REGRESI
OLEH
21090114130156
Teknik Perkapalan
Universitas Diponegoro
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Statistika dalam arti sempit berarti kumpulan data berupa angka, penyajian data
dalam table dan grafik, bilangan yang menunjukan karakteristik dari kumpulan data.
Statistika dalam arti luas yaitu metode yang digunakan dalam pengumpulan dan
analisis data yang berupa angka-angka sehingga dapat diperoleh informasi yang
berguna. Statistika adalah suatu metode yang menjelaskan tata cara pengumpulan,
penyusunan, penyajian, penganalisaan, dan penginterprestasian data menjadi informasi
yang lebih berguna.
Dalam penulisan makalah ini saya menggunakan studi kepustakaan yaitu proses
pencarian dan pengumpulan data dari buku - buku dan situs - situs yang berhubungan
dengan judul makalah yang saya buat.
BAB 2
PEMBAHASAN
Istilah regresi diperkenalkan oleh seorang yang bernama Francis Gulton dalam
makalah berjudul Regression Towerd Mediacraty in Hereditary Stature. Menurut hasil
penelitian beliau, meskipun ada kecendrungan bagi para orang tua yang tinggi
mempunyai anak yang tinggi dan orang tuanya pendek mempunyai anak pendek,
dengan kata lain bahwa ada kecendrungan bagi rata rata tinggi anak dengan orang
tua yang mempunyai tinggi tertentu untuk bergerak mundur (Regress) kearah tinggi rata
rata seluruh. Penemuan ini ditulis dalam artikel berjudul : Family Likeness in Stature
( Proceedings of Royal Society, London, Vol. 40, 1886). Menurut penjelasannya, ada
suatu kecendrungan untuk rata rata anak dari orang tua dengan tinggi tertentu
bergerak menuju nilai rata rata dari seluruh populasi. Hukum regresi universal dari
Galton telah dibuktikan oleh sahabatnya yang bernama Karl Pearson, dengan jalan
mengumpulkan lebih dari seribu catatan mengenai tinggi dari pada anggota kelompok
keluarga. Karl Pearson menemukan bahwa rata rata tinggi anak laki laki kelompok
orang tua yang tinggi ternyata lebih kecil dari tinggi ayahnya dan rata rata tinggi anak
laki laki dari kelompok orang tua yang pendek ternyata lebih besar dari pada ayahnya,
jadi seolah olah semua anak laki laki yang tinggi dananak laki laki yang pendek
bergerak menuju kerata rata tinggi dari seluruh anak laki laki, yang menurut istilah
Galton : regression to mediocrity. Dari uraian diatas dapat disimpulkan bahwa pada
umumnya tinggi anak mengikuti tinggi orangtuanya.
Jadi analisa regresi berkenaan dengan studi ketergantungan dari suatu variabel
yang disebut variabel tak bebas (dependent variable), pada satu atau lebih variabel,
yaitu variabel yang menerangkan dengan tujuan untuk memperkirakan atau
meramalkan nilai nilai dari variabel tak bebas apabila nilai variabel yang menerangkan
sudah diketahui. Variabel yang menerangkan sering disebut variabel bebas
(independent variable).
2.2 Analisis Regresi Linier
Regresi linier adalah menentukan satu persamaan dan garis yang menunjukan
hubungan antara variabel bebas dan terikat, yang merupakan persamaan penduga
yang berguna untuk menaksir atau meramalkan variabel terikat. Untuk mempelajari
hubungan hubungan antara beberapa variabel. Analisis ini terdiri dari 2 bentuk, yaitu :
= + +
Dimana :
Y = Variabel bebas
0 = Intercept Y dari garis, yaitu titik dimana garis itu memotong sumbu Y
1 = Kemiringan garis
= Kesalahan penggangu
Jika 0 , 1 ditaksir oleh 0 dan 1 , maka bentuk regresi linier sederhana untuk
sampel adalah sebagai berikut :
= +
Dimana :
0 = Penaksir untuk 0
1 = Penaksir untuk 1
Banyak persoalan penelitian / pengamatan yang terjadi sebagai akibat lebih dari
dua variabel, atau dengan kata lain memerlukan lebih dari satu peubah bebas dalam
membentuk model regresi. Sebagai salah satu contoh, IPK (Indeks Prestasi Kumulatif)
seorang mahasiswa (Y) bergantung pada jumlah jam belajar (X1), banyaknya buku
yang dibaca (X2), jumlah uang (X3) dan banyak faktor lainnya. Untuk memberikan
gambaran tentang suatu permasalahan / persoalan, biasanya sangat sulit ditentukan
sehingga diperlukan suatu model yang dapat memprediksi dan meramalkan respon
yang penting terhadap persoalan tersebut, yaitu regresi linier berganda.
Dimana
= Variabel gangguan
Regresi ganda berguna untuk mendapatkan pengaruh dua variabel bebas, atau untuk
mencari hubungan fungsional dua variabel tak bebas atau lebih. Dengan taksiran :
Dimana :
Responden Y
1
2
. . . . . .
. . . . . .
n
Untuk regresi linier berganda dengan tiga variabel bebas 1 , 2, 3 ditaksir oleh :
Untuk rumus diatas harus diselesaikan dengan empat persamaan normal yaitu :
Sehingga dalam bentuk matriks dapat dituliskan :
Dimana :
1, 2, 3 = Variabel bebas
0 = Nilai Y, apabila 1= 2= 3
Dalam persamaan model regresi linier yang diperoleh, maka antara nilai Y
dengan Y akan menimbulkan perbedaan hasil yang sering disebut sebagai kekeliruan.
Ukuran tersebut dapat dihitung oleh kekeliruan baku taksiran .12 , yang dapat
ditentukan dengan rumus :
()
.12 =
1
Dengan :
N = Ukuran sampel
Co. Soal
Y = kadar atherosclerosis
No
1 30 2
2 30 0
3 35 2
4 35 2
5 43 3
6 43 2
7 44 3
8 44 0
9 44 4
10 45 3
11 45 2
12 49 1
13 49 4
14 49 1
15 51 4
No 2 2
1 30 2 60 900 4
2 30 0 0 900 0
3 35 2 70 1225 4
4 35 2 70 1225 4
5 43 3 129 1849 9
6 43 2 86 1849 4
7 44 3 132 1936 9
8 44 0 0 1936 0
9 44 4 176 1936 16
10 45 3 135 2025 9
11 45 2 90 2025 4
12 49 1 49 2401 1
13 49 4 196 2401 16
14 49 1 49 2401 1
15 51 4 204 2601 16
636 33 1446 27610 97
(33)(27610) (636)(1446)
= = 0,8832
(15)(27610) (636)2
(15)(1446) (636)(33)
= = 0,0727
(15)(27610) (636)2
= 0,073 0,883
( )2 332
= = 72,6
15
(636)(33)
(|) = (0,073) {1446 } = 3,4164
15
( )2
= 2 (|)
= 97 3,4164 72,6
= 20,9836
2
(2 + 0)2
2 2 2
(2 + 2)2 2 2
(3 + 2)2
() = {2 + 0 } + {2 + 2 } + {3 + 2 }
2 2 2
(1 + 4 + 1)2 42
+ {12 + 42 + 12 } + {42 }
3 1
= 17,67
() = ()
Jika = 0,05, maka dengan dk pembilang 5 dan dk penyebut 8, dari daftar distribusi F didapat
0,95(5,8) = 3,69. Untuk uji kelinearan, didapat F = 0,3000 dan ini lebih kecil dari 3,69. Jadi
hipotesis bahwa model regresi linear diterima, sehingga dengan demikian tidak ada alasan
untuk mencari model regresi nonlinear.
Regression
Variables Entered/Removedb
Variables Variables
Model Entered Removed Method
1 Xia . Enter
a. All requested variables entered.
b. Dependent Variable: Yi
Model Summary
Adjusted R Std. Error of
Model R R Square Square the Estimate
1 .373a .139 .073 1.271
a. Predictors: (Constant), Xi
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 3.403 1 3.403 2.107 .170a
Residual 20.997 13 1.615
Total 24.400 14
a. Predictors: (Constant), Xi
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 3.403 1 3.403 2.107 .170a
Residual 20.997 13 1.615
Total 24.400 14
a. Predictors: (Constant), Xi
b. Dependent Variable: Yi
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -.883 2.149 -.411 .688
Xi .073 .050 .373 1.452 .170
a. Dependent Variable: Yi
Co. Soal
Kualitas benang telah diteliti sebanyak 15 potong. Karakteristik yang diuji dalam penelitian ini
adalah:
Benang
1 2
Nomor
1 85 44 99
2 82 42 93
3 75 42 99
4 74 44 97
5 76 43 90
6 74 46 96
7 73 46 93
8 96 36 130
9 93 36 118
10 70 37 88
11 82 46 89
12 80 45 93
13 77 42 94
14 67 50 75
15 82 48 84
Akan ditentukan model regresi linier ganda sehingga dapat diramalkan kekuatan untaian benang
jika diketahui panjang dan kehalusannya.
Benang 2 2
1 2 1 2 1 2 1 2
Nomor
1 85 44 99 8415 4356 3740 7225 1936
2 82 42 93 7626 3906 3444 6724 1764
3 75 42 99 7425 4158 3150 5625 1764
4 74 44 97 7178 4268 3256 5476 1936
5 76 43 90 6840 3870 3268 5776 1849
6 74 46 96 7104 4416 3404 5476 2116
7 73 46 93 6789 4278 3358 5329 2116
8 96 36 130 12480 4680 3456 9216 1296
9 93 36 118 10974 4248 3348 8649 1296
10 70 37 88 6160 3256 2590 4900 1369
11 82 46 89 7298 4094 3772 6724 2116
12 80 45 93 7440 4185 3600 6400 2025
13 77 42 94 7238 3948 3234 5929 1764
14 67 50 75 5025 3750 3350 4489 2500
15 82 48 84 6888 4032 3936 6724 2304
1186 647 1438 114880 61445 50906 94662 28151
Rumus 44
= 0 + 1 1 + 2 2
2
1 = 0 1 + 1 1 + 2 1 2
2
2 = 0 2 + 1 1 2 + 2 2
Persamaannya menjadi:
2 = -1,4312
1 = 0,9271
0 = 84,29636
= , + , ,
Regression
Variables Entered/Removed
Variables Variables
Model Entered Removed Method
ANOVAb
Total 2423.733 14
b. Dependent Variable: Yi
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
a. Dependent Variable: Yi
BAB 3
PENUTUP
Kesimpulan
= + +
Regresi ganda berguna untuk mendapatkan pengaruh dua variabel bebas, atau
untuk mencari hubungan fungsional dua variabel tak bebas atau lebih. Dengan
taksiran :
DAFTAR PUSTAKA
http://rudisiswoyo89.blogspot.com/2013/11/analisis-regresi.html
https://meiandmath22.wordpress.com/2014/01/19/contoh-soal-regresi-linier-sederhana-
dan-regresi-linier-ganda/