PENDAHULUAN
Tinggi badan merupakan ukuran tubuh manusia yang diukur dari tumit sampai
puncak kepala dengan posisi badan berdiri tegak sedangkan berat badan adalah ukuran
yang lazim atau sering dipakai untuk menilai keadaan suatu gizi manusia. Penentuan
berat badan yang ideal biasanya dilakukan dengan pengukuran BMI atau Body Mass
Index. Body Mass Index (BMI) atau Indeks Massa Tubuh (IMT) adalah angka yang
menentukan apakah berat badan Anda ideal, kurang, atau berlebih. Faktor yang
menentukan dalam angka BMI adalah tinggi badan. Penulisan laporan ini dilakukan
untuk mengetahui pengaruh tinggi badan terhadap berat badan secara analisis regresi
dan korelasi linear.
1.2 Tujuan
1. Memahami Regresi Linier
2. Memahami Korelasi Linier
1.4 Hipotesa
1
BAB II
TINJAUAN PUSTAKA
Istilah regresi pertama kali diperkenalkan oleh Sir Francis Galton pada tahun
1886. Galton menemukan adanya tendensi bahwa orang tua yang memiliki tubuh tinggi
memiliki anak-anak yang tinggi, orang tua yang pendek memiliki anak-anak yang pendek
pula. Kendati demikian. Ia mengamati bahwa ada kecenderungan tinggi anak cenderung
bergerak menuju rata-rata tinggi populasi secara keseluruhan. Dengan kata lain,
ketinggian anak yang amat tinggi atau orang tua yang amat pendek cenderung bergerak
kearah rata-rata tinggi populasi. Inilah yang disebut hukum Golton mengenai regresi
universal. Dalam bahasa galton, ia menyebutkan sebagai regresi menuju mediokritas.
Hukum regresi semesta (law of universal regression) dari Galton diperkuat oleh
temannya Karl Pearson, yang mengumpulkan lebih dari seribu catatan tinggi anggota
kelompok keluarga. Ia menemukan bahwa rata-rata tinggi anak laki-laki kelompok ayah
(yang) pendek lebih besar dari pada tinggi ayah mereka, jadi “mundurnya”
(“regressing”) anak laki-laki yang tinggi maupun yang pendek serupa kea rah rata-rata
tinggi semua laki-laki. Dengan kata lain Galton, ini adalah “kemunduran kearah sedang”.
Secara umum, analisis regresi pada dasarnya adalah studi mengenai
ketergantungan satu variabel dependen (terikat) dengan satu atau lebih variabel
independent (variabel penjelas/bebas), dengan tujuan untuk mengestimasi dan/ atau
memprediksi rata-rata populasi atau niiai rata-rata variabel dependen berdasarkan nilai
variabe! independen yang diketahui. Pusat perhatian adalah pada upaya menjelaskan
dan mengevalusi hubungan antara suatu variabel dengan satu atau lebih variabel
independen. Hasil analisis regresi adalah berupa koefisien regresi untuk masing-masing
variabel independent. Koefisien ini diperoleh dengan cara memprediksi nilai variabel
dependent.
2
Keterangan :
Y = nilai yang diukur/dihitung pada variabel tidak bebas
x = nilai tertentu dari variabel bebas
a = intersep/perpotongan garis regresi dengan sumbu y
b = koefisien regresi /kemiringan dari garis regresi/untuk mengukur kenaikan atau
penurunan y untuk setiap perubahan satu-satuan x /untuk mengukur besarnya pengaruh
x terhadap y kalau x naik satu unit.
Untuk memudahkan perhitungan analisis regresi berikut ini rumusnya :
3
2.3 Korelasi
Korelasi merupakan teknik analisis yang termasuk dalam salah satu teknik
pengukuran asosiasi / hubungan (measures of association). Pengukuran asosiasi
merupakan istilah umum yang mengacu pada sekelompok teknik dalam statistik bivariat
yang digunakan untuk mengukur kekuatan hubungan antara dua variabel.
Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk mengetahui
keeratan hubungan antara dua variabel dan untuk mengetahui arah hubungan yang
terjadi. Koefisien korelasi sederhana menunjukkan seberapa besar hubungan yang
terjadi antara dua variabel. Dalam SPSS ada tiga metode korelasi sederhana (bivariate
correlation) diantaranya Pearson Correlation, Kendall’s tau-b, dan Spearman Correlation.
Pearson Correlation digunakan untuk data berskala interval atau rasio, sedangkan
Kendall’s tau-b, dan Spearman Correlation lebih cocok untuk data berskala ordinal.
Dalam korelasi sempurna tidak diperlukan lagi pengujian hipotesis, karena kedua
variabel mempunyai hubungan linear yang sempurna. Artinya variabel X mempengaruhi
variabel Y secara sempurna. Jika korelasi sama dengan nol (0), maka tidak terdapat
hubungan antara kedua variabel tersebut. Dalam korelasi sebenarnya tidak dikenal
istilah variabel bebas dan variabel tergantung. Biasanya dalam penghitungan digunakan
simbol X untuk variabel pertama dan Y untuk variabel kedua. Dalam contoh hubungan
antara variabel remunerasi dengan kepuasan kerja, maka variabel remunerasi
merupakan variabel X dan kepuasan kerja merupakan variabel Y.
Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk mengetahui
keeratan hubungan antara dua variabel dan untuk mengetahui arah hubungan yang
terjadi. Koefisien korelasi sederhana menunjukkan seberapa besar hubungan yang
terjadi antara dua variabel.
Berikut ini adalah daftar Koefisien korelasi :
0 - 0,20 = sangat rendah (hampir tidak ada hubungan)
0,21-0,40 = korelasi yang rendah
0,41-0,60 = korelasi sedang
0,61-0,80 = cukup tinggi
0,81-1,00 = korelasi tinggi
4
Gambar 2.2 Bentuk Hubungan Korelasi Linear
5
BAB III
HASIL DAN PEMBAHASAN
Data yang didapatkan merupakan data sekunder hasil survey tinggi dan berat
badan mahasiswa angkatan 2018 fakultas Teknik Universitas Hasanuddin.
6
33 164 50 8200 26896 2500
34 150 42 6300 22500 1764
35 162 49 7938 26244 2401
36 170 54 9180 28900 2916
37 173 56 9688 29929 3136
38 163 50 8150 26569 2500
39 166 52 8632 27556 2704
40 162 50 8100 26244 2500
41 157 47 7379 24649 2209
42 169 55 9295 28561 3025
43 169 55 9295 28561 3025
44 156 47 7332 24336 2209
45 160 50 8000 25600 2500
46 164 53 8692 26896 2809
47 180 64 11520 32400 4096
48 159 50 7950 25281 2500
49 165 54 8910 27225 2916
50 147 43 6321 21609 1849
51 160 51 8160 25600 2601
52 163 53 8639 26569 2809
53 173 60 10380 29929 3600
54 164 54 8856 26896 2916
55 153 47 7191 23409 2209
56 169 58 9802 28561 3364
57 173 61 10553 29929 3721
58 177 64 11328 31329 4096
59 161 53 8533 25921 2809
60 171 60 10260 29241 3600
61 171 60 10260 29241 3600
62 156 50 7800 24336 2500
63 169 59 9971 28561 3481
64 163 55 8965 26569 3025
65 170 60 10200 28900 3600
66 155 50 7750 24025 2500
67 158 52 8216 24964 2704
68 158 52 8216 24964 2704
69 171 61 10431 29241 3721
70 160 54 8640 25600 2916
71 172 63 10836 29584 3969
72 153 50 7650 23409 2500
73 166 59 9794 27556 3481
74 163 57 9291 26569 3249
75 169 62 10478 28561 3844
76 166 60 9960 27556 3600
7
77 172 65 11180 29584 4225
78 165 60 9900 27225 3600
79 171 65 11115 29241 4225
80 170 65 11050 28900 4225
81 160 58 9280 25600 3364
82 160 58 9280 25600 3364
83 155 56 8680 24025 3136
84 156 57 8892 24336 3249
85 169 67 11323 28561 4489
86 172 70 12040 29584 4900
87 157 59 9263 24649 3481
88 163 64 10432 26569 4096
89 155 58 8990 24025 3364
90 160 62 9920 25600 3844
91 166 68 11288 27556 4624
92 166,5 69 11488,5 27722,25 4761
93 164 67 10988 26896 4489
94 155 60 9300 24025 3600
95 152 59 8968 23104 3481
96 165 70 11550 27225 4900
97 155 65 10075 24025 4225
98 175 85 14875 30625 7225
99 168 86 14448 28224 7396
100 162 90 14580 26244 8100
JUMLAH 16327,5 5463 895563,5 2670933,3 307629
AVERAGE 163,275 54,63 8955,635
8
100.895563,5−16327,5.5463
b= = 0,709819565
100.2670933,3−(16327,5)2
2) Korelasi Linier
100.895563,5−16327,5.5463
R= = 0,526872846
√(100.2670933,32 − 16327,52 )(100.3076292 − 54632 )
3) Diagram Scatter
Berikut adalah diagram scatter berdasarkan hasil perhitungan di atas.
70 R = 0,5269
60
50
40
30
20
10
0
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 170 180 190
Tinggi Badan
9
hubungan yang dinyatakan oleh garis linier tersebut adalah semakin besar nilai x maka
semakin besar nilai y.
3.2 Pembahasan
1. Regresi Linear
Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui
pengaruh antara satu atau beberapa variabel terhadap satu buah variabel.
Prediksi Y
Persamaan regresi linear yang didapatkan adalah Y= 0,709819565x –
Y= 0,709819565(150) – 61,26578948 = 45 kg
b. Jika tinggi badan seseorang 160 maka berat badannya adalah:
Y= 0,709819565(160) – 61,26578948 = 52 kg
c. Jika tinggi badan seseorang 170 maka berat badannya adalah:
Y= 0,709819565(170) – 61,26578948 = 59 kg
2. Korelasi
10
BAB IV
PENUTUP
4.1 Kesimpulan
4.2 Saran
11
DAFTAR PUSTAKA
12