TUGAS MAKALAH

STATISTIK TERAPAN
Analisis regresi sederhana
PRODI S1 PTO-FT

Skor Nilai :

DOSEN PENGAMPU : Drs.Salim,M.Pd.

NAMA MAHASISWA : RONALDO D.S (5183122022)

PROGRAM STUDI PENDIDIKAN TEKNIK OTOMOTIF

FAKULTAS TEKNIK
UNIVERSITAS NEGERI MEDAN
OKTOBER 2020

ANALISIS REGRESI
Pengertian Analisis Regresi

Analisis regresi merupakan metode statistika yang amat banyak digunakan

dalam peneltian. Istilah regresi pertama kali diperkenalkan oleh Sir Francis Galton pada
tahun 1886. Galton menemukan adanya hubungan bahwa orang tua yang memeliki
tubuh tinggi memiliki anak-anak yang tinggi pula, orang tua yang pendek memiliki
anak-anak yang pendek pula. Kendati demikian ia mengamati bahwa adanya
kecenderungan tinggi anak, cenderung bergerak menuju rata-rata tinggi populasi secara
menyeluruh. Dengan kata lain, ketinggian anak yang amat tinggi atau orang tua yang
amat pendek cenderung bergerak kearah tinggi populasi.
Secara umum regresi adalah studi mengenai ketergantungan satu variabel
(variabel tak bebas/ variabel respon) dengan satu atau lebih variabel bebas/ variabel
penjelas. Hasil dari analisi regresi merupakan suatu persamaan, yaitu persamaan
matematika. Persamaan tersebut digunakan sebagai prediksi. Dengan demikian analisis
regresi sering disebut dengan analisis prediksi. Karena merupakan prediksi, maka nilai
prediksi tidak selalu tepat dengan nilai realnya, semakin kecil tingkat penyimpangannya
antar prediksi dengan nilai riilnya, maka semakin tepat persamaan regresi yang
dibentuk.
Persamaan regresi adalah suatu persamaan matematika yang mendefinisikan
hubungan antara dua variabel yaitu hubungan keterkaitan antara satu atau beberapa
variabel yang nilainya sudah diketahui dengan satu variabel yang nilainya belum
diketahui, sifat hubungan antara dalam persamaan meruoakan hubungan sebab akibat.
Oleh karena itu, sebelum menggunakan persamaan regresi dalam menjelaskan
hubungan antara dua atau lebih variabel, perlu diyakini terlebih dahulu bahwa secara
teoritis atau perkiraan sebelumnya, bahwa variabel-variabel tersebut memiliki hubungan
sebab akibat. Variabel yang nilainya akan mempengaruhi variabel tersebut disebut
variabel bebas (X). sedangkan variabel yang nilainya dipengaruhi oleh variabel lain
adalah variabel tergantung (Y).
Analisis regresi dikelompokkan menjadi dua bagian yaitu analisis regresi
sederhana (analisis regresi tunggal) dan analisis regresi ganda. Regresi sederhana
dimaksudkan untuk menganalisis hubungan antara satu variabel bebas (X) dengan satu
variabel terikat (Y). Regresi berganda digunakan untuk analisis hubungan dua atau
lebih variabel bebas (misalnya X1 dan X2) dengan satu variabel terikat (Y).
A. Regresi Linier Sederhana
Sebagaimana diketahui, banyaknya kejadian didunia ini yang merupakan
kejadian yang saling menyebabkan. Kejadian yang saling menyebabkan adalah suatu
kejadian yang keterjadiannya akan menyebabkan keterjadian kejadian yang lain. Contoh
yang kongkrit adalah penggunaan metode belajar think pair share meningkatkan hasil
belajar siswa.
Untuk mencari suatu pengaruh variabel terhadap variabel lain, alat analisis yang
kita gunakan adalah analisis regresi. Hasil analisis regresi berupa persamaan regresi
yang merupakan fungsi prediksi suatu variabel dengan menggunakan variabel lain.
Model regresi linier sederhana merupakan persamaan yang menyatakan
hubungan antara satu variabel predictor (X) dan satu variabel respon (Y), yang biasanya
digambarkan dalam suatu garis lurus.
Persamaan regresi linier sederhana : Yˆ  a  bX

Keterangan: Yˆ  regresi (dibaca Y topi)

a = konstanta

b = koefisien regresi

Y = Variabel dependen/ variabel terikat/ variabel tak bebas (kejadian)

X = Variabel independen/ variabel bebas/ variabel predictor (penyebab)

Koefisien-koefisen regresi dapat dihitung dengan rumus:

( Yi )( X i )  ( X i )( X i Yi )
2

a
n  X i  ( X i ) 2
2

n( X iYi ) ( X i )( Yi )

b
n  X i  ( X i ) 2
2

B. Langkah-langkah Melakukan Analisis Regresi Sederhana

 Langkah langkah yang ditempuh dalam melakukan analisis regresi sederhana
adalah:

1. Membuat Tabel Belanja Statistik

2. Menghitung Jumlah Kuadrat (JK) dan Jumlah Produk (JP) dan Korelasi

3. Mencari Persamaan Garis Regresi

4. Mencari f Regresi dan Menguji Taraf Signifikansi

Untuk contoh akan dibahas tentang hubungan penguasaan Dasar Manajemen

dengan Keterampilan Manajerial.

X = Dasar Manajemen

Y = Keterampilan Manajerial

Data disajikan sebagai Berikut:

Penguasaan Dasar -
dasar Manajemen 72 78 69 80 75 75 86 69 77 69 65 70
(Xi)
Keterampilan
70 88 97 82 79 95 90 88 92 96 78 84
Manajerial (Yi)

Penyelesaian :

No Xi Yi Xi² Yi² XiYi

1 72 70 5,184 4,900 5,040
2 78 88 6,084 7,744 6,864
3 69 97 4,761 9,409 6,693
4 80 82 6,400 6,724 6,560
5 75 79 5,625 6,241 5,925
6 75 95 5,625 9,025 7,125
7 86 90 7,396 8,100 7,740
8 69 88 4,761 7,744 6,072
9 77 92 5,929 8,464 7,084
1. Membuat tabel belanja statistik 96
10 69 4,761 9,216 6,624
11 65 78 4,225 6,084 5,070
12 70 84 4,900 7,056 5,880
Jumlah (∑) 885 1,039 65,651 90,707 76,677
 n 12
∑Xi 885
∑Xi² 65,651 ∑x² = 382,25

∑Yi 1,039
∑Yi² 90,707 ∑y² = 746,91 a = 76,7918
b = 0,1327
∑XiYi 76,677 ∑xy = 50,75 r = 0,0949

2. Mencari JK (Jumlah Kuadrat) dan JP (Jumlah Produk) dan Korelasi

Jumlah Kuadrat (JK):

( X i ) 2 (885) 2 783.225
JKx   x   X i 
2
2
 65.651   65.651   382,25
n 12 12

( Yi ) 2 (1.039) 2 1.079.521
JKy   y   Yi 
2
2
 90.707   90.707   746,91
n 12 12

Jumlah Produk (JP):

( X i )( Yi ) (885)(1.039) 919.515

JPxy   xy  X i Yi   76.677   76.677   50,75
n 12 12
Korelasi:

r
 xy 
50,75

50,75

50,75
 0,0949
( x )( y
2 2
) (382,25)(746,91) 285.506,34 534,3279

3. Mencari Persamaan Garis Regresi

( Yi )( X i )  ( X i )(  X i Yi )
2
(1.039)(65.651)  (885)(76.677)
a 
n X i  ( X i ) (12)(65.651)  (885) 2
2 2

(68.211.389)  (67.859.145) 352.244

a   76,79
(787.812)  (783.225) 4.587
 n( X i Yi ) ( X i )( Yi ) (12)(76.677)  (885)(1.039)
b 
n X i  ( X i ) (12)(65.651)  (885) 2
2 2

(920.124)  (919.515) 609

b   0,13
(787.812)  (783.225) 4.587

Persamaan garis regresinya adalah: Yˆ = a + bX

Yˆ = 76,79 + 0,13 X

4. Mencari F Regresi dan Menguji Taraf Signifikansi

JK (total) = Y i
2
 90.707

( Yi ) 2 (1.039) 2 1.079.521
JK (a) =    89.960,083
n 12 12


   X   Y    (885)(1.039) 
JK regresi  b  X i Yi 
i i
  0,1376.677    0,13(50,75)  6,7379

 n 
  12 

JK residu = JK (total) –JK (a) – JK regresi

= 90.707 – 89.960,083 – 6,7379

= 740,1791

dk regresi =m=1

dk residu = n – m – 1 = 12 – 1 – 1 = 10

JK regresi 6,73
RJK regresi    6,73
dkregresi 1

JK residu 740,17
RJKresidu    74,01
dkresidu 10
Hipotesis diuji dengan uji F :

RJK regresi 6,73

F   0,09
RJK residu 74,01

dk pembilang 1 dan dk penyebut 10 maka F tabel (1,10) pada p = 0,05 atau F (1,10)(0,05) =
4,96

Berdasarkan data tersebut dapat disusun tabel rangkuman analisis regresi untuk
persamaan garis Yˆ  76,79  0,13 X sebagai berikut :

F tabel
Sumber Variasi dk JK RJK F hitung
p = 0,05
Regresi 1 6.73 6.7 0,09 4,96
Residu 10 740.17 74.01 - -
Total 11 746.9 - - -

Hipotesis:

Ho = Koefisien arah regresi tidak berarti

Ha = Koefisien arah regresi berarti

Dari hasil perhitungan ternyata Fh (0,09) < Ft (4,96)

 BAB III

PENUTUP

A.    Kesimpulan

Analisis regresi atau peramalan adalah suatu proses memperkirakan secara sistematis
tentang apa yang paling mungkin terjadi dimasa yang akan datangberdasarkan informasi
masa lalu dan sekarang yang dimiliki agar kesalahannya dapat diperkecil.

Persamaan garis regresi adalah model hubungan antara dua variabel atau lebih yaitu
antara variabel bergantung (dependent variable) dengan variael bebasnya.

Macam-macam analisis regresi:

a.       Regresi sederhana

Regresi sederhana didasarkan pada hubungan fungsional ataupun kausal satu variabel
dependen.

b.      Regresi ganda

Analisis regresi ganda adalah pengembangan dari analisis regresi sederhana,.

Kegunaannya yaitu untuk meramalkan nilai variabel terikat (Y) apabila variabel bebas
minimal dua atau lebih.
 DAFTAR PUSTAKA

Abdurrahman, Maman dan Muhibbin, Sambas Ali, Analisis Korelasi, Regresi, dan Jalur dalam
Penelitian, Bandung : CV Pustaka Setia, 2007.

Ari Pujiati, S.1997. Analisis Regresi Linier Berganda Untuk Mengetahui Hubungan Antara
Beberapa Aktifitas Promosi dengan Penjualan Produk. Skripsi.Surabaya:Jurusan
Statistika Institut Teknoligi Sepuluh Nopember.