Kelemahan: tidak ada metode baku yang dipercaya karena tiap orang bisa beda
Kelemahan: Persamaan regresi ini hanya menggunakan dua titik terendah dan
tertinggi saja dan titik-titik yang lain tidak dihiraukan dan sangat berbahaya jika
ada nilai ekstrim
Kelebihan: Sudah mengikutkan semua titik karena dicari rata-ratanya, dan ini
adalah cara terbaik daripada 2 cara diatas. Rata-ratanya dipengaruhi nilai
ekstrim masing-masing baik nilai ekstrim rendah maupun nilai ekstrim
tinggi,sehingga tidak menggambarkan regresi yang sebenarnya
E=y^−y
Dalam regresi linear sederhana hubungan variabel tersebut dapat dituliskan
dalam bentuk model persamaan linear:
y^=a+bx
Cara mencari nilai koefisien a pada regresi linier sederhana, maka didapat
bahwa a=y¯−bx¯
Variabel Bebas dan Terikat Regresi Linier Sederhana
(Dependent And Independent Variable)
dimana:
Metode estimasi yang digunakan pada regresi linier sederhana adalah Metode
Kuadrat Terkecil (Least Square Method) dengan prinsip meminimalkan ∑εi2
βˆ1=∑(X1−X¯¯¯¯¯)(Y1−Y¯¯¯¯)∑(X1−X¯¯¯¯¯)2
dan
βˆ0=Y¯¯¯¯−βˆ1X
Estimasi untuk Y jika X diketahui :
Yˆi=βˆ+βˆ1Xi
Sifat-sifat Estimator Least Squares
r2=[n∑xy–∑x∑yn∑x2−(∑x)2.∑y2−(∑y)2√]2
Baca Juga: Ukuran Sampel Penelitian yang Memenuhi Syarat Menurut Para Ahli
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.
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
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
5 85 425 25
4 103 412 16
6 70 420 36
Usia Mobil (tahun) Harga Mobil ($100)
xy x2
X y
5 82 410 25
5 89 445 25
5 98 490 25
6 66 396 36
6 95 570 36
2 169 338 4
7 70 490 49
7 48 336 49
Tabel diatas menyajikan data dengan variabel X adalah umur mobil dan variabel
Y adalah harga. Hasil estimasinya adalah sebagai berikut :
1 1996 15.000
2 1997 16.000
3 1998 17.000
4 1999 17.500
5 2000 18.000
6 2001 18.500
7 2002 18.500
8 2003 19.000
9 2004 19.250
10 2005 19.500
11 2006 19.750
JUMLAH 11 198.000
6 2001 18.500 0 0 0
Y’ = a + bX
Y’ = 18.000 + 436.36X
PENJUALAN PREDIKSI
NO TAHUN X^2 XY
(Y) (X)
Y’ = a + bX
Y’ = 19330 + 276.36X