LAPORAN PRATIKUM

REGRESI LINIER SEDERHANA

STASTITIKA PENELITIAN
Dosen : Apt. Prasojo Pribadi, M.Sc

Sofia Daffa Azizah

18.0605.0002

PROGRAM STUDI S1 FARAMSI

FAKULTAS ILMU KESEHATAN
UNIVERSITAS MUHAMMADIYAH MAGELANG
1. Tujuan Pratikum
Mahasiswa mampu melakukan analisis data regresi liner sederhana

2. Dasar Teori
Pengertian regresi secara umum adalah sebuah alat statistik yang memberikan penjelasan
tentang pola hubungan (model) antara dua variabel atau lebih.. Dalam analisis regresi dikenal 2
jenis variabel yaitu:
a. Variabel Respon disebut juga variabel dependen yaitu variabel yang keberadaannya
dipengaruhi oleh variabel lainnya dan dinotasikan dengan variabel.
b. Variabel Prediktor disebut juga dengan variabel independen yaitu variabel yang bebas
(tidak dipengaruhi oleh variabel lainnya) dan dinotasikan dengan
Untuk mempelajari hubugan – hubungan antara variabel bebas maka regresi linier terdiri dari dua
bentuk, yaitu:
a. Analisis regresi sederhana (Simple analysis regresi)
b. Analisis regresi berganda (Multiple analysis regresi)
Analisis regresi sederhana merupakan hubungan antara dua variabel yaitu variabel bebas
(variable independen) dan variabel tak bebas (variabel dependen).
Sedangkan analisis regresi berganda merupakan hubungan antara 3 variabel atau lebih, yaitu
sekurang-kurangnya dua variabel bebas dengan satu variabel tak bebas. Tujuan utama regresi
adalah untuk membuat perkiraan nilai suatu variabel (variabel dependen) jika nilai variabel yang
lain yang berhubungan dengannya (variabel lainnya) sudah ditentukan (Hasan, 2010).
Regresi linier sederhana digunakan untuk mendapatkan hubungan matematis dalam bentuk
suatu persamaan antara variabel tak bebas tunggal dengan variabel bebas tunggal. Regresi linier
sederhana hanya memiliki satu peubah yang dihubungkan dengan satu peubah tidak bebas .
Bentuk umum dari persamaan regresi linier untuk populasi adalah dimana:
Y = a + bx
Y = Variabel takbebas
x = Variabel bebas
a = Parameter Intercep
b = Parameter Koefisisen Regresi Variabel Bebas
Menentukan koefisien persamaan a dan b dapat dengan menggunakan metode kuadrat
terkecil, yaitu cara yang dipakai untuk menentukan koefisien persamaan dan dari jumlah pangkat
dua (kuadrat) antara titik-titik dengan garis regresi yang dicari yang terkecil .
Pada analisis regresi sederhana dengan menggunakan SPSS ada beberapa asumsi dan
persyaratan yang perlu diperiksa dan diuji, beberapa diantaranya adalah :
• Variabel bebas tidak berkorelasi
• Jika variabel bebas lebih dari satu, maka antara variabel bebas (explanatory) tidak ada
hubungan linier yang nyata,
• Model regresi dikatakan layak jika angka signifikansi pada ANOVA sebesar <0.05,
Predictor yang digunakan sebagai variabel bebas harus layak. Kelayakan ini diketahui
jika angka Standard Error of Estimate < Standard Deviation,
• Koefisien regresi harus signifikan. Pengujian dilakukan dengan Uji T. Koefesien regresi
signifikan jika T hitung > T table (nilai kritis),
 • Model regresi dapat diterangkan dengan menggunakan nilai koefisien determinasi (KD
= R Square x 100%) semakin besar nilai tersebut maka model semakin baik. Jika nilai
mendekati 1 maka model regresi semakin baik,
• Residual harus berdistribusi normal,
• Databerskala interval atau rasio,
• Kedua variabel bersifat dependen, artinya satu variabel merupakan variable bebas
(variabel predictor) sedang variabel lainnya variabel terikat (variable response)

3. Cara Kerja
4. Pembahasan

Dari data output multi kolineaaritas yang ada dimana nilai Colinearity Tolerance 1.000 (>0,10)
sehingga tidak terjadi multikolinearitas model regresi. Nilia statistic VIF data sebesar 1.000 (<10)
maka dapat dikatakan data yang ada tidak terjadi multikoliniearitas pada model regresi yang ada.
• Berdasarkan tabel output Scatterplot diatas dapat diketahui bila :
1. Penyebaran titik tidak berpola
2. Titik menyebar diata dan dibawah atau sekitar angka 0
3. Titik tidak berkumpul pada bagian atas atau bawah saja
4. Titik tidak berbentuk pola gelombang kemudian melebar
Maka dari analisis diatas dapat di katakan bila modelregresi yang ada tidak mengalami
heterokedastisitas, dimana heterokedastisitas menjadi salah satu sayarat dari dilakukanya uji
regresi linear.
• Berdasarkan pada otput tabel model sumarry dapat dilihat output uji Dubin Watson sebasar
1.019 dimana pada model regresi linear sedrrhana tidak dapat mendeteksi adanya autokolerasi.
Sedangkan dalam Uji regresi linear berdganda uji Dubin Watson ini dapat mendeteksi adanya
autokolerasi pada model regresi.
• pada tabel Model Sumarry juga memuat nilai R Square yang menjelaskan menegenai
sumbangan evektif total. Nilai R menjelaskan bahwa variabel Penjualan dapat dipengaruhi oleh
variabel promosi sebasar 74.1%, sedangkan sisanya 25,9% dipengaruhi oelah variabel lain yang
tidak diukur dalam peneliatain tersebut.
• Dalam perumusan hepotesisi sederhana digunakan output dapat apada tabel Coefficients
dimana nilai t sebesar 4,785 (>1.96) maka Ha diterima, dedangkan nilia Sig sebesar 0,001 (<0,05)
maka Ha diterima. Sehingga dapat disimpulkan bila terdapat pengaruh promosi terhadap
penjaulan produk. Sedangkan untuk persamaan regresi linera yang di dapat yaitu:
Dari model regresi yang didapat dapat diketahui jika promosi mengalami kenaikan sebesar 1
maka volume penjualan akan naik sebesar 1.512 dan sebaliknya.

5. Daftar Pustaka
Hasan, Iqbal. 2010. Pokok-Pokok Materi Statistik 2 (Statistik Infrwnsial). Jakarta: Bumi Aksara.
Santoso,Singgih. 2012.Paduan Lengkap SPSS Versi 20. Jakarta : PT. Elex media Komputindo.