REGRESI LINIER SEDERHANA

Regresi atau peramalan adalah suatu proses memperkirakan secara sistematis tentang apa
yang paling mungkin terjadi di masa yang akan datang berdasarkan informasi masa lalu dan
sekarang yang dimiliki agar kesalahannya dapat diperkecil. Regresi juga dapat diartikan sebagai
usaha memperkirakan perubahan. Supaya tidak salah paham bahwa peramalan tidak memberikan
jawaban pasti tentang apa yang akan terjadi, melainkan berusaha mencari pendekatan apa yang
akan terjadi. Jadi regresi mengemukakan tentang keingintahuan apa yang terjadi di masa depan
untuk memberikan kontribusi menentukan keputusan yang terbaik.
Analisis regresi merupakan sarana yang digunakan untuk mempertajam hubungan
fungsional antara variabel-variabel yang dinyatakan dalam bentuk persamaan matematik dan
garis. Persamaan matematik dan garis yang didapat disebut dengan persamaan regresi yang dapat
berbentuk garis lurus (linier) atau tidak lurus (non linier). Hubungan fungsional terdiri dari dua
jenis variabel yaitu variabel bebas atau variabel dependen umumnya dinyatakan dengan huruf X
dan variabel terikat atau variabel independen dinyatakan dengan huruf Y.
Dalam menentukan mana yang menjadi variabel bebas dan variabel terikat tidaklah mudah,
perlu penalaran yang cermat dan logis misalnya aktivitas senam irama dapat dijadikan sebagai
variabel bebas dan motorik kasar sebagai variabel terikat. Meskipun demikian tidak menutup
kemungkinan sebaliknya, motorik kasar sebagai variabel bebas dan aktivitas senam irama
sebagai variabel terikat. Untuk menaksir hubungan secara fungsional antara variabel bebas (X)
dengan variabel terikat (Y) dapat dilakukan melalui persamaan regresi.
Kegunaan regresi dalam penelitian salah satunya untuk meramalkan atau memprediksi
variabel terikat (Y) apabila variabel bebas (X) diketahui. Regresi sederhana dapat dianalisis
karena didasari oleh hubungan fungsional atau hubungan sebab akibat variabel bebas (X)
terhadap variabel terikat (Y). Pada dasarnya analisis regresi dan analisis korelasi keduanya
mempunyai hubungan yang sangat kuat. Setiap analisis regresi otomatis ada analisis korelasinya,
tetapi sebaliknya analisis korelasi belum tentu diuji regresi atau diteruskan dengan analisis
regresi. Analisis korelasi yang tidak dilanjutkan dengan analisis regresi adalah analisis korelasi
yang kedua variabelnya tidak mempunyai hubungan fungsional dan sebab akibat. Apabila
peneliti mengetahui hal ini lebih lanjut, maka perlu konsep dan teori yang mendasari kedua
variabel tersebut
Analisis regresi dan korelasi sederhana menunjukkan hubungan dua variabel, yaitu satu
variabel bebas dan satu variabel terikat. Analisis regresi linier (garis lurus) sederhana digunakan
persamaan untuk garis regresi sebagai berikut:

Ŷ = a + bX

dimana:
Ŷ = dibaca Y topi, subyek variabel terikat yang diproyeksikan
X = variabel bebas yang mempunyai nilai tertentu untuk
diprediksikan
a = konstanta a adalah titik potong intercept, yaitu pertemuan garis
ordinat denga sumbu Y pada X jika X = 0
b = konstanta b adalah kemiringan garis lurus (slope)
 Rumus tersebut menggambarkan regresi variabel X sebagai variabel bebas dan variabel Y
sebagai variabel tidak bebas dan dinamakan dengan regresi Y atas X. Sebaliknya mungkin dapat
terjadi regresi X atas Y. Misalnya analisis regresi antara motivasi belajar dengan prestasi belajar.
Dari persamaan regresi di atas, perlu dicari koefisien-koefisien regresi a dan b dengan formula
sebagai berikut:

a
 X  Y   X  XY
2

N  X   X 
2 2

N  XY   X  Y
b
N  X   X 
2 2

Contoh diketahui 10 pasangan nilai variabel X (Aktivitas Senam Irama) dan variabel Y
(Motorik Kasar) sebagai berikut:

Tabel 1
Pasangan Data Aktivitas Senam Irama (X) dan Motorik Kasar (Y)
X Y X² Y² XY
11 22 121 484 242
13 26 169 676 338
12 25 144 625 300
14 27 196 729 378
16 29 256 841 464
17 31 289 961 527
18 32 324 1024 576
17 30 289 900 510
15 28 225 784 420
13 23 169 529 299
∑X=146 ∑Y=273 ∑X²=2182 ∑Y²=7553 ∑XY=4054

Berdasarkan angka-angka hasil perhitungan pada tabel di atas, maka dapat dihitung
koefisien-koefisien regresi a dan b sebagai berikut:
[

a
 X  Y   X  XY
2

N  X   X 
2 2

2182 x 273  146 x 4054 595686  591884 3802

    7,53
10 x 2182  146 21820  21316
2
504
 N  XY   X  Y
b
N  X 2   X 
2

10 x 4054  146 x273 40540  39858 682

    1,35
10 x2182  146 21820  21316 504
2

Dengan demikian persamaan regresi linier sederhana Y atas X adalah sebagai berikut:

Ŷ = 7,53 + 1,35 X
Setelah diperoleh harga a = 7,53 dan b = 1,35, maka dapat dinyatakan bahwa garis regresi
linier terjadi perpotongan dengan sumbu y terhadap sumbu x setinggi 7,53. Dapat pula
dinyatakan bahwa setiap kenaikan pada variabel X (Aktivitas Senam Irama) sebesar 7,53 akan
diikuti oleh kenaikan variabel Y (Motorik Kasar) sebesar 1,35. Dengan kata lain skor variabel Y
dapat diprediksikan oleh skor variabel X berdasarkan persamaan regresi tersebut.