MAKALAH BIOSTATISTIKA

ANALISIS REGRESI

DISUSUN OLEH :

ASTRI CAHYANI 1801011003

DINDA AULIA 1801011147
FAUZIAH NASUTION 1801011009
HAINI PUSPITA 1801011011
INTAN SAFITRI 1801011054
SANTIA RAHMAWATI 1801011095
MAWADDATUL WATTHANI 1801011471

PROGRAM STUDI SARJANA FARMASI

FAKULTAS FARMASI DAN KESEHATAN
INSTITUT KESEHATAN HELVETIA
MEDAN
2021

Kata Pengantar
 Puji syukur ke hadirat Tuhan Yang Maha Esa. Atas rahmat dan hidayah-Nya, penulis
dapat menyelesaikan tugas makalah yang berjudul "Analisis Regresi" dengan tepat waktu.

Makalah disusun untuk memenuhi tugas Mata Kuliah Biostatistika. Selain itu, makalah
ini bertujuan menambah wawasan tentang melakukan penelitian dengan regresi bagi para pembaca
dan juga bagi penulis.

Penulis mengucapkan terima kasih kepada Bapak Ardat Ahmad selaku dosen Mata
Kuliah Biostatistika. Ucapan terima kasih juga disampaikan kepada semua pihak yang telah
membantu diselesaikannya makalah ini.

Penulis menyadari makalah ini masih jauh dari sempurna. Oleh sebab itu, saran dan
kritik yang membangun diharapkan demi kesempurnaan makalah ini.

Medan, 11 Juli 2021

Penulis
 ANALISIS REGRESI

Pengertian Analisis Regresi

Analisis regresi merupakan metode statistika yang amat banyak digunakan

dalam peneltian. Istilah regresi pertama kali diperkenalkan oleh Sir Francis Galton pada
tahun 1886. Galton menemukan adanya hubungan bahwa orang tua yang memeliki
tubuh tinggi memiliki anak-anak yang tinggi pula, orang tua yang pendek memiliki
anak-anak yang pendek pula. Kendati demikian ia mengamati bahwa adanya
kecenderungan tinggi anak, cenderung bergerak menuju rata-rata tinggi populasi secara
menyeluruh. Dengan kata lain, ketinggian anak yang amat tinggi atau orang tua yang
amat pendek cenderung bergerak kearah tinggipopulasi.
Secara umum regresi adalah studi mengenai ketergantungan satu variabel
(variabel tak bebas/ variabel respon) dengan satu atau lebih variabel bebas/ variabel
penjelas. Hasil dari analisi regresi merupakan suatu persamaan, yaitu persamaan
matematika. Persamaan tersebut digunakan sebagai prediksi. Dengan demikian analisis
regresi sering disebut dengan analisis prediksi. Karena merupakan prediksi, maka nilai
prediksi tidak selalu tepat dengan nilai realnya, semakin kecil tingkat penyimpangannya
antar prediksi dengan nilai riilnya, maka semakin tepat persamaan regresi yang
dibentuk.
Persamaan regresi adalah suatu persamaan matematika yang mendefinisikan
hubungan antara dua variabel yaitu hubungan keterkaitan antara satu atau beberapa
variabel yang nilainya sudah diketahui dengan satu variabel yang nilainya belum
diketahui, sifat hubungan antara dalam persamaan meruoakan hubungan sebab akibat.
Oleh karena itu, sebelum menggunakan persamaan regresi dalam menjelaskan
hubungan antara dua atau lebih variabel, perlu diyakini terlebih dahulu bahwa secara
teoritis atau perkiraan sebelumnya, bahwa variabel-variabel tersebut memiliki hubungan
sebab akibat. Variabel yang nilainya akan mempengaruhi variabel tersebut disebut
variabel bebas (X). sedangkan variabel yang nilainya dipengaruhi oleh variabel lain
adalah variabel tergantung(Y).
Analisis regresi dikelompokkan menjadi dua bagian yaitu analisis regresi
sederhana (analisis regresi tunggal) dan analisis regresi ganda. Regresi sederhana
dimaksudkan untuk menganalisis hubungan antara satu variabel bebas (X) dengan satu
variabel terikat (Y). Regresi berganda digunakan untuk analisis hubungan dua atau
lebih variabel bebas (misalnya X1dan X2) dengan satu variabel terikat(Y).

A. Regresi LinierSederhana
Sebagaimana diketahui, banyaknya kejadian didunia ini yang merupakan
kejadian yang saling menyebabkan. Kejadian yang saling menyebabkan adalah suatu
kejadian yang keterjadiannya akan menyebabkan keterjadian kejadian yang lain. Contoh
yang kongkrit adalah penggunaan metode belajar think pair share meningkatkan hasil
belajar siswa.
Untuk mencari suatu pengaruh variabel terhadap variabel lain, alat analisis yang
kita gunakan adalah analisis regresi. Hasil analisis regresi berupa persamaan regresi
yang merupakan fungsi prediksi suatu variabel dengan menggunakan variabel lain.
Model regresi linier sederhana merupakan persamaan yang menyatakan
hubungan antara satu variabel predictor (X) dan satu variabel respon (Y), yang biasanya
digambarkan dalam suatu garis lurus.
Persamaan regresi linier sederhana : YˆabX

Keterangan: Yˆregresi(dibacaY topi)a

=konstanta

b = koefisien regresi

Y = Variabel dependen/ variabel terikat/ variabel tak bebas (kejadian)

X = Variabel independen/ variabel bebas/ variabel predictor(penyebab)

Koefisien-koefisen regresi dapat dihitung dengan rumus:

a
 i  (Y)(X)(X)(X
i  Y)  i ii
2 2
 nX(X) 
i i

b n( XiYi )  ( Xi)( Yi)

2 2
i
nX(X) i
 B. Langkah-langkah Melakukan Analisis RegresiSederhana
Langkah langkah yang ditempuh dalam melakukan analisis regresi sederhana
adalah:

1. Membuat Tabel BelanjaStatistik

2. Menghitung Jumlah Kuadrat (JK) dan Jumlah Produk (JP) danKorelasi

3. Mencari Persamaan GarisRegresi

4. Mencari f Regresi dan Menguji Taraf Signifikansi

Untuk contoh akan dibahas tentang hubungan penguasaan Dasar Manajemen

dengan Keterampilan Manajerial.

X = Dasar Manajemen

Y = Keterampilan Manajerial

Data disajikan sebagai Berikut:

PenguasaanDasar-
dasar Manajemen 72 78 69 80 75 75 86 69 77 69 65 70
(Xi)
Keterampilan
70 88 97 82 79 95 90 88 92 96 78 84
Manajerial (Yi)

Penyelesaian :

No Xi Yi Xi² Yi² XiYi

1 72 70 5,184 4,900 5,040
2 78 88 6,084 7,744 6,864
3 69 97 4,761 9,409 6,693
4 80 82 6,400 6,724 6,560
5 75 79 5,625 6,241 5,925
6 75 95 5,625 9,025 7,125
7 86 90 7,396 8,100 7,740
8 69 88 4,761 7,744 6,072
9 77 92 5,929 8,464 7,084
10 69 96 4,761 9,216 6,624
11 65 78 4,225 6,084 5,070
12 70 84 4,900 7,056 5,880
Jumlah (∑) 885 1,039 65,651 90,707 76,677
1. Membuat tabel belanjastatistik

n 12
∑Xi 885
∑Xi² 65,651 ∑x²=382,25

∑Yi 1,039
∑Yi² 90,707 ∑y²=746,91 a = 76,7918
b = 0,1327
∑XiYi 76,677 ∑xy = 50,75 r = 0,0949
2. Mencari JK (Jumlah Kuadrat) dan JP (Jumlah Produk) danKorelasi

Jumlah Kuadrat (JK):

JKx x 2X2 ( (885) 783.225

i
65.651 2 65.651 382,25
Xi)
2
 12
12
n

JKy  ( Y) 2

 Y2
i (1.039) 1.079.521
y2 90.707 90.707 746,91
n 2
12
i 12

Jumlah Produk (JP):

(Xi)( Yi) (885)(1.039) 919.515

JPxy xy X  76.677 76.677 50,75
Y
i i
n 12 12
Korelasi:

xy 50,75 50,75 50,75

r   
( x (2)
y2) (382,25)(746,91) 285.506,34
0,0949534,327
9

3. Mencari Persamaan GarisRegresi

(  Y )(X 2
) (X )( (1.039)(65.651)  (885)(76.677)
XY)
i i
a i i

nX 2
i  ( 2 (12)(65.651)  (885) 2
i

Xi )
 (68.211 .389)(67.859.145) 352.244
a (787.812)  (783.225)  76,79
4.587
 n(Xi Yi)(Xi)( Yi) (12)(76.677)(885)(1.039)
b 
2
n X i  (
2 (12)(65.651)  (885) 2
Xi )
(920.124) (919.515)
609
b (787.812)   0,13
(783.225) 4.587

Persamaangaris regresinyaadalah: Yˆ=a+bX

Yˆ=76,79 + 0,13 X

4. Mencari F Regresi dan Menguji TarafSignifikansi

JK (total) =  Y290.707
i

2
( Y)
i (1.039)2 1.079.521
JK(a)   89.960,083
n 12 12
=

JKregresib XY (885)(1.039)
  X Y  0,1376.677

0,13(50,75)6,7379
ii 
 n   i
12 
i
JKresidu = JK (total) –JK (a) – JKregresi

= 90.707 – 89.960,083 – 6,7379

= 740,1791

dkregresi = m =1

dkresidu = n – m – 1 = 12 – 1 – 1 =10

JKregres 6,73
RJ i

K regresi 
d regresi
6,731
k

JKresidu 740,17
RJ  
residu
d
K residu
74,0110
Hipotesis diuji dengan uji F :

RJKregresi 6,73
F RJK  0,09
residu
74,01

dk pembilang 1 dan dk penyebut 10 maka F tabel (1,10) pada p = 0,05 atau F(1,10)
=4,96
(0,05)

Berdasarkan data tersebut dapat disusun tabel rangkuman analisis regresi untuk
persamaangarisYˆ76,790,13 Xsebagaiberikut:

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 regresiberarti

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.
 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.