BAB I

LATAR BELAKANG
1.1 Latar Belakang
Analisis regresi linier merupakan teknik dalam statistika yang digunakan untuk
membentuk model hubungan antara variabel dependen dengan satu atau lebih variabel
independen. Dalam analisis regresi ada dua macam linearitas, yaitu linieritas dalam variabel
dan linieritas dalam parameter. Linier dalam variabel merupakan nilai rata-rata kondisional
variabel tergantung yang merupakan fungsi linier dari variabel (variabel) bebas. Sedangkan
linieritas dalam parameter merupakan fungsi linier parameter dan dapat tidak linier dalam
variabel.
Analisis regresi berbeda dengan analisis korelasi. Jika dalam analisis korelasi digunakan
untuk melihat hubungan dua variable, maka analisis regresi digunakan untuk melihat
pengaruh variable bebas terhadap variable tergantung serta memprediksi nilai variable
tergantung dengan menggunakan variable bebas. Dalam analisis regresi variable bebas
berfungsi untuk menerangkan (explanatory) sedang variable tergantung berfungsi sebagai
yang diterangkan (the explained). Dalam analisis regresi data harus berskala interval atau
rasio. Hubungan dua variable bersifat dependensi. Untuk menggunakan analisis regresi
diperlukan beberapa persyaratan yang harus dipenuhi. Bentuk umum model regresi linier

Analisis Regresi atau biasa disingkat sebagai anareg adalah metode yang digunakan
untuk mengukur pengaruh variabel bebas terhadap variabel tergantung. Anareg juga bisa
digunakan untuk memprediksi variabel tergantung dengan menggunakan variabel bebas.
Gujarati (2006) mendefinisikan analisis regresi sebagai kajian terhadap hubungan satu
variabel yang disebut sebagai variabel yang diterangkan (the explained variabel) dengan satu
atau dua variabel yang menerangkan (the explanatory). Variabel pertama disebut juga sebagai
variabel tergantung dan variabel kedua disebut juga sebagai variabel bebas. Jika variabel
bebas lebih dari satu, maka analisis regresi disebut regresi linear berganda. Disebut berganda
karena pengaruh beberapa variabel bebas akan dikenakan kepada variabel tergantung.
 Oleh karena itu, Membuat estimasi rata-rata dan nilai variabel tergantung dengan
didasarkan pada nilai variabel bebas. Untuk menguji hipotesis karakteristik dependensi.
Meramalkan nilai rata-rata variabel bebas yang didasari nilai variabel bebas diluar jangkauan
sample.

1.2 Tujuan Praktikum

1. Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasarkan pada nilai
variabel bebas.
2. Untuk menguji hipotesis karakteristik dependensi.
3. Meramalkan nilai rata-rata variabel bebas yang didasari nilai variabel bebas diluar
jangkauan sample.

1.3 Manfaat Praktikum

Model regresi dapat digunakan untuk mengukur keeratan hubungan antara variabel
dependen (tak bebas) dan variabel independen (bebas). Model regresi dapat digunakan untuk
mengetahui pengaruh suatu atau beberapa variabel independen terhadap variabel dependen
(respons). Model regresi berguna untu memprediksi pengaruh suatu atau beberapa variabel
independen terhadap variabel dependen (respons).
 BAB II
TINJAUAN PUSTAKA

Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang
paling mungkin terjadi dimasa yang akan datang berdasarkan informasi yang sekarang
dimiliki agar memperkecil kesalahan. Analisis regresi dapat juga diartikan sebagai usaha
memprediksi perubahan. Perubahan nilai suatu variabel dapat disebabkan karena adanya
perubahan pada variabel-variabel lain yang mempengaruhinya. Misalnya, volume pupuk
terhadap hasil panen padi, karena adanya perubahan volume pupuk maka produksi padi
dengan sendirinya akan berubah. Dalam fenomena alam banyak sekali kejadian yang saling
berkaitan sehingga perubahan pada variabel lain berakibat pada perubahan variabel lainnya.
Teknik yang digunakan untuk menganalisis ini adalah analisis regresi (Hartono. 2004).
Analisis regresi (regressionanalysis) merupakan suatu teknik untuk membangun
persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction)
.Dengan demikian, analisis regresi sering disebut sebagai analisis prediksi. Karena merupakan
prediksi, maka nilai prediksi tidak selalu tetap dengan nilai riilnya, semakin kecil tingkat
penyimpangan antara nilai prediksi dengan nilai riilnya, maka semakin tepat persamaan
regresinya. Sehingga dapat didefinisikan bahwa analisis regresi adalah metode statistik yang
digunakan untuk menentukan kemungkinan hubungan antara variabel-variabel (Hartono.
2004).Persamaan regresi yang digunakan untuk membuat taksiran mengenai variabel
dependen disebut persamaan regresi estimasi, yaitu suatu formula matematis yang
menunjukkan hubungan keterkaitan antara satu atau beberapa variabel yang nilainya sudah
diketahui dengan satu variabel lain yang nilainya belum diketahui (Hartono. 2004).
Sifat hubungan antar variabel dalam persamaan regresi merupakan hubungan sebab
akibat (causal relationship). Oleh karena itu, sebelum menggunakan persamaan maka perlu
diyakini terlebih dahulu secara teoritis atau perkiraan sebelumnya, dua atau lebih variabel
memiliki hubungan sebab akibat. Variabel yang nilainya akan mempengaruhi nilai variabel
lain disebut variabel bebas (independent variabel), sedangkan variabel yang nilainya
dipengaruhi oleh nilai variabel lain disebut variabel tidak bebas (dependent variabel)
(Hartono. 2004).
Analisis regresi linier sederhana adalah hubungan secara linear antara satu variabel
independen (X) dengan variabel dependen (Y). Analisis ini untuk mengetahui arah hubungan
antara variabel independen dengan variabel dependen apakah positif atau negatif dan untuk
memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami
kenaikan atau penurunan.. Data yang digunakan biasanya berskala interval atau rasio.
Rumus regresi linear sederhana sebagi berikut:

Y’ = a + bX
Keterangan:
Y’ = Variabel dependen (nilai yang diprediksikan)
X = Variabel independen
a = Konstanta (nilai Y’ apabila X = 0)
b = Koefisien regresi (nilai peningkatan ataupun penurunan)
(Gaspersz. 1990).
Bila kita mempunyai data dua variabel atau lebih, adalah sewajarnya untuk mencari
suatu cara bagaimana variabel-variabel itu berhubungan. Hubungan yang diperoleh
dinyatakan dalam bentuk persamaan matematika yang menyatakan hubungan fungsional
antara variabel-variabelnya (Gaspersz. 1990).
Para ilmuwan, seperti psikolog dan sosiolog selalu berkepentingan terhadap persoalan
peramalan. Pengertian persamaan regresi yaitu merupakan persamaan matematika yang
memungkinkan untuk meramalkan suatu variabel terikat dari nilai-nilai atau lebih dari satu
variabel bebas. Istilah ini berasal dari kajian yang dilakukan oleh Sir Francis Galton yang
membandingkan tinggi badan anak laki-laki dengan ayah yang tinggi. Setelah beberapa
generasi berikutnya terdapat kecenderungan mundur (regressed) mendekati nilai tengah
populasi (Gaspersz. 1990).
Terdapat dua macam regresi, pertama adalah regresi linier sederhana biasa disebut
regresi linier, kedua adalah regresi linier ganda/jamak (multiple linier regression) atau disebut
linier ganda. Untuk regresi linier sederhana, satu variabel dipandang sebagai variasinya
dipengaruhi (dependent) oleh variabel lainnnya. Variabel yang mempengaruhi ini disebut
sebagai variabel bebas (independent variable) dan variabel yang dipengaruhi disebut variabel
tak bebas atau variabel terikat/tergantung (dependet variable) (Gaspersz. 1990).
Contohnya, sikap terhadap keluarga berencana, mungkin dapat dipertimbangkan
sebagai variabel bebas (Y). Di sisi lain, penyuluh keluarga berencana dapat dipandang sebagai
variabel bebas (X). Contoh yang lain dapat dilihat pada hasil panen. Hasil panen dapat
dipandang sebagai variabel terikat (Y). Sedangkan, pemupukan dipandang sebagai variabel
bebas (X) (Gaspersz. 1990).
Penentuan mana variabel bebas dan mana variabel terikat, dalam beberapa hal tampaknya
tidak mudah. Studi yang cermat, diskusi yang seksama, berbagai pertimbangan, kewajaran
masalah penelitian, dan pengalaman peneliti membantu mempermudah penentuan variabel
(Gaspersz. 1990).
Ada dua cara yang dapat digunakan untuk memperkirakan garis regresi, pertama yakni
menggunakan metode tangan bebas dan yang kedua yaitu metode kuadrat terkecil (least
square method). Metode tangan bebas ditentukan berdasarkan diagram pancar. Cara yang
ditempuh adalah memeriksa dan mempertimbangan letak titik-titik itu sekitar di garis lurus,
maka cukup beralasan untuk menduga regresi linier. Namun, jika letak titik-titik garis sekitar
lengkung, wajar untuk diduga regresi nonlinier (Dr. Riduwan. 2014).
Metode tangan bebas tidak dapat menunjukkan bagaimana persamaan garis regresi
linier. Oleh karena itu, untuk memastikan garis regresi tersebut, digunakan metode kuadrat
terkecil. Cara ini bertitik tolak dari kenyataan, bahwa kuadrat dari jarak antara titik-titik
dengan garis regresi yang sedang dicari harus sekecil mungkin (Dr. Riduwan. 2014).
Adakalanya, setelah kita memperoleh data berdasarkan sampel, kita ingin menduga
nilai dari suatu variabel Y yang bersesuaian dengan nilai tertentu dari variabel X. Hal ini
diperoleh dengan menaksir nilai Y dari kurva kuadrat minimum yang sesuai dengan data yang
kita himpun dari sampel. Kurva yang diperoleh dan kita bentuk dari data sampel itu disebut
kurva regresi Y terhadap X, karena Y diduga dari X (Dr. Riduwan. 2014).
Dalam melakukan analisis regresi, sebagian besar mahasiswa biasanya tidak
melakukan pengamatan populasi secara langsung. Hal itu dilakukan selain pertimbangan
waktu, tenaga, juga berdasarkan pertimbangan biaya yang relatif besar jika melakukan
pengamatan terhadap populasi. Dalam hal ini, lazimnya digunakan persamaan regresi linier
sederhana sampel sebagai penduga persamaan regresi linier sederhana populasi dengan
bentuk persamaan seperti berikut : y = a + bX. Dan karena antara Y dan X memiliki
hubungan, maka nilai X dapat digunakan untuk menduga atau meramal nilai Y. X dinamakan
variabel bebas karena variabel ini nilai-nilainya tidak bergantung pada variabel lain. Dan Y
disebut variabel terikat juga karena variabel yang nilai-nilainya bergantung pada variabel lain.
Hubungan antar variabel yang akan dipelajari disini hanyalah hubungan linier sederhana,
yakni hubungan yang hanya melibatkan dua variabel (X dan Y) dan berpangkat satu (Muhidi.
2009).
Regresi sederhana, adalah bentuk regresi dengan model yang bertujuan untuk
mempelajari hubungan antara dua variabel, yakni variabel independen (bebas) dan variabel
dependen (terikat). Jika ditulis dalam bentuk persamaan, model regresi sederhana adalah y = a
+ bx, di mana, y adalah variabel tak bebas (terikat), X adalah variabel bebas, a adalah
penduga bagi intercept (α), b adalah penduga bagi koefisien regresi (β). Atau dengan kata lain
α dan β adalah parameter yang nilainya tidak diketahui sehingga diduga melalui statistik
sampel (Muhidi. 2009).
Menurut kelaziman, dalam ilmu statistika ada dua macam hubungan antara dua
variabel yang relatif sering digunakan, yakni bentuk hubungan dan keeratan hubungan.
Bentuk hubungan bisa diketahui melalui analisis regresi, sedangkan keeratan hubungan dapat
diketahui dengan analisis korelasi. Analisis regresi dipergunakan untuk menelaah hubungan
antara dua variabel atau lebih, terutama untuk menelusuri pola hubungan yang modelnya
belum diketahui dengan baik, atau untuk mengetahui bagaimana variasi dari beberapa
variabel independen mempengaruhi variabel dependen dalam suatu fenomena yang kompleks.
Jika X1, X2, ...., Xn, adalah variabel-variabel independen dan Y adalah variabel dependen,
maka terdapat hubungan fungsional antara X dan Y, di mana variasi dari X akan diiringi pula
oleh variasi dari Y. Jika dibuat secara matematis hubungan itu dapat dijabarkan sebagai
berikut: Y = f(X1, X2, ....., Xn, e), di mana Y adalah variabel dependen (tak bebas), X adalah
variabel independen (bebas) dan e adalah variabel residu (disturbace term) (Muhidi. 2009).
Berkaitan dengan analisis regresi ini, setidaknya ada empat kegiatan yang lazim
dilaksanakan yakni, mengadakan estimasi terhadap parameter berdasarkan data empiris,
menguji berapa besar variasi variabel dependen dapat diterangkan oleh variasi independen,
menguji apakah estimasi parameter tersebut signifikan atau tidak, dan melihat apakah tanda
magnitude dari estimasi parameter cocok dengan teori (Muhidi. 2009).
Hubungan antar variabel dapat berupa hubungan linier ataupun hubungan tidak linier.
Misalnya, berat badan orang dewasa sampai pada tahap tertentu bergantung pada tinggi
badan, keliling lingkaran bergantung pada diameternya, dan tekanan gas bergantung pada
suhu dan volumenya. Atau dalam ilmu pemasaran, nilai penjualan akan bergantung pada
biaya promosi. Hubungan-hubungan itu bila dinyatakan dalam bentuk matematis akan
memberikan persamaan-persamaan tertentu. Untuk dua variabel, hubungan liniernya dapat
dinyatakan dalam bentuk persamaan linier, yakni: Y = a + bX. Hubungan antara dua variabel
pada persamaan linier jika digambarkan secara (scatter diagram), semua nilai Y dan X akan
(Muhidi. 2009).

Analisis regresi dalam statistika adalah salah satu metode untuk menentukan
hubungan sebab -akibat antara satu variabel dengan variabel (-variabel) yang lain. Variabel
"penyebab" disebut dengan bermacam-macam istilah: variabel penjelas, variabel
eksplanatorik, variabel independen, atau secara bebas, variabel X (karena sering kali
digambarkan dalam grafik sebagai absis, atau sumbu X). Variabel terkena akibat dikenal
sebagai variabel yang dipengaruhi, variabel dependen, variabel terikat, atau variabel Y. Kedua
variabel ini dapat merupakan variabel acak (random), namun variabel yang dipengaruhi harus
selalu variabel acak (Pratomo. 2018).
Analisis regresi adalah salah satu analisis yang paling populer dan luas pemakaiannya.
Hampir semua bidang ilmu yang memerlukan analisis sebab - akibat boleh dipastikan
mengenal analisis ini. Analisis regresi dan analisis korelasi dikembangkan untuk mengkaji
dan mengukur hubungan antara dua variabel atau lebih. Dalam analisis regresi dikembangkan
persamaan estimasi untuk mendeskripsikan pola atau fungsi hubungan antara variabel-
variabel. Sesuai dengan namanya, persamaan estimasi atau persamaan regresi itu digunakan
untuk mengestimasi nilai dari suatu variabel berdasarkan nilai variabel lainnya. Variabel yang
di estimasi itu disebut variabel dependen (atau variabel terikat) sedangkan variabel yang
diperkirakan memengaruhi variabel dependen itu disebut variabel independen (atau variabel
bebas). Variabel dependen lazimnya dilukis pada sumbu- Y (dan karenanya diberi simbol Y)
sementara variabel independen dilukis pada sumbu- X (dan karenanya diberi simbol X).
Berdasarkan konsep ini, maka hubungan antara variabel Y dan X dapat diwakili dengan
sebuah garis regresi. Di samping untuk mengestimasi, analisis regresi juga digunakan untuk
mengukur tingkat ketergantungan (dependability) dari estimasi itu (Pratomo. 2018).
Analisis korelasi digunakan untuk mengukur tingkat kedekatan (closeness) hubungan
antar variabel-variabel. Dengan kata lain, analisis regresi mempertanyakan pola hubungan
fungsional sedangkan analisis korelasi mempertanyakan kedekatan hubungan antar variabel-
variabel. Walaupun dimungkinkan penggunaan analisis regresi dan analisis korelasi secara
terpisah, namun dalam kenyataan, istilah analisis korelasi mencakup baik masalah korelasi
dan regresi (Pratomo. 2018).
Analisis regresi lebih akurat dalam melakukan analisis korelasi, karena pada analisis
itu kesulitan dalam menunjukkan slop (tingkat perubahan suatu variabel terhadap variabel
lainnya dapat ditentukan). Dengan demikian maka melalui analisis regresi, peramalan nilai
variabel terikat pada nilai variabel bebas lebih akurat pula (Pratomo. 2018).
Analisis regresi mempelajari hubungan yang diperoleh dinyatakan dalam persamaan
matematika yang menyatakan hubungan fungsional antara variabel-variabel. Hubungan
fungsional antara satu variabel prediktor dengan satu variabel kriterium disebut analisis
regresi sederhana (tunggal), sedangkan hubungan fungsional yang lebih dari satu variabel
disebut analisis regresi ganda (Pratomo. 2018).
 BAB III
METODE PRAKTIKUM

3.1 Kasus
Membuat grafik regresi dari data berat badan (x) dan kecepatan lari (y). Serta
menentukan apakah kedua data tersebut berkorelasi ataupun tidak
3.2 Algoritma
1. Menyiapkan Nilai Tinggi Badan (X) dan Kecepatan (Y)
2. Menghitung nilai dari 𝛴𝑥𝑖, 𝛴𝑦𝑖, 𝛴𝑥𝑖. 𝑦𝑖, 𝛴𝑥 2 , 𝑑𝑎𝑛 𝛴𝑦2
3. Mencari nilai a dan b masukan rumusnya
4. Setelah nilai a dan b didapat, masukan nilai tersebut kedalam rumus persamaan garis
yaitu, 𝑦 = 𝑎 + 𝑏𝑥
5. Kemudian cari nilai Korelasi (r) dengan memasukkan rumusnya
6. Lalu mencari plot (grafik regresi)
7. Selesai
3.3 Flowchart
Mulai

Input Nilai X dan Y,

𝛴𝑥𝑖, 𝛴𝑦𝑖, 𝛴𝑥𝑖. 𝑦𝑖, 𝛴𝑥 2 , 𝑑𝑎𝑛 𝛴𝑦
2
Proses

Mencari nilai a dan b,

dengan rumus y= a + bx

Proses

Mencari plot (grafik

regresi)

Hasil yang keluar

Selesai
3.4 Script
program kecepatan
implicit none
real, dimension (17,2):: a,b,c,d
integer :: i,j,n,dxs,dx
real :: as,bs,cs,ds,es,R,T,V,W,X,Y,Z
open (1,file='kecepatan.txt', status='old')
open (2,file='regresi.txt',status='old')
open (4,file='niaiy.txt',status='old')
do i=1,17
read(1,*)(a(i,j),j=1,2)
end do
write(*,*)'___________________________________________________________________
_________________________________________'
write(*,*)'| N0 | BERAT(KG) | KECEPATAN(M/S) | X.Y | X^2 |
Y^2 |'
write(*,*)'| | (X) | (Y) | | | |'
write(*,*)'___________________________________________________________________
_________________________________________'
do i=1,17
b(i,1)=a(i,1)*a(i,2)
c(i,1)=a(i,1)**2
d(i,1)=a(i,2)**2
as=as+a(i,1)
bs=bs+a(i,2)
cs=cs+a(i,1)*a(i,2)
ds=ds+a(i,1)**2
es=es+a(i,2)**2
write(*,*)'|',i,'|',(a(i,j),'|' ,j=1,2),b(i,1),'|' ,c(i,1),'|' ,d(i,1),'|'
end do
write(*,*)'___________________________________________________________________
___________________________________________'
write(*,*)'|JUMLAH |',as,'|',bs,'|',cs,'|',ds,'|',es,'|'
write(*,*)'___________________________________________________________________
___________________________________________'
n=17
R=((17*cs)-(as*bs))/((17*ds)-(as**2))
write(*,*)' b = ',R
n=17
V=(bs/17)-(R*(as/17))
write(*,*)' a = ',V
n=17
W=(17*(cs)-(as*bs))/sqrt((17*ds-(as**2))*(17*es-(bs**2)))
write(*,*)' r = ',W
do i=35,83
Z=V+(R*(i))
end do
Write(*,*)' R(korelasi) = ',Z
3 format (5f15.3)
end program kecepatan
 BAB IV
HASIL & PEMBAHASAN

4.1 Hasil
___________________________________________________________________
_________________________________________
| N0 | BERAT(KG) | KECEPATAN(M/S) | X.Y | X^2 |
Y^2 |
| | (X) | (Y) | | | |

___________________________________________________________________
_________________________________________
| 1 | 35.0000000 | 3.42300010 | 119.805000 | 1225.00000 |
11.7169294 |
| 2 | 58.0000000 | 2.99799991 | 173.883987 | 3364.00000 |
8.98800373 |
| 3 | 45.0000000 | 3.31299996 | 149.084991 | 2025.00000 |
10.9759684 |
| 4 | 44.0000000 | 3.05699992 | 134.507996 | 1936.00000 |
9.34524822 |
| 5 | 49.0000000 | 3.78800011 | 185.612000 | 2401.00000 |
14.3489447 |
| 6 | 62.0000000 | 3.17300010 | 196.726013 | 3844.00000 |
10.0679293 |
| 7 | 47.0000000 | 3.10500002 | 145.934998 | 2209.00000 |
9.64102554 |
| 8 | 47.0000000 | 2.74600005 | 129.061996 | 2209.00000 |
7.54051638 |
| 9 | 41.0000000 | 3.65499997 | 149.854996 | 1681.00000 |
13.3590250 |
| 10 | 64.0000000 | 2.49699998 | 159.807999 | 4096.00000 |
6.23500872 |
| 11 | 50.0000000 | 3.90799999 | 195.399994 | 2500.00000 |
15.2724638 |
| 12 | 55.0000000 | 4.94000006 | 271.700012 | 3025.00000 |
24.4036007 |
| 13 | 65.0000000 | 4.46199989 | 290.029999 | 4225.00000 |
19.9094429 |
| 14 | 70.0000000 | 4.64499998 | 325.149994 | 4900.00000 |
21.5760250 |
| 15 | 48.0000000 | 4.44000006 | 213.119995 | 2304.00000 |
19.7136002 |
| 16 | 67.0000000 | 2.86899996 | 192.222992 | 4489.00000 |
8.23116112 |
| 17 | 83.0000000 | 3.70300007 | 307.348999 | 6889.00000 |
13.7122097 |
___________________________________________________________________
___________________________________________
|JUMLAH | 930.000000 | 60.7220001 | 3339.25146 | 53322.0000
| 225.037079 |

___________________________________________________________________
___________________________________________
b = 7.11532449E-03
a = 3.18263221
r = 0.123290427
R(korelasi) = 3.77320409

4.2 Pembahasan
Regresi merupakan pengukuran hubungan dua variable atau lebih yang dinyatakan
dengan bentuk hubungan/fungsi. Diperlukan pemisihan yang tegas antar variable bebas dan
variable terikat, biasanya disimbolkan dengan x dan y. Analisis regresi (regressison analysis)
merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut
untuk membuat perkiraan (prediction). Dengan demikian, analisis regresi sering disebut
sebagai analisis prediksi. Analisis regresi dapat didefinisikan metode statistika digunakan
untuk menentukan bentuk hubungan antara variabel-variabel, dengan tujuan pokok dalam
penggunaan metode ini adalah untuk meramalkan atau memperkirakan nilai dari suatu
variabel lain yang belum diketahui.
Korelasi merupakan pengukur hubungan dua variable atau lebih yang dinyatakan sebagai
tingkat hubungan ( derajat keerataan ) antar variable. Analisis korelasi bertujuan untuk
mengetahui ada tidaknya hubungan antar variable dan keeratan hubungannya. Korelasi
merupakan angka yang menunjukkan arah dan kuatnya hubungan antar variable yang diteliti.
Arah hubungan antar variable dapat bernilai positif dan negatif, serta 0 apabila tidak memiliki
hungan sama sekali. Adapun kuatnya hubungan antar variable dapay dinyatakan dengan
besarnya nilai koefisien korelasi pada fungsi linier
Data yang didapat dari hasil percobaan ataupun penelitian, biasanya menggunakan
sebuah metode pengolahan data yang diterapkan untuk memudahkan menganalisis data
tersebut. Salah satu cara yang sering dipakai dalam penelitian adalah analisis regresi dan
korelasi. Pada proses penggunaannya, analisis korelasi biasa dipergunakan untuk mengetahui
hubungan antara dua variable, disamping itu korelasi ini dapat bersifat linier. Berbagai macam
hasil dari korelasi dapat menimbulkan sebuah asumsi yang berbeda tergantung paa nilai yang
dihasilkannya. Sebuah korelasi dapat dikatakan positif jika bernilai +1 sedangkan korelasi
juga dapat dikatakan negatif jika nilai koefisien korelasi bernilai -1. Disamping itu, nilai
korelasi juga dapat dikatakan tidak berkorelasi jika nilai koefisiennya 0.
Analisis regresi linier berganda adalah hubungan secara linear antara dua atau lebih
variabel independen (X1, X2,….Xn) dengan variabel dependen (Y). Analisis ini untuk
mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah
masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi
nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau
penurunan. Data yang digunakan biasanya berskala interval atau rasio.
Analisis regresi sederhana hanya terdiri atas satu peubah bebas (peubah
penjelas/eksplanatori) X dan satu peubah terikat (respon) Y dengan hubungan linier. Kedua
peubah ini merupakan peubah kuantitatif, khusus untuk Y harus dengan skala interval atau
rasio. Dengan visualisasi secara geometris dapat ditafsirkan bahwa dengan analisis regresi
kita ingin menduga garis populasi yang sesungguhnya tidak pernah diketahui (garis lurus
putus-putus) berdasarkan sampel pasangan data pada sampel. Persoalanvini merupakan
persoalan estimasi uji inferensi daam regresi. Garis regresi penduga ini dapat dipergunakan
untuk meramal (prediksi) rentang rata-rata nilai Y pada saat nilai X diketahui, demikian juga
rentang nilai-nilai Y pada saat nilai tertentu dari X.
 BAB V
PENUTUP

5.1 Kesimpulan
1. Analisis regresi linear sederhana merupakan salah satu metode regresi yang dapat
dipakai sebagai alat inferensi statistik untuk menentukan pengaruh
sebuah variabel bebas (independen) terhadap variabel terikat (dependen).
2. Dalam analisis regresi membutuhkan dua atau lebih kelompok data hasil pengukuran
3. Memiliki variabel dependent ( Y ) dan variabel independent ( X )
5.2 Saran
Untuk pengambilan data selanjutnya untuk berat badan (X) dapat diubah dengan tinggi
badan ataupun tahun kelahiran.
 DAFTAR PUSTAKA

Dr. Riduwan, M.B.A.2014. PENGANTAR STATISTIKA (UNTUK PENELITIAN: Pendidikan,

Sosial, Ekonomi, Komonikasi dan Bisnis .Bandung: ALFABETA
Gaspersz, Vincent. 1990. Analisis Kuantitatif Untuk Perencanaan. Bandung. Tarsito
Hartono.2004. STATISTIK untuk penelitian.Yogyakarta: Lembaga Studi Filsafat,
Kemasyarakatan, Kependidikan dan Perempuan
Muhidi, Sambas Ali. 2009. Analisis Korelasi Regresi dan Jalur Dalam Penelitian. Bandung.
CV Pustaka Setia.
Pratomo, Dedi Suwarsito. 2018. Analisis Regresi Dan Korelasi Antara Pengunjung Dan
Pembeli Terhadap Nominal Pembelian Di Indomaret Kedungmundu Semarang
Dengan Metode Kuadrat Terkecil
 ABSTRAK

Telah dilakukan praktikum mengenai Metode Numerik mengenai “Analisis Regresi”

Yang dilakukan pada hari Rabu, 18 September 2019 yang dibimbing oleh Asisten
Laboratorium Puteri Buana Rizki. Di laboratorium Fisika Komputasi dan Pemodelan, Gedung
G, Lantai 3 Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Mulawarman,
Samarinda, Kalimantan Timur
Tujuan dilakukannya praktikum ini adalah kita dapat mengetahui apa itu regresi,
korelasim dan persamaan garisnya, serta kita dapat menyelesaikan permasalahan regresi
tersebut dengan menggnakan teknik Metode Numerik.
Metode yang dilakukan pada praktikum kali ini adalah dimana kita mengambil data
tersebut secara langsung, yaitu dengan mengukur Tinggi Badan sebagai Variabel (X) dengan
menggunakan meteran, dan Kecepatan Kita berlari sebagai Variabel (Y) yang dimana nilainya
kecepatan tersebut kita dapat dari Jarak dibagi dengan waktu berlari kita.

Kata Kunci :Metode Numerik, Regresi, dan Ubuntu

 Praktikum Metode Numerik
“Analisis Regresi”

Nama : Arni Agustina Marsanti

NIM : 1807045035
Kel/Kelas : 4/B
Anggota Kelompok : 1. Siti Ria Hamidah

Samarinda, 24 September 2019

Mengetahui,
Asisten Praktikan

Puteri Buana Rizki Arni Agustina Marsanti

NIM. 1607045021 NIM. 1807045035