SEKOLAH TINGGI

MANAJEMEN INFORMATIKA DAN KOMPUTER

ERESHA

EKO SUHARYANTO
081310792300
 ANALISIS REGRESI LINIER SEDERHANA
Analisis regresi adalah analisis
statistik yang mempelajari
hubungan antara dua atau lebih
variabel kuantitatif sehingga
satu variabel dapat diramalkan
(predicted) dari variabel lainnya.
 ANALISIS REGRESI LINIER SEDERHANA
Hubungan antara dua variabel dapat
dibedakan menjadi dua, yaitu hubungan
fungsional dan hubungan statistik.
Hubungan fungsional antara dua variabel
dapat dinyatakan secara matematis; jika X
variabel bebas (indenpendent variable) dan
Y variabel tak bebas (dependent variable),
hubungan Fungsional ditulis dalam bentuk
 ANALISIS REGRESI LINIER SEDERHANA
Y = f(X)

Jika diketahui nilai X tertentu, fungsi f akan

memberikan nilai Y yang bersesuaian.
 ANALISIS REGRESI LINIER SEDERHANA
Contoh 1.1
Misalkan Y = total nilai penjualan suatu
produk (dalam ribuan rupiah) dan X =
jumlah unit produk yang terjual. Jika harga
jual Rp 5.000,00 per unit produk maka
hubungan antara Y dan X dapat dinyatakan
dalam Gambar 1.1.
ANALISIS REGRESI LINIER SEDERHANA

Gambar 1.1.
 ANALISIS REGRESI LINIER SEDERHANA
Hubungan statistik antara dua variabel
tidak sempurna.
Pada umumnya pada hubungan
statistik, pengamatan tidak tepat jatuh
pada kurve hubungan.
 ANALISIS REGRESI LINIER SEDERHANA
Contoh 1.2
Jika hubungan antara X yang
menyatakan usia (dalam tahun) dan Y
yang menyatakan tingkat steroid
dinyatakan dalam Gambar 1.2.
ANALISIS REGRESI LINIER SEDERHANA

Gambar 1.2.
 ANALISIS REGRESI LINIER SEDERHANA
Model regresi secara formal
menyatakan dua hal tentang hubungan
statistik, yaitu: kecenderungan variabel
tak bebas (Y) berubah-ubah terhadap
variabel bebas (X) dalam bentuk yang
sistematik dan tersebarnya titik-titik
di sekitar kurve hubungan statistik.
 ANALISIS REGRESI LINIER SEDERHANA
Kedua hal tersebut dinyatakan dalam
suatu model regresi yaitu: untuk
setiap nilai X terdapat distribusi
probabilitas dari Y dan mean dari
distribusi probabilitas Y berubah-
ubah secara Sistematik terhadap
perubahan nilai X.
 ANALISIS REGRESI LINIER SEDERHANA
Model Regresi Linear Sederhana
Model regresi dengan satu variabel bebas X
dapat ditulis dalam bentuk:
 ANALISIS REGRESI LINIER SEDERHANA
Model regresi linear sederhana:
• Dikatakan “sederhana” karena hanya ada satu peubah
bebas.
• Dikatakan “linear dalam parameter” karena tidak ada
parameter yang muncul sebagai suatu eksponen atau
dikalikan atau dibagi oleh parameter lain.
• Dikatakan “linear dalam peubah bebas” karena
peubah dalam model tersebut berpangkat satu.
• Model yang linear dalam parameter dan linear dalam
peubah bebas juga dinamakan model ordo-pertama.
 ANALISIS REGRESI LINIER SEDERHANA
Bila sudah diperoleh data sampel
(Xi,Yi), selanjutnya hal yang penting
adalah membuat diagram pencar
antara X dan Y untuk mengetahui pola
dari data. Bila pola data menunjukkan
linear maka model regresi linear
sederhana dapat digunakan.
 ANALISIS REGRESI LINIER SEDERHANA
Misalkan model regresi sederhana :
Yi = β0 + β1Xi + εi
Penduga bagi β0 adalah b0 dan penduga bagi β1
adalah b1.
Bagaimana mendapatkan b0 dan b1?
Penduga bagi β0 dan β1 dapat diperoleh dengan
kuadrat terkecil, yaitu dengan meminimumkan
jumlah kuadrat galat.
 ANALISIS REGRESI LINIER SEDERHANA
Maka diperoleh :
 ANALISIS REGRESI LINIER SEDERHANA
Makna dugaan koefisien regresi
Misalkan ingin mengetahui hubungan jarak tempuh
kendaraan mobil dalam km (X) dengan tingkat emisinya
dalam ppm (Y).

• Plot data ternyata menunjukkan ada hubungan linear

antara X dan Y
• Dicobakan model linier Yi = β0 + β1Xi + εi dengan galat
= 0, diperoleh persamaan Regresi Yi = 364 + 5.47Xi
• Apa makna b0 dan b1 pada konteks ini?
 ANALISIS REGRESI LINIER SEDERHANA
Makna dari b1 yaitu rata-rata emisi meningkat 5,47 ppm
untuk setiap kenaikan jarak tempuh kendaraan mobil 1
km (atau kenaikan jarak tempuh kendaraan mobil 1 km
akan meningkatkan ratarata emisi yang dihasilkan mobil
sebesar 5,47 ppm).
Makna dari b yaitu untuk mobil dengan jarak tempuh
kendaraan mobil 0 km (mobil baru) maka rata-rata
tingkat emisi yang dihasilkan sebesar 364 ppm.

b0 tidak bermakna.
 TUGAS / LATIHAN
1. Berikut data sampel tentang nilai mutu rata-rata
(NMR) mahasiswa pada akhir tahun pertama (Y) dan
nilai ujian masuk (X).

a) Buatlah diagram pencar X dan Y.

b) Tentukan persamaan regresi dugaannya beserta
maknanya.
 Terima Kasih

Semoga bermanfaat