1

Modul statistika

Analisis Regresi Linear Sederhana

Analisis Regresi Linear Sederhana – Regresi Linear Sederhana adalah Metode Statistik yang berfungsi
untuk menguji sejauh mana hubungan sebab akibat antara Variabel Faktor Penyebab (X) terhadap
Variabel Akibatnya. Faktor Penyebab pada umumnya dilambangkan dengan X atau disebut juga dengan
Predictor sedangkan Variabel Akibat dilambangkan dengan Y atau disebut juga dengan Response.
Regresi Linear Sederhana atau sering disingkat dengan SLR (Simple Linear Regression) juga merupakan
salah satu Metode Statistik yang dipergunakan dalam produksi untuk melakukan peramalan ataupun
prediksi tentang karakteristik kualitas maupun Kuantitas.

Contoh Penggunaan Analisis Regresi Linear Sederhana dalam Produksi antara lain :
1. Hubungan antara Lamanya Kerusakan Mesin dengan Kualitas Produk yang dihasilkan
2. Hubungan Jumlah Pekerja dengan Output yang diproduksi
3. Hubungan antara suhu ruangan dengan Cacat Produksi yang dihasilkan.

Model Persamaan Regresi Linear Sederhana adalah seperti berikut ini :

Y = a + bX

Dimana :
Y = Variabel Response atau Variabel Akibat (Dependent)
X = Variabel Predictor atau Variabel Faktor Penyebab (Independent)
a = konstanta
b = koefisien regresi (kemiringan); besaran Response yang ditimbulkan oleh Predictor.
Nilai-nilai a dan b dapat dihitung dengan menggunakan Rumus dibawah ini :
a = (Σy) (Σx²) – (Σx) (Σxy)
. n(Σx²) – (Σx)²
b = n(Σxy) – (Σx) (Σy)
. n(Σx²) – (Σx)²

Berikut ini adalah Langkah-langkah dalam melakukan Analisis Regresi Linear Sederhana :
1. Tentukan Tujuan dari melakukan Analisis Regresi Linear Sederhana
2. Identifikasikan Variabel Faktor Penyebab (Predictor) dan Variabel Akibat (Response)
3. Lakukan Pengumpulan Data
4. Hitung X², Y², XY dan total dari masing-masingnya
5. Hitung a dan b berdasarkan rumus diatas.
6. Buatkan Model Persamaan Regresi Linear Sederhana.
7. Lakukan Prediksi atau Peramalan terhadap Variabel Faktor Penyebab atau Variabel Akibat.
 2
Modul statistika

Contoh Soal Analisis Regresi Linear Sederhana

Seorang Engineer ingin mempelajari Hubungan antara Suhu Ruangan dengan Jumlah Cacat yang
diakibatkannya, sehingga dapat memprediksi atau meramalkan jumlah cacat produksi jika suhu ruangan
tersebut tidak terkendali. Engineer tersebut kemudian mengambil data selama 30 hari terhadap rata-rata
(mean) suhu ruangan dan Jumlah Cacat Produksi.

Penyelesaian :
Penyelesaiannya mengikuti Langkah-langkah dalam Analisis Regresi Linear Sederhana adalah sebagai
berikut :

Langkah 1 : Penentuan Tujuan

Tujuan : Memprediksi Jumlah Cacat Produksi jika suhu ruangan tidak terkendali

Langkah 2 : Identifikasikan Variabel Penyebab dan Akibat

Varibel Faktor Penyebab (X) : Suhu Ruangan,
Variabel Akibat (Y) : Jumlah Cacat Produksi

Langkah 3 : Pengumpulan Data

Berikut ini adalah data yang berhasil dikumpulkan selama 30 hari (berbentuk tabel) :

Tanggal Rata-rata Suhu Ruangan Jumlah Cacat

1 24 10

2 22 5

3 21 6

4 20 3

5 22 6

6 19 4

7 20 5

8 23 9

9 24 11

10 25 13

11 21 7

12 20 4
 3
Modul statistika

13 20 6

14 19 3

15 25 12

16 27 13

17 28 16

18 25 12

19 26 14

20 24 12

21 27 16

22 23 9

23 24 13

24 23 11

25 22 7

26 21 5

27 26 12

28 25 11

29 26 13

30 27 14

Langkah 4 : Hitung X², Y², XY dan total dari masing-masingnya

Berikut ini adalah tabel yang telah dilakukan perhitungan X², Y², XY dan totalnya :

Tanggal Rata-rata Suhu Ruangan (X) Jumlah Cacat (Y) X2 Y2 XY

1 24 10 576 100 240

2 22 5 484 25 110

3 21 6 441 36 126

4 20 3 400 9 60

5 22 6 484 36 132
 4
Modul statistika

6 19 4 361 16 76

7 20 5 400 25 100

8 23 9 529 81 207

9 24 11 576 121 264

10 25 13 625 169 325

11 21 7 441 49 147

12 20 4 400 16 80

13 20 6 400 36 120

14 19 3 361 9 57

15 25 12 625 144 300

16 27 13 729 169 351

17 28 16 784 256 448

18 25 12 625 144 300

19 26 14 676 196 364

20 24 12 576 144 288

21 27 16 729 256 432

22 23 9 529 81 207

23 24 13 576 169 312

24 23 11 529 121 253

25 22 7 484 49 154

26 21 5 441 25 105

27 26 12 676 144 312

28 25 11 625 121 275

29 26 13 676 169 338

30 27 14 729 196 378

Total (Σ) 699 282 16487 3112 6861

 5
Modul statistika

Langkah 5 : Hitung a dan b berdasarkan rumus Regresi Linear Sederhana

Menghitung Konstanta (a) :
a = (Σy) (Σx²) – (Σx) (Σxy)
. n(Σx²) – (Σx)²
a = (282) (16.487) – (699) (6.861)
30 (16.487) – (699)²
a = -24,38

Menghitung Koefisien Regresi (b)

b = n(Σxy) – (Σx) (Σy)
. n(Σx²) – (Σx)²
b = 30 (6.861) – (699) (282)
. 30 (16.487) – (699)²
b = 1,45

Langkah 6 : Buat Model Persamaan Regresi

Y = a + bX
Y = -24,38 + 1,45X

Langkah 7 : Lakukan Prediksi atau Peramalan terhadap Variabel Faktor Penyebab atau Variabel
Akibat
1. Prediksikan Jumlah Cacat Produksi jika suhu dalam keadaan tinggi (Variabel X), contohnya :
30°C
Y = -24,38 + 1,45 (30)
Y = 19,12
Jadi Jika Suhu ruangan mencapai 30°C, maka akan diprediksikan akan terdapat 19,12 unit
cacat yang dihasilkan oleh produksi.

2. Jika Cacat Produksi (Variabel Y) yang ditargetkan hanya boleh 4 unit, maka berapakah suhu
ruangan yang diperlukan untuk mencapai target tersebut ?
4 = -24,38 + 1,45X
1,45X = 4 + 24,38
X = 28,38 / 1,45
X = 19,57
 6
Modul statistika

Soal Latihan
1. Suatu studi telah dilakukan oleh seorang penyalur untuk menentukan hubungan antara biaya
advertensi dan nilai penjualan bulanan. Diperoleh data sebagai berikut :
Biaya advertensi (ribuan Rp) Penjualan (puluhan ribu Rp)
40 385
20 400
25 395
20 365
30 375
50 440
40 490
20 420
50 560
40 525
25 480
50 510

a. Carilah persamaan garis regresinya untuk meramal nilai penjualan berdasarkan biaya advertensi
yang dikeluarkan.
b. Perkirakan nilai penjualan yang dapat dicapai bila biaya advertensi sebesar 35.
c. Perkirakan nilai advertensi jika nilai penjualan hanya boleh 450

2. Sebuah sensor cahaya LDR digunakan untuk mengukur kuat pencahayaan dari lampu
penerangan ruangan seperti pada data di bawah:

Kuat Pencahayaan Tegangan

(LUX) (volt)

95,1 3,952

100,1 3,986

105,3 4,01

110,6 4,03

115,1 4,05

120,3 4,07

125,4 4,1

130,9 4,12
 7
Modul statistika

135,5 4,14

140,8 4,15

145,6 4,17

150,5 4,18

a. Buatlah rumus persamaan untuk mengkonversi dari tegangan yang dihasilkan ke radiasi cahaya
(Lux).
b. Hitunglah nilai radiasi cahaya tegangan yang dihasilkan 5,21.
c. Hitunglah nilai tegangan jika yang diinginkan hasil radiasi cahaya 160,5
 8
Modul statistika

Uji Signifikansi dan Hipotesis

Analisis/uji regresi banyak digunakan dalam perhitungan hasil akhir untuk penulisan
karya ilmiah/penelitian. Hasil perhitungan analisis/uji regresi akan dimuat dalam
kesimpulan penelitian dan akan menentukan apakah penelitian yang sedang dilakukan
berhasil atau tidak. Analisis perhitungan pada uji regresi menyangkut beberapa
perhitungan statistika seperti uji signifikansi (uji-t, uji-F), anova dan penentuan
hipotesis. Hasil dari analisis/ uji regresi berupa suatu persamaan regresi. Persamaan
regresi ini merupakan suatu fungsi prediksi variabel yang mempengaruhi variabel lain.
Dalam modul ini dibahas regresi linier sederhana dan pengujian signifikansi hipotesis
menggunakan uji-t.

Uji Signifikansi dan Hipotesis Pengujian hipotesis dimaksudkan untuk melihat apakah
suatu hipotesis yang diajukan ditolak atau dapat diterima. Hipotesis merupakan asumsi
atau pernyataan yang mungkin benar atau salah mengenai suatu populasi. Dengan
mengamati seluruh populasi, maka suatu hipotesis akan dapat diketahui apakah suatu
penelitian itu benar atau salah. Untuk keperluan praktis, pengambilan sampel secara
acak dari populasi akan sangat membantu. Dalam pengujian hipotesis terdapat asumsi/
pernyataan istilah hipotesis nol. Hipotesis nol merupakan hipotesis yang akan diuji,
dinyatakan oleh H0 dan penolakan H0 dimaknai dengan penerimaan hipotesis lainnya
yang dinyatakan oleh H1. Jika telah ditentukan Koefisien Determinasi ( r2 ), maka
selanjutnya dilakukan uji signifikan hipotesis yang diajukan. Uji ini dapat
menggunakan Uji-t ; Uji-F ; Uji-z atau Uji Chi Kuadrat. Dengan uji signifikansi ini
dapat diketahui apakah variable bebas/ predictor/ independent (X) berpengaruh secara
signifikan terhadap variable tak bebas/ response/ dependent (Y). Arti dari signifikan
adalah bahwa pengaruh antar varible berlaku bagiseluruh populasi. Dalam modul ini
hanya dibahas uji signifikansi menggunakan uji-t.

Koefisien Korelasi

Untuk mencari koefisien relasi dapat digunakan rumusan koefisien korelasi Pearson
yaitu :
 9
Modul statistika

𝑛 (∑ 𝑋𝑌) − (∑ 𝑋)(∑ 𝑌)
=
√[𝑛(∑ 𝑋 2 ) − (∑ 𝑋)2 ] [𝑛(∑ 𝑌 2 ) − (∑ 𝑌)2 ]

Keterangan :
1. Jika r = 0 maka tidak ada hubungan antara kedua variabel.
2. Jika r = (-1) maka hubungan sangat kuat dan bersifat tidak searah.
3. Jika r = (+1) maka hubungannya sangat kuat dan bersifat searah.

Koefisien Determinasi

Koefisien determinasi dilambangkan dengan r2, merupakan kuadrat dari koefisien

korelasi. Koefisien ini dapat digunakan untuk menganalisis apakah variabel yang
diduga / diramal (Y) dipengaruhi oleh variabel (X) atau seberapa variabel independen
( bebas ) mempengaruhi variabel dependen ( tak bebas ).

Kesalahan Standar Estimasi

Untuk mengetahui ketepatan persamaan estimasi dapat digunakan dengan mengukur

besar kecilnya kesalahan standar estimasi. Semakin kecil nilai kesalahan standar
estimasi maka semakin tinggi ketepatan persamaan estimasi dihasilkan untuk
menjelaskan nilai variabel yang sesungguhnya.
Dan sebaliknya, semakin besar nilai kesalahan standar estimasi maka semakin rendah
ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variabel
dependen yang sesungguhnya. Kesalahan standar estimasi diberi simbol Se yang
dapat ditentukan dengan rumus berikut :

√(∑ 𝒀𝟐 𝒂 ∑ 𝒀 − 𝒃 ∑ 𝑿𝒀)
𝑺𝒆 =
𝒏−𝟐
 10
Modul statistika

Langkah-langkah Pengujian Hipotesis

a. Tentukan hipotesis nol ( Ho ) dan hipotesis alternatif ( Ha )

Ho : β ≤ k Ha : β > k
Ho : β ≥ k Ha : β < k
Ho : β = k Ha : β ≠ k
b. Tentukan arah uji hipotesis ( 1 arah atau 2 arah )
a. Tentukan tingkat signifikan ( α )
- Jika 1 arah α tidak dibagi dua
- Jika 2 arah α dibagi dua ( α / 2 )

c. Tentukan wilayah kritis ( t tabel ) t tabel = ( α ; db ) db = n – 2

d. Tentukan nilai hitung ( t hitung )
e. Gambar dan keputusan
f. Kesimpulan

Gambar :
a. Ho : β ≤ k ; Ha : β > k b. Ho : β ≥ k ; Ha : β < k

Ho Ha Ho
Ha
0 t tabel - t tabel 0

c. Ho : β = k ; Ha : β ≠ k

Ha Ho Ha
- t tabel 0 t tabel
 11
Modul statistika

Manfaat Dari Analisis Regresi Sederhana

Salah satu kegunaan dari regresi adalah untuk memprediksi atau meramalkan nilai
suatu variabel, misalnya kita dapat meramalkan konsumsi masa depan pada tingkat
pendapatan tertentu. Selain itu analisis regresi sederhana juga digunakan untuk
mengetahui apakah variabel-variabel yang sedang diteliti saling berhubungan.
Dimana keadaan satu variabel membutuhkan adanya variabel yang lain dan sejauh
mana pengaruhnya, serta dapat mengestimasi tentang nilai suatu variabel. Hal ini
dapat digunakan untuk mengetahui kondisi ideal suatu variabel jika variabel yang lain
diketahui.

Contoh Soal :

1. Diketahui suatu penelitian terhadap hubungan antara nilai biaya transportasi

dengan tingkat penjualan dari sebuah kedai sushi adalah sebagai berikut (dalam
ribuan) :

Biaya Transport Tingkat Penjualan

50 40
51 46
52 44
53 55
54 49

a. Tentukan persamaan regresinya !

b. Berapa besarnya koefisien korelasi dan koefisien determinasinya ?
c. Berapa besarnya kesalahan standar estimasinya ?
d. Dengan tingkat signifikasi 10%, ujilah hipotesis yang menyatakan bahwa
hubungan antara biaya transportasi dan tingkat penjualan sedikitnya 30% !

Jawaban :
Dik : α = 10% = 0,1
β = 30% = 0,3
Dit :
a. Persamaan regresi
b. r dan r2 !
c. Se !
d. Ujilah hipotesis !
 12
Modul statistika

Jawab :
a. Persamaan regresi.
b = n ΣXY – ΣX . ΣY a = ΣY – b ΣX
……n ΣX2 – (ΣX)2 n
b = (5 x 12195) – (260 x 234) a = 234 – (2,7 x 260)
(5 x 13530) – 67600 5
b = 60975 – 60840 a = 234 – 702
…...67650 – 67600 5
b = 135 a = - 468
……50 5
b = 2,7 a = - 93,6

Persamaan Regresi:
Y = - 93,6 + 2,7 X

b. Koefisien korelasi
5 (12195) − (260)(234)
𝑟=
√[5(∑ 13530) − (∑ 260)2 ] [5(∑ 11078) − (∑ 234)2 ]

r = 0,7582

Koefisien determinasi (r2) : 0,5749 ( 57,49% )

c. Standar Estimasi :
 13
Modul statistika

d. Langkah pengujian hipotesis :

1. Tentukan Ho dan Ha
Ho : β >= 0,3
Ha : β < 0,3
2. Uji hipotesis 1 arah
3. Tingkat signifikan (α) α = 0,1
4. Wilayah kritis (α ; db)
Db = n – 2
=5–2
=3
t tabel (0,1 ; 3) = 1,638
5. Nilai hitung

6. Kurva :

Ho
Ha

-1,638 0 2,014

Keputusan : terima Ho, tolak Ha

7. Kesimpulan :
Jadi, pendapat yang menyatakan bahwa hubungan antara biaya
transportasi dan tingkat penjualan sedikitnya 30% adalah benar, dimana
biaya periklanan mempengaruhi tingkat penjualan sebesar 57,49%.
 14
Modul statistika

Soal latihan
Sebuah LSM melakukan survey indikasi kenaikan harga daging terhadap daya beli
masyarakat menjelang hari raya. Berdasarkan survey dari tahun ke tahun, setiap
kenaikan harga beras sebesar Rp 1.000; akan menaikkan tingkat daya beli sebesar
2%. Pada tingkat signifikan 5%, ujilah hipotesis tersebut! Jika hubungan keduanya
sama dengan 5%! Berikut data yang diperoleh :

Harga (dlm ratusan) 23 25 27 30

Daya beli (dlm ratusan) 40 42 45 50
 15
Modul statistika
 16
Modul statistika

Soal latihan
Suatu studi telah dilakukan oleh seorang penyalur untuk menentukan hubungan
antara biaya advertensi dan nilai penjualan bulanan. Diperoleh data sebagai berikut :
Biaya advertensi (ribuan Rp) Penjualan (puluhan ribu Rp)
40 385
20 400
25 395
20 365
30 375
50 440
 17
Modul statistika

40 490
20 420
50 560
40 525
25 480
50 510

a. Tentukan persamaan regresinya !

b. Berapa besarnya koefisien korelasi dan koefisien determinasinya ?
c. Berapa besarnya kesalahan standar estimasinya ?
d. Dengan tingkat signifikasi 5%, ujilah hipotesis yang menyatakan bahwa
hubungan antara biaya advertensi dan nilai penjualan bulanan sedikitnya 40% !

Soal latihan
Sebuah sensor cahaya LDR digunakan untuk mengukur kuat pencahayaan dari lampu
penerangan ruangan seperti pada data di bawah:

Kuat Pencahayaan Tegangan

(LUX) (volt)

95,1 3,952

100,1 3,986

105,3 4,01

110,6 4,03

115,1 4,05

120,3 4,07

125,4 4,1

130,9 4,12

135,5 4,14
 18
Modul statistika

140,8 4,15

145,6 4,17

150,5 4,18

a. Tentukan persamaan regresinya !

b. Berapa besarnya koefisien korelasi dan koefisien determinasinya ?
c. Berapa besarnya kesalahan standar estimasinya ?
d. Dengan tingkat signifikasi 10%, ujilah hipotesis yang menyatakan bahwa
hubungan antara kekuatan pencahayaan dan tegangan volt meningkat 20%

Soal latihan
Sebuah LSM melakukan survey indikasi kenaikan harga daging terhadap daya beli
masyarakat menjelang hari raya. Berdasarkan survey dari tahun ke tahun, setiap
kenaikan harga beras sebesar Rp 1.000; akan menaikkan tingkat daya beli sebesar 2%.
Pada tingkat signifikan 5%, ujilah hipotesis tersebut!