2009/07/jenis-jenis-grafik.html Diakses pada 15
Maret 2013 pukul 19.32 WIB.
http://blog.ub.ac.id/midori/2012/04/03/regresi-dan-korelasi/ Diakses pada
15 Maret 2013 pukul 19.32 WIB.
LAMPIRAN
Gambar 1 Gambar 2
Gambar 3 Gambar 4
Gambar 5 Gambar 6