LAPORAN PRAKTIKUM BIOMETRI

SAS (STATISTICAL ANALYSIS SYSTEM) REGRESI

DISUSUN OLEH:

NAMA : DEWI NURKAMAL

NIM : F1071171011

KELAS : IV A

KELOMPOK : 2 (DUA)

PROGRAM STUDI PENDIDIKAN BIOLOGI

JURUSAN PENDIDIKAN MATEMATIKA DAN IPA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

UNIVERSITAS TANJUNGPURA

PONTIANAK

2019
 ABSTRAK
Regresi linear sederhana adalah metode statistik yang berfungsi untuk
menguji sejauh mana hubungan sebab akibat antara variabel faktor penyebab
(X) terhadap variabel akibat. Pada praktikum ini digunakan alat dan bahan,
yaitu laptop, penuntun praktikum biometri dan program SAS (Statistical
Analysis System). Langkah kerja yang dilakukan yaitu diinstal program SAS
pada masing-masing laptop praktikan, data-data yang akan dimasukkan ke
dalam program SAS, terlebih dahulu diketik pada Ms. Word, data-data yang
telah diketik, selanjutnya dimasukkan ke program SAS, diklik ikon Run
untuk mendapatkan hasil, setelah hasilnya muncul, disalin hasil tersebut ke
Ms. Word dan Save. Berdasarkan data hasil pengamatan, diperoleh Fvalue
sebesar 293.468 dan probabilitas yang diperoleh ialah 0.0001. Apabila α=
0.05, df model 1 dan df error = 28, sehingga diperoleh Ftabel sebesar 4.20.
Jika Fvalue dibandingkan dengan Ftabel, maka Fvalue > Ftabel = 293.468 >
4.02, itu artinya ada cukup bukti untuk menolak H0 atau H1 diterima. Hal
serupa juga terjadi apabila probabilitasnya dibandingkan dengan 0.05,
Pr<0.05 = 0.0001 > 0.05. maka dapat ditarik kesimpulan bahwa ada pengaruh
X (suhu ruangan) terhadap Y (jumlah cacat produksi).

Kata Kunci: regresi, sebab, akibat.

A. LATAR BELAKANG
Sejarah Analisis Regresi Analisis regresi merupakan salah satu
analisis yang bertujuan untuk mengetahui pengaruh suatu variabel
terhadap variabel yang lain, Dalam analisis regresi, variabel yang
mempengaruhi disebut Independent Variable (variabel bebas) dan variabel
yang dipengaruhi disebut Dependent Variable (variabel terikat). Analisis
regresi meliputi pengumpulan data berpasangan, pencarian pola garis
(pendugaan parameter dan ketidakpasan model), pendugaan persamaan
regresi (pendugaan dan pengujian parameter serta interpretasi model dan
parameter (Hanafiah, 1991).
 Analisis regresi adalah suatu proses memperkirakan secara
sistematis tentang apa yang paling mungkin terjadi di masa 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).
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) (Basuki,
2016)
Analisis regresi sederhana merupakan hubungan antara dua
variabel yaitu variabel bebas (variable independen) dan variabel tak bebas
(variabel dependen). Sedangkan analisis regresi berganda merupakan
hubungan antara 3 variabel atau lebih, yaitu sekurang-kurangnya dua
variabel bebas dengan satu variabel tak bebas. Tujuan utama regresi adalah
untuk membuat perkiraan nilai suatu variabel (variabel dependen) jika
nilai variabel yang lain yang berhubungan dengannya (variabel lainnya)
sudah ditentukan (Hasan, 2010).
Pengolahan data adalah suatu proses dalam memperoleh data
ringkasan atau angka ringkasan dengan menggunakan cara-cara atau
rumus-rumus tertentu. Banyak koleksi atau paket-paket program komputer
 telah didesain untuk mengolah dan menganalisis bermacam-macam tipe
data. Paket program komputer seperti Statistical Analysis System (SAS),
Statistical Package for Social Science (SPSS), Microsoft Excel, LISREL
(Student Version), AMOS tersedia luas di pasaran sebagai perangkat lunak
komputer yang bebas diperjualbelikan, selain berbagai jenis perangkat
lunak lainnya. Bermacam-macam perangkat lunak komputer pribadi
tersedia untuk aplikasi penelitian. Sebagian besar paket ini terdiri dari
susunan program yang cukup besar untuk analisis deskriptif dan analisis
statistik dengan monovariate, bivariate, atau multivatiate (Hasan, 2010).
SAS (Statistical Analysis System) adalah paket perangkat lunak
yang dikembangkan oleh SAS Institute for analisis pengembangan,
intelijen bisnis, manajemen data, dan analisis prediktif. Ini adalah
pemegang pangsa pasar terbesar untuk analisis canggih. SAS
dikembangkan di North Carolina State University dari tahun 1966 hingga
tahun 1976, ketika SAS Institute didirikan. SAS dikembangkan lebih
lanjut di tahun 1980 dan 1990 dengan penambahan prosedur statistik baru,
komponen tambahan dan pengenalan JMP (Ferreira, 2011).
Ketika kita menggunakan statistika untuk menguji hipotesis maka
muncullah dua macam hipotesis berupa hipotesis penelitian dan hipotesis
statistika. Tepatnya hipotesis penelitian kita rumuskan kembali menjadi
hipotesis statistika yang sepadan. Hipotesis statistika harus mencerminkan
dengan baik maksud dari hipotesis penelitian yang akan diuji (Santoso,
2012).
Oleh karena itu, pada praktikum kali ini digunakan program SAS
(Statistical Analysis System) untuk analisis regresi.

B. ALAT DAN BAHAN

• Laptop
• Penuntun Praktikum Biometri
• Program SAS (Statistical Analysis System)

C. CARA KERJA
 1. Diinstal program SAS pada masing-masing laptop praktikan
2. Data-data yang akan dimasukkan ke dalam program SAS, terlebih
dahulu diketik pada Ms. Word.
3. Data-data yang telah diketik, selanjutnya dimasukkan ke program
SAS.
4. Diklik ikon Run untuk mendapatkan hasil.
5. Setelah hasilnya muncul, disalin hasil tersebut ke Ms. Word dan Save.

D. HASIL PENGAMATAN
Data input:
Option ls=78 ps=60;
Data regresi1;
Input X Y;
Card;
24 10
22 5
21 6
20 3
22 6
19 4
20 5
23 9
24 11
25 13
21 7
20 4
20 6
19 3
25 12
27 13
28 16
25 12
26 14
24 12
27 16
23 9
24 13
23 11
22 7
21 5
26 12
25 11
26 13
27 14
;
Run;
Proc reg;
Model Y=X;
Run;
Data output:
The SAS System 1
10:15 Tuesday, May 20, 1997

Model: MODEL1
Dependent Variable: Y

Analysis of Variance

Sum of Mean
Source DF Squares Square F Value Prob>F

Model 1 421.02926 421.02926 293.468 0.0001

Error 28 40.17074 1.43467
C Total 29 461.20000

Root MSE 1.19778 R-square 0.9129

Dep Mean 9.40000 Adj R-sq 0.9098
C.V. 12.74231

Parameter Estimates

Parameter Standard T for H0:

Variable DF Estimate Error Parameter=0 Prob > |T|

INTERCEP 1 -24.380929 1.98401814 -12.289 0.0001

 X 1 1.449825 0.08463216 17.131 0.0001

E. PEMBAHASAN
Analisis regresi adalah suatu proses memperkirakan secara
sistematis tentang apa yang paling mungkin terjadi di masa 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.
Regresi linear sederhana adalah metode statistik yang berfungsi
untuk menguji sejauh mana hubungan sebab akibat antara variabel faktor
penyebab (X) terhadap variabel akibat. Faktor penyebab umumnya
dilambangkan dengan atau disebut juga dengan predictor sedangkan
variabel akibat dilambangkan dengan Y atau disebut juga dengan respons.
Kelebihan uji regresi adalah kemampuannya melakukan prediksi.
Bagi kalangan guru sekolah atau dosen, uji regresi bisa dipakai untuk
memprediksi perilaku siswa, baik dalam hal nilai atau perilaku-perilaku
lainnya.
Model persamaan regresi linear sederhana adalah seperti berikut:
Y = a + bX
Y = Variabel respons atau variabel akibat (dependent) yaitu suhu ruangan.
X = Variabel predictor atau variabel faktor penyebab (Independent) yaitu
jumlah cacat produksi.
a = Konstanta
b = Koefisien regresi (kemiringan); besaran respons yang ditimbulkan oleh
precditor.
Hipotesis percobaan ini adalah
H0 = tidak ada pengaruh Y (suhu ruangan) terhadap X (jumlah cacat
produksi)
H1 = ada pengaruh Y (suhu ruangan) terhadap X (jumlah cacat)
Pada praktikum ini dilakukan penginputan data yang akan di ujikan
ke dalam program SAS. Agar diperoleh hasil analisis yang diinginkan,
pada saat menginput data digunakan perintah-perintah tertentu, berikut di
antaranya:
1. Option ls=78 ps=60;
Digunakan untuk menentukan jumlah baris yang digunakan, pada
praktikum ini digunakan ls,=78 dan ps=60, yang berarti jumlah baris
yang digunakan adalah 78 dan jumlah halamannya 60 halaman. Semi
kolon (;) digunakan pada akhir kata yang kita masukan agar dapat
terbaca.
2. Data regresi1;
Merupakan keterangan untuk nama data yang akan di buat. Kata
(regresi1) dapat diganti dengan nama yang diinginkan praktikan,
syaratnya adalah nama yang dimasukkan tidak boleh lebih dari 8
karakter.
3. Input X Y;
Digunakan untuk menginput variabel akibat (X), kolom ke dua untuk
variabel faktor penyebab (Y).
4. Card;
Adalah perintah untuk memasukan data sesuai dengan perintah kolom
di atasnya, huruf s pada kata cards menandakan data lebih dari satu.
5. Run;
Perintah untuk memulai menjalankan script. Digunakan ketika data
yang dimasukkan telah siap untuk dijalankan, yang nantinya data
tersebut akan tampil di jendela output dalam program SAS.
6. Proc reg;
Proc sebagai perintah SAS untuk menujukan jenis analisis yang akan
dilakukan. Reg yaitu jika ingin memasukkan model linear umum untuk
Regresi.
7. Model Y=X;
Makna dari data regresi bahwa ada faktor sebab yaitu (X) dan akibat
yaitu (Y).
Berdasarkan data hasil pengamatan, diperoleh Fvalue sebesar
293.468 dan probabilitas yang diperoleh ialah 0.0001. Apabila α= 0.05, df
 model 1 dan df error = 28, sehingga diperoleh Ftabel sebesar 4.20. Jika
Fvalue dibandingkan dengan Ftabel, maka Fvalue > Ftabel = 293.468 >
4.02, itu artinya ada cukup bukti untuk menolak H0 atau H1 diterima. Hal
serupa juga terjadi apabila probabilitasnya dibandingkan dengan 0.05,
Pr<0.05 = 0.0001 > 0.05. maka dapat ditarik kesimpulan bahwa ada
pengaruh X (suhu ruangan) terhadap Y (jumlah cacat produksi).
Digunakan 0.05 sebagai pembanding adalah karena toleransi
ketidakpastian (α) hasil suatu percobaan harus makin kecil jika
berhubungan dengan manusia atau dengan makin besarnya risiko kerugian
finansial, seperti yang kita ketahui pada bidang pertanian itu tidak terlalu
berhubungan dengan manusia ataupun ternak, kecuali untuk bidang
kedokteran/kesehatan dan perikanan/peternakan digunakan toleransi
ketidakpastian (α) yang kecil.

F. KESIMPULAN
Analisis regresi adalah suatu proses memperkirakan secara
sistematis tentang apa yang paling mungkin terjadi di masa yang akan
datang berdasarkan informasi yang sekarang dimiliki agar memperkecil
kesalahan. Regresi linear sederhana adalah metode statistik yang berfungsi
untuk menguji sejauh mana hubungan sebab akibat antara variabel faktor
penyebab (X) terhadap variabel akibat. Kelebihan uji regresi adalah
kemampuannya melakukan prediksi. Bagi kalangan guru sekolah atau
dosen, uji regresi bisa dipakai untuk memprediksi perilaku siswa, baik
dalam hal nilai atau perilaku-perilaku lainnya. Model persamaan regresi
linear sederhana adalah seperti berikut: Y = a + bX. Pada saat menginput
data digunakan perintah-perintah tertentu, berikut di antaranya: Option
ls=78 ps=60;, Data regresi1, Input X Y, Card, Run, Proc Rig dan Model
Y=X. Berdasarkan data hasil penganan jika Fvalue dibandingkan dengan
Ftabel, maka Fvalue > Ftabel = 293.468 > 4.02, itu artinya ada cukup bukti
untuk menolak H0 atau H1 diterima. Hal serupa juga terjadi apabila
probabilitasnya dibandingkan dengan 0.05, Pr<0.05 = 0.0001 > 0.05. maka
 dapat ditarik kesimpulan bahwa ada pengaruh X (suhu ruangan) terhadap
Y (jumlah cacat produksi).

G. SARAN
Saat menginput data yang akan dianalisis, sebaiknya dilakukan dengan
teliti jangan sampai ada yang keliru. Karena sangat berpengaruh terhadap
hasil analisis.
 DAFTAR PUSTAKA

Basuki, A. T., dkk. 2016. “Analisis Regresi dalam Penelitian Ekonomi dan Bisnis
(Dilengkapi Aplikasi SPSS & Eviews).” Jurnal UMY 45-56. (online).
http://repository.umy.ac.id/handle/123456789/2051. Diakses 5 Mei 2019.
Ferreira, D. F. 2011. “Sisvar: A Computer Statistical Analysis System.” Ciencia e
Agrotecnologia 35 (6): 1039-1042. (online). https://scholar.google.com.
Diakses 5 Mei 2019.
Hanafiah, H.A. 1991. Rancangan Percobaan : Teori dan Aplikasi Cetakan Ke 5.
Jakarta Utara: Raja Grafindo Persada.
Hartono. 2004. Statistik untuk penelitian. Yogyakarta: Lembaga Studi Filsafat,
Kemasyarakatan, Kependidikan dan Perempuan.
Hasan, Iqbal. 2010. Pokok-Pokok Materi Statistik 2 (Statistik Infrensial). Jakarta:
Bumi Aksara.
Santoso, Singgih. 2012. Paduan Lengkap SPSS Versi 20. Jakarta : Elex media
Komputindo.