Kesalahan baku” mengacu pada simpangan baku dari distribusi sampel statistik.

Dengan
kata lain dapat digunakan untuk mengukur akurasi mean sampel. Banyak penggunaan
kesalahan baku yang secara implisit mengasumsikan distribusi normal. Untuk menghitung
kesalahan baku, gulir ke bawah ke Langkah 1.
Bagian 1
Memahami Dasar-Dasar
1.

1 Pahami simpangan baku. 

Simpangan baku sampel adalah ukuran dari bagaimana menyebarkan angka. Simpangan
baku sampel umumnya ditandai dengan s. Rumus matematika untuk simpangan baku
ditampilkan di atas.
2 Ketahui mean populasi.
 Mean populasi adalah mean dari satu set numerik yang mencakup semua angka
dalam seluruh grup - dengan kata lain, rata-rata seluruh rangkaian angka dan bukan
sampel.

3Cari tahu cara menghitung mean aritmetika. Mean aritmetika adalah rata-rata: jumlah
koleksi nilai dibagi dengan jumlah nilai dalam koleksi.
 PERSAMAAN GARIS REGRESI LINIER SEDERHANA
Regresi yang berarti peramalan, penaksiran, atau pendugaan pertama kali diperkenalkan
pada tahun 1877 oleh Sir Francis Galton (1822-1911) sehubungan dengan penelitiannya terhadap
tinggi manusia. Penelitian tersebut membandingkan antara tinggi anak laki-laki dan tinggi badan
ayahnya.
Analisis regresi juga digunakan untuk menentukan bentuk hubungan antar variabel.
Tujuan utama dalam penggunaan analisis itu adalah untuk meramalkan atau memperkirakan nilai
dari satu variabel dalam hubungannya dengan variabel yang lain yang diketahui melalui
persamaan garis regresinya.

2.                  PENDUGAAN DAN PENGUJIAN KOEFISIEN REGRESI

2.1  Kesalahan Baku Regresi dan Koefisien Regresi Sederhana

Kesalahan baku atau selisih taksir standar merupakan indeks yang digunakan untuk mengukur
tingkat ketepatan regresi (pendugaan) dan koefisien regresi (penduga) atau mengukur variasi
titik-titik observasi di sekitar garis regresi. Dengan kesalahan baku, batasan seberapa jauh
melesetnya perkiraan kita dalam meramal data dapat diketahui. Apabila semua titik observasi
berada tepat pada garis regresi maka kesalahan baku akan bernilai sama dengan nol. Hal itu
berarti perkiraan yang kita lakukan terhadap data sesuai dengan data yang sebenarnya,

Koefisien Determinasi

Merupakan ukuran untuk mengetahui kesesuain atau ketepatan antara nilai dugaan atau garis regresi
dengan data sample. Koefisien Determinasi adalah bagian dari keragaman total variable tak bebas Y
(variable yang dipengaruhi atau dependent) yang dapat diterangkan atau diperhitungkan oleh
keragaman variable bebas X (variabel yang mempengaruhi atau independent).

Jadi koefisien determinasi adalah kemampuan variable X (variable independent) mempengaruhi variable
Y (variable dependent). Semakin besar koefisien determinasi menunjukan semakin baik kemampuan X
menerangkan Y. Besarnya koefisien determinasi adalah kuadrat dari koefisien korelasi dan dirumuskan
sbb

1. Analisis regresi merupakan alat analisis staistik yang memanfaatkan hubungan antara dua
variabel atau lebih. Tujuannya adalah untuk membuat perkiraan (prediksi) yang dapat dipercaya
untuk nilai suatu variabel (biasa disebut variabel terikat atau variabel dependent atau variabel
respons), jika nilai variabel lain yang berhubungan dengannya diketahui (biasa disebut variabel
bebas atau variabel independent atau variabel prediktor).
2. Tujuan Analisis Regresi :
1.                        Untuk memperoleh suatu persamaan garis yang menunjukkan persamaan
hubungan antara dua variabel. Persamaan garis yang diperoleh disebut persamaan regresi.
 2.                        Untuk mengetahui besarnya pengaruh perubahan tiap unit variabel bebas
terhadap perubahan variabel terikatnya. Pengaruh perubahan tiap unit variabel bebas
ditunjukkan oleh nilai koefisien regresinya.
3.                       Untuk menaksir nilai variabel terikat (Y) berdasarkan variabel bebas (X) yang
nilainya telah diketahui. Penaksiran disini bersifat deterministik (pasti) atau non-stokastik,
maksudnya penaksiran atau pendugaan yang dilakukan mengabaikan faktor ketidakpastian.
- Bentuk Umum Regresi Linier Sederhana
                         y = a + bx
                 y       : peubah takbebas
                 x       : peubah bebas
                 a       : konstanta
                 b       : kemiringan

Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk mengetahui keeratan

hubungan antara dua variabel dan untuk mengetahui arah hubungan yang terjadi. Koefisien
korelasi sederhana menunjukkan seberapa besar hubungan yang terjadi antara dua variable

Analisis korelasi sederhana (Bivariate Correlation) digunakan untuk mengetahui

keeratan hubungan antara dua variabel dan untuk mengetahui arah hubungan yang terjadi.
Koefisien korelasi sederhana menunjukkan seberapa besar hubungan yang terjadi antara dua
variabel.

Analisis korelasi adalah alat statistik yang digunakan untuk mengetahui derajat hubungan linear
antara variable yang satu dengan yang lainnya.
Analisis Korelasi merupakan suatu analisis untuk mengetahui tingkat keeratan hubungan antara dua variabel. Tingkat
hubungan tersebut dapat dibagi menjadi tiga kriteria, yaitu mempunyai hubungan positif, mempunyai hubungan
negatif dan tidak mempunyai hubungan

Tujuan analsisi korelasi adalah ingin mengetahui APAKAH ADA HUBUNGAN antara dua variabel atau
lebih ?.Sedangkan tujuan analisis regresi adalah untuk MEMPREDIKSI SEBERAPA JAUH pengaruh yang
ada tersebut (yang telah dianalisis melalui analisis korelasi).

Misalnya, dengan analisis korelasi ingin diketahui apakah ada hubungan antara terjadinya perang
antarnegara dengan kegiatan perlombaan senjata (arm races) ? Bila melalui analisis korelasi terbukti
bahwa ada hubungan diantara kedua variabel tersebut, maka analisis regresi akan memperkirakan jika
jumlah senjata dinaikan sekian ribu jumlahnya maka kondisi konflik antarnegara akan seperti apa
terjadinya.