LAPORAN PRAKTIKUM STATISTIKA ELEMENTER

ANALISIS REGRESI LINIER SEDERHANA

Dosen Pengampu:
Ria Dhea Layla Nur Karisma, M. Si

Oleh:
Aminahtuz Zahro
16610088

JURUSAN MATEMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM
MALANG
 ABSTRAK
Dalam kehidupan sehari-hari terkadang kita ingin mengetahui hubungan
suatu variabel, tidak hanya mengetahui seberapa kuat hubungannya, tetapi berapa
besar dan apakah hubungannya positif atau negatif dan sebagainya. Untuk
melakukan itu, kita perlu menganalisis secara analisis regresi, dalam melakukan
analisis regresi dilakukan beberapa uji, yaitu pertama estimasi model regresi lalu
uji koefisien beta secara individu maupun serentak dan uji apakah model yang
digunakan sudah tepat. Dari uji-uji tersebut akan telihat apakah ada hubungan atau
tidaknya antara satu variabel dengan variabel yang lain. Dalam praktikum ini
dilakukan analisis regresi terhadap hasil panen padi dan pemupukan, apakah ada
hubungan diantara keduanya. Hitungan yang dilakukan menggunakan hitungan
manual dan aplikasi Minitab. Dari hitungan manual diperoleh model regresinya
𝑦̂ = 10,382 + 1,49𝑥 sedangkan dari Minitab 𝑌 = 10,4 + 1,49𝑋. Kemudian
koefisien pada model diuji secara individu dan secara serentak. Untuk pengujian
secara individu 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 = 3,96 > 𝑡𝑡𝑎𝑏𝑒𝑙 = 2,776, sehingga tolak H0 berarti
terdapat hubungan antara hasil panen padi dan pemupukan. Sedangkan untuk
pengujian secara serentak 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 15,48 > 𝐹𝑡𝑎𝑏𝑒𝑙 = 10,13, sehingga tolak H0
berarti terdapat hubungan antara hasil panen padi dan pemupukan. Dan uji
terakhir uji model dengan koefisien determinasi 𝑅 2 = 84% hampir mendekati
100%, sehingga model dapat diterima. Dari semua hasil hitungan dapat
disimpulkan bahwa terdapat hubungan antara hasil panen padi dan pemupukan.

Kata Kunci: Analisis Regresi, Koefisien Determinasi, Minitab, Model Regresi,

Uji Individu, Uji Serentak.

ii
 DAFTAR ISI
Halaman Judul
ABSTRAK ............................................................................................................. ii

DAFTAR ISI ......................................................................................................... iii

DAFTAR GAMBAR ............................................................................................. v

DAFTAR TABEL ................................................................................................ vi

BAB I PENDAHULUAN

1.1 Latar Belakang ........................................................................................ 1

1.2 Rumusan Masalah .................................................................................... 1

1.3 Tujuan Penelitian ..................................................................................... 2

1.4 Batasan Masalah ...................................................................................... 2

BAB II TINJAUAN PUSTAKA

2.1 Metode Statistika ..................................................................................... 3

2.1.1 Analisis Regresi ............................................................................. 3

2.1.2 Relasi yang Logis .......................................................................... 4

2.1.3 Diagram Pencar (Scatter Diagram) ............................................... 4

2.1.4 Persamaan Regresi Linier Sederhana ............................................ 4

2.1.5 Sifat-Sifat Garis Regresi Linier ..................................................... 5

2.1.6 Standar Error Estimasi ................................................................... 5

2.1.7 Uji-t untuk Kemiringan (Slope) Garis Regresi .............................. 6

2.1.8 Uji ANOVA untuk Kemiringan (Slope) Garis Regresi ................. 8

2.1.9 Koefisien Determinasi ................................................................... 9

2.2 Metode Non Statistika ........................................................................... 10

2.2.1 Pemupukan .................................................................................. 10

2.2.2 Hasil Panen Padi .......................................................................... 10

BAB III METODOLOGI PENELITIAN

iii
 3.1 Sumber Data .......................................................................................... 11

3.2 Waktu dan Tempat Pengambilan Data .................................................. 11

3.3 Langkah-Langkah Analisis .................................................................... 11

BAB IV ANALISIS DATA DAN PEMBAHASAN

4.1 Analisis Data .......................................................................................... 16

4.2 Pembahasan ........................................................................................... 16

4.2.1 Manual ......................................................................................... 16

4.2.2 Minitab ........................................................................................ 21

4.2.3 Perbandingan Hasil Hitungan Manual dan Minitab .................... 22

BAB V KESIMPULAN DAN SARAN

5.1 Kesimpulan ............................................................................................ 23

5.2 Saran ...................................................................................................... 24

DAFTAR PUSTAKA

LAMPIRAN

iv
 DAFTAR GAMBAR
Gambar 3.1 Tampilan Awal Minitab .................................................................... 11
Gambar 3.2 Mengaktifkan Enable Command ....................................................... 12
Gambar 3.3 Input Data .......................................................................................... 12
Gambar 3.4 Toolbar Graph ................................................................................... 12
Gambar 3.5 Kotak Dialog With Regression ......................................................... 13
Gambar 3.6 Input Variabel .................................................................................... 13
Gambar 3.7 Output Scatterplot ............................................................................. 13
Gambar 3.8 Toolbar Stat dan Kotak Dialog Regression ....................................... 14
Gambar 3.9 Input Variabel .................................................................................... 14
Gambar 3.10 Kotak Dialog Options ..................................................................... 14
Gambar 3.11 Kotak Dialog Storage ...................................................................... 15
Gambar 3.12 Output Minitab ................................................................................ 15
Gambar 4.1 Grafik Scatterplot .............................................................................. 22

v
 DAFTAR TABEL
Tabel 4.1 Tabulasi Perhitungan............................................................................. 16
Tabel 4.2 Tabel Hitungan Model Regresi ............................................................. 17
Tabel 4.3 Tabel Distribusi t................................................................................... 18
Tabel 4.4 Tabel ANOVA ...................................................................................... 19
Tabel 4.5 Tabel Distribusi F.................................................................................. 20
Tabel 4.6 Tabel Output Minitab ............................................................................ 21

vi
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Sebuah kajian ilmiah, selalu disandingkan dengan pengujian-pengujian
atas dasar data-data yang telah dikumpulkan dan telah memenuhi syarat sebagai
data. Pengujian atas data menjadi sangat penting untuk mendapatkan pengakuan
secara ilmiah dan selanjutnya dapat diakui secara publik. Apakah suatu peristiwa
benar-benar terjadi secara signifikan ataukah hanya sebuah faktor kebetulan saja,
sehingga secara ilmiah kurang atau tidak dapat dipertanggungjawabkan. Untuk
melakukan pengujin atas data diperlukan alat-alat uji yang benar-benar relevan
dengan topik yang dipermasalahkan (Sunyoto, 2010).
Salah satu alat uji tersebut adalah analisis regresi. Dalam bahasannya,
analisis regresi ada yang sederhana dan berganda. Dalam menganalisisnya sendiri
banyak langkah-langkah yang harus dipenuhi yang jika dihitung menggunakan
hitungan manual akan memakan banyak waktu, apalagi jika data yang diteliti
banyak, maka tentu akan sangat lama dalam menganalisisnya. Namun, dengan
adanya aplikasi Minitab sebagai salah satu aplikasi statistika dapat membantu
untuk melakukan hitungan dalam analisis regresi, sehingga akan mempersingkat
waktu.
Misalkan jika kita ingin mengetahui hubungan antara pemupukan terhadap
panen padi yang sebelumnya telah diteliti secra acak dari beberapa sampel, maka
kita bisa menggunakan analisis regresi sederhana baik dengan hitungan manual
ataupun dengan hitungan Minitab.
Berdasarkan alasan tersebut, maka praktikum kali ini akan melakukan
analisis regresi sederhana untuk mengetahui hubungan pemupukan terhadap hasil
panen dengan cara manual dan Minitab, serta ingin mengetahui perbandingan
antara keduanya.
1.2 Rumusan Masalah
Berdasarkan latar belakang diatas, penulis mengambil beberapa rumusan
masalah yang ingin dibahas, yaitu:

1
 1. Bagaimana mencari hitungan yang diperlukan dalam analisis regresi
sederhana hubungan pemupukan terhadap panen padi dengan
menggunakan cara manual?
2. Bagaimana mencari hitungan yang diperlukan dalam analisis regresi
sederhana hubungan pemupukan terhadap panen padi dengan
menggunakan aplikasi Minitab?
3. Apakah ada hubungan antara pemupukan terhadap panen padi?
4. Bagaimanakah perbandingan antara hasil hitungan Manual dan Minitab?
1.3 Tujuan Penelitian
Berdasarkan latar belakang dan rumusan masalah di atas, pratikum ini
bertujuan untuk:
1. Untuk mengetahui bagaimana mencari hitungan yang diperlukan dalam
analisis regresi sederhana hubungan pemupukan terhadap panen padi
dengan menggunakan cara manual.
2. Untuk mengetahui bagaimana mencari hitungan yang diperlukan dalam
analisis regresi sederhana hubungan pemupukan terhadap panen padi
dengan menggunakan aplikasi Minitab.
3. Untuk mengetahui apakah ada hubungan antara pemupukan terhadap
panen padi.
4. Untuk mengetahui perbandingan antara hasil hitungan Manual dan
Minitab.
1.4 Batasan Masalah
Praktikum ini terbatas pada menganalisis hubungan antara pemupukan
terhadap hasil panen padi dengan analisis regresi linier sederhana dengan hitungan
manual dan hitungan Minitab. Serta menguji hipotesis untuk analisis regresi linier
sederhana dengan anova satu arah, dan menarik kesimpulan.

2
 BAB II
TINJAUAN PUSTAKA
2.1 Metode Statistika
2.1.1 Analisis Regresi
Sebelum suatu keputusan diambil seringkali perlu dilakukan suatu
peramalan (forecasting) mengenai kemungkinan yang terjadi atau harapan di
masa depan yang berkaitan dengan keputusan tersebut. Hal tersebut dapat
lebih mudah dilakukan bila suatu hubungan (relasi) dapat ditentukan antara
variabel yang akan diramal dengan variabel lain yang telah dketahui ataupun
sangat mudah untuk diantisipasi. Untuk keperluan tersebut, regresi dan
korelasi sangat luas digunakan sebagai perangkat analisisnya (Harinaldi,
2005).
Analisis regresi adalah suatu analisis yang mengukur pengaruh antara
variabel bebas terhadap terikat (Sunyoto, 2010). Apabila dua variabel x dan y
mempunyai hubungan (korelasi), maka perubahan nilai variabel yang satu
akan memengaruhi nilai variabel lainnya. Hubungan variabel dapat
dinyatakan dalam bentuk fungsi (Supranto, 2001).
Hubungan antarvariabel dapat berupa hubungan linier ataupun
hubungan tidak linier. Misalnya, berat badan laki-laki dewasa sampai pada
taraf tertentu tergantung pada tinggi badan, keliling lingkaran bergantung
pada diameternya, dan tekanan gas bergantung pada suhu dan volumenya
(Hasan, 2003).
Untuk dua variabel, hubungan liniernya dapat dinyatakan dalam
bentuk persamaan linier, yaitu:
𝑌 = 𝑎 + 𝑏𝑋
Dimana:
Y, X = variabel
a, b = bilangan konstan (konstanta)
hubungan antara dua variabel pada persamaan linier jika digambarkan
secara grafis (scatter diagram), semua nilai Y dan X akan berada pada suatu
garis lurus. Dlam ilmu ekonomi, garis itu disebut garis regresi (Hasan, 2003).

3
2.1.2 Relasi yang Logis
Dalam menentukan apakah terdapat suatu hubungan yang logis antar
variabel terutama bila peilaian dilakukan terhadap angka-angka statistik saja,
perlu diperhatikan beberapa hal yang berkaitan dengan masuk akal atau
tidaknya hubungan tersebut jika ditinjau dari sifat dasar hubungan tersebut.
Dalam hal ini terdapat beberapa kemungkinn bentuk relasi, meliputi
hubungan sebab-akibat, hubungan akibat penyebab yang sama, dan hubungan
semu (Harinaldi, 2005).
2.1.3 Diagram Pencar (Scatter Diagram)
Langkah pertama dalam menganalisis relasi antar variabel adalah
dengan membuat diagram pencar (scatter diagram) yang menggambarkan
titik-titik plot dari data yang diperoleh. Diagram pencar ini berguna untuk:
1. Membantu melihat apakah ada relasi yang berguna antar variabel.
2. Membantu menentukan jenis persamaan yang akan digunakan
untuk menentukan hubungan tersebut (Harinaldi, 2005).
2.1.4 Persamaan Regresi Linier Sederhana
Adalah tidak mungkin untuk memperkirakan hubungan antara dua
variabel tanpa membuat asumsi terlebih dahulu mengenai bentuk hubungan
yang dinyatakan dalam fungsi tertentu. Dalam beberapa hal, kita bisa
mengecek asumsi tersebut setelah hubungan diperkirakan. Fungsi linier,
selain mudah interpretsinya, juga dapat digunakan sebagai pendekatan atas
hubungan yang bukan linier (Supranto, 2001).
Kesalahan ramalan menyebabkan perencanaan menjadi tidak akurat,
sehingga kesalahan tersebut mengakibatkan risiko, dan karenanya harus
diusahakan sekecil mungkin. Dalam membuat keputusan, selalu ada yang
disebabkan oleh adanya kesalahan (error). Karena kesalahan itu tak dapat
dihilangkan sama sekali, maka risiko itu betapapun kecilnya selalu ada.
Dengan mengestimasi kesalahan pengganggu, 𝜀, maka bentuk persamaan
fungsi linier di atas menjadi sebagai berikut:
𝑌 = 𝑎 + 𝑏𝑋 + 𝜀
Dimana:
Y, X = variabel

4
 a, b = bilangan konstan (konstanta)
𝜀 adalah kesalahan pengganggu (Supranto, 2001).
2.1.5 Sifat-Sifat Garis Regresi Linier
Menurut Harinaldi (2005: 207), terdapat dua sifat yang harus dipenuhi
sebuah garis lurus untuk dapat menjadi garis regresi yang cocok (fit) dengan
titik-titik pada diagram pencar, yaitu:
1. Jumlah simpangan (deviasi) positif dari ttik-titik yang tersebar di
atas garis regresi sama dengan (saling menghilangkan) jumlah
simpangan negatif dari titik-titik yang tersebar di bawah garis
regresi.

∑ ∆𝑦 = ∑(𝑦 − 𝑦̂) = 0

2. Kuadrat dari simpangan-simpangan mencapai nilai minimum.

Jadi:

∑(𝑥𝑦)2 = ∑(𝑦 − 𝑦̂)2 = 𝑚𝑖𝑛𝑖𝑚𝑢𝑚

Dengan sifat kedua, metode regresi ini sering juga disebut sebagai
metode leastsquare. Dengan menggunkan kedua sifat di atas dan
menggabungkannya dengan prinsip-prinsip kalkulus diferensial untuk
menentukan nilai ekstrim sebuah fungsi, maka dapat diturunkan hubungan-
hubungan untuk mendapatkan nilai-nilai konstanta pada persamaan garis
regresi, yang hasilnya sebagai berikut (Harinaldi, 2005):
𝑛(∑ 𝑥𝑦) − (∑ 𝑥)(∑ 𝑦)
𝛽̂1 =
𝑛(∑ 𝑥 2 ) − (∑ 𝑥)2
𝛽̂0 = 𝑦̅ − 𝛽̂1 𝑥̅
Dimana:
𝑛 = jumlah titik (pasangan pengamatan (x,y))
𝑦̅ = mean dari variabel y
𝑥̅ = mean dari variabel x
2.1.6 Standar Error Estimasi
Dalam menggunakan persamaan regresi untuk melakukan suatu
perkiraan, terdapat satu pertanyaan penting mengenai seberapa kuat hubungan
antar variabel bebas dan terikatnya; atau, dengan kata lain, seberapa besar

5
derajat ketergantungan hasil perkiraan tersebut. Ukuran yang
mengindikasikan derajat variasi sebaran data disekitar garis regresi dapat
menunjukkan seberapa besar derajat keterkatan perkiraan yang diperoleh
dengan menggunakan persamaan regresi tersebut. Ukuran ini dinamakan
sebagai standar error estimasi. Dalam definisi yang lebih tepat standar error
estimasi (𝑠𝑦,𝑥 ) adalah standar deviasi yang memberikan ukuran penyebaran
nilai-nilai yang teramati disekitar garis regresi, dirumuskan sebagai berikut
(Harinaldi, 2005):

∑ 𝑦 2 − 𝛽̂0 (∑ 𝑦) − 𝛽̂1 (∑ 𝑥𝑦)

𝑠𝑦,𝑥 = √
𝑛−2
2.1.7 Uji-t untuk Kemiringan (Slope) Garis Regresi
Dalam melakukan inferensi statistik dengan menggunakan analisis
regresi terdapat beberapa asumsi dasar yang harus terpenuhi, yaitu:
1. Populasi memiliki variabel x dan y yang berhubungan secara liner
dan persamaan garisnya memiliki nilai perpotongan dengan sumbu
y (𝛽̂0) dan kemiringan 𝛽̂1 yang tetap. Nilai-nilai a dan b yang
diperoleh dari observasi sampel adalah nilai-nilai perkiraan untuk a
dan b. Jadi,
2. Untuk setiap nilai x terdapat distribusi nilai y pada diagram pencar
populasi yang mana nilai tersebut terdistribusi secara normal di
sekitar garis regresi.
3. Masing-masing distribusi nilai y memiliki standar deviasi yang
sama (sering disebut sebagai kondisi homoscedasticity).
4. Masing-masing nilai y pada distribusi ini saling bebas satu sama
lainnya.
Dengan berdasarkan asumsi-asumsi dasar tersebut, maka dapat
dilakukan sebuah uji hipotesis mengenai kemiringan (slope) garis regresi
menggunakan uji-t yang mengikuti tujuh langkah uji hipotesis yang biasa
diterapkan sebagai berikut:
1. Pernyataan Hipotesis Nol dan Hipotesis Alternatif:
Dalam persoalan ini, ingin diketahui apakah terdapat hubungan
antara variabel x dan y yang diindikasikan melalui kemiringan

6
 garis regresi. Jika tidak terdapat hubungan, maka nilai b
(kemiringan atau slope dari garis regresi untuk populasi) adalah
nol. Jadi, hipotesis nol dan hipotesis alternatif yang akan diuji
adalah:
H0 : B = 0
H1 : B ≠ 0
2. Pemilihan Tingkat Kepentingan (Level Of Significance):
Biasanya digunakan tingkat kepentingan 0,01 atau 0,05
3. Penentuan Distribusi Pengujian yang Digunakan:
Dalam uji ini yang digunakan adalah distribusi t. Nilai-nilai dari
distribusi ditentukan dengan mengetahui:
a. Tingkat kepentingan (Level Of Significance) 𝛼⁄2 (uji dua-
ujung).
b. Derajat kebebasan atau degree of freedom, 𝑑𝑓 = 𝑛 − 2
dimana n = jumlah data pasangan.
4. Pendefinisian Daerah Penolakan atau Daerah Kritis:
Daerah penerimaan dan penolakan dibatasi oleh nilai 𝑡𝑐𝑟 .
5. Pernyataan Aturan Keputusan (Decision Rule):
Tolak H0 dan terima H1 jika perbedaan yang terstandar antara
kemiringan sampel (b) dan kemiringan populasi yang
dihipotesiskan berada di daerah penolakan. Jika sebaliknya, terima
H0 .
6. Perhitungaan Rasio Uji (RU):
Rumus yag digunkan untuk menghitung rasio uji adalah:
̂1 −𝛽𝐻
𝛽 0
𝑅𝑈𝑡 = 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 = 𝑠𝑏

Dimana:
𝑠𝑦,𝑥
𝑠𝑏 =
2
√∑ 𝑥 2 − (∑ 𝑥)
𝑛
7. Pengambilan Keputusan Secara Statistik:

7
 Jika nilai rasio uji berada di daerah penerimaan maka hipotesis nol
diterima, sedangkan jika berada di daerah penolakan maka
hipotesis nol ditolak (Harinaldi, 2005).
2.1.8 Uji ANOVA untuk Kemiringan (Slope) Garis Regresi
Teknik lain untuk menguji keberadaan slope suatu garis regresi
populasi adalah dengan analisis varians (ANOVA). Uji ANOVA ini akan
memberi hasil yang sama dengan uji t dalam menentukan apakah ada relasi
antara variabel bebas dan terikat dalam suatu analisis regresi linier
sederhana. Namun, uji ANOVA memiliki kelebihan dibanding uji t karena
uji ANOVA dapat digunakan dalam analisis regresi majemuk (Harinaldi,
2005).
Untuk analisis regresi linier sederhana, uji ANOVA untuk
mengetahui apakah ada hubungan antara x dan y mengikuti prosedur
sebagai berikut (Harinaldi, 2005):
1. Pernyataan Hipotesis Nol dan Hipotesis Alternatif:
H0 : 𝛽̂0 = 𝛽̂1 = 0
H1 : minimal terdapat 𝛽̂1 ≠ 0
2. Pemilihan Tingkat Kepentingan (Level of Significance):
Biasanya digunakan tingkat kepentingan 0,01 atau 0,05.
3. Penentuan Distribusi Pengujian yang Digunakan:
Dalam uji ANOVA ini yang digunakan adalah distribusi F. Nilai-
nilai dari distribbusi F telah disajikan dalam bentuk tabel, yang
dapat ditentukan dengan mengetahui tiga hal berikut:
a. Tingkat kepentingan
b. Erajat kebebasan atau degree of freedom (𝑑𝑓𝑛𝑢𝑚 ) yang
digunakan sebagai pembilang dalam rasio uji adalah
𝑑𝑓𝑛𝑢𝑚 = 𝑚 dimana m = jumlah variabel bebas (untuk
regresi linier sederhana, m = 1)
c. Derajat kebebasan atau degree of freedom (𝑑𝑓𝑑𝑒𝑛 ) untuk
sampel yang digunakan sebagai penyebut dalam rasio
adalah 𝑑𝑓𝑛𝑢𝑚 = 𝑛 − 𝑚 − 1 dimana n = jumlah observasi
(data pasangan)

8
 4. Pendefinisian Daerah-Daerah Penolakan atau Kritis
Daerah penerimaan dan penolakan dibatasi oleh nilai kritis 𝐹𝑐𝑟 .
5. Pernyataan Aturan Keputusan (Desicion Rule):
Tolak H0 dan terima H1 jika RU > 𝐹𝑐𝑟 . Jika tidak demikian, terima
H0 .
6. Perhitungan Rasio Uji (RU):
Rumus yang digunakan untuk menghitung rasio uji (𝑅𝑈𝐹 ) adalah:
𝑀𝑆𝑅𝑒𝑔𝑟𝑒𝑠𝑖
𝑅𝑈𝐹 = 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 =
𝑀𝑆𝐸𝑟𝑟𝑜𝑟
𝑛

𝑆𝑆𝑅𝑒𝑔𝑟𝑒𝑠𝑖 = ∑(𝑦̂𝑖 − 𝑦̅)2

𝑖=1
𝑛

𝑆𝑆𝐸𝑟𝑟𝑜𝑟 = ∑(𝑦𝑖 − 𝑦̂𝑖 )2

𝑖=1
𝑛

𝑆𝑆𝑇 = ∑(𝑦𝑖 − 𝑦̅𝑖 )2

𝑖=1
𝑆𝑆𝑅𝑒𝑔𝑟𝑒𝑠𝑖
𝑀𝑆𝑅𝑒𝑔𝑟𝑒𝑠𝑖 =
𝑑𝑓𝑟𝑒𝑔𝑟𝑒𝑠𝑖
𝑆𝑆𝐸𝑟𝑟𝑜𝑟
𝑀𝑆𝐸𝑟𝑟𝑜𝑟 =
𝑑𝑓𝐸𝑟𝑟𝑜𝑟
7. Pengambilan Keputusan Secara Statistik:
Jika nilai rasio uji berada di daerah penerimaan maka hipotesis nol
diterima, sedangkan jika berada di daerah penolakan maka hipotesis
nol ditolak.
2.1.9 Koefisien Determinasi
Koefisien determinasi (R2) didefinisikan sebagai perbandingan dari
variasi terjelaskan dengan variasi lokal (Harinaldi, 2005):
∑(𝑦̂ − 𝑦̅)2
𝑅2 =
∑(𝑦 − 𝑦̅)2
Nilai koefisien determinasi berkisar antara 0 (tidak ada relasi) dan 1
(relasi sempurna) (Harinaldi, 2005).

9
2.2 Metode Non Statistika
2.2.1 Pemupukan
Pemupukan menurut pengertian khusus, ialah pemberian bahan yang
dimaksudkan untuk menyediakan hara bagi tanaman. Umumnya pupuk
diberikan dalam bentuk padat atau cair melalui tanah dan diserap oleh akar
tanaman. Namun, pupuk dapat juga diberikqn lewat permukaan tanaman,
terutama daun (Wikipedia, 2016).
2.2.2 Hasil Panen Padi
Panen adalah pemungutan (pemetikan) hasil sawah atau ladang.
Istilah ini paling umum dipakai dalm kegiatan bercocok tanam dan menandai
berakhirnya kegiatan di lahan (Wikipedia, 2017).

10
 BAB III
METODOLOGI PENELITIAN
3.1 Sumber Data
Data merupakan contoh soal mengenai analisis regresi sederhana yang
diambil dari buku statistika yang berjudul Pokok-Pokok Materi Statistik 2
(Statistik Inferensif) karangan M. Iqbal Hasan, yang terbit pada tahun 2003 edisi
kedua.
3.2 Waktu dan Tempat Pengambilan Data
Data tersebut diambil pada hari Kamis, 30 November 2017. Yang diambil
dari buku statistika koleksi Perpustakaan Pusat Universitas Islam Negeri Malang
di rumah Penulis Jalan Gajayana Gang 4, No. 632A.
3.3 Langkah-Langkah Analisis
Berikut merupakan langkah-langkah analisis dalam menganalisis regresi
sederhana, yaitu:
1. Mencari data berupa soal mengenai analisis regresi linier sederhana dari
buku-buku statistika.
2. Menghitung hitungan untuk analisis regresi linear sederhana dengan cara
manual.
3. Menghitung hitungan untuk analisis regresi linier sederhana menggunakan
aplikasi Minitab dengan langkah-langkah sebagai berikut:
a. Buka aplikasi Minitab sehingga muncul seperti gambar di bawah
ini.

Gambar 3.1 Tampilan Awal Minitab

11
b. Aktifkan Enable Command. Dengan meng-klik Editor→Enable
Command, seperti gambar di bawah ini.

Gambar 3.2 Mengaktifkan Enable Command

c. Masukkan data ke kolom C1 dan C2, seperti gamber di bawah ini.

Gambar 3.3 Input Data

d. Untuk menampilkan scatter plot, klik Graph→Scatterplot, lalu

akan muncul kotak dialog Scatterplots seperti gambar di bawah
ini.

Gambar 3.4 Toolbar Graph

12
e. Kemudian pilih With Regression, lalu klik Ok. Lalu akan muncul
kotak dialog With Regression, seperti gambar di bawah ini.

Gambar 3.5 Kotak Dialog With Regression

f. Pada kotak dialog With Regression, masukkan variabel sesuai

pada kolomnya, seperti gambar di bawah ini.

Gambar 3.6 Input Variabel

g. Lalu klik Ok, maka akan muncul output scatterplot seperti gambar
di bawah ini.

Gambar 3.7 Output Scatterplot

13
h. Setelah itu klik Stat→Regression→Regression maka akann
muncul kotak dialog Regression seperti gambar di bawah ini.

Gambar 3.8 Toolbar Stat dan Kotak Dialog Regression

i. Pada kotak dialog Regression masukkan kolom C2 ke kotak

Response dan C1 ke kotak Predictors, seperti gambar di bawah
ini.

Gambar 3.9 Input Variabel

j. Pada kotak dialog Regression, pilih Options lalu centng Durbin-

Watson Statistic, lalu klik Ok. Seperti gambar di bawah ini.

Gambar 3.10 Kotak Dialog Options

k. Pada kotak dialog Regression, pilih Storage lalu centang

Residuals, lalu klik Ok. Seperti gambar di bawah ini.

14
 Gambar 3.11 Kotak Dialog Storage

l. Lalu klik Ok, maka akan muncul output hitungan untuk analisis
regresi yang di inginkan.

Gambar 3.12 Output Minitab

4. Menginterpretasikan data.
5. Menyusun laporan
6. Menarik kesimpulann.

15
 BAB IV
ANALISIS DATA DAN PEMBAHASAN
4.1 Analisis Data
Data merupakan contoh soal mengenai analisis regresi sederhana yang
diambil dari buku statistika yang berjudul Pokok-Pokok Materi Statistik 2
(Statistik Inferensif) karangan M. Iqbal Hasan, yang terbit pada tahun 2003 edisi
kedua. Soal menanyakan tentang apakah ada hubungan antara pemupukan dan
hasil panen padi, dengan analisis regresi. Dari data tersebut untuk mengetahui ada
hubungan antara pemupukan dan hasil padi atau tidak akan diuji hipotesisnya
dengan taraf 0,05 dengan uji secara individu dan uji secara serentak. Kemudian
akan dicari koefisien determinasinya untuk mengetahui apakah model regresi
yang diduga sudah tepat atau belum.
4.2 Pembahasan
4.2.1 Manual
Tabel 4.1 Tabulasi Perhitungan

Hasil Panen Padi Pemupukan 𝑥𝑦 𝑥2 𝑦2

(Kuintal) (Kg)
x Y
3 12 36 9 144
6 23 138 36 529
9 24 216 81 576
10 26 260 100 676
13 28 364 169 784
∑ 𝑥 = 41 ∑ 𝑦 = 113 ∑ 𝑥𝑦 = 1014 2
∑ 𝑥 = 395 2
∑ 𝑦 = 2709
𝑥̅ = 8,2 𝑦̅ = 22,6

1. Estimasi Model Regresi

Persamaan Umum Regresi : 𝑦̂ = 𝛽̂0 + 𝛽̂1 𝑥
𝑛(∑ 𝑥𝑦)−(∑ 𝑥)(∑ 𝑦)
 𝛽̂1 = 𝑛(∑ 𝑥 2 )−(∑ 𝑥)2
5(1014)−(41)(113)
𝛽̂1 = 5(395)−(41)2
5070−4633
𝛽̂1 = 1975−1681
437
𝛽̂1 = 294

𝛽̂1 = 1,49

16
  𝛽̂0 = 𝑦̅ − 𝛽̂1 𝑥̅
𝛽̂0 = 22,6 − (1,49)(8,2)
𝛽̂0 = 22,6 − 12,218
𝛽̂0 = 10,382
Jadi estimasi model regresinya adalah 𝑦̂ = 10,382 + 1,49𝑥. Artinya,
setiap penambahan satuan pemupukan, akan menaikkan hasil panen
sebesar 1,49.
Tabel 4.2 Tabel Hitungan Model Regresi

Hasil Panen Padi Pemupukan 𝑦̂

(Kuintal) (Kg)
X Y
3 12 14,852
6 23 19,322
9 24 23,792
10 26 25,282
13 28 29,752

2. Uji koefisien β, secara individu.

 Hipotesis:
H0 : 𝛽1 = 0
H1 : 𝛽1 ≠ 0
 α = 0,05
 Statistik uji:
̂1 −𝛽𝐻
𝛽
 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 = 0
𝑠𝑏

̂0 (∑ 𝑦)−𝛽
∑ 𝑦 2 −𝛽 ̂1 (∑ 𝑥𝑦)
 𝑠𝑦,𝑥 = √ 𝑛−2

2709−10,382(113)−1,49(1014)
𝑠𝑦,𝑥 = √ 3

2709−1173,166−1510,86
𝑠𝑦,𝑥 = √ 3

24,974
𝑠𝑦,𝑥 = √ 3

𝑠𝑦,𝑥 = √8,325
𝑠𝑦,𝑥 = 2,885

17
 𝑠𝑦,𝑥
 𝑠𝑏 = 2
√∑ 𝑥 2 −(∑ 𝑥)
𝑛

2,885
𝑠𝑏 = 2
√395−(41)
5

2,885
𝑠𝑏 = 1681
√395−
5

2,885
𝑠𝑏 =
√395−336,2
2,885
𝑠𝑏 =
√58,8
2,885
𝑠𝑏 = 7,67

𝑠𝑏 = 0,376
1,49−0
 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 = 0,376

𝑡ℎ𝑖𝑡𝑢𝑛𝑔 = 3,96
 Daerah kritis:
Tabel 4.3 Tabel Distribusi t

Dari tabel distribusi t, dapat diketahui nilai ttabel untuk

𝑡(0,025;4) = 2,776.
 Keputusan:
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 > 𝑡𝑡𝑎𝑏𝑒𝑙 , H0 ditolak.
 Kesimpulan:

18
 Terdapat kemiringan pada garis regresi untuk sampel serta
suatu hubungan regresi yang berarti benar-benar ada antara
hasil panen padi dan pemupukan.
3. Uji koefisien β, secara simultan (serntak):
Hitungan Anova:
 𝑆𝑆𝑅 = ∑𝑛𝑖=1(𝑦̂𝑖 − 𝑦̅)2
𝑆𝑆𝑅 = (14,852 − 22,6)2 + ⋯ + (29,752 − 22,6)2
𝑆𝑆𝑅 = 60,031 + 10,745 + 1,42 + 7,193 + 51,15
𝑆𝑆𝑅 = 130,54
 𝑆𝑆𝐸 = ∑𝑛𝑖=1(𝑦𝑖 − 𝑦̂𝑖 )2
𝑆𝑆𝐸 = (12 − 14,852)2 + ⋯ + (28 − 29,752)2
𝑆𝑆𝐸 = 8,13 + 13,53 + 0,043 + 0,52 + 3,07
𝑆𝑆𝐸 = 25,293
 𝑆𝑆𝑇 = ∑𝑛𝑖=1(𝑦𝑖 − 𝑦̅𝑖 )2
𝑆𝑆𝑇 = (12 − 22,6)2 + ⋯ + (28 − 22,6)2
𝑆𝑆𝑇 = 112,36 + 0,16 + 1,96 + 11,56 + 29,16
𝑆𝑆𝑇 = 155,2
Tabel 4.4 Tabel ANOVA

Sumber Df SS MS Fhitung
Varians
Regresi 1 130,54 130,54 15,48
Error 3 25,293 8,43
Total 4 155,2 38,8

 Hipotesis:
H0 : 𝛽̂0 = 𝛽̂1 = 0
H1 : minimal terdapat 𝛽̂1 ≠ 0
 𝛼 = 0,05
 Statistik uji:
𝑀𝑆𝑅𝑒𝑠𝑖𝑑𝑢𝑎𝑙
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 =
𝑀𝑆𝐸𝑟𝑟𝑜𝑟
130,54
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 =
8,43
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 15,48

19
  Daerah kritis:
Tabel 4.5 Tabel Distribusi F

Dari tabel distribusi F, dapat diketahui nilai Ftabel untuk

𝐹(1;3;0,05) = 10,13.
 Keputusan:
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑡𝑎𝑏𝑒𝑙 , tolak H0.
 Kesimpulan:
Terdapat kemiringan pada garis regresi untuk sampel serta
suatu hubungan regresi yang berarti benar-benar ada antara
hasil panen padi dan pemupukan.
4. Uji ketepatan model:
Nilai koefisien determinasi:
∑(𝑦̂−𝑦̅)2
 𝑅 2 = ∑(𝑦−𝑦̅)2

130,54
𝑅2 =
155,2
𝑅 2 = 0,84 → 𝑅 2 = 84%
Karena nilai koefisien determinasinya tinggi, dalam artian
mendekati 100%, maka model dapat diterima.

20
4.2.2 Minitab
Tabel 4.6 Tabel Output Minitab

Dari tabel diatas, dapat terlihat bahwa model regresinya 𝑌 = 10,4 +

1,49𝑋. Hal ini berarti setiap penambahan satuan Y, akan menaikkan X
sebesar 1,49, karena Y pemupukan dan X hasil panen padi, maka setiap
penambahan satuan pemupukan, akan menaikkan hasil panen sebesar 1,49.
Dari tabel output diatas, untuk uji koefisien β secara individu dapat
dilihat dari tabel regresi, yaitu dengan melihat p-value milik X, p-value =
0,029 sedangkan nilai α = 0,05. Maka p-value < α, sehingga H0 ditolak. Maka
kemiringan garis regresi tidak sama dengan nol, sehingga dapat dikatakan ada
hubungan antara hasil panen dan pemupukan.
Sedangkan untuk menguji koefisien β secara simultan (serentak) dapat
dilihat dari tabel Analysis of Variance. Yaitu dengan melihat nilai p-value
nya, p-value = 0,029 sedangkan nilai α = 0,05. Maka p-value < α, sehingga
H0 ditolak. Maka kemiringan garis regresi tidak sama dengan nol, sehingga
dapat dikatakan ada hubungan antara hasil panen dan pemupukan.
Untuk menguji model sudah tepat atau tidak, dapat dilihat dari
koefisien determinasinya. Pada tabel output diatas, koefisien determinasi

21
disimbolkan R-sq. Nilai R-sq = 83,7%, Karena nilai koefisien determinasinya
tinggi, dalam artian mendekati 100%, maka model dapat diterima.

Gambar 4.1 Grafik Scatterplot

Dari grafik scaterplot diatas, dapat diketahui bahwa hubungan antara

hasil panen padi dan pemupukan adalah positif, karena data menyebar naik.
4.2.3 Perbandingan Hasil Hitungan Manual dan Minitab
Melihat dari hitungan diatas, dapat di lihat bahwa tidak ada perbedaan
yang signifikan antara keduanya, karena hanya berbeda dalam pengambilaan
angka di belakang koma, namun dalam pengambilan keputusan hasilnya
sama.

22
 BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan analisis data dan pembahasan, penulis dapat menarik
beberapa kesimpulan:
1. Mencari hitungan yang diperlukan untuk mengetahui hubungan antara
hasil panen padi dan pemupukan dengan analisis regresi secara
manual, pertama mencari estimasi model, dengan rumus umum
𝑦̂ = 𝛽̂0 + 𝛽̂1 𝑥. Kemudian dicari 𝛽̂0 dan 𝛽̂1 masing-masing sesuai
rumus yang telah ditentukan pada tinjauan pustaka. Setelah itu
menguji koefiisien β, secara individu dan secara serentak. Untuk uji
secara individu menggunakan uji tabel t, sedangkan uji secara
serentak menggunakan anova dan uji tabel f. Dan terakhir menguji
apakah model yang diestimasi sudah tepat atau belum dengan melihat
koefien determinasinya dengan membagi antara SSregresi dengan
SStotal dari tabel anova.
2. Mencari hitungan yang diperlukan untuk mengetahui hubungan antara
hasil panen padi dan pemupukan dengan analisis regresi secara
menggunakan aplikasi Minitab, pertama input data kemudian dilihat
terlebih dahulu scatterplotnya, untuk melihat langsung tanpa
perhitungan apakah ada hubungan atau tidak antara variabel x dan y
dengan mengklik Graph→Scatterplot→With Regression. Setelah
itu untuk melihat hitungan-hitungan dalam analisis regresi, dengan
mengklik Stat→Regression→Regression, kemudian masukkan
masing-masing variabel, lalu pada Option centang Durbin-Watson
Statistics, pada Storage centang Residuals. Lalu klik ok, maka akan
muncul mulai dari model, tabel regresi dan tabel ANOVA-nya.
3. Berdasarkan hasil hitungan, kemudian dianalisis. Maka dapat
disimpulkan bahwa terdapat hubungan antara hasil panen padi dan
pemupukan.
4. Untuk perbandingan hasil antara hitungan manual dan Minitab, tidak
ada perbedaan secara signifikan. Karena hasil hitungan hanya berbeda

23
 dalam pembulatan angka di belakang koma, untuk pengambilan
keputusannya sama, sehingga antara hitungan manual dan Minitab
tidak ada perbedaan.
5.2 Saran
Untuk penelitian selanjutnya dapat menggunakan data populasi sebagai
perbandingan dalam menganalisis regresi linier sederhana ini.

24
 DAFTAR PUSTAKA
Harinaldi. 2005. Prinsip-Prinsip Statistik untuk Teknik dan Sains. Jakarta:
Penerbit Erlangga
Hasan, Iqbal M.. Pokok-Pokok Materi Statistik 2 (Statistik Inferensif). Jakarta:
Bumi Aksara
Sunyoto, Danang. 2010. Uji Khi Kuadrat dan Regresi untuk Penelitian.
Yogyakarta: Graha Ilmu
Supranto, J. 2001. Statistik Teori dan Aplikasi Edisi Keenam Jilid 2. Jakarta:
Penerbit Erlangga
Wikipedia. 2016. http://id.wikipedia.org/wiki/pemupukan/ , diakses pada tanggal
3 Desember 2017 pukul 05.30
Wikipedia. 2017. http://id.wikipedia.org/wiki/panen/ , diakses pada tanggal 3
Desember 2017 pukul 07.39

25
 LAMPIRAN
I. Data Soal
Berikut ini adalah data hasil pengamatan pemupukan dan hasil panen padi
untuk lima percobaan yang dilakukan.
Hasil Panen Padi Pemupukan
(Kuintal) (Kg)
X Y
3 12
6 23
9 24
10 26
13 28
Apakah ada hubungan antara hasil panen padi dan pemupukan? Ujilah
dengan analisis regresi dengan taraf 0,05 (Hasan, 2003).
II. Data Output dan Tabel

Tabel Output Minitab

26
Tabel Distribusi t

27
Tabel Distribusi F

28
Tabel Distribusi F

29
Tabel Distribusi F

30