Analisis Regresi Linear Sederhana

Regresi Linear Sederhana adalah Metode Statistik yang bertujuanuntuk melihat hubungan linier antara
variabel bebas X dengan variabel tidak bebas Y dan memprediksi nilai variabel tidak bebas Y dari nilai
yang diberikan variabel bebas X. Faktor Penyebab pada umumnya dilambangkan dengan X atau disebut
juga dengan Predictor sedangkan Variabel Akibat dilambangkan dengan Y atau disebut juga dengan
Response. Regresi Linear Sederhana atau sering disingkat dengan SLR (Simple Linear Regression) juga
merupakan salah satu Metode Statistik yang dipergunakan dalam produksi untuk melakukan peramalan
ataupun prediksi tentang karakteristik kualitas maupun Kuantitas.

Asumsi-asumsi dasar yang harus dipenuhi sebelum melakukan analisis regresi linier sederhana adalah :

 Model regresi harus linier secara parameter (uji liniearitas).

 Berdistribusi normal (uji normalitas).
 Varians data sama (uji homogenitas).

Asumsi klasik regresi :

 Tidak ada korelasi antara variabel bebas atau hubungan linier sempurna (uji multikolinearitas)
 Varians masing-masing error selalu konstan (uji heteroskedasitas).
 Tidak ada korelasi antara error yang satu dengan error yang lainnya (uji autokorelasi).
 Masing-masing error berdistribusi normal dengan mean nol dan standar deviasi tetap.

Dalam analisis regresi yang harus diketahui adalah :

> Variabel bebas / independent / tidak terikat

Biasanya disimbolkan dengan X (huruf kapital).Adalah variabel yang mempengaruhi variabel lain.

> Variabel tidak bebas / dependent / terikat

Biasanya disimbolkan dengan Y (huruf kapital).Adalah variabel yang dipengaruhi oleh variabel lain.

Contoh Penggunaan Analisis Regresi Linear Sederhana dalam Produksi antara lain :

1. Hubungan antara Lamanya Kerusakan Mesin dengan Kualitas Produk yang dihasilkan
2. Hubungan Jumlah Pekerja dengan Output yang diproduksi
3. Hubungan antara suhu ruangan dengan Cacat Produksi yang dihasilkan.
Model Persamaan Regresi Linear Sederhana adalah seperti berikut ini :

Y' = a + bX

Dimana :

Y' = variabel tidak bebas (nilai yang diprediksikan)

X = Variabel bebas (nilai yang memprediksi / prediktor)

a = Konstanta (jika nilai X = 0, maka Y' = a)

b = Koefisien regresi

Dalam analisis regresi linier sederhana adalah menentukan nilai konstanta a dan koefisien b. Apakah
koefisien b bernilai positif atau negatif, apakah koefisien b bernilai nol atau tidak. Jika

b = 0, berarti tidak ada pengaruh antara variabel bebas X terhadap variabel tidak bebas Y.

b < 0, berarti hubungan yang berbalik arah antara variabel bebas X dengan variabel tak bebas Y.

b > 0, berarti hubungan yang searah antara variabel bebas X dengan variabel tak bebas Y.

Nilai-nilai a dan b dapat dihitung dengan menggunakan Rumus dibawah ini :

a = (Σy) (Σx²) – (Σx) (Σxy)

. n(Σx²) – (Σx)²

b = n(Σxy) – (Σx) (Σy)

. n(Σx²) – (Σx)²

Standar Error Estimate

Nilai Y' adalah nilai prediksi sehingga terjadi kesalahan/galat/error dalam memprediksinya. Standar error
digunakan untuk mengukur simpangan data aktual di sekitar garis regresi.

Jadi nilai standar error estimate harus sekecil mungkin

Uji Koefisien Regresi Sederhana (Uji - t)

Tujuan untuk mengetahui apakah variabel bebas X berpengaruh secara signifikan terhadap variabel
tidak bebas Y.(Signifikan berarti dapat digeneralisasikan).

Langkah-langkah pengujiannya:

1. Menentukan Hipotesis Uji

Ho : b = 0

(tidak ada pengaruh antara variabel bebas X terhadap variabel tidak bebas Y)

Ha : b ≠ 0

(ada pengaruh antara variabel bebas X terhadap variabel tidak bebas Y)

2. Menentukan Tingkat Signifikansi

Tingkat signifikansi yang biasa digunakan adalah 5%, adapun yang lainnya adalah 1% - 10%.

3. Menentukan Daerah Penolakan Ho (Daerah Kritis)

Bentuk pengujian kita adalah dua arah sehingga gunakan uji-t dua arah :

Ho akan ditolak jika thitung > ttabel atau -(thitung) < -(ttabel),berarti H1 diterima.

Ho akan diterima jika -(thitung) < ttabel < thitung , berarti H1 ditolak.

4. Menentukan t-hitung

5. Keputusan (Membandingkan t-hitung dengan t-tabel.

6. Kesimpulan (Apakah ada pengaruh antara variabel bebas X terhadap variabel tidak bebas Y).