Makalah Tentang Regresi Linier

Disusun Oleh :
1. Maruli Tua Sipahutar (201711258)
2. Maulana irsyad ()
Dosen Pembimbing Mata kuliah Metode Numerik
Pak. Andi Junaidi S.T, M.T

S1 TEKNIK ELEKTRO
STT – PLN
Jakarta
2019
 PENDAHULUAN

A. Latar Belakang
Penggunaan istilah statistika berakar dari istilah istilah dalam bahasa latin moderen

statisticum collegium (”dewan negara”) dan bahasa Italia statista (”negarawan” atau

“politikus”). Gottfried Achenwall (1749) menggunakanStatistik dalam bahasa Jerman untuk

pertama kalinya sebagai nama bagi kegiatan analisis data kenegaraan, dengan mengartikannya

sebagai “ilmu tentang negara (state)”. Di Indonesia, kajian statistika sebagian besar masuk

dalam fakultas matematika dan ilmu pengetahuan alam, baik di dalam departemen tersendiri

maupun tergabung dengan matematika.

Regresi artinya peramalan, penaksiran, atau pendugaan pertama kali di perkenalkan

pada tahun 1877 oleh Sir Francis Galton (1822 – 1911). Sehubungan dengan penelitiannya

terhadap tinggi manusia. Penelitian tersebut membandingkan antara tinggi anak laki-laki dan

tinggi badan ayahnya.

B. Rumusan Masalah
Adapun rumusan masalah dalam makalah ini yaitu :

1. Apa yang dimaksud dengan analisis regresi?

2. Apa tujuan kita menggunakan analisis regresi?
3. Apa perbedaan dasar antara regresi linier sederhana dan regresi linier berganda
4. Bagaimana hubungan linear lebih dari dua variabel
5. Bagaimana menggunakan persamaan linear berganda
C. Tujuan

Adapun tujuan penulisan makalah ini yaitu :

1. Mengetahui rumus Persamaan umum regresi liniear sederhana dan regresi liniear
berganda.

2. Membedakan Persamaan regresi liniear sederhana dan regresi liniear berganda.

3. Mengetahui penggunaan rumus yang berlaku pada regresi dan korelasi liniear
sederhana.
 PEMBAHASAN

A. Pengertian Regresi Liniear

Regresi artinya peramalan penaksiran atau pendugaan pertama kali diperkenalkan pada

tahun 1877 oleh Sir Francis Galtoon (1822-1911). Analisis regresi digunakan untuk

menentukan bentuk dari hubungan antar variabel. Tujuan utama dalam penggunaan analisis itu

adalah untuk meramalkan atau memperkirakan nilai dari suatu variabel dalam hubungannya

dengan variabel yang lain. Disamping hubungan linear dua variabel, hubungan linear dari dua

variabel bisa juga terjadi misalnya; hubungan antara hasil penjualan dengan harga dan daya

beli.

Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui pengaruh

antara satu atau beberapa variabel terhadap satu buah variabel. Variabel yang mempengaruhi

sering disebut variabel bebas, variabel independen atau variabel penjelas. Variabel yang

dipengaruhi sering disebut dengan variabel terikat atau variabel dependen. Regresi linear hanya

dapat digunakan pada skala interval dan ratio.

B. Jenis- jenis Regresi Linier

Secara umum regresi linear terdiri dari dua, yaitu regresi linear sederhana yaitu dengan

satu buah variabel bebas dan satu buah variabel terikat; dan regresi linear berganda dengan

beberapa variabel bebas dan satu buah variabel terikat. Analisis regresi linear merupakan

metode statistik yang paling jamak dipergunakan dalam penelitian-penelitian sosial, terutama
penelitian ekonomi. Program komputer yang paling banyak digunakan adalah SPSS

(Statistical Package For Service Solutions).

1. Regresi Linear Sederhana

Analisis regresi linear sederhana dipergunakan untuk mengetahui pengaruh antara satu

buah variabel bebas terhadap satu buah variabel terikat. Persamaan umumnya adalah:
Y = a + b X.
Dengan Y adalah variabel terikat dan X adalah variabel bebas. Koefisien a adalah konstanta

(intercept) yang merupakan titik potong antara garis regresi dengan sumbu Y pada koordinat

kartesius.

Langkah- langakah perhitungan

1. Mencari nilai rata-rata x dan y.

2. Mencari nilai ∑X² dan ∑Y².

3. Mencari nilai ∑XY².

4. Mencari nilai a dan b

5. Setelah nilai a dan b didapat, kemudian dimasukkan kedalam persamaan

Y = a + bX

a. Menentukan persamaan regresi linier sederhana

Misalkan skor aritmatika (x) dikorelasikan dengan skor fisika (y) untuk lima

mahasiswa sebagai berikut:

X Y XY x y xy

A1 80 90 6400 8100 7200 16 20 256 400 320

A2 60 80 3600 6400 4800 -4 10 16 100 -40

A3 70 70 4900 4900 4900 6 0 36 0 0

A4 50 60 2500 3600 3000 -14 -10 196 100 140

A5 60 50 3600 2500 3000 -4 -20 16 400 80

∑X= ∑Y= ∑X²= ∑Y²= ∑XY= ∑X= ∑Y= ∑x²= ∑y²= ∑xy=

320 350 21000 25500 22900 0 0 520 1000 500

a. Menghitung rata-rata = = = = 64

= = = 70

b. ∑y2 = ∑Y2 – ; ∑x2 = ∑X2 –

= 25.500 - = 21.000 -
= 1.000 = 520
c. ∑xy = ∑XY –

= 22.900 -

= 500

d. b = ∑xy = 500 = 0,96 ; a= -b

∑x2 520 = 70- (0,96) – (64)

= 8,46

Maka perhitungan regresi linearnya:

= 8,46 + 0,96x

b. Menguji Linearitas Regresi Menggunakan Tabel ANAVA

Sumber varietas (SV) Db Jumlah kuadrat Rerata F

(JK) Kuadrat (RK)

Ketidakcocokan (TC) dbrc JKrc RK rc RK rc

Kekeliruan (KK) Dbrc JK rc RK rc RK rc

jumlah kuadrat regresi a (Jka)

Jka = = = 24.000

a. jumlah kuadrat regresi b terhadap a (JKba)JKb/a = b

= 0,96

= 480

b. jumlah kuadrat residu (JKr)

JKr = ∑Y2 – JKa - JKb/a

= 22.500 – 24.500 – 480

= 520

c. jumlah kuadrat kekeliruan (JKKK)

JKKK = ∑
 Kelas X Y

1 50 60

60 50
2
60 80

3 70 70

4 80 90

d. derajat kebebasan kekeliruan (dbKK)

dbKK = n – k = 5 – 4 = 1 ; K = banyak kelas (dari x yang sama)

e. derajat kebebasan ketidakcocokan (JKrc)

dbrc = K – 2 = 4 – 2 = 2

f. jumlah kuadrat ketidakcocokan (JKrc)

JKrc = JKr - JKKK

= 520 – 450

= 70

g. rerata kuadrat kekeliruan (RKKK)

RKKK = = = 450

h. rerata kuadrat ketidakcocokan ((RKrc)

RKrc = = = 35

F. Ketidakcocokan (F rc)

F rc = = = 0,078

G. pemeriksaan linearitas regresi

F Tabel = =

F TC = 0,078

Kriteria pengujian:

Jika FTC < F Tabel maka regresi linear, dan

Jika FTC F Tabel maka regresi tidak linear
 Karena FTC = 0,78 dan F Tabel = 0,4999 maka FTC < FTabel sehingga disimpulkan

regresinya linear

c. Peramalan dengan Persamaan Regresi

Contoh :

Diketahui hubungan Biaya Promosi (X dalam Juta Rupiah) dan Y (Volume penjualan dalam

Ratusan Juta liter) dapat dinyatakan dalam persamaan regresi linier berikut

Y = 2.530 + 1.053 X

Perkirakan Volume penjualan jika dikeluarkan biaya promosi Rp. 10 juta ?

Jawab : Y = 2.530 + 1.053 X

X = 10

Y = 2.53 + 1.053 (10) = 2.53 + 10.53 = 13.06 (ratusan juta liter)

Volume penjualan = 13.06 x 100 000 000 liter

d. Korelasi Linier Sederhana

Koefisien Korelasi (r) : ukuran hubungan linier peubah X dan Y Nilai r berkisar antara (+1)

sampai (-1)

Nilai r yang (+) ditandai oleh nilai b yang (+)

Nilai r yang (-) ditandai oleh nilai b yang (-)

Jika nilai r mendekati +1 atau r mendekati -1 maka

X dan Y memiliki korelasi linier yang tinggi

Jika nilai r = +1 atau r = -1 maka X dan Y memiliki korelasi linier sempurna

Jika nilai r = 0 maka X dan Y tidak memiliki relasi (hubungan) linier

(dalam kasus r mendekati 0, anda dapat melanjutkan analisis ke regresi eksponensial

2. Regresi Linear Berganda

a. Hubungan liniear lebih dari dua variabel

Analisis regresi digunakan untuk menentukan bentuk dari hubungan antar variabel.
Tujuan utama dalam penggunaan analisis itu adalah untuk meramalkan atau memperkirakan
nilai dari suatu variabel dalam hubungannya dengan variabel yang lain. Disamping hubungan

linear dua variabel, hubungan linear dari dua variabel bisa juga terjadi misalnya; hubungan

antara hasil penjualan dengan harga dan daya beli.

Hubungan linear lebih dari dua variabel bila dinyatakan dalam bentuk persamaan

matematis adalah :

Y = a + b1x1 + b2x2 +……………bnxn

Keterangan :

x, x1, x2……..xn = variabel-variabel

a, b1, b2……..bn = bilangan konstan (konstanta) koefisien variabel

b. Persamaan regresi linear berganda

Regresi linear berganda adalah regresi dimana variabel terikatnya (Y)

dihubungkan atau dijelaskan lebih dari satu variabel, mungkin dua, tiga dan seterusnya

variabel bebas (x, x1, x2……..xn ) namun masih menunjukkan diagram hubungan yang linear.

Penambahan variabel bebas ini diharapkan dapat lebih menjelaskan karakteristik

hubungan yang ada walaupun masih saja ada variabel yang terabaikan.

Bentuk umum dari persamaan linear berganda dapat ditulis sebagai berikut:

a) Bentuk stokastik

= a + b1x1 + b2x2 + b3x3 …bkxk + c

b) Bentuk non stokastik

= a + b1x1 + b2x2 + b3x3……………bkxk

Keterangan
: Variabel terikat (nilai duga y)

a, b1, b2 b3……..bk : koefisien regresi

x1, x2 x3……..xk : variabel bebas

e : kesalahan pengganggu

c. Pendugaan dan Pengujian Koefisien Regresi

Ø Kesalahan baku regresi dan koefisien regresi berganda

Kesalahan baku atau selisih taksir standar regresi adalah nilai yang menyatakan
seberapa jauh menyimpangnya nilai regresi tersebut terhadap nilai sebenarnya. Nilai ini
digunakan untuk mengukur tingkat ketepatan suatu pendugaan dalam menduga nilai.

Jika nilai ini sama dengan nol maka penduga tersebut memiliki tingkat ketepatan

100%.

Kesalahan baku atau selisih taksir standar regresi berganda dirumuskan

Keterangan:

ao : Kesalahan baku regresi berganda

n : Jumlah pasangan observasi

m : jumlah konstant dalam persamaan regresi berganda.

 yi  xi   yi xi  xi
2

a0 
n xi   xi 
2 2

Ø Pendugaan interval koefisien regresi berganda (parameter B1 dan B2)

Parameter B1 dan B2 sering juga disebut sebagai koefisien regresi parsial.

Pendugaan parameter B1 dan B2 menggunakan distribusi t dengan derajat bebas db

= n – m secara umum pendugaan parameter B1 dan B2 adalah :

b1 – ta/2n-m Sbi £ Bi £ bi + ta/2n-m Sbi

i = 2,3

Ø Pengujian hipotesis koefisien regresi berganda (parameter B1 dan B2)

Pengujian hipotesis bagi koefisien regresi berganda atau regresi parsial

parameter B1 dan B2 dapat dibedakan menjadi 2 bentuk, yaitu pengujian hipotesis

serentak dan pengujian hipotesis individual.

Pengujian hipotesis individual yaitu merupakan pengujian hipotesis

koefisien regresi berganda dengan hanya satu B (B1 dan B2) yang mempunyai

pengaruh Y. pengujian hipotesis serentak merupakan pengujian hipotesis koefisien

regresi berganda dengan B1 dan B2 serentak atau bersama-sama mempengaruhi Y.

Ø Peramalan dengan Regresi Linear Berganda

Peramalan terhadap nilai Y dengan menggunakan regresi linear berganda,

dapat dilakukan apabila persamaan garis regresinya sudah diestimasi dan nilai

variabel bebas x1, x2 sudah diketahui.

 Suatu persamaan garis regresi linear berganda dapat dipakai dalam

peramalan dengan terlebih dahulu melakukan pengujian hipotesis terhadap

koefisien-koefisien regresi parsialnya. Tujuan ialah mengetahui variabel-variabel

bebas yang digunakan itu memiliki pengaruh yang nyata atau tidak terhadap y

tersebut. Variabel bebas x1 dan x2 disebut memiliki pengaruh yang nyata apabila

dalam pengujian hipotesis koefisien parsialnya H0 : B1 = B2 = 0 ditolak atau H1 :

B1 ¹ B2 ¹ 0 diterima, khususnya pada taraf nyata 1%

Kelebihan peramalan y dengan menggunakan regresi linear berganda adalah

dapat diketahui besarnya pengaruh secara kuantitatif setiap variabel bebas (x 1 atau

x2) apabila pengaruh variabelnya dianggap konstan. Misalnya sebuah persamaan

regresi berganda

y = a + b1x1 + b2x2

Keterangan :

y : Nilai statistik mahasiswa

x1 : Nilai inteligensi mahasiswa

x2 : Frekuensi membolos mahasiswa

b1 : Pengaruh x1 terhadap y jika x2 konstan

b2 : Pengaruh x2 terhadap y jika x1 konstan

jika a = 17,547; b1 = 0,642; b2 = - 0,284 maka persamaan regresi linear bergandanya

menjadi

= 17,547 + 0,624 (75) – 0,284 (24)

Dengan persamaan regresi linear berganda tersebut, nilai y (nilai statistik maha

siswa) dapat diramalkan dengan mengetahui nilai x1 (nilai inteligensi mahasiswa)

dan x2 (frekuensi membolos mahasiswa) misalkan, nilai x1 = 75 dan x2 = 24 maka

ramalan nilai y adalah

= 17,547 + 0,624 (75) – 0,284 (24)

= 63.211
 Penulisan persamaan garis regresi linear berganda biasanya disertai dengan

kesalahan baku masing-masing variabel bebas dan koefisien determinasi berganda

r2, sebagai ukuran tepat atau tidaknya garis tersebut sehingga pendekatan.

d. Korelasi Linear Berganda

Korelasi linear berganda merupakan alat ukur mengenai hubungan yang terjadi

antara variabel yang terikat. (variabel Y) dan dua atau lebih variabel bebas (x 1, x2……xk).

Analisis korelasinya menggunakan tiga koefisien korelasi yaitu koefisien determinasi

berganda, koefisien korelasi berganda, dan koefisien korelasi parsial.

a. Korelasi linear berganda dengan dua variabel bebas

i. Koefisien penentu berganda atau koefisien determinasi berganda

Koefisien determinasi berganda, disimbolkan KPB y.12 atau R2 merupakan ukuran

kesusaian garis regresi linear berganda terhadap suatu data.

ii. Koefisien korelasi berganda

Koefisien korelasi berganda disimbolkan ry12 merupakan ukuran keeratan

hubungan antara variabel terikat dan semua variabel bebas. Secara bersama-sama.

iii. Koefisien korelasi parsial

Koefisien korelasi parsial merupakan koefisien korelasi antara dua variabel. Jika

variabel lainnya konstan, pada hubungan yang melibatkan lebih dari dua variabel.

Ada 3 koefisien korelasi parsial untuk hubungan yang melibatkan 3 variabel

yaitu sebagai berikut :

1) Koefisien korelasi parsial antara y dan x1, apabila x2 konstan

2) Koefisien korelasi parsial antara y dan x2, apabila x1 konstan

3) Koefisien korelasi parsial antara x1 dan x2 apabila y konstan

b. Korelasi linear berganda dengan 3 variabel bebas

a. Koefisien penentu berganda KPB

b. Koefisien korelasi berganda ry123
contoh soal

penyelesaian
 PENUTUP

A. Kesimpulan
Regresi artinya peramalan penaksiran atau pendugaan pertama kali diperkenalkan pada

tahun 1877 oleh Sir Francis Galtoon (1822-1911). Analisis regresi digunakan untuk

menentukan bentuk dari hubungan antar variabel. Tujuan utama dalam penggunaan analisis itu

adalah untuk meramalkan atau memperkirakan nilai dari suatu variabel dalam hubungannya

dengan variabel yang lain. Regresi linear adalah alat statistik yang dipergunakan untuk

mengetahui pengaruh antara satu atau beberapa variabel terhadap satu buah variabel. Variabel

yang mempengaruhi sering disebut variabel bebas, variabel independen atau variabel penjelas.

Variabel yang dipengaruhi sering disebut dengan variabel terikat atau variabel dependen.

Regresi linear hanya dapat digunakan pada skala interval dan ratio.

 Pendugaan dan pengujian koefisien regresi yaitu

1) Kesalahan baku regresi dan koefisien regresi berganda

2) Pendugaan interval koefisien regresi berganda

3) Pengujian hipotesis koefisien regresi berganda

 Korelasi linear berganda terbagi dua yaitu :

1) Korelasi linear berganda dengan dua variabel bebas

2) Korelasi linear berganda dengan tiga variabel bebas.

DAFTAR PUSTAKA

Anto, Dajan, 1991. Pengantar Metode Statistik. Jilid 2. Jakarta : LP3 S

Arif, Karseno. 1995. Statistik I. Jakarta: Karunika

Hasan, Ikbal. 2003. Pokok-pokok Materi Statistik 2. Jakarta: Bumi Aksara.

http://www.jonathansarwono.info/regresi/regresi.htm