1.

Persamaan Umum Regresi Non Linear Model Hiperbola dan Bentuk Linear dari Persamaan
Tersebut
Persamaan regresi hiperbola (lengkung cekung) ada dua model, yaitu:

A. di mana garis persamaannya akan memotong sumbu , ini

berarti bahwa nilai ada yang negatif, atau bahkan keduanya (nilai maupun ) sama-sama
negatif.
Jika tidak ada berharga nol dapat ditulis menjadi:

Dan bentuk tersebut sudah linear terhadap

B. di mana garis persamaannya akan memotong sumbu , ini berarti bahwa dalam persamaan
ini penyebaran nilai ada yang negatif.
Model hiperbola ini jarang dipakai pada penelitian pendidikan karena nilainilai yang dihadapi dalam
dunia pendidikan sifatnya positif. Walaupun terjadi maka model ini pun dapat digunakan, sedangkan
perhitungan koefisien regresinya tidak berbeda dengan yang telah dibahas di muka (regresi linear

sederhana), hanya seluruh nilai diganti dengan . Dengan demikian maka untuk menghitung koefisien
regresi digunakan rumus:

Sedangkan untuk menghitung koefisien regresi digunakan rumus:

2. Menganalisa Model Regresi yang Telah Diperoleh

Jika telah diperoleh model regresi yang linear maka kita dapat melakukan analisa sebagai berikut:
1. Untuk menguji model regresi digunakan uji F, dengan hipotesis sebagai berikut
: model regresi tidak berarti
: model regresi berarti
Dengan alat bantu minitab, diperoleh nilai dari Anova, dan dari tabel
dapat diperoleh . Terima jika dan tolak jika
.

2. Uji Koefisien regresi

 Untuk menguji koefisien regresi menggunakan uji T, dengan hipotesis sebagai berikut
, artinya variabel bebas tidak berpengaruh terhadap variabel terikat.
, artinya variabel bebas berpengaruh terhadap variabel terikat. Dengan alat bantu minitab,
diperoleh nilai dari Anova, dan dari tabel
dapat diperoleh . Terima jika dan tolak jika
.

3. Uji asumsi analisis regresi

a) Normal residual
Untuk menguji kenormalan residual kita gunakan alat bantu minitab dan uji Anderson Darling dan
mencari nilai P_value, dan dengan hipotesis sebagai berikut:
: Residual berdistribusi normal.
: Residual tidak berdistribusi normal.
Untuk menentukan menolak atau menerima , dilakukan perbandingan P_value dengan suatu nilai
(taraf kepercayaan) dengan ketentuan sebagai berikut:
, jika data diperoleh dari penelitian di lapangan.
, jika data diperoleh dari penelitian di laboratorium.
, jika data diperoleh dari penelitian terhadap manusia atau binatang.
, dalam bidang kedokteran.
Terima jika P_value , Tolak jika P_value .
b) Kebebasan residual
Untuk menguji kebebasan residual dilihat dari autokorelasi fungsi untuk residual. Homogenitas
residual bersifat homogen atau tidak saling bebas jika ada korelasi antar sisa.
c) Homogenitas
Untuk mengetahui apakah sisa antara variable terikat dengan variable bebas mempunyai keragaman
yang homogen, atau tidak menunjukkan kecenderungan tertentu. Jika standar sisa 95% berada
diantara (-2,2) secara merata maka sisa dikatakan berada dalam sebaran sehingga mempunyai
keragaman yang tetap.
Jika asumsi kehomogenan ini terpenuhi maka secara otomatis asumsi normalitas akan dipenuhi, jika
sumsi ini tidak dipenuhi maka dilakukan cara untuk mengatasi salah satunya dengan cara
melakukan transformasi terhadap data tersebut.
3. Aplikasi Regresi Non Linear Model Hiperbola
Toko Maju Makmur pada hari pertama pembukaan memiliki jumlah pengunjung yang berbeda pada
setiap menitnya. Pada menit-menit pertama pembukaan, terdapat banyak pengunjung yang tertarik untuk
melihat-lihat dan membeli di toko tersebut. Data pengunjung diberikan sebagai berikut:
= menit setelah toko dibuka
= jumlah pengunjung toko

X Y X Y
20 150 500 97
35 125 800 62
60 105 1200 58
100 100 1300 40
150 92 1500 38
300 97 1600 35
Dengan minitab, didapatkan plot sebagai berikut:

Data di atas dianalisis dengan regresi model hiperbola yang ditransformasi menjadi bentuk linier.
Nilai-nilai yang diperlukan untuk mencari parameter adalah sebagai berikut:
X Y

20 150 0.0066667 400 0.1333

35 125 0.0080000 1225 0.2800
60 105 0.0095238 3600 0.5714
100 100 0.0100000 10000 1.0000
150 92 0.0108696 22500 1.6304
300 97 0.0103093 90000 3.0928
 500 97 0.0103093 250000 5.1546
800 62 0.0161290 640000 12.9032
1200 58 0.0172414 1440000 20.6897
1300 40 0.0250000 1690000 32.5000
1500 38 0.0263158 2250000 39.4737
1600 35 0.0285714 2560000 45.7143
Jumlah 7565 - 0.178936 8957725 163.143

Diperoleh ,

, dan sehingga didapat:

Jadi persamaan regresi model hiperbola dari data di atas adalah

Keterangan grafik:
Dari minitab diperoleh grafik yang menunjukkan taksiran garis regresi yang linier dengan koefisien
determinasi sebesar 92.7% dan sisanya sebesar 7.3%. Ini menunjukkan bahwa keragaman variabel

mempengaruhi sebesar 97.2%, sedangkan 7.3% dipengaruhi oleh variabel lain yang tidak masuk dalam
model.
Grafik di atas memperlihatkan taksiran intersep sebesar 0.00733 dan taksiran parameter sebesar
0.000012. R-Sq berkisar antara 0.1 sampai 0.5, dengan catatan semakn kecil nilai R-Sq, semakin lemah
hubungan antara kedua variable (begitu juga sebaliknya).
Model regresi linear telah diperoleh maka kita dapat menganalisis sebagai berikut:
1) Menguji model regresi
 Data di atas diperoleh dari data lapangan maka Dari minitab diperoleh
Anova sebagai berikut:

Dari AnovA di atas diperoleh nilai

Untuk menguji model regresi digunakan uji F, dengan hipotesis sebagai berikut:
Terima jika dan tolak jika .
: model regresi tidak berarti
: model regresi berarti
Dari tabel didapat
Karena maka menolak . Tanpa mencari dapat diketahui dari
yang berarti sehingga

dapat disimpulkan bahwa model regresi signifikan dengan kata lain data
sangat mendukung adanya hubungan antara menit

dengan pengunjung dengan persamaan . Adanya

hubungan ini dapat diidentifikasi dengan tingginya nilai koefisien determinasi sebesar 0.927 atau 92.7%.

2) Menguji koefisien regresi

Untuk menguji koefisian regresi digunakan uji T, dengan hipotesis sebagai berikut:
Terima jika dan tolak jika .
artinya variabel bebas tidak berpengaruh terhadap variabel
terikat. artinya variabel bebas berpengaruh terhadap variabel terikat.
Dengan alat bantu minitab, diperoleh
Hasil uji koefisien kemiringan garis regresi menunjukkan adanya pengaruh
menit terhadap pengunjung dengan nilai , jadi
. Tanpa mencari dapat diketahui dari . Karena maka
menolak dengan kata lain hipotesis
artinya variabel bebas berpengaruh terhadap variabel terikat diterima. Jadi variabel bebas sangat
mempengaruhi variabel tak bebas .

3) Uji asumsi analisis regresi a) Normal residual

Untuk menguji kenormalan residual kita gunakan alat bantu minitab dan uji Anderson Darling dan
mencari nilai P_value, dan dengan hipotesis sebagai berikut:
: Residual berdistribusi normal.
: Residual tidak berdistribusi normal.
Untuk menentukan apakah menolak atau menerima , P_value dibandingkan dengan suatu nilai .
Dari minitab diperoleh nilai P_value beserta grafiknya sebagai berikut:
 Terima jika P_value , Tolak jika
P_value .
Nilai P_value = 0.96 > 0.05 terima (memenuhi asumsi kenormalan sisaan), jadi residual
berdistribusi normal. b) Homogenitas
Untuk mengetahui apakah sisa antara variabel terikat dengan variabel bebas mempunyai keragaman
yang homogen, atau tidak menunjukkan kecenderungan tertentu. Jika standar sisa 95% berada diantara (-3,
3) secara merata maka sisa dikatakan berada dalam sebaran sehingga mempunyai keragaman yang tetap.
 Dari minitab diperoleh scatterplot hubungan antara sres1 dengan fits1. Berdasarkan gambar
diketahui bahwa standart sisa 95% berada antara (-3, 3) secara merata. Dengan kata lain sisa dikatakan
berada dalam sebaran sehingga keragamannya tetap (homogen). c) Kebebasan residual
Untuk menguji kebabasan residual dilihat dari autokorelasi fungsi untuk residual dengan menggunakan
alat bantu Minitab:

Karena garis hitam (data) tidak melebihi garis merah maka dapat dikatakan saling bebas atau tidak ada
korelasi antar sisaan.