LAPORAN PRAKTIKUM

PERTEMUAN I
ANALISIS REGRESI DAN KORELASI

Oleh

Nama : Nutia Rosdalena

Npm : F1F019026

Dosen pengampu : Dyah Setyo Rini, S.Si, M.Sc.

Asisten praktikum : 1. Sanita Grasia Rumahorbo (F1F017004)

2. Claudia Nevani (F1F018015)

LABORATORIUM MATEMATIKA
FAKULTAS MATEMATIK DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS BENGKULU
2020
 KATA PENGANTAR
Alhamdulillah puji dan syukur kehadirat Allah SWT. Atas limpahan rahmat dan
karunia-Nya penulis dapat menyelesaikan laporan praktikum Analisis Regresi dan
Korelasi yang merupakan pembahasan terhadap Regresi Linier Sederhana.
Laporan ini telah penulis susun dengan maksimal dan mendapatkan bantuan dari
berbagai pihak sehingga dapat memperlancar pembuatan laporan ini. Untuk itu penulis
menyampaikan terima kasih kepada semua pihak yang telah berkontribusi dalam
pembuatan laporan ini.
Penulis menyadari sepenuhnya bahwa laporan ini masih jauh dari sempurna, oleh
karena itu dengan segala kerendahan hati, penulis mohon para pembaca dan
pembimbing berkenan memberikan saran atau kritik demi perbaikan laporan berikutnya.
Akhir kata penulis berharap semoga laporan ini dapat bermanfaat bagi penulis dan
para pembaca.

Bengkulu, 18 November 2020

Penulis

ii
 DAFTAR ISI
HALAMAN JUDUL.........................................................................................................i
KATA PENGANTAR..................................................................................................... ii
DAFTAR ISI................................................................................................................... iii
DAFTAR GAMBAR...................................................................................................... iv
DAFTAR TABEL............................................................................................................ v
REGRESI LINIER SEDERHANA
1.1 Pendahuluan........................................................................................................... 1
a. Latar Belakang.................................................................................................... 1
b. Rumusan Masalah............................................................................................... 1
c. Tujuan..................................................................................................................1
1.2 Landasan Teori.......................................................................................................2
1.3 Langkah Kerja dan Teladan................................................................................. 4
a. Langkah Kerja..................................................................................................... 4
b. Teladan................................................................................................................ 6
1.4 Hasil dan Pembahasan...........................................................................................7
a. Hasil.....................................................................................................................7
b. Pembahasan......................................................................................................... 9
1.5 Kesimpulan........................................................................................................... 11
a. Kesimpulan........................................................................................................11
b. Saran.................................................................................................................. 11
DAFTAR PUSTAKA..................................................................................................... vi

iii
 DAFTAR GAMBAR
Gambar 1. Aplikasi R........................................................................................................ 4
Gambar 2. Tampilan Lembar Kerja Aplikasi R.................................................................4
Gambar 3. Tampilan Microsoft Excel............................................................................... 4
Gambar 4. Tampilan Notepad............................................................................................4
Gambar 5. Sintaks Memanggil dari Notepad.................................................................... 5
Gambar 6. Sintaks Mencari Estimasi Parameter............................................................... 5
Gambar 7. Sintaks Mencari ANOVA................................................................................5
Gambar 8. Output Deskripsi Data..................................................................................... 7
Gambar 9. Output Plot Data.............................................................................................. 7
Gambar 10. Output Garis Regresi..................................................................................... 7
Gambar 11. Output Estimasi Parameter............................................................................ 8
Gambar 12. Output ANOVA ............................................................................................8

iv
 DAFTAR TABEL
Tabel 1. Data Latihan........................................................................................................ 6

v
 REGRESI LINIER SEDERHANA
1.1 Pendahuluan
a. Latar Belakang
Analisis regresi merupakan alat statistik yang banyak digunakan dalam berbagai
bidang. Analisis tersebut bertujuan untuk mengetahui hubungan antara variabel
dependen dan variabel independen. Ada tiga macam tipe dari analisis regresi. Tipe yang
pertama adalah regresi linier sederhana yang berfungsi untuk mengetahui hubungan
linier antara dua variabel, satu variabel dependen dan satu variabel independen. Tipe
kedua adalah regresi linier berganda yang merupakan model regresi linier dengan satu
variabel dependen dan lebih dari satu variabel independen. Tipe ketiga adalah regresi
non linier yang berasumsi bahwa hubungan antara variabel dependen dan variabel
independen tidak linier pada parameter regresinya. Dalam regresi linier sederhana,
metode yang biasa digunakan dalam mengestimasi parameter regresi adalah metode
kuadrat terkecil atau Ordinary Least Squares (OLS). Konsep metode ini adalah untuk
mengestimasi parameter dengan memilih garis regresi yang terdekat dengan garis dari
semua data. Sebelum menarik sampel dari suatu populasi terkadang diperoleh informasi
mengenai parameter yang akan diestimasi. Jika informasi tersebut ingin dimasukkan
dalam analisis data, maka estimasi parameter regresi dengan metode kuadrat terkecil
tidak memungkinkan untuk memasukkan informasi tersebut. Oleh karena itu,
diperlukan metode bayes untuk menyelesaikan permasalahan tersebut.
b. Rumusan Masalah
Berdasarkan latar belakang di atas, masalah yang dapat disimpulkan adalah
sebagai berikut:
1. Bagaimana menguji asumsi untuk mengetahui adanya pengaruh linier antara
variabel independen dan variabel dependen dengan menggunakan program R?
2. Bagaimana mengestimasi model regresi dengan program R?
c. Tujuan
Berdasarkan rumusan masalah di atas, tujuan dari pembahasan adalah sebagai
berikut:
1. Menguji asumsi bahwa ada pengaruh linier antara variabel independen dan
variabel dependen dengan menggunakan program R.
2. Mengestimasi model regresi dengan program R.

1
1.2 Landasan Teori
Analisis regresi adalah suatu analisis statistika yang digunakan untuk menjelaskan
hubungan suatu variabel repon Y dengan menggunakan satu atau lebih variabel input,
jika maka regresi yang terbentuk disebut regresi linier sederhana. Model regresi dapat
ditunjukkan sebagai berikut: Yi  β 0  β 1 X i karena model diduga dari sampel, maka

secara umum ditunjukkan sebagai berikut: .

Secara umum, langkah-langkah analisis regresi adalah sebagai berikut:
a. Menentukan variabel dependen dan variabel independen dalam model.
b. Membangun model dan menyeleksi variabel independen yang signifikan.
c. Melakukan cek diagnostik atau sering disebut uji asumsi klasik.
d. Melakukan transformasi terhadap variabel respon dan atau vatriabel independen.
(Rini, 2020)
Regresi linear (linear regression) adalah teknik yang digunakan untuk
memperoleh model hubungan antara 1 variabel dependen dengan 1 atau lebih variabel
independen. Jika hanya digunakan 1 variabel independen dalam model, maka teknik ini
disebut sebagai regresi linier sederhana (simple linear regression), sedangkan jika yang
digunakan adalah beberapa variabel independen, teknik ini disebut regresi linier ganda
(multiple linear regression). Variabel dependen pada regresi linier disebut juga sebagai
respons atau kriterion, sedangkan variabel independen dikenal pula sebagai prediktor
atau regresor. Kovariat adalah variabel independen yang berkorelasi dengan prediktor
lainnya, juga mempengaruhi respons. Kovariat umumnya tidak diminati hubungannya
dengan respons dan hanya digunakan untuk pengendalian hubungan prediktor-respons
dalam model. Respons pada regresi linier selalu berupa variabel kontinu, sedangkan
prediktor dapat berupa variabel kontinu, indikator, ataupun kategorik yang
disubstitusikan menjadi variabel indikator (Harlan, 2015).
Korelasi dan regresi keduanya mempunyai hubungan yang sangat erat. Setiap
regresi pasti ada korelasinya, tetapi korelasi belum tentu dilanjutkan dengan regresi.
Korelasi yang tidak dilanjutkan dengan regresi adalah korelasi antara dua variabel yang
tidak mempunyai hubungan kasual/sebab akibat, atau hubungan fungsional. Untuk
menetapkan kedua variabel mempunyai hubungan kasual atau tidak, maka harus
didasarkan pada teori atau konsep-konsep tentang dua variabel tersebut. Kita gunakan
analisis regresi bila kita ingin mengetahui bagaimana variabal dependen/kriteria dapat

2
diprediksikan melalui variabel independen atau variabel prediktor, secara individual.
Dampak dari penggunaan analisis regresi dapat digunakan untuk memutuskan apakah
naik dan menurunnya variabel dependen dapat dilakukan melalui menaikan dan
menurunkan keadaan variabel independen, atau meningkatkan keadaan variabel
dependen dapat dilakukan dengan meningkatkan variabel independen dan sebaliknya
(Anonim1, 2012).
Dalam membangun model regresi linier, metode estimasi yang digunakan adalah
dengan metode estimasi kuadrat terkecil (ordinary least square), yaitu dengan
meminimumkan jumlah kuadrat residual. Terdapat asumsi yang harus diuji dalam
membangun model regresi linier tersebut. Asumsi model tersebut sering juga disebut
sebagai asumsi klasik yang terdiri atas uji normalitas residual, uji asumsi variasi galat
yang bersifat konstan (homoskedastisitas), uji asumsi tidak adanya serial korelasi dari
galat (autokorelasi), dan uji multikolinieritas antarvariabel independen. Pemilihan
variabel independen terbaik yang secara statistik mempengaruhi variabel dependen
dapat dilakukan dengan metode eliminasi mundur (backward), metode seleksi
maju (forward selection), atau metode gabungan (stepwise).
Uji normalitas dapat menggunakan Q-Q plot (namun lebih bersifat subjektif),
shapiro wilk test, uji jarque bera, atau juga uji kolmogorov-smirnov. uji
homoskedastisitas dapat menggunakan uji white atau uji breusch-pagan. uji
autokorelasi dapat menggunakan uji durbin watson, uji breusch godfrey lagrange
multiplier, atau juga uji portmanteau Q-ljung-box. Uji multikolinieritas dengan
menggunakan Variance Inflation Factor (VIF) dengan standar VIF yang diizinkan tidak
adanya multikolinieritas umumnya adalah VIF  10 (Anonim2, 2012).

3
1.3 Langkah Kerja dan Teladan
a. Langkah Kerja
1. Buka aplikasi R di komputer, melalui klik start lalu pilih program R.

Gambar 1. Aplikasi R.
2. Maka akan muncul lembar kerja Aplikasi R.

Gambar 2. Tampilan Lembar Kerja Aplikasi R.

3. Kemudian tulis data di Microsoft Excel.

Gambar 3. Tampilan Microsoft Excel.

4. Salin data yang telah ditulis di Microsoft Excel dalam notepad dan simpan dalam
satu folder.

Gambar 4. Tampilan Notepad.

4
5. Lalu panggil notepad dalam program R.

Gambar 5. Sintaks Memanggil dari Notepad.

6. Tuliskan sintaks pada program R seperti berikut.

Gambar 6. Sintaks Mencari Estimasi Parameter.

Gambar 7. Sintaks Mencari ANOVA.

5
b. Teladan
1. Cari data yang diduga memiliki hubungan linier dan lakukan analisis regresi linier
sederhana. Masing-masing praktikan tidak diperkenankan menggunakan data yang sama.
Peneliti ingin meneliti apakah kelembapan rata-rata (%) dipengaruhi oleh tempratur
rata-rata ( ° C), data di ambil dari tanggal 1 sampai tanggal 30 April 2020 dari BMKG
Stasiun Meteorologi Fatmawati Soekarno. Berikut adalah data yang di ambil:
Tabel 1. Data Latihan.
Tanggal kelembapan rata-rata (%) Temperatur rata-rata (°C)
1 82 28.1
2 86 28
3 84 28.2
4 87 27.5
5 85 27.5
6 91 26.4
7 88 25.3
8 80 27.2
9 84 28.3
10 86 27.1
11 84 28
12 83 28.3
13 84 27.7
14 86 28.1
15 87 27.7
16 84 27.2
17 87 27
18 90 27.1
19 86 27.3
20 86 28.5
21 82 28.4
22 89 27.4
23 89 27.5
24 88 28.1
25 89 26.8
26 90 26.4
27 88 27.3
28 87 27.3
29 85 27.4
30 86 27.6

6
1.4 Hasil dan Pembahasan
a. Hasil

Gambar 8. Output Deskripsi Data.

Gambar 9. Output Plot Data.

Gambar 10. Output Garis Regresi.

7
Gambar 11.Output Estimasi Parameter.

Gambar 12. Output ANOVA.

8
b. Pembahasan
Pada teladan soal kita disuruh mencari data yang diduga memiliki hubungan linier
kemudian lakukan regresi linier sederhana dari data tentang kelembapan rata-rata
selama 30 hari yang diprediksi dipengaruhi oleh tempratur rata-rata setiap harinya.
Berdasarkan output yang kita peroleh pada gambar diperoleh R-square sebesar 0.2896
artinya variabel bebas dapat menjelaskan sebesar 0.2896, kemudian terdapat juga nilai
intercept = 142.0619 dan slope = -2.0357 sehingga dapat kita tulis modelnya yaitu
Yi  142.0619  2.0357X i . Jadi, diperoleh bahwa setiap kenaikan kelembapan rata-rata
1% akan mempengaruhi tempratur suhu sebesar -2.0357 °C.
1. Output data
Dari gambar 8 kita dapatkan nilai minimum Y yaitu 80.0 dengan quartil 1 sebesar
84.0, nilai median sebesar 86.0, nilai mean sebesar 86.1, nilai quartil 3 sebesar 88.0 dan
nilai maksimum 91.0. Untuk nilai minimum dari X yaitu 25.30 dengan quartil 1 sebesar
27.20, nilai median sebesar 27.50, nilai mean sebesar 27.49, nilai quartil 3 sebesar
28.07 dan nilai maksimum 28.50.
2. Uji kenormalan data pada Plot
Dapat di lihat pada gambar plot di atas menunjukkan bahwa data cukup tersebar di
sepanjang garis regresi, artinya terdapat hubungan linier antara variabel x (temperatur
rata-rata) dan variabel y (kelembapan rata-rata).
3. Uji hipotesis ANOVA dengan uji F
a. Merumuskan hipotesis
H 0 : β 1  0 (tidak ada hubungan linier antara variabel x (temperatur rata-rata)

dan variabel y (kelembapan rata-rata))

H 1 : β 1  0 (ada hubungan linier antara variabel x (temperatur rata-rata) dan

variabel y (kelembapan rata-rata))
b. Taraf pengujian
Taraf nyata α  5%  0,05
c. Statistik uji
KTRegresi
F hit   11,416
KTGalat
d. Kriteria penolakan

9
 Tolak H 0 apabila nilai F hitung  F tabel atau nilai p - value  α
e. Kesimpulan
Berdasarkan output di atas, dengan taraf nyata yaitu 5% diperoleh bahwa nilai
F hitung  11,416  Ftabel 4.54 dan p - value  0,002157  α  0,05 maka H 0 ditolak.

Hal ini berarti, ada hubungan linier antara variabel x (tempratur rata-rata) dan variabel
y (kelembapan rata-rata).
4. Uji hipotesis dengan uji t
a. Hipotesis pengujian
H 0 : β 1  0 (tidak ada hubungan linier antara variabel x (tempratur rata-rata) dan
variabel y (kelembapan rata-rata))
H 1 : β 1  0 (ada hubungan linier antara variabel x (tempratur rata-rata) dan
variabel y (kelembapan rata-rata))
b. Besaran yang dibutuhkan
Taraf nyata α  5%  0,05
c. Statistik Uji

β1  β1
t0  
Se (β1 )

d. Kriteria penolakan
Tolak H 0 jika Thitung  Ttabel Tolak H 0 jika p - value  α

Terima H 0 jika Thitung  Ttabel Terima H 0 jika p - value  α

e. Kesimpulan
Dengan taraf nyata 5% diperoleh p.value sebesar 0,002157. Dapat kita simpulkan
bahwa p - value  0,002157  α  0,05 dan t - hitung  | -3,379|  3,379 t - tabel  1,96
maka H0 ditolak. Hal ini berarti, dengan taraf nyata 5% ada hubungan linier antara
variabel x (tempratur rata-rata) dan variabel y (kelembapan rata-rata).

10
1.5 Kesimpulan dan Saran
a. Kesimpulan
Analisis regresi adalah suatu analisis statistika yang digunakan untuk menjelaskan
hubungan suatu variable respon Y dengan menggunakan satu atau lebih variabel input
X 1 , X 2 ,..., X k . Analisis regresi berguna untuk mendapatkan hubungan fungsional
antara dua variabel atau lebih. Selain itu analisis regresi berguna untuk mendapatkan
pengaruh antar variabel prediktor terhadap variabel kriteriumnya atau meramalkan
pengaruh variabel prediktor terhadap variabel kriteriumnya.
Dalam membangun model regresi linier, metode estimasi yang digunakan adalah
dengan metode estimasi kuadrat terkecil (ordinary least square), yaitu dengan
meminimumkan jumlah kuadrat residual. Terdapat asumsi yang harus diuji dalam
membangun model regresi linier tersebut. Asumsi model tersebut sering juga disebut
sebagai asumsi klasik yang terdiri atas uji normalitas residual, uji asumsi variasi galat
yang bersifat konstan (homoskedastisitas), uji asumsi tidak adanya serial korelasi dari
galat (autokorelasi), dan uji multikolinieritas antarvariabel independen.
Dari model yang didapat kita bisa mengestimasikan bahwa R-square sebesar
0.2896 artinya variabel bebas dapat menjelaskan sebesar 0.2896 terhadap model
variabel respon. Untuk data teladan kita mendapatkan nilai minimum, quartil 1, median,
mean, quartil 3, dan nilai maksimum dari variabel Y dan X Kemudian untuk
memplotkan data X dan Y, kita tinggal memasukkan sintaks yaitu plot (model), tujuan
plot data adalah untuk memperlihatkan apakah model berfungsi linier atau non-linier.
Lalu untuk mengestimasi parameter analisis regresi kita tinggal memasukkan syntax
(nama model yang di inginkan) <- lm((masukkan nama data y)~(masukan nama data x),
data=(masukkan nama datanya)). Sehinga kita dapatkan model regresinya adalah
Yi  142.0619  2.0357X i .
b. Saran
Saran pada praktikum kali ini kita harus teliti dalam mengetikkan sintaks yang kita
gunakan, karena apabila salah tanda sedikit saja ataupun ada yang tidak sesuai satu saja
maka data yang kita buat tidak dapat ditampilkan atau malah akan terjadi yang namanya
error. Kemudian juga harus memahami serta menghapal sintaks untuk analisisnya agar
mudah dalam menyelesaikan tugasnya.

11
 DAFTAR PUSTAKA
Anonim 1. 2012. Analisis Regresi. https://rufiismada.files.wordpress.com/2012/02/anali
sis-regresi.pdf. Diakses pada 14 November 2020 pukul 18:00 WIB.
Anonim 2. 2012. Analisis Regresi Linier. https:// analisis-regresi-linear-aplikasi-pada-
rsoftware//2012/04/27. pdf. Diakses pada 16 November 2020 pukul 09:49 WIB.
Harlan, Johan. 2015 . Analisis Regresi Linier. http://harlanjohan .staff.gunadarma.ac.id/
Publications/files/3866/Buku+Analisis+Regresi+Linear.pdf. Diakses pada 16
November 2020 pukul 20:30 WIB.
Rini, Dyah Setyo. 2019. Modul Praktikum Analisis Regresi dan Korelasi.
Bengkulu :Universitas Bengkulu.

vi