REGRESI DAN

KORELASI LINEAR
SEDERHANA
Regresi Linear

Tujuan Pembelajaran
Menjelaskan regresi dan korelasi
Menghitung dari persamaan regresi dan standard error dari

estimasi-estimasi untuk analisis regresi linier sederhana

Menggunakan ukuran-ukuran yang diperoleh dari analisis
regresi dan korelasi untuk membuat dugaan-dugaan interval
dari variabel-variabel terikat bagi keperluan peramalan
(forecasting)
Menghitung dan menjelaskan makna dari koefisien-koefisien
korelasi dan determinasi dalam menggunakan teknik-teknik
analisa korelasi linier sederhana

Regresi Linear

Pendahuluan

Dikembangkan pertama
kali oleh seorang ahli
genetika : Francis Galton

Regresi : peramalan, penaksiran, atau pendugaan

Analisa regresi
digunakan untuk meramalkan atau memperkirakan nilai dari satu variabel
dalam hubungannya dengan variabel lain atau mempelajari dan mengukur
hubungan statistik yang terjadi antara dua atau lebih varibel.
Dalam regresi sederhana dikaji dua variabel, sedangkan dalam regresi
majemuk dikaji lebih dari dua variabel.
Variabel Terikat (Dependent Variable / Response Variable)
Variabel yang akan diestimasi nilainya
Variabel bebas (independent variable atau explanatory variable)

Variabel yang diasumsikan memberikan pengaruh terhadap variasi variabel

terikat dan biasanya diplot pada sumbu datar (sumbu-x).
Regresi Linear

Analisa regresi
Gagasannya adalah meminimalkan penyebaran
total nilai y dari garis.

SSE besar

SSE = Sum of Squared Errors

(Jumlah Kuadrat Kesalahan)

Regresi Linear

SSE kecil

Regresi atau garis kuadrat terkecil

Adalah garis dengan SSE yang terkecil

Analisis Regresi Linear

y

y a bx

Garis regresi ditempatkan

pada data dalam diagram
sedemikian rupa sehingga
penyimpangan keseluruhan
titik terhadap garis lurus
adalah nol

y
(+)

y
(-)

y
(+)
y
(0)
y
(+)
y
(+)

y
(0)

y
(-)

y
(-)
y
(-)

Error /
kesalahan
Regresi Linear

Gambar 2 Garis regresi linier pada diagram pencar

Analisis Regresi Linear

Persamaan Matematis:
= a + bx
= penduga (bagi rata-rata Y untuk X tertentu)
variabel terikat (variabel yang diduga)
x = Variabel bebas (variabel yang diketahui)
a,b = Penduga parameter A dan B (koefisien regresi sampel)
a = intersep (nilai Y, jika X = 0)
b = slop (kemiringan garis regresi)
Regresi Linear

b adalah Kemiringan (slope) yang menunjukkan perubahan rataan

sebaran peluang bagi Y untuk setiap kenaikan X satu satuan.

E(Y) = 15.6 + 1.09X

contoh hubungan POT dengan prestasi belajar

siswa. Kemiringan 1 = 1.09 menunjukkan
bahwa kenaikan skore POT satu satuan akan
menaikkan rataan sebaran peluang bagi Y
sebesar 1.09.
Regresi Linear

Analisis Regresi Linear

Rumus:
a Y bX

2
Y
X
i i X i X iYi
i

n X X i
i
i

2
i

n X i Yi X i Yi
i

n X i2 X i
i
i

Regresi Linear

dan

Latihan
Dari suatu praktikum fisika dasar diperoleh data yang menghubungkan variabel
bebas x dan variabel terikat y seperti ditunjukkan dalam tabel berikut.
Uji ke1
2
3
4
5
6
7
8

Regresi Linear

x
6
9
3
8
7
5
8
10
56

Tabel 1

y
30
49
18
42
39
25
41
52
296

Analisis Regresi Linear

Tabel perhitungan:
Uji kex
1
6
2
9
3
3
4
8
5
7
6
5
7
8
8
10
56

y
30
49
18
42
39
25
41
52
296

x 56

x
7
n

Regresi Linear

xy
180
441
54
336
273
125
328
520
2257

x2
36
81
9
64
49
25
64
100
428

y 296

37
n

Tabel 2

y2
900
2401
324
1764
1521
625
1681
2704
12920

Analisis Regresi Linear

Kolom y2 ditambahkan pada tabel meskipun belum digunakan untuk perhitungan
persamaan garis regresi. Nilai tersebut akan digunakan kemudian. Jadi dengan
menggunakan hasil pada tabel, nilai dari konstanta a dan b dapat ditentukan:
b

n xy x y
n

x2 x

8(2257) (56)(296) 1480

5,1389
2
288
8(428) (56)

a y bx 37 (5,1389)(7) 1,0277

Jadi persamaan garis regresi linier yang menggambarkan hubungan antara

variabel x dan y dari data sampel pada percobaan/praktikum di atas adalah:
y a bx 1,0277 5,1389x
Dengan menggunakan persamaan garis regresi yang diperoleh, maka dapat
diperkirakan hasil yang akan diperoleh (nilai y) untuk suatu nilai x tertentu.
Misalnya untuk x = 4 maka dapat diperkirakan bahwa y akan bernilai:
y a bx 1,0277 5,1389x =1,0277 + 5,1389(4) = 21,583
Regresi Linear

Analisis Regresi Linear

60
50

y = 5.1389x + 1.0278

40
30
20
10
0
0

Gambar. Garis regresi untuk contoh soal 1

Regresi Linear

10

12

Latihan 2
Misalnya X adalah persentase kenaikan biaya periklanan dan Y adalah
persentase kenaikan hasil penjualan. Berapakah besarnya ramalan persen
kenaikan penjualan jika biaya iklan dinaikkan menjadi 15%?
X (%)

Y (%)

10

10

12

Tabel 3
Regresi Linear

Standard Error of Estimate

Standard Error Regresi & Koefisien Regresi Sederhana
Standard error merupakan indeks yang digunakan
Untuk mengukur tingkat ketepatan regresi (pendugaan) dan koefisien regresi (penduga)
atau mengukur variasi titik-titik observasi di sekitar garis regresi.

Dengan menggunakan data dan tabel perhitungan pada latihan1, maka standard
error estimasi dari garis regresi yang diperoleh adalah:
s y ,x

y 2 a y b xy

n2
(11,920) 1,0277(296) 5,1389(2,257)

1,698
82

Regresi Linear

Dengan standard error, batasan seberapa jauh

melesetnya perkiraan kita dalam meramal data dapat
diketahui.

Bila semua titik observasi berada tepat di garis regresi

maka kesalahan baku akan bernilai sama dengan nol.
Berarti perkiraan yang
dibuat sesuai dengan
data sebenarnya.

Regresi Linear

Koefisien regresi a dan b

(penduga a dan b)
Koefisien regresi a (penduga a),
kesalahan bakunya dirumuskan:

Koefisien regresi b`(Penduga b)

sb

s y ,x

x2

1,698

56
428

Regresi Linear

1,698
0,283
6

Pendugaan Interval Koefisien

Regresi (Parameter A dan B)
Pendugaan Parameter Regresi
Dari nilai atau derajat kepercayaan (1 - ) yang telah ditentukan, interval
pendugaan parameter A dan B dapat ditentukan, yang diberikan masing-masing oleh:
b t sb B b t sb dan
2

a t sa A a t sa
2

Pendugaan interval parameter B

Pendugaan interval parameter A

dengan derajat kebebasan (n-2)

Artinya, dengan interval keyakinan 1 dalam jangka panjang, jika

sampel diulang-ulang, 1 - kasus pada interval tersebut akan berisi A
atau B yang benar

Regresi Linear

Latihan soal 2
Tentukan interval dari parameter A dan B pada latihan
soal 1 dengan = 5% atau tingkat keyakinan 95% dan
jelaskan artinya!

Regresi Linear

Pengujian Hipotesis Koefisien

Regresi (Parameter A da B)
Pengujian hipotesis bagi parameter A dan B menggunakan uji t,
dengan langkah- langkah sbb:
a. Menentukan formulasi hipotesis
1) Untuk parameter A:
H0 : A = A0
H1 : A > A0
A < A0
A A0

2) Untuk parameter B:
H0 : B = B0, mewakili nilai B tertentu, sesuai hipotesisnya
H1 : B > B0 , berarti pengaruh X terhadap Y adalah positif
B < B0, berarti pengaruh X terhadap Y adalah negatif
B B0, berarti X mempengaruhi Y

b. Menentukan taraf nyata (lfa) dan nilai t tabel

Taraf nyata dan nilai t tabel ditentukan dengan
derajat bebas (db) = n - 2
Regresi Linear

Pengujian Hipotesis Koefisien

Regresi (Parameter A da B)
c. Menentukan kriteria pegujian
1) H0 diterima jika t0 t
H0 ditolak jika t0 > t
2) H0 diterima jika t0 -t
H0 ditolak jika t0 < -t

d. Menentukan nilai uji statistik

1) Untuk parameter A

2) Untuk parameter B

3) H0 diterima jika t/2 t0 t/2

H0 ditolak jika t0 < -t/2 atau t0 > t/2

e. Membuat kesimpulan apakah H0 diterima ataukah ditolak

Regresi Linear Sederhana

Peramalan (Prediksi)
Peramalan

sebagai penduga memiliki nilai yang mungkin sama atau

tidak sama dengan nilai sebenarnya.
Untuk membuat sebagai penduga yang dapat
dipercaya, maka dibuat pendugaan bagi Y.

Peramalan (Prediksi)

Peramalan (Prediksi)
Peramalan Tunggal
Peramalan Interval Individu

Regresi Linear

Peramalan (Prediksi)
Peramalan Interval Rata-rata

Regresi Linear

Latihan Soal:
Dengan menggunakan data dari tabel 3,
Buatlah:
a. Ramalan interval untuk individu Y, jika biaya iklan
dinaikkan menjadi 15% dengan tingkat keyakinan 99%!
b. Ramalan interval untuk rata-rata E(Y), jika biaya iklan
dinaikkan menjadi 15% dengan tingkat keyakinan 99%!

n = 7 cari t/2;5

Regresi Linear

Lihat tabel distribusi t