DASAR
Y x
α dan β adalah dua parameter yang akan
diduga dari data sampel.
ANALISIS REGRESI LINEAR
Intercept
Definisi secara matematis adalah suatu titik
perpotongan antara suatu garis dengan
sumbu Y pada sumbu kartesius saat X=0
Definisi secara statistik adalah rata-rata
variabel Y saat variabel X bernilai 0
Slope
Definisi secara matematis adalah ukuran
kemiringan suatu garis
Definisi secara statistik adalah suatu nilai
yang menunjukkan seberapa besar kontribusi
yang diberikan oleh suatu variabel X
terhadap variabel Y atau dapat diartikan
sebagai rata-rata pertambahan atau
pengurangan pada variabel Y untuk setiap
peningkatan satu satuan variabel X
Koefisien Regresi
n
n n
n xi yi xi yi
b i 1 i 1 i 1
2
n
n
n xi2 xi
i 1 i 1
a y bx
Contoh Koefisien Regresi
1 30.000 80,17
2 25.000 83,57
3 15.000 85,99
4 20.000 87,33
5 25.000 85,25
6 35.000 80,56
7 15.000 84,77
8 20.000 90,56
9 20.000 87,66
Contoh Koefisien Regresi
n Y X X^2 XY Y^2
1 80,17 30.000 900.000.000 2.405.100 6.427
2 83,57 25.000 625.000.000 2.089.250 6.984
3 85,99 15.000 225.000.000 1.289.850 7.394
4 87,33 20.000 400.000.000 1.746.600 7.627
5 85,25 25.000 625.000.000 2.131.250 7.268
6 80,56 35.000 1.225.000.000 2.819.600 6.490
7 84,77 15.000 225.000.000 1.271.550 7.186
8 90,56 20.000 400.000.000 1.811.200 8.201
9 87,66 20.000 400.000.000 1.753.200 7.684
Jumlah 765,86 205.000,00 5.025.000.000 17.317.600 65.261
n
n n
n xi yi xi yi
b i 1 i 1 i 1
2
n
n
n xi2 xi
i 1 i 1
b 0,00036
a y bx
y 85,1 x 22.777, 78
yˆ 93,3 0,00036 x
Interpretasi :
1.Setiap penambahan 1000 rupiah uang saku maka akan
menurunkan nilai rata-rata rapot sebesar 0,36.
KOEFISIEN KORELASI
Koefisien Korelasi
Di mana:
r : Nilai koefisien korelasi
ΣX : Jumlah pengamatan variabel X
ΣY : Jumlah pengamatan variabel Y
ΣXY : Jumlah hasil perkalian variabel X dan Y
(ΣX2) : Jumlah kuadrat dari pengamatan variabel X
(ΣX)2 : Jumlah kuadrat dari jumlah pengamatan variabel X
(ΣY2) : Jumlah kuadrat dari pengamatan variabel Y
(ΣY)2 : Jumlah kuadrat dari jumlah pengamatan variabel Y
n : Jumlah pasangan pengamatan Y dan X
Nilai Koefisien Korelasi
Korelasi negatif Korelasi negatif Tidak ada Korelasi positif Korelasi positif
sempurna sedang Korelasi sedang sempurna
1 30.000 80,17
2 25.000 83,57
3 15.000 85,99
4 20.000 87,33
5 25.000 85,25
6 35.000 80,56
7 15.000 84,77
8 20.000 90,56
9 20.000 87,66
Contoh Analisis Korelasi
n XY X Y
Rumus koefisien korelasi : r
n
X X n Y Y
2 2 2 2
n Y X X^2 XY Y^2
1. Hipotesis:
H0 : ρ = 0 Vs H1: ρ ≠ 0
2. Statistik uji Z
n 3 (1 r )(1 )
Z hit ln
2 (1 r )(1 )
3. α yang digunakan 5% (0,05)
4. Hipotesis alternatif >> dua arah (two sided)
Z 0,025=1,96 ,
Daerah kritis (Daerah penolakan H0)
Z<-1,96 dan Z>1,96
(GAMBAR)
Contoh Analisis Korelasi
Koefisien korelasi :
n XY X Y
r
n
X X n Y Y
2 2 2 2
9(17.317.600) (205.000)(765,86)
r 0, 71
[9(5.025.000.000) (205.000) ][9(65.621) (765,86) ]
2 2
ŷ a b1 x1 b2 x2
Bentuk persamaan regresi dengan tiga variabel prediktor (x) :
ŷ a b1 x1 b2 x2 b3 x3
Bentuk persamaan regresi dengan k variabel prediktor (x) :
ˆ a b1 x1 ... bk xk
y
ANALISIS REGRESI LINEAR BERGANDA
ŷ a b1 x1 b2 x2
b
x x y x y x x
2
2 1 2 1 2
a
Y b X b X
1 1 2 2
x x x x
1 2
2 2
1 2 1 2
n
b2
x x y x y x x
2
1 2 1 1 2
x x x x
2 2 2
1 2 1 2
ANALISIS REGRESI LINEAR BERGANDA
b
x
2 x1 y x2 y x1x2
2
b2
x x y x y x x
2
1 2 1 1 2
x x x x x x x x
1 2 2 2 2
2 2
1 2 1 2 1 2 1 2
X X Y
2
A x X D x1 y
1
XY
2 2 1
1 1 1
n n
X 2
2
E x2 y X 2Y
X 2 Y
B x22 X 22 n
n
Y
2
F x1 x2 X 1 X 2
X1 X 2
C y 2 Y 2 n
n
b1
B.D E.F
b2
A.E D.F
A.B F A.B F
2 2
Contoh Koefisien Regresi Linear
Berganda
Suatu lembaga bimbingan belajar menggunakan 11 orang siswa dalam suatu penelitian untuk
mengetahui besararnya pengaruh antara lama belajar (jam) dan nilai tyout mata pelajaran
matematika terhadap dan nilai rapot mata pelajaran matematika. Data untuk 13 siswa tsb adalah
sebagai berikut:
Y X1 X2
80,4 5 83
75,6 2 80
82,4 3 85
85,4 6 86
84,6 5 89
81,6 4 83
85 6 90
83,7 4 85
86 6 87
78,9 3 82
78,5 2 83
Contoh Koefisien Regresi Linear
Berganda
Y X1 X2 X1^2 X2^2 Y^2 X1X2 X1Y X2Y
80,4 5 83 25 6889 6464,16 415 402 6673,2
75,6 2 80 4 6400 5715,36 160 151,2 6048
82,4 3 85 9 7225 6789,76 255 247,2 7004
85,4 6 86 36 7396 7293,16 516 512,4 7344,4
84,6 5 89 25 7921 7157,16 445 423 7529,4
81,6 4 83 16 6889 6658,56 332 326,4 6772,8
85 6 90 36 8100 7225 540 510 7650
83,7 4 85 16 7225 7005,69 340 334,8 7114,5
86 6 87 36 7569 7396 522 516 7482
78,9 3 82 9 6724 6225,21 246 236,7 6469,8
78,5 2 83 4 6889 6162,25 166 157 6515,5
902,1 46 933 216 79227 74092,31 3937 3816,7 76603,6
A 23,64 D 44, 28
b1
B.D E.F
b2
A.E D.F
B 91,64 E 89,12
A.B F A.B F
2 2
C 111,91 F 35,36
b1
91, 64 44, 28 89,12 35, 36 906, 54 0, 99
2
23, 64 91, 64 35, 36 916, 04
b2
23, 64 89,12 44, 28 35, 36 541, 06 0, 59
2
23, 64 91, 64 35, 36 916, 04
a
Y b X b X (902,1) (0,99)(46) (0,59)(933)
1 1 2 2
27,83
n 11
ANALISIS REGRESI LINEAR BERGANDA