PRAKTIKUM MATEMATIKA

PRAKTIKUM KE - 2
ANALISIS REGRESI LINIER SEDERHANA

OLEH :

NAMA : ROSIDA TAMPUBOLON

NIM : 4183311044

KELAS : PSPM A 2018

PRODI : S1 PENDIDIKAN MATEMATIKA

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI MEDAN
2020
I. JUDUL PRAKTIKUM : ANALISIS REGRESI LINIER SEDERHANA
II. TUJUAN PRAKTIKUM : 1. Mengetahui nilai b dan nilai a dalam regresi linier sederhana
pada praktikum ke -2 .
2.Mengetahui Persamaan linier dalam regresi linier sederhana
pada praktikum ke -2.

3.Mengetahui nilai pengujian persamaan regresi dengan

menghitung nilai R pada praktikum ke - 2.
4.Mengetahui nilai F (Uji Signifikansi) pada praktikum ke – 2.
5.Mengetahui interpretasi dan kesimpulan dalam Regresi
Linier Sederhana pada praktikum ke-2.
III. ALAT DAN BAHAN : A. ALAT

N Nama Alat Jumlah

O
1. Laptop 1 unit

B. BAHAN

N Nama Bahan Jumlah

O
1. Sofwere SPSS 1 Aplikasi
2. Microsoft Word 1 Aplikasi

IV. TANGGAL PRAKTIKUM: 08 Oktober 2020

V. TINJAUAN TEORITIS : Analisis regresi adalah suatu metode statistik yang

mengamati hubungan antara variabel terikat Y dan serangkaian
variabel bebas X1,…,Xp. Tujuan dari metode ini adalah untuk
memprediksi nilai Y untuk nilai X yang diberikan. Model
regresi linier sederhana adalah model regresi yang paling
sederhana yang hanya memiliki satu variabel bebas X. Analisis
regresi memiliki beberapa kegunaan, salah satunya untuk
melakukan prediksi terhadap variabel terikat Y. Persamaan
untuk model regresi linier sederhana adalah sebagai berikut. Y
= a + bX, Y adalah variabel terikat yang diramalkan, X adalah
variabel bebas, a adalah intercep, yaitu nilai Y pada saat X=0,
dan b adalah slope, yaitu perubahan rata-rata Y terhadap
perubahan satu unit X (Muludi. 2016).
 Analisis regresi digunakan untuk mencari persamaan
yakni persamaan matematik yang memungkinkan kita agar
dapat meramalkan nilai-nilai suatu variabel tak bebas
berdasarkan nilai-nilai variabel bebas. Sebelum uji regresi
dilakukan, ada baiknya dilakukan uji keberartian masing-
masing koefisien regresi. Apakah regresi linier atau tidak.
Untuk memudahkan kita dalam melihat linier tidaknya suatu
model persamaan regresi, kita dapat menggunakan diagram
pencar (scatter plot) dalam sub menu Curve Estimation.
Persamaan regresi linier sederhana merupakan persamaan
matematik yang menyatakan hubungan antara sebuah variabel
tak bebas (respon) dengan sebuah variabel bebas (predictor)
(Saragih, 2019).
Model regresi linier sederhana adalah model
probabilistik yang menyatakan hubungan linier antara dua
variabel di mana salah satu Variabel dianggap memengaruhi
variabel yang lain. Variabel yang memengaruhi dinamakan
variabel independen dan variabel yang dipengaruhi dinamakan
variabel dependen (Suyono. 2015).
Model probabilistik untuk regresi linier sederhana
adalah: Y = 0 + 1X +  di mana X adalah variabel independen,
Y adalah variabel dependen, 0 dan 1 adalah parameter-
parameter yang nilainya tidak diketahui yang dinamakan
koefisien regresi, dan adalah kekeliruan atau galat acak
(random error). Di sini variabel independen X diasumsikan
bukan variabel acak, dapat diobservasi atau diukur dengan
kekeliruan yang dapat diabaikan, dan variasi dalam X dianggap
dapat diabaikan dibanding dengan range dari X. Sebagai
konsekuensi dari adanya suku galat acak maka variabel
dependen Y juga merupakan variabel acak. Galat acak
mempunyai peranan yang sangat penting dalam analisis
regresi. Galat acak digunakan untuk memodelkan variasi nilai-
nilai Y untuk nilai X yang tetap (Suyono. 2015).
VI. PROSEDUR KERJA : A. Analisis Regresi

1. Membuka aplikasi Matlab dengan mengklik 2 kali pada icon

SPSS.

Rosida tampubolon

(4183311044)

2. Maka akan muncul jendela editor Variable View dan Data

View

Rosida tampubolon

(4183311044)

3. Kemudian mengklik variabel view dan mengisi data di

variabel view seperti tampilan berikut ini:

Rosida tampubolon

(4183311044)

4. Selanjutnya memasukkan semua data ke data view, seperti

tampilan berikut;

Rosida tampubolon

(4183311044)
5. Setelah itu mengklik menu Analyze, Regression, Curve
Estimation, lalu mengklik Ok

Rosida tampubolon

(4183311044)

6. Hingga muncul tampilan hasil nya sebagai berikut:

B. Regresi Linier Sederhana

Contoh 1
1. Kemudian membuka jendela baru di data view dengan
memilih file dan mengklik new

Rosida Tampubolon

(4183311044)
2. Selanjutnya mengklik variable view dan mengisi data di
variable view seperti berikut;

Rosida Tampubolon

(4183311044)

3. Kemudian memasukkan semua data ke data view seperti

berikut;

Rosida Tampubolon

(4183311044)

4. Kemudian mengklik menu Bar Analyze, lalu Regression,

memilih Linier.
5. Hingga muncul tampil kotak dialog sebagai berikut:

Rosida Tampubolon

(4183311044)

6. Kemudian memindahkan variabel X1 ke kolom isian

independent, dan variabel Y ke kolom isian Dependent.

Rosida Tampubolon

(4183311044)

7. Kemudian mengklik menu Statistik dan mengklik menu-

menu yang dibutuhkan untuk melengkapi output (yang umum
digunakan adalah estimate, model fit, descriptive, dan
collinearity diagnostics).
8. Mengklik Option, untuk mengisi nilai probabilitas yang
diinginkan. Lalu mengklik Continue.

Rosida Tampubolon

(4183311044)

9. Kemudian mengklik tombol Plots, untuk menampilkan

diagram pencar (scatter plot) residual, histogram, diagram
outlier dan diagram probabilitas normal.

Rosida Tampubolon

(4183311044)

 Kotak pilihan Y; untuk menempatkan variabel yang

akan difungsikan sebagai Y axis (sumbu vertikal)
 Kotak pilihan X; untuk menempatkan variabel yang
akan difungsikan sebagai X axis (sumbu horizontal).
Untuk membuat diagram pencar tambahan, tekan
tombol next.
10. Selanjutnya Setelah mengatur semua yang
diperlukankemudian mengklik Ok. Berikut adalah salah satu
contoh tabel dari output yang dihasilkan.
11. Kemudian memilih folder penyimpanan yang diinginkan
dan mengklik OK

Rosida Tampubolon

(4183311044)

Contoh 2
1. Kemudian membuka jendela baru di data view dengan
memilih “File” dan mengklik “new”.
2. Selanjutnya memasukkan data pada “varibel view” seperti
tampilan berikut ini

Rosida Tampubolon

(4183311044)

3. Kemudian memasukkan semua data ke data view

berdasarkan kriteria value diatas

Rosida Tampubolon

(4183311044)
4. Setelah itu, mengklik menu bar Analyze, lalu Regression,
kemudian memilih Linier sebagai berikut:

Rosida Tampubolon

(4183311044)

5. Sehingga muncul tampilan sebagai berikut:

Rosida Tampubolon

(4183311044)

6. Kemudian memindahkan variabel jeans ke dalam box

berjudul Dependent dan variabel Biaya ke dalam box berjudul
Independent(s) sebagai berikut:

Rosida Tampubolon

(4183311044)
 7.Kemudian memilih Method : Enter. Kemudian mengklik Ok.
akan didapatkan hasil Regresi SPSS sebagai berikut:

Rosida Tampubolon

(4183311044)

Rosida Tampubolon

(4183311044)

8. Kemudian memilih folder penyimpanan yang diinginkan

dan mengklik OK

Rosida Tampubolon

(4183311044)

VII. HASIL PRAKTIKUM : A. Secara Manual

A. Analisis Regresi
1. Menentukan Hipotesis
 Hipotesis Penelitian :
H0 : Tidak terdapat hubungan linier antara X1 dengan Y
Ha : Terdapat hubungan linier antara X1 dengan Y
2. Membuat Tabel Distribusi Frekuensi
X Y XY X2 Y2
12500 600 7.500.000 156.250.000 360.000
11000 540 5.940.000 121.000.000 291.000
9750 465 4533750 95.062.500 216.000
7742 430 3329060 59.938.564 184.000
5656 421 2381176 31.990.336 177.000
4555 350 1594250 20.748.025 122.500
6750 480 3240000 45.562.500 230.400
5990 400 2396000 35.880.100 160.000
4580 320 1465600 20.976.400 102.400
5800 400 2320000 33.640.000 160.000
7990 521 4162790 63.840.100 271.441
4500 250 1125000 20.250.000 62.500
∑ 86813 ∑ 5177 ∑ 39987626 ∑ 705138525 ∑ 2339207

3. Mencari nilai b
b=n ¿ ¿
12 ( 39987626 ) −( 86813 ) (5177)
¿
12 ( 705138525 )−¿ ¿
479851512−449430901
¿
8461662300−7536496969
30420611
¿
925165331
¿ 0,032881
4. Mencari nilai a

a=∑ Y −b ¿ ¿ ¿
5177−0,032881(86813)
¿
12
5177−2854,498253
¿
12
2322,501747
¿
12
¿ 193,5418
5. Menentukan Persamaan Regresi
Y =a+bX
Y =193,5418+ 0,032881 X
6. Menguji Persamaan Regresi dengan Menghitung Nilai R
N ∑ XY −∑ X ∑ Y
R=
√¿¿¿
12 ( 39987626 ) −( 86813 ) (5177)
¿
√(12 ( 705138525 ) −( 7536496969 ))¿ ¿ ¿
479851512−449430901
¿
√( 8461662300−7536496969 ) (28070484−26801329)
30420611
¿
√( 925165331 ) (126915)
30420611
¿
√1174173540495
30420611
¿
1083592,88503
¿ 28,07383
7. Menghitung Nilai F
R 2 (n−m−1)
F=
m(1−R2)
¿¿¿
788,139930869(9)
¿
2(1−788,139930869)
7093,25937782
¿
2(−787,13993087)
7093,25937782
¿
−1574,2798617
¿−4,5057168998
8. Interpretasi
db = n – m – 1 = 12 – 2 – 1 = 9
Dikonsultasikan dengan tabel nilai 𝐹(9) Pada taraf
signifikansi 95 %, 𝐹 tabel = 183311 𝑑𝑎𝑛 𝐹 hitung =
-4,5057168 Jadi 𝐹 tabel > 𝐹 hitung, sehingga H0 diterima
dan Ha ditolak.
9. Kesimpulan
Oleh karena 𝐹 tabel > 𝐹 hitung, sehingga tidak terdapat
hubungan linier antara X1 dengan Y.
 B. Regresi Linier Sederhana

1. Menentukan Hipotesis
Hipotesis Penelitian :
H0 : Tidak terdapat hubungan linier antara X1 dengan Y
Ha : Terdapat hubungan linier antara X1 dengan Y
2. Membuat Tabel Distribusi Frekuensi
X Y XY X2 Y2

∑ 86813 ∑ 5177 ∑ 39987626 ∑ 705138525 ∑ 2339207

3. Mencari nilai b
b=n ¿ ¿
12 ( 39987626 ) −( 86813 ) (5177)
¿
12 ( 705138525 )−¿ ¿
479851512−449430901
¿
8461662300−7536496969
30420611
¿
925165331
¿ 0,032881
4. Mencari nilai a

a=∑ Y −b ¿ ¿ ¿
5177−0,032881(86813)
¿
12
 5177−2854,498253
¿
12
2322,501747
¿
12
¿ 193,5418
5. Menentukan Persamaan Regresi
Y =a+bX
Y =193,5418+ 0,032881 X
6. Menguji Persamaan Regresi dengan Menghitung Nilai R
N ∑ XY −∑ X ∑ Y
R=
√¿¿¿
12 ( 39987626 ) −( 86813 ) (5177)
¿
√(12 ( 705138525 ) −( 7536496969 ))¿ ¿ ¿
479851512−449430901
¿
√( 8461662300−7536496969 ) (28070484−26801329)
30420611
¿
√( 925165331 ) (126915)
30420611
¿
√1174173540495
30420611
¿
1083592,88503
¿ 28,07383
7. Menghitung Nilai F
R 2 (n−m−1)
F=
m(1−R2)
¿¿¿
788,139930869(9)
¿
2(1−788,139930869)
7093,25937782
¿
2(−787,13993087)
7093,25937782
¿
−1574,2798617
¿−4,5057168998
8. Interpretasi
db = n – m – 1 = 12 – 2 – 1 = 9
Dikonsultasikan dengan tabel nilai 𝐹(9) Pada taraf
signifikansi 95 %, 𝐹 tabel = 183311 𝑑𝑎𝑛 𝐹 hitung =
 -4,5057168 Jadi 𝐹 tabel > 𝐹 hitung, sehingga H0 diterima
dan Ha ditolak.
9. Kesimpulan
Oleh karena 𝐹 tabel > 𝐹 hitung, sehingga tidak terdapat
hubungan linier antara X1 dengan Y.

B. OUTPUT
A. Analisis Regresi

Rosida Tampubolon

4183311044

B. Regresi Linier Sederhana

Contoh 1
Rosida Tampubolon

4183311
 Contoh 2

Rosida Tampubolon

4183311044

C. CARA BACA OUTPUT

A. Regresi Linier
 Secara kasat mata tampak bahwa terdapat
kecenderungan hubungan linier antara pengeluaran
untuk selling dengan penjualan. Untuk dapat
menyimpulkan secara signifikan dapat dilihat pada tabel
Anovab
B. Regresi Linier Sederhana
Contoh 1
Tabel descriptive statistic diketahui bahwa standard
deviasi penjualan adalah 98,055 atau 98 unit untuk
penjualan dengan rata-rata 431,42 dan banyaknya data
12. Nilai ini dua kali lebih besar dari standard error of
estimate. Dengan demikian dapat disimpulkan bahwa
model regresi lebih baik dalam bertindak sebagai
prediktor penjualan daripada penjualan itu sendiri.
Sedangkan selling besar standar deviasinya yaitu
2647,419 dengan rata-rata 7234,42 dan banyaknya data
12.
Tabel correlation menunjukkan besar hubungan antara
variabel penjualan dan selling adalah 0,888. Hal ini
menunjukkan hubungan yang positif.
Tabel Variabel Entered menunjukkan metode yang
digunakan. Dalam kasus diatas, diketahui bahwa tidak
ada variabel yang dikeluarkan (removed).
Tabel Model Summary menampilkan nilai R (koefisien
korelasi) sebesar 0,888 sedangkan koefisien korelasi
ganda r (Multiple R) sebesar 0,788 merupakan Indeks
determinan atau persentase pengaruh X terhadap Y.
Dengan demikian kita dapat menyatakan bahwa 78,8%
nilai penjualan dipengaruhi oleh selling, sedangkan
sisanya 21,2% dipengaruhi oleh faktor lain.
Dari tabel ANOVA. Dapat dijelaskan bahwa nilai F
sebesar 37,200 dengan tingkat signifikansi sebesar 0,000
menunjukkan bahwa memang ada pengaruh dari
variabel X terhadap variabel Y, (0,000 < 0,05) berarti
model regresi signifikan.
 Dari tabel coefficients, kita dapat membuat persamaan
regresi, yaitu; Y = 193,540 + 0,033X. Standard Error of
Estimate (SE) adalah 41,326 atau 41 unit (dibulatkan).
Angka 0,888 pada Standardized Coefficients (Beta)
menunjukkan tingkat korelasi antara selling dan
penjualan. Sedangkan nilai t berguna untuk menguji
tingkat signifikansinya.
Dari chat normal p-plot of regression standardized
residual jika berdistribusi normal, maka nilai-nilai
sebaran data akan terletak pada sekitar garis lurus.
Kurva tersebut menunjukkan bahwa data menyebar di
sekitar diagram dan mengikuti model regresi sehingga
dapat disimpulkan bahwa data berdistribusi normal.
Contoh 2
Tabel Variabel Entered menunjukkan metode yang
digunakan. Dalam kasus di atas, diketahui bahwa tidak
ada variabel yang dikeluarkan (removed).
Tabel Model Summary menampilkan nilai R (koefisien
korelasi) sebesar 0,969 sedangkan koefisien korelasi
ganda r (Multiple R) sebesar 0,938 merupakan Indeks
determinan atau persentase pengaruh X terhadap Y.
Dengan demikian kita dapat menyatakan bahwa 93,8%
jumlah permintaan jeans dipengaruhi oleh biaya,
sedangkan sisanya 6,2% dipengaruhi oleh faktor lain.
Tabel ANOVA diatas mengindikasikan bahwa regresi
secara statistik sangat signifikan dengan F = 259.266
untuk derajat kebebasan k = 1 dan n-k-1 = 19-1-1 = 17
dan P-value = 0,000 yang jauh lebih kecil dari α =
0,05.
Dari tabel coefficients, kita dapat membuat persamaan
regresi, yaitu; Y = 74,673 + 24,280X. Standard Error of
Estimate (SE) adalah 2,124 atau 2 unit (dibulatkan).
Angka 0,969 pada Standardized Coefficients (Beta)
menunjukkan tingkat korelasi antara selling dan
 penjualan. Sedangkan nilai t berguna untuk menguji
tingkat signifikansinya.

VIII. KESIMPULAN :
1. Berdasarkan hasil praktikum Uji Hipotesis Deskkriptif pada
uji One Sample T. Test terdapat bahwa nilai rata-rata
(mean) yang didapat berdasarkan perhitungan memakai

x 1+ x 2 +…+ x n
rumus x́= dengan jumlah sampel 20 adalah
n
153 dan nilai dari standar deviasi dengan menggunakan
rumus SD=√ ¿ ¿ ¿ adalah 5,035.

2. Berdasarkan hasil praktikum pada uji One Sample T.Test

nilai dari t hitung didapati dengan menggunakan rumus

x́−μ
t= adalah 2,049 dan t tabel dengan Derajat bebas
s/√n
(df) = n – k = 12 – 1 =11 Sehingga t tabel dilihat dari t tabel
yang sudah ada maka t tabel adalah (0.01,11) = 2,718.
3. Berdasarkan hasil praktikum pada uji Chi Kudrat test
bahwa Nilai dari Frekuensi harapan pada perhitungan
manual Chi Kuadrat Test adalah 16,667.
4. Berdasarkan hasil praktikum uji hipotesis deskriptif pada
uji One Sample Klomogorov – Smirnov bahwa F hitung =
0,3480 dan F tabel = 0,294. Maka F hitung > F tabel
(0,3480 > 0,294) sehingga H0 ditolak dan Ha diterima
5. Berdasarkan hasil praktikum pada uji One Sample K-S
bahwa Kenormalan data nilai mahasiswa melalui uji One
Sample Kolmogorov-Smirnov dapat dilihat dari
perhitungan F tabel dan F hitung. Oleh karena nilai nilai F
hitung > F tabel (0,3480 < 0,294 ) maka H0 ditolak dan Ha
diterima. artinya Data nilai mahasiswa berdistribusi normal.

IX. DAFTAR PUSTAKA :

Muludi, Kurnia. 2016. Implementasi Metode Regresi Linier
Sederhana Pada Penyajian Hasil Prediksi Pemakaian
Air PDAM Way Rilau Kota Bandar Lampung
 Dengan Sistem Informasi Geografis. Jurnal
Informatika Mulawarman. 11(02): 37-38.
Saragih, Sahat. 2019. Aplikasi SPSS Dalam Statistik Penelitian
Pendidikan. Medan: Perdana Publishing
Sugiyono. 2014. Analisis Regresi Untuk Penelitian. Jakarta:
Deepublish.

X. NAMA ASISTEN LAB : DICHI AKBAR WAHYUDI

NIM. 4171111013
FANNISA RAHMADANI
NIM. 4172111029

Aek Kanopan , 15 Oktober 2020

Dosen Pengampu Praktikan

Dr. Kms. MUHAMMAD AMIN ROSIDA

FAUZI, M.Pd TAMPUBOLON
NIP. 196406291993031001 NIM.4183311044