Nama : Daniel Cristanto Panjaitan

NIM : 41320110115

Mata Kuliah : Metode Numerik

Quis Forum : 10

Dosen Pengampu : Ibu Nur Indah, S.ST, MT

Regresi linier sederhana adalah suatu metode yang digunakan untuk

melihat hubungan antar satu variabel independent (bebas) dan mempunyai
hubungan garis lurus dengan variabel dependennya (terikat). Sebuah variabel hasil
observasi yang diperoleh sangat mungkin dipengaruhi oleh variabel lainnya, misalkan
tinggi badan dan berat badan seseorang. Untuk suatu tinggi tertentu ada besaran berat
badan yang mempengaruhi, demikian juga sebaliknya. Contoh lain misalnya produksi
padi yang dipengaruhi oleh luas lahan yang ditanami, jenis pupuk yang dipakai,
banyaknya pupuk yang dipakai dll.

Namun kenyataanya hubungan antar variabel bebas dan variabel terikat jarang
sekali sesederhana itu. Biasanya banyak faktor atau dalam hal ini kita sebut banyak
variabel bebas yang menentukan atau dapat mempengaruhi variabel terikat. Untuk
kasus demikian maka akan diselesaikan dengan Regresi Linier Berganda.

Terdapat beberapa cara yang dapat digunakan untuk menentukan garis

regresi, yaitu :

 Cara bebas (freehand methode)

  Menghubungkan dua titik yang terendah dan tertinggi
 Membagi data menjadi dua kelompok yang sama,kemudian masing-masing
dicari rata-ratanya yaitu x1 dan x2
 Metode kuadrat terkecil

Variabel Bebas dan Terikat Regresi Linier Sederhana

 Dependent Variable/Variabel Tak Bebas (Y): Variabel yang nilainya ditentukan

oleh variabel lain. Diasumsikan bersifat random/stochastic
 Independent Variable/Variabel Bebas (X): Variabel yang nilainya ditentukan
secara bebas (variabel yang diduga mempengaruhi variabel tak bebas).
Diasumsikan bersifat fixed/non stochastic.
 Syarat: Y: Berjenis data kuantitatif X: Berjenis data kuantitatif atau
kualitatif/kategorik

Konsep Dasar Regresi Linier Sederhana

 Pada suatu nilai X tertentu akan terdapat banyak kemungkinan nilai-nilai Y (Y

akan terdistribusi mengikuti suatu fungsi peluang tertentu Distribusi Normal)
dengan Nilai rata-rata E(Y) dan Nilai varians σ 2 tertentu

 Nilai rata-rata E(Y) diasumsikan berubah secara sistematik mengikuti perubahan

nilai X, yang digambarkan dalam bentuk garis linier

 Nilai varians σ2 pada setiap nilai X akan sama

Prosedur Penting Dalam Regresi Linier Sederhana

Dalam prosedur regresi hal pertama yang harus dilakukan adalah

melakukan identifikasi model dengan menggunakan Scatter plot (diagram pencar)
yang berguna untuk mengidentifikasi model hubungan antara variabel X dan Y. Bila
pencaran titik-titik pada plot ini menunjukkan adanya suatu kecenderungan (trend) yang
linier, maka model regresi linier layak digunakan. Setelah itu dapat dilakukan estimasi
terhadap parameter model.

dimana:

 Yi merupakan nilai dari variabel dependent pada observasi ke-i

 β dan β1 merupakan parameter model
 εi merupakan komponen error (pengaruh variabel bebas lain selain variabel X)
 Xi adalah nilai variabel bebas X pada observasi ke-i
 N adalah banyaknya data observasi (sampel)

Asumsi Regresi Linier Sederhana

Dalam aplikasinya terdapat beberapa asumsi yang harus terpenuhi untuk
melakukan analisis regresi sederhana. Beberapa asumsi tersebut sebagai berikut:

1. Yi (Variabel Tak Bebas/Dependent Variable) merupakan random

variable/bersifat stochastic
2. Xi (Variabel bebas/Independent Variable) bersifat fixed/non stochastic
(bukan merupakan random variable)
 3. E(εi) = 0
4. E(εi εj) = E(εi2) = σ2 untuk i = j (Homoscedastic)
5. E(εi εj) = 0 untuk i ≠ j (Non autocorrelation)
6. εi merupakan random variable yang terdistribusi secara bebas dan
indentik mengikuti distribusi normal dengan rata-rata 0 dan varian σ 2

Metode estimasi yang digunakan pada regresi linier sederhana adalah Metode
Kuadrat Terkecil (Least Square Method) dengan prinsip meminimalkan ∑εi2

Sehingga estimasi parameternya:

Sifat-sifat Estimator Least Squares

 Jika semua asumsi yang diberlakukan terhadap model regresi terpenuhi,

maka menurut suatu teorema (Gauss Markov theorem) estimator tersebut
akan bersifat BLUE (Best Linear Unbiased Estimator).
 Best = Terbaik, mempunyai varian yang minimum
 Linear = Linear dalam Variabel Random Y
 Unbiased = Tak bias
 Artinya estimator tersebut akan unbiased, linier dan mempunyai varian
yang minimum diantara semua estimator unbiased & linier yang lain.

Cara Menghitung Koefisien Determinasi

Dalam regresi linier sederhana, koefisien determinasi (r2) diartikan sebagai
ukuran kemampuan semua variabel bebas dalam menjelaskan varians terikat.
Karena koefisien determinasi (r2) merupakan kuadrat dari koefisien korelasi (r)
maka dapat rumus koefisien determinasi (r2) sama dengan rumus koefisien
korelasi (r) yang dipangkatkan.

Misalkan jika diperoleh nilai koefisien korelasi sebesar 0.92 maka koefisien
determinasinya adalah 0.85 di dapat dari (0.92)2. Artinya, kemampuan variabel
bebas dalam menjelaskan varian-varian variabel terikatnya sebesar 85% atau
masih terdapat sekitar 15% varias variabel terikat yang dijelaskan oleh faktor
lain.

Langkah Membuat Regresi Linear Sederhana

 Cari dulu apakah kedua variabel tersebut ada hubungan linear atau tidak
 Tentukan terlebih dahulu variabel independent (x) dan variabel
dependennya(y)
 Membuat diagram pencar dari data x dan y
 Dari diagram pencar tersebut akan diperoleh gambaran pola tebaran x dan
y.apakah membentuk hubungan linear?jika ya,maka model regresinya
adalah regresi linear sederhana,kalau tidak linear bias dicari regresinya
 Menghitung a dan b

 Menghitung y^=a+bx, dimana y^= estimasi harga y jika x

disubtitusikan kedalam persamaan regresi
 Membuat garis y^=a+bx  pada sumbu x dan y

Istilah dalam Regresi Linier Sederhana

  Koefisien Korelasi (r) adalah nilai yang menyatakan kuat atau tidaknya
hubungan antara 2 variabel
 Standar error koefisien regresi (E) adalah ukuran dari ketepatan koefisien
regresi dalam memprediksi nilai populasinya.Standar error diukur
berdasarkan akar kuadrat dari deviasi atau varians koefisien regresi
sampel dengan koefisien regresi populasi
 Koefisien determinasi regresi(r 2) adalah a. Nilai yang menunjukkan
seberapa besar pengurangan variasi dalam Y (variabel dependent) saat
satu atau lebih X (variabel independent) masuk kedalam model
regresi. b. Besarnya sumbangan / andil dari variabel x terhadap variasi
atau naik turunnya y.
 Konstanta (a) adalah perpotongan garis regresi dengan sumbu Y (nilai
estimate jika x = 0)
 Koefisien arah dari regresi linear (b) adalah nilai yang menunjukkan
seberapa besar perubahan nilai Y (variabel dependen) saat X (variabel
independent) bertambah satu-satuan

Contoh soal Regresi Linier Sederhana

Berikut contoh soal yang dapat dipecahkan menggunakan regresi linier
sederhana. Data disajikan dalam bentuk tabel dimana X merupakan umur mobil
sedangkan Y adalah harga mobil tersebut sebagaimana terlihat dibawah ini: