Modul Regresi Linier 1 PDF
Modul Regresi Linier 1 PDF
Disusun oleh :
I MADE YULIARA
Jurusan Fisika
Fakultas Matematika Dan Ilmu Pengetahuan Alam
Universitas Udayana
Tahun 2016
Kata Pengantar
Puji syukur saya ucapkan ke hadapan Tuhan Yang Maha Kuasa karena berkat
rahmatNya modul ini terselesaikan. Modul Regresi Linier Sederhana ini merupakan bagian
dari materi mata kuliah Statistika, FI29317 (3SKS) yang disusun untuk digunakan sebagai
pedoman bagi mahasiswa FMIPA Fisika Unud yang mengambil mata kuliah Statistika pada
semester genap tahun 2016.
Terimakasih kami ucapkan kepada rekan-rekan dosen Jurusan Fisika yang telah
memberikan ide dan meluangkan banyak waktu dalam mendiskusikan modul ini. Modul ini
tidaklah sempurna, maka dari itu, untuk memperbaiki modul ini semua bentuk kritik maupun
saran yang konstruktif sangat kami harapkan.
Akhirnya kami ucapkan terimakasih semoga dapat menambah cakrawala ilmu
pengetahuan dan bermanfaat bagi pembaca.
Maret 2016
Penyusun,
I Made Yuliara
i
DAFTAR ISI
ii
1
I. PENDAHULUAN
Yˆ a bX
yang mana :
a
n X i ( X i ) 2
2
n ( X i Yi ) ( X i ) ( Yi )
b
n Xi ( X i ) 2
2
Koefisien regresi b ditentukan dengan menggunakan rumus yang telah diberikan, yaitu :
n ( X i Yi ) ( X i ) ( Yi )
b
n Xi ( X i ) 2
2
( Yi ) ( X i ) ( X i ) ( X i Yi )
2
a
X ( X i ) 2
2
n i
6431802235 4141279294 2280651 2,608
101802235 4141
2
874469
Konstanta a juga dapat dicari dari nilai rata-rata X dan Y, yaitu :
𝑎 = 𝑌̅ − 𝑏𝑋̅ = 64,3 − 0,149(414,1) ≅ 2,608
Sehingga model persamaan regresi linier sederhananya adalah : 𝑌 = 2,608 + 0,149 𝑋
Penggambaran data dan garis regresi yang dihasilkan disajikan pada Gambar 2.
X 100 Y XY
300
90 42 12600
300 48 Y = 0.149 X + 2.608
14400
80
302 54 16308
70 r² = 0.90
358 56 20048
60
387 60 23220
Y 50
415 63 26145
40 36720
510 72
30
512 74 37888
20
527 85 44795
530
10 89 47170
0 4141 643 279294
250 300 350 400 450 500 550
X
Series1 Linear (Series1) Linear (Series1)
Gambar 1. Garis regresi hubungan X dengan Y
5
n X i Xi n Yi Yi
2
i 1 i 1 i 1 i 1
n X i X i n Yi Yi
2 2
i 1 i 1 i 1 i 1
10279294 4141643
101802235 4141 1043495 643
2 2
130277
0,95
137120 ,2318
Nilai ini memberi arti bahwa, hubungan variable bebas/predictor X dengan variabel terikat/
response Y adalah sangat kuat, prosentasenya 95%. Jadi, berat badan memang sangat
dipengaruhi oleh konsumsi jumlah kalori/hari.
Uji-t
Langkah-langkah yang perlu dilakukan dalam uji-t pada regresi linier adalah :
1. Menentukan Hipotesis
H0 : = 0; variabel X tidak berpengaruh signifikan/nyata terhadap Y
H1 : 0; variabel X berpengaruh signifikan/nyata terhadap Y
2. Menentukan tingkat signifikansi ( )
Tingkat signifikansi, yang sering digunakan adalah = 5% ( = 0,05)
𝑟√𝑛−2
3. Menghitung nilai t hitung menggunakan rumus : 𝑡ℎ𝑖𝑡 =
√1−𝑟 2
4. Menentukan daerah penolakan H0 (daerah kritis)
Bentuk pengujian dua arah, sehingga menggunakan uji-t dua arah :
H0 akan ditolak jika thit > ttab atau -(thit) < -(ttab), berarti H1 diterima.
H0 akan diterima jika -(thit) < ttab < thit , berarti H1 ditolak.
7
Contoh penerapan Uji-t, kembali digunakan contoh kasus yang telah dibahas sebelumnya.
Dari contoh kasus di atas diketahui Koefisien Determinasi (r2) = 0,90
Koefisien Korelasi (r) = 0,95
Jumlah data n = 10
Hipotesis yang diasumsikan/ diajukan :
H0 : = 0; variabel X tidak berpengaruh signifikan terhadap Y
H1 : 0; variable X berpengaruh signifikan terhadap Y
Tingkat signifikansi () = 5%
𝑟 √𝑛−2 0,95√10−2
Nilai t hitung, 𝑡 = 2
= = 8,497; Berarti thit = 8,497
√1−𝑟 √1−0,90
Derajat kebebasan, df = n – k = 10 – 2 = 8
Dengan menggunakan tabel Uji - t untuk taraf signifikan = 5% = 0,05 dan df = 8, maka
diperoleh nilai t pada table, yaitu : ttab = 2,306
Membandingkan thit dengan ttab :
thit > ttab 8,497 > 2,306
Kesimpulan : Nilai thit > ttab, sehingga dikatakan bahwa, ada pengaruh nyata
(signifikan) variable predictor X terhadap variable response Y dengan taraf signifikan 5%.
Soal latihan :
8
IV. PENUTUP
V. DAFTAR PUSTAKA