Nama : Ananda Rizky Amelia

NIM : F2181191003
Prodi : Magister Pendidikan Matematika
Mat-Kul : Statistik Penelitian Pendidikan Matematika
Tugas : Menambahkan bagian-bagian yang kurang
Tanggal :

C. Interpretasi regresi linear

(a) Regresi Linear menganalisis hubungan antara dua variabel, X sebagai
independent dan Y sebagai dependent .
(b) Secara umum, tujuan dari regresi linear adalah mendapatkan garis
yang terbaik meramalkan Y dari X.
(c) Regresi Linear mendapatkan garis yang meminimalkan jumlah
kuadrat dari jarak-jarak vertical titik-titik dari garis itu.
(d) Regresi linear tidak menguji apakah data kita linear (kecuali melalui
uji run). Asumsinya adalah data linear, dan kita mendapatkan
kemiringan (slope) dan perpotongan yang membuat garis lurus
paling sesuai untuk data kita.
(e) Apabila kita mentransformasikan data nonlinear untuk
mendapatkan hubungan linear, mungkin lebih baik tidak
menggunakan regresi nonlinear pada data yang ditransformasi.
Sebelum regresi nonlinear diketahui, cara terbaik untuk
menganalisis data nonlinear adalah mentransformasikan data itu
pada grafik linear, dan kemudian menganalisis data yang
ditransformasikan itu menggunakan regresi linear.
(f) Regrasi linear mengasumsikan bahwa perpencaran titik-titik sekitar
garis mengikuti distribusi Gauss dan bahwa deviasi standar adalah
sama pada setiap nilai dari X.
(g) Beberapa transformasi dapat membuat kebergantian hubungan
antara X dan Y. Karena asumsi dari regresi linear ditolak, nilai-
nilai yang diturunkan dari kemiringan dan perpotongan garis regresi
bukanlah merupakan penentu paling tepat dari variabel dalam
model. Oleh karena itu kita memerlukan regresi nonlinear untuk
menghasilkan hasil yang paling akurat.
(h) Metoda tangan bebas merupakan metode menggunakan
diagram pancar seperti gambar dibawah ini. Metode tangan
bebas dapat dipakai untuk menentukan dugaan dalam bentuk
regresi apakah linear atau tidak?
D. Penaksiran Bentuk Regresi (Linear)
a) Metode Meminimumkan Jumlah Kuadrat Terkecil untuk Regresi Linear
Cara metoda kuadrat terkecil berpangkal pada kenyataan bahwa jumlah
pangkat dua (kuadrat) daripada jarak antara titik-titik dengan garis regresi
yang sedang dicari harus sekecil mungkin. Untuk fenomena yang terdiri
dari sebuah variabel bebas X dan sebuah variabel takbebas Y dimana
model regresi linear untuk populasi seperti dalam rumus μ y . x =θ1 +θ2 X
telah dapat diduga, maka perlu menaksir parameter-parameter
regresi sehingga didapat persamaan seperti dalam rumus
Y^ =a+b x i. Jadi untuk model regresi linear populasi
μ y . x =θ1 +θ2 X
Akan ditaksir dengan θ1 dan θ2 oleh a dan b sehingga didapat
persamaan regresi menggunakan data sampel:
Y^ =a+b x i.
Untuk itu, sebaiknya data hasil pengamatan dicatat dalam bentuk
seperti dibawah ini.

Disini didapat pasangan antara X dan Y dan n, seperti biasa,

menyatakan ukuran sampel. Koefisien-koefisien regresi a dan b
untuk regresi linear, ternyata dapat dihitung dengan rumus:

a=¿ ¿
b=n ∑ X i Y i−¿ ¿ ¿
Jika terlebih dahulu dihitung koefisien b, maka koefisien a dapat
pula ditentukan oleh rumus:
a=Ý −b X́
Dengan X́ dan Ý masing-masing rata-rata untuk variabel-variabel
X dan Y.

Rumus-rumus diatas dipakai untuk menentukan koefisien-

 koefisien regresi Y atas X. Untuk koefisien-koefisien regresi X
atas Y, rumus yang sama digunakan tetapi harus dipertukarkan
tempat untuk simbol-simbol X dan Y.
Jadi untuk regresi X atas Y yang ditaksir oleh
^
X =c +dY
dengan menggunakan data hasil penelitian, maka koefisien-
koefisiennya dihitung dari rumus
c=¿¿
d=n ∑ X i Y i−¿ ¿ ¿

Contoh:
No JP (X) KG (Y) x xY x2 = (X- Ẍ )2
1 10 110 -18.875 -2076.25 3.562.656
2 8 98 -20.875 -2045.75 4.357.656
3 20 75 -8.875 -665.625 7.876.563
4 16 100 -18.875 -1287.5 1.657.656
5 24 80 -4.875 -390 2.376.563
6 30 58 1.123 65.25 1.265.625
7 36 54 7.125 384.75 5.076.563
8 40 40 11.125 445 1.237.656
9 35 55 6.125 336.875 3.751.563
10 25 60 -3.875 -232.5 1.501.563
11 28 55 0.875 -48.125 0.765625
12 30 65 1.125 73.125 1.265.625
13 35 50 6.125 306.25 3.751.563
14 40 30 11.125 333.75 1.237.656
15 45 40 16.126 645 2.600.156
16 40 40 11.125 445 1.237.656
∑ 462 1010 -5.126 -3710.75 1.835.749.855
Rerata 28.875 a= 63.13   b=-2.0214  
Untuk mencari nilai xY makan dapat digunakan dengan rumus berikut:
xY=(X-rerata)x Y.

Ingat bahwa persamaan (taksiran) adalah : Yˆ = a + bx, dan dari tabel

di atas diperoleh bahwa: a = 63.13 dan b = - 2.0214. Jadi Persamaan
regresinya adalah : yˆ = 63,13 – 2,0214 x
Hubungan tersebut belum tentu dapat diterima sebagai suatu
taksiran yang memuaskan bagi persamaan yang sebenarnya pada populasi,
yaitu
Y = 63,13 – 2,0214 (X – 28,875) atau
Y= 63,13 – 2,0214 X + 58,3679
Y = 121,4979 – 2,0214 X.

Karena nilai X belum diketahui makan belum dapat melakukan prediksi

(ramalan) tentang bagaiman individu dalam variabel dependen akan terjadi bila
individu dalam variabel independent ditetapkan.