ANALISA REGRESI

DISUSUN OLEH :

1.ARIF HIDAYATULLOH NIM 12160032

2.FEBY KUSWANA NIM 12163112
3.VEGA GUSTI RANOV NIM 12162838
4.YOGA HARIYADI NIM 12162480
Statistik merupakan sebuah metoda perhitungan yang mampu

membantu banyak kalangan manusia pada saat ini. Baik dalam

kehidupan secara umum, sekolah, perkuliahan, perkantoran dan

lain sebagainya. Tidak hanya sampai di sana, statistik juga

digunakan untuk membantu dalam hal penelitian, bahkan

membuat karya ilmiah seperti skripsi, tesis dan disertasi.

Data statistik bisa diperoleh dengan cara-cara berikut :

1. Survey

2. Review

3. Observasi
Secara umum kedudukan statistika memiliki beberapa

manfaat, antara lain :

1. Menyajikan data secara ringkas dan jelas, sehingga

lebih mudah dimengerti oleh para pengguna.

2. Menunjukkan trend atau tendensi perkembangan

suatu masalah.

3. Melakukan penarikan kesimpulan secara ilmiah.

 Analisa Regresi
• Analisis regresi digunakan untuk memprediksikan
seberapa jauh perubahan nilai variabel dependen,
bila nilai variabel independen di manipulasi/dirubah-
rubah atau dinaik-turunkan.

• Manfaat dari hasil regresi adalah untuk membuat

keputusan apakah naik dan menurunnya variabel
dependen dapat dilakukan melalui peningkatan
variabel independen atau tidak. Sebagai contoh,
naiknya jumlah penjualan dapat dilakukan melalui
jumlah iklan atau tidak.
 Definisi Regresi
Regresi merupakan suatu alat ukur yang digunakan

untuk mengukur ada atau tidaknya hubungan antar

variabel. Dalam analisis regresi, suatu persamaan

regresi atau persamaan penduga dibentuk untuk

menerangkan pola hubungan variabel- variabel apakah

ada hubungan antar 2 variabel atau lebih.

 PERSAMAAN REGRESI
• Persamaan regresi yang digunakan untuk membuat taksiran
mengenai variabel dependen disebut persamaan regresi
estimasi, yaitu suatu formula matematis yang menunjukkan
hubungan keterkaitan antara satu atau beberapa variabel yang
nilainya sudah diketahui dengan satu variabel lain yang nilainya
belum diketahui.

• Manfaat dari hasil analisis regresi adalah untuk membuat

keputusan apakah naik dan menurunnya variabel dependen
dapat dilakukan melalui peningkatan variabel independen atau
tidak.
 REGRESI LINIER SEDERHANA

Regresi linier sederhana yaitu suatu prosedur

untuk mendapatkan hubungan matematis
dalam bentuk persamaan antar variabel bebas
tunggal dengan variabel tidak bebas tunggal.
Regresi linier sederhana hanya memiliki satu
peubah X yang dihubungkan dengan satu
peubah tidak bebas Y.
 PEMBAHASAN KASUS
C ONTOH KAS US !

1. Cara Perhitungan Regresi Linier

Sederhana?

2. Bagaimana cara menyusun data pada

tabulasi regresi sederhana?

3. Bagaimanakah membuat model

persamaan regresi?
Data berikut adalah hasil pengamatan terhadap nilai Kualitas
Layanan (Xi) dan nilai rata-rata penjualan barang tertentu tiap
bulan (Yi). Data kedua variabel diberikan pada Tabel 3.1.
Nomor Kualitas Layanan (X i ) Penjualan Barang (Yi )
1 54 167
2 50 155
3 53 148
4 45 146
5 48 170
6 63 173
7 46 149
8 56 166
9 52 170
10 56 174
11 47 156
12 56 158
13 55 150
14 52 160
15 50 157
16 60 177
17 55 166
18 45 160
19 47 155
20 53 159
21 49 159
22 56 172
23 57 168
24 50 159
25 49 150
26 58 165
27 48 159
28 52 162
29 56 168
30 54 166
31 59 177
32 47 149
33 48 155
34 56 160
Untuk menghitung persamaan regresinya, maka diperlukan tabel
penolong seperti Tabel 3.2
Untuk mempermudah uji Linieritas. Ditampilkan pada tabel
dibawah ini.
DAFTAR ANALISA VARIANS (ANVA) REGRESI LINEAR SEDERHANA

Daftar anva untuk regresi Linear

 PEMBAHASAN KASUS
Se o r a ng e n g i n e e r i n g i n m e m p e l aj a ri h u b u n g an
a n ta ra s u h u r u a n ga n d e n g a n j u m l a h c a c at ya n g
d i a k ib a tka nnya , s e h in g ga d a p a t me mp re diksi
a ta u m e r a ma l kan j u m l a h c a c a t p r o d uksi j i k a
s u h u r u a n gan te r s eb ut ti d a k te r k en dal i .
En g in e e r te r se but k e mu d ian me n g a mbil d a ta
s e la m a 3 0 h a r i te r h ada p r a ta -rata ( m e a n) s u h u
r u a n ga n d a n j u m l a h c a c a t p r o d u ksi . D a ta r a ta -
r a ta s u h u r u a n g an d a n j u m a l a h c a c a t p r o d uksi
d is u s un s e c a ra b e r u ruta n s e l a m a 3 0 h a r i
s e p e rti ta b e l d i b a w a h i n i .
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

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
 D a ta te r s eb ut d i s u s un d a l a m b e n tu k ta b u l a si
u n tu k me n d a pa tkan p e r h i tun ga n ∑ s e p e rti
gambar di bawah ini.

Tanggal Rata-rata Suhu Ruangan Jumlah Cacat 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
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 699 282 16487 3112 6861

2. Persamaan untuk mencari konstanta a seperti
ditunjukkan gambar berikut.
σ 𝑦 σ 𝑥2− σ 𝑥 σ 𝑦
𝑎=
𝑛 σ 𝑥 2 −(σ 𝑥)2
Persamaan untuk mencari koefisien regresi b seperti
ditunjukkan gambar berikut.
𝑛 σ 𝑥𝑦 − σ 𝑥 σ 𝑦
𝑏=
𝑛 σ 𝑥 2 − (σ 𝑥)2
Pada kasus ini ditemukan bahwa nilai :
∑x = 699
∑y = 282
∑x² = 16487

∑y² = 3112
∑xy = 6861
Kemudian nilai variabel ini dimasukkan kedalam rumusnya seperti
gambar berikut.
σ 𝑦 σ 𝑥2 − σ 𝑥 σ 𝑦
𝑎=
𝑛 σ 𝑥 2 − (σ 𝑥)2
(282)(16487) − (699)(282)
𝑎=
30 16487 (699)2
a = -24,38
𝑛 σ 𝑥𝑦 − σ 𝑥 σ 𝑦
𝑏=
𝑛 σ 𝑥 2 − (σ 𝑥)2
(30)(6861) − (699)(282)
𝑏=
30 16487 (699)2
b = 1,45
Sehingga didapat model persamaan regresi linier
𝑌 = 𝑎 + 𝑏𝑋
Y = −24,38 + 1,45X
3. Tampilan data dan persamaan garis dari persamaan
model regresi diatas dapat dilihat seperti gambar berikut.
18

16 y = 1.4498x -
24.381

14

12

Jumlah Cacat
10

0
10 12 14 16 18 20 22 24 26
28 30
Suhu Ruangan

Prediksi terhadap jumlah cacat produksi jika suhu ruangan

dalam keadaan tinggi, misalnya 30°C yakni:
Y = −24,38 + 1,45X
Y = −24,38 + 1,45(30)
Y = 19,12
Jadi jika suhu ruangan sebesar 30°C maka akan dipredisikan
terdapat 19,12 unit jumlah barang yang cacat produksi.
 KESIMPULAN

Berdasarkan pembahasan pada bab-bab

sebelumnya , maka penyusunan makalah
menarik kesimpulan , antara lain :
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 medapatkan
pola hubungan secara matematis antara x
dan y , mengetahui besarnya perubahan
variabel x maupun y, dan mempredisi y jika
nilai x diketahui .
Persamaan regresi linier sederhana secara
umum yaitu : y = a + bx
 SARAN

Diharapkan kepada teman-teman supaya

mempelajari dan dapat menguasai materi
mengenai “analisa regresi” karena materi
ini merupakan salah satu bagian penting
dalam ilmu statistik yang memiliki
manfaat guna menunjukkan tinggi
rendahnya penyimpangan antara data
serta mengetahui derajat perbedaan
antar data.
TERIMA KASIH…