REGRESI LINEAR SEDERHANA

Disusun guna memenuhi tugas

Mata kuliah : Statistik II
Dosen pengampu : Drajat Stiawan, M. Si

Disusun oleh :

Kalfadia rosada (2013116288)

Helena rofinky (2013116294)

Nanik purwaningsih (2013116318)

Asti sarassati (2013116350)

EKONOMI SYARIAH
JURUSAN SYARIAH & EKONOMI ISLAM
INSTITUT AGAMA ISLAM NEGERI
PEKALONGAN
2017
 PRAKATA

Puji syukur kami panjatkan kehadirat Allah SWT atas segala rahmat-NYA
sehingga kamidapat menyelesaikan makalah yang berjudul “ REGRESI LINEAR
SEDERHANA“. Sholawat serta salam tak lupa kami junjungkan kepada pimpinan
agung kita baginda Nabi Muhammad SAWyang kita nanti-nantikan syafaatnya di
akhirat nanti.
Selain itu kami juga berterima kasih kepada BapakDrajat Stiawan, M.Si
selaku Dosen mata kuliah Statistik II yang telah memberikan tugas ini kepada
kami serta membimbing kami dalam pembuatan makalah ini.
Kami sangat berharap makalah ini dapat berguna dalam rangka menambah
wawasan serta pengetahuan kami dalam memahami manajemen pemasaran.Kami
juga menyadari sepenuhnya bahwa di dalam makalah ini terdapat banyak sekali
kekurangan dan jauh dari kata sempurna. Oleh sebab itu, kamiberharap adanya
kritik, saran dan usulan demi perbaikan makalah yang telah kamibuat di masa
yang akan datang, mengingat tidak ada sesuatu yang sempurna tanpa saran yang
membangun.
Semoga makalah sederhana ini dapat dipahami bagi siapapun yang
membacanya. Sekiranya laporan yang telah disusun ini dapat berguna bagi
kamisendiri maupun orang yang membacanya. Sebelumnya kami mohon maaf
apabila terdapat kesalahan kata-kata yang kurang berkenan dan kami memohon
kritik dan saran yang membangun dari Anda demi perbaikan makalah ini di waktu
yang akan datang.

Pekalongan, 11 Oktober 2017

Penyusun
 DAFTAR ISI

KATA PENGANTAR .........................................................................................

DAFTAR ISI ........................................................................................................

BAB I. PENDAHULUAN ..................................................................................

1.1 Latar Belakang .............................................................................................
1.2 Rumusan Masalah ........................................................................................
1.3 Tujuan Penulisan .........................................................................................
1.4 Manfaat Penulisan .......................................................................................

BAB II. PEMBAHASAN ....................................................................................

2.1 Regresi Linear Sederhana ...........................................................................
2.2 Analisis Regresi Linear Sederhana .............................................................
2.3 Perhitungan Koefisien Determinasi ............................................................
2.4 Tabel ANOVA untuk Regresi ................. ...................................................

BAB III. PENUTUP ...........................................................................................

3.1 Kesimpulan ....................................................................................................
3.2 Saran ................................................................................................................

DAFTAR PUSTAKA .........................................................................................

 BAB I
PENDAHULUAN

1.1 Latar Belakang

Dalam regresi linier sederhana telah dipelajari analisis regresi yang
terdiri atas dua variabel. Dalam pembicaraan tersebut di mana analisisnya
terdiri atas sebuah variable bebas X(independent variable) sering disebut
variabel X atau prediktor, dan sebuahvariabel tak bebas Y(dependent
variable) atau variabel Y atau variabel penjelaskan. Tentu dapat dengan
mudah dimengerti bahwa, ada juga analisis regresi di mana terdapat lebih dari
dua variabel, yaitu analisis regresi di mana terdapat satu variabel tergantung
(variabel Y) yang diterangkan atau dijelaskan oleh lebih dari satu variabel
lain yang menerangkan (variabel X) atau analisis regresi di mana terdapat
lebih dari satu variabel yang tergantung (variabel Y) yang diterangkan atau
dijelaskan oleh lebih dari satu variabel lain yang menerangkan (variabel X)
yang disebut dengan analisis regresi berganda multivariat atau analisis ragam
multi variat(multivariate multiple regression). Analisis regresi dengan satu
variabel diterangkan atau variabel Y oleh lebih dari sebuah variabel yang
lain atau variabel bebas X, maka analisis yang demikian ini dinamakan
analisis regresi majemuk atau analisis regresi berganda atau analisis regresi darab.

1.2 Rumusan Masalah

Rumusan masalah dalam pembahasan makalah ini adalah :
1.2.1 Apa itu Regresi Linear Sederhana ?
1.2.2 Bagaimana menganalisis Regresi Linear Sederhana pada data suatu
penelitian ?

1.3 Tujuan Penulisan

Tujuan penulisan dalam penulisan makalah ini adalah :
1.3.1 Mengetahui tentang Regresi Linear Sederhana
1.3.2 Mengetahui analisis Regresi Linear Sederhana pada data suatu penelitian
1.4 Manfaat Penulisan
Manfaat penulisan dalam penulisan makalah ini adalah :
1.4.1 Agar mahasiswa mengetahui dan memahami tentang Regresi Linear
Sederhana
1.4.2 Agar menambah wawasan pengetahuan kepada mahasiswa mengenai
analisis Regresi Linear Sederhana pada data suatu penelitian
 BAB II
PEMBAHASAN

2.1 Regresi Linear sederhana

Terdapat dua macam hubungan antara dua variabel atau lebih yaitu bentuk
hubungan dan keeratan hubungan. Untuk mengetahui bentuk hubungan digunakan
analisis regresi. Sedangkan untuk mengetahui keeratan hubungan dapat diketahui
dengan analisis korelasi.
Analisis regresi adalah analisis hubungan antara dua variabel atau lebih.
Variabel dalam analisis regresi ada dua jenis yaitu variabel prediktor sebagai
variabel bebas (independent variabel) dan variabel respon sebagai variabel terikat
(dependent variabel). Analsis regresi digunakan untuk menelusuri pola (bentuk)
hubungan yang modelnya belum diketahui dengan sempurna atau untuk
mengetahui bagaimana variasi dari beberapa variabel bebas mempengaruhi
variabel terikat dalam suatu fenomena yang kompleks.
Dalam analisis regresi, akan dikembangkan sebuah persamaan regresi
yaitu formula matematika yang mencari nilai variabel terikat dari nilai variabel
bebas yang diketahui. Pada perkembangannya, analisis regresi akan lebih banyak
digunakan untuk tujuan peramalan.
Jika X1, X2,... , Xi adalah variabel-variabel independen dan Y adalah
variabel dependen, maka terdapat hubungan fungsional antara X dan Y, dimana
variasi dari X akan diiringipula oleh variasi dari Y.
Secara matematika hubungan diatas dapat dijabarkan sebagai berikut :

Y= α + βX + ε

Dimana:

Y adalah variabel dependen

X adalah variabel independen dan
αadalah intersep (konstanta)
βadalah koefisien variabel X/kemiringan (slope)
 ε adalah error/residu (disturbance term)

Secara garis besar, tujuan analisis regresi adalah untuk (1) mengadakan
estimasi terhadap parameter berdasarkan data empiris, (2) menguji berapa besar
variasi variabel dependen dapat diterangkan oleh variabel independen (3) menguji
apakan estimasi parameter tersebut signifikan atau tidak, dan (4) melihat apakah
tanda dan magnitud dari estimasi parameter cocok dengan teori.

2.2 Analisis Regrasi Sederhana

Analisis regresi sederhana, bertujuan untuk mempelajari hubungan antara

dua variabel saja. Persamaan regresi sederhana bisa ditulis

Y = a + bX+ e
Dimana :

Y adalah variabel tak bebas

X adalah variabel bebas
a adalah penduga bagi intersep ( α )
b adalah penduga bagi koefisien regresi ( β ), dan
e adalah error (kesalahan)
a,β adalah parameter yang nilainya tidak diketahui sehingga diduga
menggunakan statistik sampel.

Untuk mencari nilai a dan b dapat menggunakan dua cara yang berbeda :

Cara 1.

∑ 𝑌 ∑ 𝑋 2 − ∑ 𝑋 ∑ 𝑋𝑌
a=
𝑛 ∑ 𝑋2 −(∑ 𝑋)2

𝑛 ∑ 𝑋𝑌− ∑ 𝑋 ∑ 𝑌
b=
𝑛 ∑ 𝑋2 −(∑ 𝑋)2
Pada cara 1 di atas, nilai a dan b masing-masing dapat dicari secara terpisah.
Tetapi pada cara 2 berikut, nilai b dihitung dulu kemudian digunakan untuk
mencari a.

Cara 2.

∑ 𝑌− 𝑏 ∑ 𝑋
a= =𝒀̅ − 𝒃𝑿̅
𝑵

𝑁(∑ 𝑋𝑌)− ∑ 𝑋 ∑ 𝑌
b=
𝑁 ∑ 𝑋2 −(∑ 𝑋 )2
Keteragan :

𝑋̅i= Rata-rata skor variabel X

𝑌̅i = Rata-rata skor variabel Y

Contoh 9.1

Seorang dosen mengamati mahasiswa yang memiliki nilai statistik tinggi maka
IPK yang diperoleh juga tinggi. Untuk membuktikan dugaan tersebut maka
dikumpulkanlah sampel sejumlah 9 mahasiswa dan diperoleh data sebagai
berikut:

Mahasiswa ke IPK (Y) Statistik (X)

1 3,0 70
2 3,4 87
3 2,9 56
4 3,0 67
5 2,6 48
6 3,5 90
7 3,1 75
8 3,0 55
9 3,3 73
Untuk memudahkan perhitungan, kita buat tabel kerja sebagai berikut :

Mhs Y X XY X2
1 3 70 210 4900
2 3,4 87 295,8 7569
3 2,9 56 162,4 3136
4 3 67 201 4489
5 2,6 48 124,8 2304
6 3,5 90 315 8100
7 3,1 75 232,5 5625
8 3 55 165 3025
9 3,3 73 240,9 5329
Jumlah 27,8 621 1947,4 44477

Sebetulnya, baik menggunakan cara 1 maupun cara 2, akan menghasilkan nilai a

dan b yang sama. Namun dalam contoh soal ini kita akan coba menggunakan cara
2.

𝑛 ∑ 𝑋𝑌−(∑ 𝑋)(∑ 𝑌)
b= 𝑛 (∑ 𝑋 2 )−(∑ 𝑋)2

9(1947,4) − (621)(27,8)
=
9 (44477) − (621)2
17526,6 − 17263,8
=
400293 − 385641
262,8
=
14652

= 0,018

a = 𝑌̅ − 𝑏𝑋̅

∑𝑌 ∑𝑋
= −𝑏
𝑛 𝑛

27,8 621
= − 0,018 ( )
9 9

= 3,089 – 1,242

= 1,847
 Dari nilai a dan b di atas, didapatkan model persamaan regresi sebagai
berikut :

𝑌̂ = a + bX

𝑌̂ = 1,847 + 0,018 𝑋

2.3 Perhitungan Koefisien Determinasi

Koefisien Determinasi digunakan untuk mengetahui seberapa besar

pengaruh variabel bebas ( X ) terhadap variabel terikat ( Y ). Rumus yang
digunakan ialah :
R = r2 X 100%

Dimana r adalah koefisien korelasi product moment.

Berdasarkan hasil perhitungan, diperoleh koefisien korelasi product miment

sebesar 0,927442, sehingga diperoleh koefisien determinasi sebesar :

R = 0,9274422 X 100% = 0,860148 X 100% = 86,0148%

Ini memberikan makna bahwa 86,0148% IPK dipengaruhi oleh nilai Statistika,
sedangkan sisanya dipengaruhi oleh variabel lain diluar model.

a. Uji signifikasi koefisien regresi (b)

Untuk melakukan uji signifikansi kita menggunakan uji t. Tujuan uji
signifikan koefisien regresi adalah untuk mengetahui apakah koefisien regresi
yang diperoleh berpengaruh signifikan terhadap model regresi yang telah
didapat.
Statistik uji yang digunakan adalah :

𝑏− β
t= S𝑏
 Dimana :

𝑆𝑒
Sb = 2
√∑ 𝑋 2 – (∑ 𝑋 )
𝑁

dan

∑ 𝑌 2 − a ∑ Y−b ∑ XY
Se =√ 𝑁−2

Rumusan hipotesisnya adalah :

Ho : Variabel independen ( X ) tidak berpengaruh terhadap variabel
dependen ( Y ) atau β = 0
H1 : Variabel independen ( X ) berpengaruh terhadap variabel dependen (
Y ) atau B =/ 0

Untuk soal diatas akan kita uji signifikansinya sebagai berikut :

Mhs Y X XY X2 Y2
1 3 70 210 4900 9
2 3,4 87 295,8 7569 11,56
3 2,9 56 162,4 3136 8,41
4 3 67 201 4489 9
5 2,6 48 124,8 2304 6,76
6 3,5 90 315 8100 12,25
7 3,1 75 232,5 5625 9,61
8 3 55 165 3025 9
9 3,3 73 240,9 5329 10,89
Jumlah 27,8 621 1947,4 44477 86,48
 ∑ 𝑌 2 − a ∑ Y−b ∑ XY
Se =√ 𝑁−2

86,48−1,847 (27,8)− 0,018 (1947,4)

=√
9−2

35,1334 − 35,0532
=√
7

0,0802
=√
7
= √0,01145714

= 0,10703803

𝑆𝑒
Sb = 2
√∑ 𝑋 2 – (∑ 𝑋 )
𝑁

0,10703803
= 2
√44477− (621)
9

0,10703803
=
√44477−42849

0,10703803
=
√1628

0,10703803
= = 0,002652839
40,348482

Sehingga diperoleh t hitung :

𝑏− β 0,018−0
t= S𝑏
= 0,002652839 = 6,78518372
Selanjutnya membandingkan dengan t tabel untuk N = 9 dan α = 5% dan 1%.
Untuk α = 5% nilai t tabel = 2,262 dan
Untuk α = 1% nilai t tabel = 3,250

Karena t hitung > t tabel, maka baik pada taraf nyata 5% maupun 1% tolak Ho,
artinya koefisien regresinya adalah signifikan, dengan kata lain variabel
independen berpengaruh terhadap variabel dependen.

b. Uji Ksesesuaian Model

Untuk melakukan uji kesesuaian model digunakan uji F.
Adapun langkah pengujiannya adalah sebagai berikut:
1. Menentukan rumusan hipotesis Ho dan H1
Ho : Model Tidak Sesuai (tidak linier)
H1 : Model Sesuai (linier)
2. Menentukan uji statustika yang sesuai. Uji statistika yang
digunakan adalah uji F. Untuk menentukan nilai uji F dapat
mengikuti langkah-langkah berikut :
- Menghitung jumlah kuadrat regresi (JK reg (a)) dengan rumus :

(∑ 𝑌)2
JK reg (a) = 𝑛

- Menghitung jumlah kuadrat regresi b|a (JK reg b|a), dengan

rumus :

∑𝑋∑𝑌
JK reg b|a = b (∑ 𝑋𝑌 − )
𝑛

- Menghitung jumlah kuadrat residu (JK res) dengan rumus :

JK res = ∑ 𝑌 2 − JK reg b|a - JK reg (a)

 - Menghitung rata-rata jumlah kuadrat regresi a (RJK reg (a))
dengan rumus :

RJK reg (a) = JK Re g (a)

- Menghitung rata-rata jumlah kuadrat regresi b/a (RJK reg (a))

dengan rumus :

RJK reg (b/a) = JK Re g (b/a)

- Menghitung rata-rata jumlah kuadrat residu (RJK res) dengan

rumus :

𝐽𝐾Res
RJK res = 𝑛−2

- Menghitung F, dengan rumus :

𝑅𝐽𝐾𝑅𝑒𝑔 (𝑏⁄𝑎)
F= 𝑅𝐽𝐾𝑅𝑒𝑠

3. Menentukan nilai kritis (a) atau nilai tabel F pada derajat bebas
dbregb/a =1 dan dbres = n-2.
4. Membandingkan nilai uji F dengan nilai tabel F, dengan kriteria
uji, Apabila nilai hitung F lebih besar atau sama dengan ( ) nilai
tabel F, maka H0 ditolak.
5. Membuat kesimpulan.

Langkah-langkah uji ini dapat disederhanakan dalam sebuah tabel

ANOVA sebagai berikut :
2.5 Tabel ANOVA untuk Regresi

Sumber Ftab
dk JK RJK Fhit
Variasi 5% 1%
Koefisien (a) 1 JK(a) RJK(a)
RJK(b/a) F0,05;1,(n-1) F0,01:1,(n-1)
Regresi (b/a) 1 JK(b/a) RJK(b/a)
RJK Res
Sisa n-2 JKRes RJKRes - -
Total N JKT -

Keterangan :

JKT = ∑ 𝑌 2
∑ 𝑌2
JK (a) = ( )
𝑛
∑𝑋∑𝑌
JK (b/a) = b (∑ 𝑋𝑌 − )
𝑛

JK Res = ∑ 𝑌 2 − 𝐽𝐾𝑅𝑒 𝑔 (𝑏⁄𝑎) - 𝐽𝐾𝑅𝑒 𝑔 (𝑎)

RJK (b/a) = JK (b/a)
𝐽𝐾𝑅𝑒𝑠
RJK Res =
𝑛−2
RJK(b/a)
Fhitung =
𝑅𝐽𝐾𝑅𝑒𝑠
 Untuk menguji kesesuaian model dari contoh soal diatas maka diperlukan
tabel kerja yang lebih lengkap sebagai berikut :

Mhs Y X XY X2 Y2
1 3 70 210 4900 9
2 3,4 87 295,8 7569 11,56
3 2,9 56 162,4 3136 8,41
4 3 67 201 4489 9
5 2,6 48 124,8 2304 6,76
6 3,5 90 315 8100 12,25
7 3,1 75 232,5 5625 9,61
8 3 55 165 3025 9
9 3,3 73 240,9 5329 10,89
Jumlah 27,8 621 1947,4 44477 86,48

JKT = ∑ 𝑌 2 = 86,48
∑ 𝑌2 27,82 772,84
JK (a) = ( )= = = 85,87111
𝑛 9 9
∑𝑋∑𝑌
JK (b/a) = b (∑ 𝑋𝑌 − )
𝑛
(621)(27,8)
= 0,018 (1947,4 − )= 0,5256
9

JK Res = ∑ 𝑌 2 − 𝐽𝐾𝑅𝑒 𝑔 (𝑏⁄𝑎) - 𝐽𝐾𝑅𝑒 𝑔 (𝑎)

= 86,48-0,5256-85,87111
= 0,083289
RJK (b/a) = JK (b/a) = 0,5256
𝐽𝐾𝑅𝑒𝑠 0,083289
RJK Res = = = 0,011898
𝑛−2 9−2
RJK(b/a) 0,5256
Fhitung = = = 44,17396
𝑅𝐽𝐾𝑅𝑒𝑠 0,011898
Hasilnya dimasukkan ke tabel ANOVA menjadi:

Sumber Ftab
dk JK RJK Fhit
Variasi 5% 1%
Koefisien (a) 1 85,87111 85,87111
5,59 12,246
Regresi (b/a) 1 0,5256 0,5256 44,17396
Sisa 7 0,083289 0,011898 - -
Total N 86,48 -

Karena F hitung pada taraf nyata 5% dan 1% lebih besar dari F tabel maka
Ho ditolak, artinya model telah sesuai (yaitu model berbentuk linier)
 BAB III
PENUTUP

3.1 Kesimpulan
Model regresi linier sederhana merupakan persamaan yang menyatakan
hubungan antara satu variabel predictor (X) dan satu variabel respon (Y). Analisis
untuk mengetahui arah hubungan antara variabel indpenden dengan variabel
dependen apakah positif atau negatif dan untuk memprediksi nilai dari variabel
dependen apabila nilai variabel independen mengalami kenaikan atau penurunan.
3.2 Saran
Sebelum menggunakan persamaan regresi dalam menjelaskan hubungan
antara dua atau lebih variabel, perlu diyakini terlebih dahulu bahwa secara teoritis
atau perkiraan sebelumnya, bahwa variabel variabel tersebut memiliki hubungan
sebab akibat. Dalam menganalisis regresi sederhana kita harus memperhatikan
langkah-langkah yang kita ambil. Lakukan seperti yang tertera di dalam makalah
ini. Perhatikan langkah-langkah pengerjaannya, supaya saat dalam proses
pengerjaan tidak terjadi kesalahan yang dapat mengakibatkan analisis regresi
sederhananya menjadi salah total. Pahami baik-baik penjelasan yang ada dalam
makalah ini.
DAFTAR PUSTAKA