PRAKTIKUM 6.

ANALISIS DATA DENGAN METODE REGRESI LINIER

A. Tujuan Praktikum
Mahasiswa mampu melakukan analisis data pada pengukuran tidak langsung dengan
menggunakan metode regresi linier atau kuadrat terkecil dan menghitung korelasinya.

B. Dasar Teori
Metode Regresi Linier
Regresi sederhana didasarkan pada hubungan fungsional ataupun kausal antara satu
variabel independen dengan satu variabel dependen. Metode regresi linear sering
digunakan dalam analisis data hasil eksperimen. Eksperimen murni yang polanya tidak
linier dengan bantuan persamaan matematis bisa dijadikan menjadi linier. Dengan kata
lain dalam segala kondisi, apabila ada fenomena yang muncul tidak linear maka dalam
analisis data dilinearkan dengan memodifikasi persamaan matematis terlebih dahulu
kemudian dianalisis dengan metode linear.
Persamaan matematis yang digunakan dalam eksperimen IPA adalah persamaan garis
lurus y = a + bx. Metode regresi dengan menggunakan persamaan garis lurus ini
sangat sederhana dan mudah dilakukan sehingga bias diinterpretasikan hasil analisis
tersebut secara fisis. Selain itu, persamaan garis lurus ini mudah digunakan sebagai
alat bantu dalam analisis hasil eksperimen untuk menentukan nilai tetapan atau
konstanta dari variabel fisika yang menjadi tujuan eksperimen. Metode regresi dalam
aplikasinya digunakan sebagai metode pencocokan data yang dikenal dengan istilah
Least Square Fitting atau metode kuadrat terkecil yang diterapkan dalam persamaan
garis lurus, maka akan dapat ditetapkan nilai-nilai parameter persamaan garis lurus
yaitu a dan b tanpa perlu menggunakan grafik.
Metode kuadrat terkecil (Least-Squares Method) merupakan salah satu metode
pendekatan yang paling penting dalam dunia sains maupun teknik yang digunakan
untuk pembentukan persamaan dari titik-titik data diskretnya untuk menemukan model
yang sederhana. Metode kuadrat terkecil ini juga memainkan peranan penting dalam
teori statistik, karena metode ini seringkali digunakan dalam penyelesaian problem-
problem yang melibatkan kumpulan data yang tersusun secara acak, seperti dalam
waktu selama percobaan. Perlu difahami bahwa teori regresi akan memberikan
penyesesaian pasangan data (Xi;Yi) untuk dianalisa pada regresi yang diharapkan;
untuk itu bila di-inginkan akan dianalisa dengan linear maka data pasangan (X i;Yi) harus
diyakinkan berfungsi linear ( secara visual dapat di tampilkan pada grafik pengamatan).
Bila pada persamaan teori belum secara langsung menggambarkan hubungan yang
linear, maka dilakukan proses pelinearan terlebih dahulu.
Persamaan regresi linear diturunkan untuk menghitung pasangan data xi dan yi yang
memenuhi hubungan linear, yaitu:
y = a + bx
Dalam penampilan grafik y = f (x) sebagai berikut.
 Grafik Fungsi y = a + bx

Nilai b merupakan slope/ gradient garis dari grafik tersebut yang dapat ditentukan
dengan menggunakan persamaan berikut.
Analisis persamaan regresi linier dengan menggunakan persamaan sebagai berikut.
N ∑ xy −∑ x ∑ y
b=
∆
2
a=
∑ x ∑ y−∑ x ∑ xy
∆
2
∆=N ∑ x 2−( ∑ x )
N adalah jumlah data yang dianalis
Dengan nilai ketidakpastiannya a dan b sebagai berikut.

2 S2 ∑ x 2i
S=
a
∆

2 NS2
Sb =
∆
1
S2 = ∑ ( y i −a−b xi )2
N−2

Hubungan linier antara x dan y diharapkan berbentuk seperti persamaan yfit = a + bx,
yang dinamakan persamaan hasil fit linier, sehingga untuk setiap nilai xi bisa dihitung
nilai yfit = a + bxi sedangkan hasil pengukuran untuk nilai xi adalah yi. Secara teori,
regresi linear dapat dipergunakan untuk menemukan persamaan garis lurus terbaik dari
data pasangan (xi : yi) yang diperoleh dari hasil eksperimen yang secara eksplisit tidak
membatasi, apakah pasangan data tersebut betul–betul membentuk garis lurus. Hal ini
berimplikasi untuk pasangan data sembarang dapat dipilih garis lurusnya. Lebih dari itu,
hal ini sering menimbulkan kesalahan dalam penggunaan analisa data eksperimen.

Koefisien Korelasi
Koefisien korelasi adalah suatu nilai yang dipakai untuk mengetahui derajad kesesuaian
dari persamaan yang didapat. Data hasil pengamatan yang baik menunjukkan bahwa
variabel x dan variabel y menunjukkan hubungan persamaan garis lurus yang
memenuhi persamaan y = a + bx sebagaimana gambar di bawah.

Data Memenuhi Persamaan Garis Lurus

Data hasil pengamatan yang tidak baik menunjukkan bahwa variabel x dan variabel y
dalam eksperimen tidak menunjukkan hubungan garis lurus sebagaimana gambar
berikut.

Data Memenuhi Persamaan Garis Lurus

Korelasi linearitas dari data yang diperoleh adalah baik atau tidak, dapat diketahui
dengan menghitung nilai koefisien korelasi r dengan menggunakan rumus sebagai
berikut.
N ∑ x i y i− ∑ x i ∑ y i
r=
2 2
√ [ N ∑ x −(∑ x ) ][ N ∑ y −(∑ y ) ]
2
i i
2
i i

Nilai r semakin mendekati nilai 0 maka antara variabel x dan variabel y semakin tak
terkolerasi, artinya data tersebut tidak memenuhi persamaan garis lurus. Sebaliknya
nilai r semakin mendekati ± 1 maka antara variabel x dan variabel y semakin terkolerasi
secara linear. Nilai positif artinya variabel x dan variabel y terkorelasi secara positif, dan
sebaliknya jika negatif berarti variabel x dan variabel y terkorelasi negatif.
C. Alat dan Bahan
Data hasil percobaan sederhana dari praktikum fisika dasar, kimia umum, dan biologi
umum yang menggunakan metode pengukuran tidak langusng.

Keterangan: Anda juga diijinkan menggunakan data yang disiapkan dalam praktikum
alat ukur dan metode pengukuran dalam panduan ini.

D. Data Hasil Praktikum

Kelompok 1, 2, dan 3: Data Percobaan Lensa Cembung
No. Jarak Benda Jarak Benda Fokus Lensa
(So ± 0,05 ) cm (Si ± 0,05 ) cm (f ± ∆f) cm
1. 12,80 20,90 s 0 xsi
2. 12,90 22,50 f=
3. 13,20 20,50
s o + si
4. 13,40 21,50
5. 12,70 21,60
Y = So x Si
X = So + Si
Analisislah data di atas dengan metode regresi linier untuk menghitung (f ± ∆f)

Kelompok 4, 5, dan 6: Data Percobaan Hukum Ohm

No. Beda Potensial Kuat Arus Hambatan
(V ± 0,05) Volt (I ± 0,05) mA (R ± ∆R) cm
1. 0,15 14,00 V
2. 0,16 16,00 R=
3. 0,20 20,00
I
4. 0,25 22,00
5. 0,25 24,00
6. 0,28 27,00
7. 0,30 30,00

Analisislah data di atas dengan metode regresi linier untuk menghitung (R ± ∆R)

Kelompok 7, 8, 9, dan 10: Data percobaan ayunan matematis dirumuskan secara

matematis sebagai berikut.
L
T = 2π
√ g
4π2L
g=
T2
Keterangan L=Y dan T 2=X
deltaL
Gradien=b=
delta T 2
g=4 π 2 b
Periode ayunan dinyatakan T, panjang tali L, dan percepatan gravitasi g. Data hasil
percobaan yang diperoleh adalah sebagaimana tabel berikut.
No (L ± 0,05) (m) (T ± 0,05) (sekon)
 1. 0,60 1,60
2. 0,70 1,70
3. 0,80 1,80
4. 0,90 1,90
5. 1,00 2,00
6. 1,10 2,10
7. 1,20 2,20

Analisislah data di atas dengan metode regresi linier untuk menghitung (g ± ∆g).
(Diketahui nilai π = 3,142).

E. Kesimpulan
Tuliskan kesimpulan dari kegiatan praktikum Anda!