ANALISIS REGRESI

OLEH :
WIJAYA

FAKULTAS PERTANIAN
UNIVERSITAS SWADAYA GUNUNG JATI CIREBON
2010
I. ANALISIS REGRESI

1. Regresi Linear :
¾ Regresi Linear Sederhana
¾ Regresi Linear Ganda

2. Regresi Non Linear

¾ Regresi Kuadratik
I. REGRESI LINEAR SEDERHANA

Analisis Regresi merupakan studi yang

membahas tentang bentuk keeratan
hubungan antar peubah.

Model atau persamaan regresi populasi

secara umum dapat dituliskan dalam bentuk :

μy/x1, x2, …, xk = f (x1, x2, … , xk | β1, β2, … , βk )

Untuk regresi Linear sederhana, yaitu regresi Y
atas X bentuknya :

μy/x = β0 + β1 X

β0 dan β1 disebut Koefisien Regresi, yang

merupakan parameter. Regresi populasi
tersebut dapat diduga melalui contoh dengan
persamaan :

Y = b0 + b1 X
Jadi β0 diduga oleh b0 dan β1 diduga oleh b1. Nilai
b0 dan b1 dapat ditentukan dengan Metode Kuadrat
Terkecil, yaitu :

b0 = Intersep (titik potong regresi dengan sumbu Y)

b1 = Koefisien Arah Regresi
Besarnya peningkatan Y apabila X meningkat
sebesar satu satuan.
Y Y
(xI , yI) (xI , yI)
yI

X xI X

n = ukuran sampel, k = banyaknya variabel bebas.

Pada Regresi Linear Sederhana nilai k = 1, sehingga :

Ragam untuk konstanta b0 yaitu Sb02 dan koefisien

regresi b1 yaitu Sb12 yaitu :
Tabel berikut menunjukkan skor tes kecerdasan (X)
dan nilai ujian statistika (Y) dari 12 mahasiswa :

X 65 50 55 65 55 70 65 70 55 70 50 55
Y 85 74 76 90 85 87 94 98 81 91 76 74
Persamaan Regresi Dugaan :
Pengujian Koefisien Regresi :

1. Uji t :

Wilayah Kritik : t <–tα/2(n-2) atau t > tα/2(n-2)

2. Uji F (Analisis Varians)

Wilayah Kritik : F > Fα (db1 ; db2)

Pengujian Koefisien Regresi :
1. Uji t :

H0 ≡ βi = 0 Lawan H1 ≡ βi ≠ 0
Pengujian Koefisien Regresi :
Uji t :

tα/2(n-2) = t0,025(10) = 2,228

Kesimpulan : H0 ditolak, artinya koefisien

regresi bersifat nyata, regresi :

dapat digunakan untuk peramalan, karena

besarnya Y tergantung dari besarnya X.
Uji Kelinearan Regresi :

Uji Kelinearan Regresi dapat dilakukan apabila peubah

bebas X dirancang dengan adanya pengulangan
(pengulangan tidak harus sama). Statistik uji yang
digunakan adalah Uji F dalam Analisis Ragam.

X 65 50 55 65 55 70 65 70 55 70 50 55
Y 85 74 76 90 85 87 94 98 81 91 76 74

X 50 50 55 55 55 55 65 65 65 70 70 70
Y 74 76 76 85 81 74 85 90 94 87 98 91
∑Yi 150 316 269 276
Analisis Ragam :

1. FK = (∑Y)2 / n = (1011)2 / 12 = 85176,7500

2. JKT = ∑ Y2 – FK = 85905 – 85176,7500 = 728,2500
3. JKR = b1 [ (∑ XY – (∑X)(∑Y)/n ]

= 0,8972 [ (61685 – (725)(1011)/12 ] = 541,6927

4. JKG = JKT – JKR = 728,2500 – 541,6927 = 186,5573

Analisis Ragam :
JKG dibagi dua, yaitu JK Galat Murni (JKGM) dan JK
Simpangan Dari Model (JK SDM)

X 50 50 55 55 55 55 65 65 65 70 70 70
Y 74 76 76 85 81 74 85 90 94 87 98 91
∑Yi 150 316 269 276
Uji Kelinearan Regresi :

1. FK = 85176,7500
2. JKT = 728,2500
3. JKR = 541,6927
4. JKG = 186,5573
JK GM = 178,667
JK SDM = JK G – JK GM = 7,8906
Uji Kelinearan Regresi :

No Variasi DB JK KT F F5%
1 Regresi 1 541,6927 541,6927 29,0363 4,495
2 Galat 10 186,5573 18,6557
G-Murni 8 178,6667 22,3333
G-SDM 2 7,8906 3,953 0,1767 4,459
Total 11 728,2500
DB (G-SDM) = k–2 = 4–2 = 2 ; DB (G-Murni) = n–k = 12–4 = 8

¾ Regresi bersifat Nyata : Regresi Linear dapat diterima

¾ R2 = JKR / JKT = 0,7438 Æ R = 0,8625
Penggunaan Matriks :

Persamaan Normal dari : Y = b0 + b1 X yaitu :

∑Y = b0 n + b1 ∑ X
∑ XY = b0 ∑ X + b1 ∑ X2

Matrik dari persamaan normal diatas :

n ∑X b0 ∑Y
∑X ∑ X2 b1 = ∑ XY

12 725 b0 1011
725 44475 b1 = 61685
X’X b X’Y
 b (X’X)–1 X’Y

b0 12 725 –1 1011
=
b1 725 44475 61685

b0 5,508 –0,090 1011

=
b1 –0,090 0,001 61685

b0 30,0433
=
b1 0,8972

Regresi Dugaan : Y = 30,0433 + 0,8972 X

 b (X’X)–1 X’Y

b0 5,508 –0,090 1011

=
b1 –0,090 0,001 61685

bi KTG Cii KTG.Cii Sb t

30,0433 18,6557 5,508 102,7509 10,1366 2,964
0,8972 18,6557 0,001 0,0277 0,1665 5,389

t0,025 (10) = 2,228