NAMA KELOMPOK
1. DESSY MAYUNI APSARI (10310001)
2. I PUTU AGUS YOGA ANGGARA KUSUMA (10310007)
3. I MADE EDI SURYAWAN (10310008)
4. DEWA AYU SETIAWATI (10310010)
5. I KOMANG SUMANA DANA (10310011)
6. I PUTU ADI DARMAWAN (10310015)
7. NI LUH GEDE SRI WYANTI (10310032)
8. MADE INDAYANI (10310038)
Puja dan puji syukur dipanjatkan kehadapan Ida Sang Hyang Widhi
Wasa/Tuhan Yang Maha Esa, karena atas asung kertha nugraha-Nya sehingga
Makalah ini akhirnya tersesaikan tepat pada waktunya. Penyusunan makalah ini
dibuat untuk melengkapi tugas kuliah.
Penulis mengucapkan terima kasih kepada semua pihak yang telah
membantu terselesaikannya makalah ini. Penulis menyadari bahwa laporan ini
masih jauh dari sempurna, maka diharapkan masukan dan kritikan yang
membangun dari pembaca.
Semoga laporan ini bermanfaat bagi para pembaca khususnya bagi para
guru yang akan melakukan perbaikan pembelajaran.
ii
DAFTAR ISI
HALAMAN JUDUL........................................................................................ i
KATA PENGANTAR...................................................................................... ii
DAFTAR ISI.................................................................................................... iii
BAB I PENDAHULUAN............................................................................ 1
1.1 Latar Belakang.......................................................................... 1
1.2 Rumusan Masalah..................................................................... 1
1.3 Tujuan....................................................................................... 2
BAB II PEMBAHASAN.............................................................................. 3
2.1 Pengertian Regresi.................................................................... 3
2.2 Kegunaan Regresi..................................................................... 3
2.3 Presentasi Regresi Secara Teoritis............................................ 3
2.4 Variasi dan Kesalahan Baku Koefisien Regresi........................ 6
2.5 Hubungan Korelasi dengan Regresi.......................................... 9
2.6 Pengujian Hipotesis................................................................... 12
2.7 Pendugaan Interval Koefisien, Ramalan Tunggal dan
Interval dengan Regresi Linier Sederhana................................ 16
2.8 Uji Asumsi Regresi Linier Sederhana....................................... 19
2.9 Visualisasi dengan Diagram Pencar (Scatter Diagram)............ 30
BAB III PENUTUP........................................................................................
3.1 Simpulan................................................................................... 33
3.2 Saran.......................................................................................... 33
DAFTAR PUSTAKA
iii
BAB I
PENDAHULUAN
1
2
1.3 Tujuan
Dari rumusan masalah yang dikemukakan didapat beberapa tujuan
sebagai berikut.
1. Untuk mengetahui Regresi Linier Sederhana?
2. Untuk mengetahui kegunaan dari Regresi Linier Sederhana?
3. Untuk mengetahui bentuk persamaan Regresi Linier Sederhana dan
presentasinya?
4. Untuk mengetahui uji hipotesis terhadap persamaan Regresi Linier
Sederhana?
5. Untuk mengetahui hubungan koefisien korelasi dengan koefisien
regresi?
6. Untuk meramalkan kejadian dan interval ramalan tersebut?
BAB II
PEMBAHASAN
3
4
xi = X i − X
yi = Yi − Y
(∑ X ) 2
∑x ∑X
2 2 i
i = i −
n
(∑ Y ) 2
∑y = ∑Y −
2 2 i
i i
n
(∑ X )(∑ Y )
∑x y = ∑X Y
i i
i i i i −
n
a = Y − bX
dimana
Y = rata-rata variabel tak bebas
X = rata-rata variabel bebas
5
a = Y –bX
= 74 – 0,963(65)
= 11,413
Maka didapat persamaan regresi Y = 11,413 + 0,963X
∑x
2
i
2 1 X 2
Var(a) = σ a = σ e + = dan kesalahn baku a = σ a = σ a
2 2
n ∑x 2
i
2
e
Se2 = ∑ i dan kesalahan baku Se = S e atau
n−2
Se2 =
∑y i
2
− b 2 ∑ xi
2
2
atau Se =
∑y i
2
− b ∑ xi y i
n−2 n−2
Dengan σ b = variasi b
2
σ a 2 = variasi a
σ ε 2 = variasi kesalahan ε
∑X = 975
8
∑Y = 1110
∑X
2
= 64237
∑Y
2
= 83130
∑ XY = 72980
Dapat dihitung :
(∑ X ) 2
∑x ∑X
2 2 i
i = i −
n
= 64237 −
(975)
2
15
= 64237 − 63375
= 862
(∑ Y ) 2
∑y = ∑Y −
2 2 i
i i
n
= 83130 −
(1110 )2
15
= 83130 – 82140
= 990
(∑ X )(∑ Y )
∑x y = ∑X Y
i i
i i i i −
n
= 72980 −
(975)(1110 )
15
1.082.250
= 72980 −
15
= 72980 – 72150
= 830
Maka variasi dan kesalahan baku variabel e, b, a sebagai berikut.
2
se =
∑e 2
=
∑y i
2
− b ∑ xi y i
n−2 n−2
990 − 0,963(830)
=
15 − 2
9
990 − 799,29
=
13
190,71
=
13
= 14,67
2
se = s e = 14,67 = 3,83
2
sε
sb2 =
∑x i
2
14,67
=
862
= 0,017
2
sb = sb = 0,017 0,13
X2 = 14,67 1, + 65
2
2 1
sa 2 = s e + 15 862
n ∑x 2
i
4225
= 14,67 0,6667 +
862
= 14,67(0,6667 + 4,9013)
= 14,67(4,968)
= 72,92
2
sa = sa = 72,92 = 8,54
(∑ x )(∑ y )
i
2
i
2
Dimana
r = koefisien korelasi
n = banyaknya responden atau sampel
X = variabel bebas
Y = variabel tak bebas
xi = Xi − X
yi = Yi − Y
tidak hanya karena disebabkan X namun ada faktor lain pula. Besarnya
kontribusi X terhadap perubahan nilai Y dirumuskan dengan Koefisien
Determinasi atau Koefisien Penentuan (KP). Beberapa dilambangkan
dengan R2.
KP = R2 = r2
Dimana r = korelasi antara X dan Y
∑x
2
i = 862
∑y
2
i = 990
∑x y i i = 830
rxy =
∑x y i i
(∑ x )(∑ y ) i
2
i
2
830
=
(862)(990)
830
=
853350
12
830
=
923,757
= 0,898
Dan besarnya kontribusi motivasi belajar (X) terhadap prestasi belajar (Y)
yaitu : KP = r2 = (0,898)2 = 0,807 = 80,7%
(b − B0 ) ∑x
2
se i
sb = → t0 = ,
∑ xi 2 se
Se2 =
∑e i
2
=
∑y i − b 2 ∑ xi
n−2 n−2
Pengujian hipotesis dilakukan sebagai berikut :
(1) Kalau t0 > tα, H0 ditolak dan kalau t0 ≤ tα, H0 diterima.
(2) Kalau t0 < –tα, H0 ditolak dan kalau t0 ≥ – tα, H0 diterima.
(3) Kalau t0 < –tα/2, atau kalau t0 > tα/2, H0 ditolak dan kalau tα/2 ≤ t0 ≤ tα/2 H0
diterima. Nilai tα, –tα/2, dapat diperoleh dengan tabel t dengan
menggunakan nilai α derajat kebebasan (n – 2)
(1) Ha : A > A0
(2) Ha : A < A0
(3) Ha : A ≠ A0
a − A0 n∑ xi
2
a − A0
t0 = = t0 =
sa se ∑ X i
2
n−2
dengan to = r
1− r2
Dari contoh yang sebelumnya mempunyai persamaan regresi Y =
11,413 + 0,963X serta data sebagai berikut.
∑X = 975
∑Y = 1110
∑X
2
= 64237
∑Y
2
= 83130
∑ XY = 72980
se = 3,83
sb = 0,13
sa = 8,54
r = 0,898
r2 = 0,807
Sebagai contoh sesuai data pada pembahasan sebelumnya beberapa
perumusan hipotesis serta pengujiannya sebagai berikut.
a. Ho : B = 1
Ha : B > 1
Dengan taraf signifikansi (α) = 5%
Pengujian :
b − B0 0,963 − 1 − 0,047
t0 = = = = – 0,361
sb 0,13 0,13
Karena to = –0,361 < t0,05(13) = 1,771 maka Ho diterima dan sehingga
hipotesis besar B = 1 diterima.
14
b. Ho : A = 2
Ha : A < 2
Dengan taraf signifikansi (α) = 5%
Pengujian :
a − A0 11,413 − 2 9,413
t0 = = = = 23,872
sa 0,383 0,383
Karena to = 23,872 > t0,05(13) = –1,771 maka Ho diterima sehingga
hipotesis besar A = 2 dapat diterima.
c. Ho : B = 0
Ha : B ≠ 0
Dengan taraf signifikansi (α) = 10%
Pengujian :
b 0,963
t0 = = = 7,379
sb 0,13
Karena to = 7,379 > t0,1/2 (13) = t0,05(13) = 1,771 maka Ho ditolak sehingga
hipotesis ada pengaruh koefisien regresi B terhadap Y dapat diterima.
d. Ho : ρ = 0
Ha : ρ ≠ 0
Dengan taraf signifikansi (α) = 5%
n−2 15 − 2 13
to = r = 0,898 = 0,898
1− r 2
1 − 0,807 0,193
∑e
2
∑ ei
2 i
Residu n–2
n−2
∑ y ∑ yˆ ∑e
2 2 2
Jumlah i i + i n–1
15
∑ yˆ
2
i
F0 = dengan fungsi F dengan derajat kebebasan 1 dan (n –
∑e
2
i
n−2
2). Untuk menguji hipotesis B = 0, kemudian F0 dibandingkan dengan
Fα ( v1 ,v2 ) kalau F0 > Fα ( v1 ,v2 ) ditolak akan tetapi F0 ≤ Fα ( v1 ,v2 ) H0 tidak
ditolak.
Contoh :
Dengan contoh sebelumnya yaitu motivasi belajar dan prestasi belajar
untuk H0 : B = 0 dan Ha : B ≠ 0. Pergunakan Analisis Varians untuk menguji
hipotesis tersebut dengan α = 0,05.
Pemecahan :
∑ yˆ = b∑ xi y i = 0,963(830) = 799,188
2
i
∑e ∑y ∑ yˆ
2 2 2
i = i – i = 990 – 799,188 = 190,812
se se s e ΣX i
2
s e ΣX i
2
b – tα/2. ≤ B ≤ b + tα/2.
a – tα/2. ≤ A ≤ a + tα/2.
∑x ∑x
2 2
n∑ x i n∑ x i
i i 2 2
σ yˆ 2 σ (X − X ) σ e dan σ = σ
= ε + 0
2 2 2 1 (X 0 − X )2
+
ε
0
n ∑ xi 2
yˆ 0
n ∑ xi
2
se +
∑ xi
2
n
1 (X 0 − X )2
(2) (a + bX 0 ) – tα/2 s e +
n
≤ E(Y0/X0) ≤ (a + bX )
+
∑ xi
2 0
1 (X 0 − X )2
tα/2. s e +
n ∑ xi
2
1 (X − X )
( )
Variasi Yˆ0 − Y0 = σ ε 1 + + 0 2
2
n ∑ x i
17
Yˆ0 − Y0 Yˆ0 − Y0
t= =
1 (X − X )
s ( yˆ 0 − y0 )
s ε 1 + + 0 2
n ∑ x i
Rumus pendugaan interval Y0 dengan tingkat keyakinan (1 – α) adalah
sebagai berikut.
(1) Yˆ0 – tα/2 s( yˆ 0 − y0 ) ≤ Y0 ≤ Yˆ0 + tα/2 s( yˆ 0 − y0 )
1 + 1 + ( X 0 − X )
2
(2) (a + bX 0 ) – tα/2 s e
≤ Y0 ≤ (a + bX 0 ) +
∑ xi
2
n
1 + 1 + ( X 0 − X )
2
tα/2. s e
n ∑ xi
2
Sebagai contoh, pada pembahasan sebelumnya didapat persamaan
regresi Y = 11,413 + 0,963X serta data sebagai berikut.
X = 65
∑x
2
i = 862
se = 3,83
sb = 0,13
sa = 8,54
Maka untuk interval koefisien B untuk taraf signifikansi 5% adalah
sebagai berikut.
b – tα/2.sb ≤ B ≤ b + tα/2.sb
0,963 – t0,05/2.0,13 ≤ B ≤ 0,963 + t0,05/2.0,13
0,963 – 2,16.0,13 ≤ B ≤ 0,963 + 2,16.0,13
0,963 – 0,282 ≤ B ≤ 0,963 + 0,282
0,685 ≤ B ≤ 1,244
Untuk inteval koefisien A signifikansi 5% adalah sebagai berikut.
a – tα/2.sa ≤ A ≤ a + tα/2.sa
11,413 – t0,05/2.8,54 ≤ A ≤ 11,413 + t0,05/2.8,54
11,413 – t0,05/2.8,54 ≤ A ≤ 11,413 + t0,05/2.8,54
11,413 – 2,16.8,54 ≤ A ≤ 11,413 + 2,16.8,54
11,413 – 18,448 ≤ A ≤ 11,413 + 18,448
18
–7,035 ≤ A ≤ 29,861
Ramalan tunggal dan pendugaan rata-rata dan individu Yo untuk Xo =
62 adalah sebagai berikut.
Ramalan tunggal
Yo = 11,413 + 0,963Xo
= 11,413 + 0,963(62)
= 71,111
Pendugaan rata-rata
1 (X 0 − X )2
(a + bX 0 ) – tα/2 s e +
n
≤ E(Y0/X0) ≤ (a + bX ) +
∑ xi
2 0
1 (X 0 − X )2
tα/2. s e +
n ∑ xi
2
1 (62 − 65)2
71,111 – 2,16. 3,83 + ≤ E(Y0/X0) ≤ (a + bX 0 ) +
15 862
1 (62 − 65)2
2,16. 3,83 +
15 862
71,111 – 8,277 0,067 +
(− 3)
2
≤ E(Y0/X0) ≤ 71,111 +
862
8,277 0,067 +
(− 3)2
862
1 + 1 + ( X 0 − X )
2
(a + bX 0 ) – tα/2 s e
≤ Y0 ≤ (a + bX ) +
∑ xi
2 0
n
1 (X − X )
2
tα/2. s e 1 + + 0 2
n ∑ xi
1 (62 − 65)
2
71,111 – 2,16. 3,83 1 + + ≤ Y0 ≤ (a + bX 0 ) +
15 862
1 (62 − 65)
2
2,16. 3,83 1 + +
15 862
71,111 – 8,277 1 + 0,067 +
(− 3)2 ≤ Y ≤ 71,111 +
862
0
8,277 1 + 0,067 +
(− 3)
2
862
JK (Reg) = JK(b) = b ∑ XY −
∑ X ∑Y
n
22
JK(D) = JK(G) = ∑ Y −
Xi ni
Jumlah kuadrat sisa dihitung dengan
JK(S) = JK(T) – JK(Koef) – JK(Reg)
Dengan :
JK(T) = jumlah kuadrat total = ∑Y 2
(∑ Y )2
JK(Koef) = JK(a) =
n
Uji Linieritas diuji dengan maksud menguji hipotesis persamaan pada
model adalah linier. Uji linier dirumuskan dengan
RJK(TC)
FTC =
RJK(D)
RJK (TC) adalah rerata tuna cocok (TC) dihitung dengan :
JK(TC)
RJK (TC) =
dk(TC)
Dengan JK(TC) adalah jumlah kuadrat tuna cocok dengan dk = derajat
kebebasan. Nilai dk (TC) adalah k – 2.
JK(TC) = JK(S) – JK(D)
Secara umum didapat tabel ANOVA yaitu :
23
Koefisien
(∑ Y ) 2
1
(∑ Y ) 2 Freg =
JK(koef) = JK(Reg)
n n
JK(D)
JK(b) = n−k
Regresi
∑ X ∑Y 1 b ∑ XY −
∑ X ∑Y
(b) b ∑ XY − n
n
Residu JK(T) – JK(Koef) –
n–2
(sisa) JK(Reg)
Tuna JK (TC ) F (TC) =
JK(S) – JK(D) k–2
Cocok k −2 JK(TC)
k−2
Galat 2 (∑ Y )
2
JK ( D)
(Dalam) ∑ Y −
Xi ni n–k
n−k
JK(D)
n−k
Jumlah JK(T) = ∑Y 2
n
∑e
2 i
Residu (sisa) i n–2
n−2
JK (TC ) F (TC) =
Tuna Cocok JK(S) – JK(D) k–2
k −2 JK(TC)
k−2
2 (∑ Y ) 2
JK ( D)
Galat (Dalam) ∑ Y −
Xi ni n–k
n−k
JK(D)
n−k
Jumlah ∑Y 2
N
(∑ Y ) 2
(1110)2 1232100
JK (Koef)= = = = 82140
n 15 15
3) Jumlah Kuadrat Regresi JK(b)
JK (Reg) = JK(b) = b ∑ XY −
∑ X ∑ Y
n
(975)(1110)
= 0,9628877 72980 −
15
= 0,9628877 (830) = 799,1879
4) Jumlah Kuadrat Sisa JK(S)
JK(S) = JKT – JK(Koef) – JK(Reg)
= 83130 – 82140 – 799,1879
= 190,8121
5) Jumlah Kuadrat Dalam JK(D) atau Jumlah Kuadrat Galat JK(G)
JK (D) = 71,167
25
∑ (e − et −1 )
2
t
t =2
d= n
∑e
2
t
t =1
Tanpa
Kesimpulan
Tidak ada
Otokorelasi
dU 2 4 – dU 4 – dL
∑ (e − et −1 )
2
t
t =2 408,667406
d= n
= = 2,141.
190,8121
∑e
2
t
t =1
dL = 1,0769
dU = 1,3605
4 – dU = 4 – 1,3605 = 2,6395
4 – dL = 4 – 1,0769 = 2,9231
Tanpa Tanpa
Kesimpulan Kesimpulan
Tidak ada
Otokorelasi
Otokorelasi Otokorelasi
+ –
dL dU 2 4 – dU 4 – dL
2.8.4 Heteroskedastisitas
Heteroskedastisitas artinya varians tidak konstan melainkan berubah-
ubah. Padahal regresi mensyaratkan varian ei konstan. Teknik untuk menguji
apakah terjadi heteroskedastisitas adalah Uji Park, Uji Glejser, dan Uji
Spearman Brown. Pada pembahasan ini hanya menggunakan Uji Glejser.
Pada uji Glejser yaitu dengan meregresikan nilai variabel bebasnya
dengan mutlak variabel pengganggu atau residunya, kemudian ambil nilai
signifikan koefisien regresinya.
Sebagai contoh pada pembahasan sebelumnya, didapat persamaan
regresi Y = 11,413 + 0,963X. Dirumuskan Ho : tidak terjadi
heteroskedastisitas dan H1 : terjadi heteroskedastisitas dengan taraf
signifikansi α = 5%. Perhitungan uji Glejser sebagai berikut.
Dihitung persamaan aslinya.
No X Y Y Prediksi e e mutlak (Y baru)
1 72 84 80,74013921 3,259860789 3,259860789
2 68 80 76,88863109 3,11136891 3,11136891
3 70 82 78,81438515 3,185614849 3,185614849
4 70 78 78,81438515 -0,814385151 0,814385151
5 73 84 81,70301624 2,296983759 2,296983759
6 62 68 71,11136891 -3,11136891 3,11136891
7 58 64 67,25986079 -3,259860789 3,259860789
8 52 62 61,48259861 0,517401392 0,517401392
9 70 80 78,81438515 1,185614849 1,185614849
10 76 85 84,59164733 0,408352668 0,408352668
11 68 70 76,88863109 -6,88863109 6,88863109
12 52 65 61,48259861 3,517401392 3,517401392
13 54 68 63,40835267 4,591647332 4,591647332
14 62 64 71,11136891 -7,11136891 7,11136891
15 68 76 76,88863109 -0,88863109 0,88863109
Σ 975 1110 1110 -2,13163 44,14849188
Mean 65 74 74 -1,42109 2,943232792
29
b =
∑ xy'
(∑ x )(∑ y' )
2 2
− 52,1671
=
(862)(60,872)
− 52,1671
= = – 0,0605
229,0684
∑e 2
= ∑ y' 2
– b ∑ xy ' = 60,872 – (–0,0605)(–52,1671) = 57,715
se2 =
∑e 2
=
57,715
= 4,439
n−2 15 − 2
se 4,439 2
sb2 = = = 0,005 → sb = sb = 0,005 = 0,071
∑ x 862
2
b − 0,0605
thitung = = = – 0,8432
sb 0,071
Karena thitung = –0,8432 < t0,05/2(13) = 2,16 maka Hipotesis nol diterima
sehingga disimpulkan tidak terjadi heteroskedastisitas.
30
Y = 11,413 + 0,963X
e1
e14
31
Y = 11,413 + 0,963X
Prediksi rata-rata Y
Prediksi individu Y
Prediksi
individu Y
Prediksi
rata-rata Y
BAB III
PENUTUP
4.1 Simpulan
Dari pembahasan dikemukakan didapat beberapa kesimpulan sebagai
berikut.
1. Regresi adalah ketergantungan satu variabel pada variabel yang lain
dengan maksud untuk menaksir dan/atau meramalkan nilai variabel tak
bebas, dalam pengambilan sampel berulang-ulang dari variabel yang
menjelaskan (explanatory variable).
2. Kegunaan regresi yaitu untuk meramalkan variabel tak bebas apabila
diketahui variabel bebasnya.
3. Persamaan umum dari regresi linier sederhana yaitu Y = a + bX.
4. Untuk menguji hipotesis digunakan uji t terhadap koefisien regresi.
5. Hubungan antara koefisien regresi dengan koefisien korelasi adalah
koefisien regresi untuk mengetahui pengaruh X terhadap Y sedangkan
korelasi adalah untuk mengetahui kekuatan pengaruh X terhadap Y dan
sy
dirumuskan dengan b = r
sx
6. Ramalan tunggal didapat dari persamaan regresi linier sederhana dan
interval didapat dari menggunakan uji t dan tα.
4.2 Saran
Adapun saran-saran yang diberikan oleh penulis sebagai berikut.
1. Regresi yang berguna untuk meramalkan suatu kejadian terhadap
kejadian lain sehingga disarankan untuk menggunakannya apabila ingin
melakukan suatu perubahan terhadap suatu kejadian.
2. Dilakukan uji hipotesis terlebih dahulu agar mengetahui apa yang
terjadi apabila ingin mengubah nilai suatu kejadian.
3. Membuat suatu ramalan dari persamaan regresi yang dibuat.
33
DAFTAR PUSTAKA
Candiasa, I Made. (2010). Statistik Univariat dan Bivariat Disertai Aplikasi SPSS.
Singaraja: Uni Penerbitan Universitas Pendidikan Ganesha.