MAKALAH

STATISTIKA

“ANALISIS REGRESI”

Disusun Oleh : Kelompok 5

Muhammad Zaini NIM :18.24.019897
Yopan Guntara NIM :18.24.019913
Khairunnisa NIM :18.24.020597

Dosen Pengampu : Ummi Qodsiyah, M.Pd

UNIVERSITAS MUHAMMADIIYAH PALANGKARAYA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
PROGRAM STUDI PENDIDIKAN TEKNOLOGI INFORMASI
2019
 KATA PENGANTAR

Alhamdulillahirabbil’alamin, puji syukur kehadirat Allah SWT, atas

segala rahmat dan hidayah-Nya. Shalawat serta salam senantiasa tercurahkan
kepada junjung Nabi Agung Muhammad SAW yang selalu kita nantikan
syafa’atnya di akhirat nanti.
Kami mengucapkan syukur kepada Allah SWT atas limpahan nikmat
sehat-Nya, baik itu berupa sehat fisik maupun akal fikiran, sehingga kami mampu
untuk menyelesaikan pembuatan makalah sebagai tugas dari mata kuliah Statistika
dengan judul “Analisis Regreasi”.
Kami tentu menyadari bahwa makalah ini masih jauh dari kata sempurna
dan masih banyak terdapat kesalahan serta kekurangan di dalamnya. Untuk itu,
kami mengharapkan kritik serta saran dari pembaca, dan pendengar untuk
makalah ini, supaya makalah ini nantinya dapat menjadi makalah yang lebih baik
lagi. Demikian, dan apabila terdapat banyak kesalahan pada makalah ini kami
mohon maaf yang sebesar-besarnya.

Palangkaraya, 26 September 2019

Penulis,

ii
 DAFTAR ISI

HALAMAN JUDUL...............................................................................
KATA PENGANTAR.............................................................................ii
DAFTAR ISI...........................................................................................iii

BAB I PENDAHULUAN
A. Latar Belakang...............................................................................................1
B. Rumusan Masalah .........................................................................................1
C. Tujuan.............................................................................................2
BAB II PEMBAHASAN
A. Pengertian Regresi.........................................................................................3
B. Persamaan Garis Regresi................................................................................4
C. Langkah-langkah Melakukan Analisis Regresi Sederhana............................8
D. Regresi dua prediktor.....................................................................................

BAB III PENUTUP

A. Kesimpulan....................................................................................................
DAFTAR PUSTAKA

iii
 BAB I
PENDAHULUAN

A. Latar Belakang

Metode analisis yang dibicarakan hingga sekarang adalah analisis

terhadap data mengenai sebuah karakteristik atau atribut (jika data itu
kualitatif ) dan mengenai sebuah variable, diskrit ataupun kontinu ( jika data
itu kuantitaf ). Tetapi, sebagaimana disadari, banyak persoalan atau fenomena
yang meliputi lebih dari sebuah variable. Misalnya : berat orang dewasa laki-
laki sampai taraf tertentu bergantung pada tingginya,tekanan semacam gas
tergantung pada temperatur, hasil produksi padi tergantung padajumlah pupuk
yang digunakan, banyak hujan, cuaca dan sebagainya.
Akibatnya, terasa perlu untuk mempelajari analisi data yang terdirinya
atas banyak variable.
Jika kita mempunyai data yang terdiri atas dua atau lebih variable,
sewajarnya untuk mempelajari cara bagaimana variable-variabel itu
berhubungan. Hubungan yang didapat pada umumnya dinyatakan hubungan
fungsional antara variable. Studi yang menyangkut masalah ini dikenal dengan
analisis regresi.

B. Rumusan Masalah
1. Apa yang dimaksud dengan analisis regresi?
2. Apa arti dan tujuan persamaan garis regresi?
3. Apa yang dimaksud dengan analisis regresi predikor?

C. Tujuan
1. Didalam analisis regreasi tentunya memiliki tujuan, yaitu: memberikan
pengetahuan serta informasi bagi mahasiswa serta pembaca tentang
garis persamaan garis regresi.
2. Memberikan pengertian tentang apa itu analisis regresi prediktor.

1
 2

3. Memberikan pemahaman tentang bagaimana cara mengetahui garis

dan prediktor analisis regresi.
 BAB II
PEMBAHASAN

A. Pengertian Regresi

Regresi atau peramal adalah suatu proses memperkirakan secara

sistematik tentang apa yang paling mungkin terjadi di masa yang akan
datang. Berdasarkan informasi masa lalu dan sekarang yang dimiliki agar
kesalahannya dapat diperkecil. Regresi dapat juga diartikan sebagai usaha
memperkirakan perubahan. Supaya tidak salah paham bahwa peramalan
tidak memberikan jawaban pasti tentang apa yang akan terjadi, melainkan
berusaha mencari pendekatan apa yang akan terjadi. Jadi, regresi
mengemukakan tentang keingintahuan apa yang terjadi di masa depan
untuk memberikan kontribusi menentukan keputusan yang terbaik.
Keingintahuan di masa depan sejak dulu merupakan bahasan yang
menarik dan penting. Beberapa nama besar seperti Joyoboyo (Raja Kediri
kuno) dan Ronggo Wasito (pujangga kerajaan Surakarta) mendapat tempat
terhormat di masyarakat Jawa karena akurasi ramalannya. Demikian juga
dengan Alfin Toffler (future Shock, 1970 dan The Third Wave, 1980),
John Naisbitt (Megatrends 2000) dan Michael Porter (Competitive
Advantage of Nation) mereka menjadi terkenal dan kaya atas hasil
karyanya tentang perkiraan masa depan. Sampai saat ini semua organisasi
memerlukan perkiraan masa depan untuk membantu menentukan
keputusan yang terbaik.
Kegunaan regresi dalam penelitian salah satunya adalah untuk
meramalkan atau memprediksi variabel terikat (Y) apabila variabel bebas
(X) diketahui. Regresi sederhana dapat dianalisis karena didasari oleh
hubungan fungsional atau hubungan sebab akibat (kausal) variabel bebas
(X) terhadap variabel terikat (Y). Karena ada perbedaan yang mendasar
dari analisis korelasi dan analisis regresi. Pada dasarnya analisis regresi
dana analisis korelasi keduanya punya hubungan yang sangat kuat dan
mempunyai keeratan. Setiap analisis regresi otomatis ada analisis

3
 4

korelasinya, tetapi sebaliknya analisis korelasi belum tentu diuji

regresi atau diteruskan dengan analisis regresi.
Analisis korelasi yang tidak dilanjutkan dengan analisis regresi
adalah analisis korelasi yang kedua variabelnya tidak mempunyai
hubungan fungsional dan sebab akibat. Apabila peneliti mengetahui hari
ini kebih lanjut, maka perlu konsep dan teori yang mendasari kedua
variabel tersebut.
^
Persamaan regresi dirumuskan : Y = a + bX
Dimana:
Y^ = (baca Y topi) subjek variabel terikat yang di proyeksikan
X = Variabel bebas yang mempunyai nilai tertentu untuk
diprediksikan
a = Nilai konstanta harga Y jika X=0
b = Nilai arah sebagai penentu ramalan (prediksi) yang
menunjukkan nilai peningkatan (+) atau nilai penurunan (-) variabel Y
Koefisien-koefisen regresi dapat dihitung dengan rumus:

( ∑ Y i )( ∑ X 2 )−( ∑ X i )( ∑ X i Y i )
i
a=
n ∑ X 2 −( ∑ X i )2
i

n ( ∑ X i Y i )−( ∑ X i )( ∑ Y i )
b=
n ∑ X 2−( ∑ X i )2
i

B. Persamaan Garis Regresi

Analisis regresi adalah analisis lanjutan dari analisis korelasi. Pada

dasarnya analisis regresi dan analisis korelasi keduanya mempunyai
hubungan yang sangat kuat. Setiap analisis regresi otomatis ada analisis
korelasinya, tetapi sebaliknya analisis korelasi belum tentu dapat diuji
regresi atau diteruskan dengan analisi regresi. Analisis korelasi yang tidak
 5

dilanjutkan dengan analisis regresi adalah analisis korelasi yang kedua

variabelnya tidak mempunyai hubungan fungsional dan sebab akibat.
Analisis regresi dapat dihitung secara manual atau dengan menggunakan
SPSS.
Analisis regresi merupakan studi ketergantungan satu atau lebih X
(variabel bebas) terhadap Y (variabel terikat), dengan maksud untuk
meramalkan nilai Y. Tujuan analisis regresi adalah mendapatkan pola
hubungan secara matematis antara X dan Y, mengetahui besarnya
perubahan variabel X terhadap Y, dan memprediksikan Y jika nilai X di
ketahui. Sehingga dalam suatu persamaan regresi terdapat dua macam
variable, yaitu variabel dependen (variabel terikat , respon) dan variabel
independen (variabel bebas, prediktor).
Prinsip dasar yang harus dipenuhi dalam membangun suatu
persamaan regresi adalah bahwa antara variabel dependen dengan variabel
independennya mempunyai sifat hubungan sebab akibat (hubungan
kualitas), baik yang didasarkan pada teori., hasil penelitian sebelum nya,
ataupun yang didasarkan pada penjelasan logis tertentu. Syarat-syarat
regresi antara lain data harus berbentuk interval atau rasio, data
berdistribusi normal, adanya korelasi (hubungan) antarvariabel, dan tidak
terdapat korelasi antarvariabel bebasnya (multikolinearitas) untuk regresi
ganda.
Berdasarkan banyak dan jenisnya data, analisis regresi dapat dibedakan
atas:
1. Regresi linier, yaitu regresi yang membuat diagram pencar membentuk
garis lurus. Regresi linier terdiri atas regresi linier sederhana (1 variabel
bebas) dan regresi linierberganda (lebih dari 1 variabel bebas).
2. Regresi non linier, regresi yang membuat diagram pencar tidak
membentuk garis lurus tapi membentuk pola tertentu, meliputi parabolik,
eksponen, geometrik, logistik, dan hiperbolik.
 6

a. Garis regresi
1) Hubungan yang sifatnya tetap =konstan= dapat dituangkan
kedalam suatu rumus (matematika), dan karena itu juga disebut
hubungan matematis atau hubungan tetap. Contoh
 Hubungan antara jarak yang di tempuh dan waktu yang
dipergunakan oleh sebuah benda jatuh yang dapat

1 2
dinyatakan dalam rumus S= ¿ (S=jarak; g = gaya tarik
2
bumi ; t = waktu)
 Hubungan antara volume (V) dan tekanan (P) suatu gas
yang dapat dinyatakan dalam rumus: v 0 p0 = v1 p1 =. . . .
. v n pn .
 Hubungan antara sisi miring c sebuah segitiga siku-siku
dengan sisi lainnya yang masing-masing dapat disebut a
dan b dapat dinyatakan dalam rumus :c 2 = a 2 + b 2.

Semua rumus ini bersifat tetap = berlaku untuk sepanjang masa.

1 2
Berabad-abad yang lalu jarak yang ditempuh oleh benda jatuh = S = ¿.
2

1 2
Dan berpuluh-puluh tahun abad lagi jarak itu akan sama pula dengan ¿.
2
Demikian pula halnya dengan beratus-ratus rumus lainnya dalam ilmu
pasti dan alam.
2) Hubungan yang jelas ada, tetapi tidak tetap karena itu tidak
dapat dituangkan kedalam rumus yang berlaku sepanjang masa.
Contohnya adalah :
 Ada hubungan antara luas tanah yang ditanami dengan
panenan yang diperoleh (umumnya “ makin luas tanah
 7

yang ditanami, makin besar panenan yang bisa

diharapkannya”);
 Antara jumlah uang yang beredar dan tingkat harga
barang juga ada hubungannya. Tetapi tidak dapat
dirumuskan “perkembangan jumlah uang yang ber-edar
sebesar (katakan) 10% akan mengakibatkan kenaikan
harga (bahan A, bahan B, dan sebagiannya) sekian %”.

Hubungan ini dinamakan hubungan-empiris ( hubungan statistik).

Hanya hubungan empiris yang akan kita pelajari (hubungan definit
dicakup oleh bidang ilmu pasti & alam). Di antara dua ( atau lebih dari
dua) faktor dikatan pada hubungan, kalau pengetahuan mengenai faktor
yang satu akan menambah pengetahuan kita mengenai faktor yang lain.
Contoh-1 disini kita diminta menduga “ berapa ton padi kira-kira hasil
panenan pak tani B pada musim panen ini?” dugaan kita akan lebih
mendekati kebenaran mengenai berbagai faktor yang ada hubungannya
dengan hasil penen seperti kelas sawah, jenis sawah (sawah basah ataukah
tadah hujan= sawah kering), curah hujan, jenis bibit, pupuk yang
digunakan (jenisnya, frekwensinya, kwantumnya), dan lain-lain.
Untuk mempermudah masalah, hubungan yang paling sederhana
yaitu “hubungan bergaris lurus antara dua faktor X dan Y” ( recta-linear
relationship between X dan Y.
1. Antara dua faktor X dan Y dikatakan ada hubungan (bergaris lurus)
fositif kalau faktor Y itu bertambah besar bilamana X bertambah
besar.contoh luas tanah dan besar panen.
2. Antara dua faktor X dan Y dikatakan ada hubungan ( bergaris
lurus) negatif kalau faktor Y bertambah kecil, bilamana X
bertambah besar. Contoh misalnya mengenai jumlah orang yang
mengerjakan suatu pekerjaan dan beban kerja yang menekan
masing-masing pekerja; mengenai panjang jalan yang ditempuh
 8

dan banyaknya zat pembakar (bensin)yang tersedia pada kendaraan

bersangkutan.
b. Menyusun garis regrasi
Garis regrasi adalah garis yang menunjukkan arahnya
hubungan antara dua buah faktor X dan Y, setelah pengaruh-
pengaruhnya dihilangkan. Disebut garis regrasi, karena garis ( sudah
tentu berupa setiap titiknya) itu cenderung ( Ingg. “ tend to regress”)
kepada rata-rata dari nilai-nilai yang bersangkutan.
Kita akan menjadi terhalang atau tidak mungkin bagi kita untuk
menggambarkan garis regresi. Bagaimana menyusun garis regresi kalo
jumlah yang di amati misalnya mengenai tanaman yang diperhatikan
kelancaran perkembangannya,sehubung dengan jumlah pupuk yang di
berikannya itu terbatas. Perhatikan gambar walaupun jumlah anaknya
hanya 20 ( jauh kurang dari~), tetapi kita dapat mengira-ngirakan, bahwa
tingkat perkembangan berat badan, sehubung dengan kenaikan umur (dari
10 ke 18tahun) itu kurang lebih dinyatakan oleh sebuah garis lurus yang
menghubungkan titik 1 (yang abscis dan ordinatnya menunjukan umur dan
berat.) tetapi itu hanya kira kira atau kurang lebih.
Cara menyusun garis regresi demikian, karenanya juga dinamakan
kira-kira = dengan bebas = by free hand

C. 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

 9

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
(Xi)
Keterampilan
70 88 97 82 79
Manajerial (Yi)

Penyelesaian :

No Xi Yi Xi²
1 72 70 5,184
2 78 88 6,084
3 69 97 4,761
1. Membuat tabel belanja statistik

Statistik Induk Nilai JK dan JP

n 12
∑Xi 885
 10

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

Jumlah Kuadrat (JK):

2( ∑ X i )2 (885 )2 783 . 225

JKx=∑ x =∑ X 2− =65. 651− =65 . 651− =382 , 25
i n 12 12

2 ( ∑ Y i )2 (1 . 039)2 1 . 079. 521

JKy=∑ y =∑ Y 2− =90 . 707− =90 .707− =746 , 91
i n 12 12
Jumlah Produk (JP):
( ∑ X i )( ∑ Y i ) (885)(1. 039 ) 919 .515
JPxy =∑ xy= ∑ X i Y i − =76. 677− =76 .677− =50 ,75
n 12 12
Korelasi:

r=
∑ xy =50 ,75 =
50 , 75
=
50 , 75
=0, 0949
2 2
√( ∑ x )(∑ y ) √ (382 , 25)(746 , 91) √ 285. 506 , 34 534 ,3279

3. Mencari Persamaan Garis Regresi

( ∑ Y i )( ∑ X 2 )−( ∑ X i )( ∑ X i Y i )
i (1. 039 )( 65 . 651)−(885 )(76 . 677 )
a= =
n ∑ X 2 −( ∑ X i )2 (12)(65 .651 )−(885)2
i
(68 . 211. 389 )−(67 . 859 .145 ) 352 . 244
a= = =76 ,79
(787 . 812)−(783. 225 ) 4 . 587
n( ∑ X i Y i )−( ∑ X i )( ∑ Y i ) (12)(76 . 677)−(885 )(1. 039)
b= =
n ∑ X 2 −( ∑ X i )2 (12)(65 . 651)−(885)2
i
(920 . 124 )−(919 . 515) 609
b= = =0 , 13
(787 . 812)−(783. 225 ) 4 . 587

Persamaan garis regresinya adalah: Y^ = a + bX

Y^ = 76,79 + 0,13 X
 11

4. Mencari F Regresi dan Menguji Taraf Signifikansi

JK (total) =
∑ Y i 2=90. 707
( ∑ Y i )2 (1. 039 )2 1 . 079 .521
= = =89 . 960 , 083
JK (a) = n 12 12

(∑ X i )( ∑ Y i )
JK re gresi=b {∑ Xi Y i− n } {
= 0,13 76.677−
(885)(1.039)
12 }=0,13(50,75)=6 ,7379

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
dk regresi 1
JK residu 740 , 17
RJK residu= = =74 , 01
dk residu 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 Y^ =76,79+0,13 X sebagai berikut :

 12

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)
Hasil pengujian : Ho diterima
Kesimpulan : Tidak terdapat hubungan yang signifikan antara Penguasaan
Dasar-dasar Manajemen dengan Keterampilan Manajerial
pada taraf signifikansi 5 persen
.5. regresi ganda
Analisis regresi ganda merupakan peramalan nilai pengeruh
dua variabel bebas atau lebih terhadap variabel terikat untuk
membuktikan ada atau tidaknya hubungan fungsi atau
hubungan kausal antar dua variable bebas atau lebih ( X 1 ), ( X 2 ),
( X 3 ),.....,( X N ) dengan satu variabel terikat.
Asumsi dan persamaan regresi sederhana berlaku pada regresi
ganda, tetapi bedanya terletak pada rumusnya, sedangkan
analisis regresi ganda dapat di hitung dengan cara
komputerdengan program (SPSS). Contoh “Pengaruh umur
dan tinggi terhadap berat badan di rumah sakit hasan sadikin
bandung”
Data dianggap memenuhi asumsi dan persyaratan analisis data dipilih secara
rendom; berdistribusi normal; berpola linier; data sudah homogen dan
mempunyai pasangan yang sama sesuai dengan subjek yang sama. Data
sebagaiberikut:

Umur ( X 1 ) 9 12 6 10 9 7 8 11 6
tahun
 13

Tinggi ( X 2 ) 125 137 99 122 129 128 104 13 95

cm 2
Berat 37 41 34 39 40 37 39 42 35
Badan (Y)
Kg
 14

BAB II
PENUTUP

A. Kesimpulan
Secara umum, analisis regresi pada dasarnya adalah studi mengenai
ketergantungan satu variabel dependen (terikat) dengan satu atau lebih
variabel independent (variabel penjelas/bebas), dengan tujuan untuk
mengestimasi dan/ atau memprediksi rata-rata populasi atau niiai rata-rata
variabel dependen berdasarkan nilai variabe! independen yang diketahui.
Analisis korelasi sederhana (Bivariate Correlation) digunakan
untuk mengetahui keeratan hubungan antara dua variabel dan untuk
mengetahui arah hubungan yang terjadi.
 15

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.
https://dalil110897.blogspot.com/2018/02/makalah-statistika-regresi-korelasi.html
ranni.mercubuana-yogya.ac.id ›