MAKALAH KELOMPOK VI

“ REGRESI LINIER SEDERHANA”

Disusun untuk memenuhi tugas Mata kuliah Statistik

Dosen Pembimbing Mata Kuliah:

Prof. Dr. Daharnis, M.Pd., Kons
Dr. Rezki Hariko, S.Pd., M.Pd., Kons

Di Susun Oleh:

Anggi Dwi Noperlis 22151045

Humaira Mustika 22151014

Nur Khofifah Simamorang 22151026

PROGRAM STUDI S2 BIMBINGAN DAN KONSELING

FAKULTAS ILMU PENDIDIKAN

UNIVERSITAS NEGERI PADANG

2022

i
 KATA PENGANTAR

Selalunya kita mengucapkan puji dan syukur kehadirat Allah SWT yang telah
memberikan rahmat dan karunia-Nya kepada umat manusia sehingga dapat merasakan
pengalaman dan pembelajaran dalam kehidupan. Shalawat beriring salam senantiasa tercurahkan
untuk Nabi Besar Muhammad SAW yang telah membawa umat manusia dari alam jahiliah
menuju alam yang penuh ilmu pengetahuan dan teknologi yang kita rasakan pada saat ini
sehingga kelompok dapat menyelesaikan makalah dengan judul pembahasan “REGRESI
LINIER SEDERHANA”

Pemakalah Kelompok Enam (VI) tentunya mengucapkan terima kasih kepada:

1. Prof. Dr. Daharnis., M.Pd,. Kons dan Dr. Rezki Hariko, S.Pd., M.Pd., Kons sebagai dosen
pengampu mata kuliah Statistik.
2. Penulis buku sumber sebagai acuan dan bahan referensi teori untuk menyempurnakan
makalah kelompok kami.
3. Anggota kelompok yang ada dalam berdiskusi dengan pemahaman-pemahaman berkenaan
dengan teori yang dibahas.

Tentunya besar harapan kami untuk dapat diberikan kritikan serta saran yang bersifat
membangun terhadap kekurangan-kekurangan. Atas perhatian kami mengucapkan terima kasih
serta semoga makalah ini memberikan manfaat terhadap wawasan dan pengatahuan kita
bersama.

Padang, 10 Oktober 2022

Mengetahui,

Pemakalah Kelompok

ii
 DAFTAR ISI
KATA PENGANTAR.......................................................................................................ii
DAFTAR ISI......................................................................................................................iii
BAB I PENDAHULUAN..................................................................................................1
A. Latar Belakang.......................................................................................................1
B. Rumusan Masalah ................................................................................................1
C. Tujuan Penulisan....................................................................................................1
BAB II PEMBAHASAN...................................................................................................2
A. Pengertian Regresi.................................................................................................2
B. Regresi Linier Sederhana .....................................................................................3
C. Pengujian Signifikansi Koefisien Regresi.............................................................6
D. Uji Linier Regresi Sederhana ...............................................................................7
BAB III KESIMPULAN...................................................................................................10
A. Kesimpulan............................................................................................................10
B. Saran .....................................................................................................................10
DAFTAR PUSTAKA........................................................................................................11

iii
 BAB I

PENDAHULUAN

A. Latar Belakang
Analisis regresi merupakan salah satu bagian dari ilmu statistika yang paling banyak
aplikasinya. Analisis regresi membuat peneliti dapat menyusun model hubungan atau
pengaruh beberapa variabel bebas terhadap variabel terikat, bahkan digunakan untuk
meninjau kondisi berikutnya. Regresi mempunyai bermacam-macam bentuk diantaranya
regresi linier sederhana dan regresi linier berganda yang digunakan untuk mencari model
hubungan linier antara variabel-variabel bebas dengan variabel terikat sepanjang tipe
datanya adalah interval atau rasio.
Sebagai akibatnya, analisis regresi perlu dipelajari untuk mengetahui analisis data yang
terdiri atas banyak variabel. Jika peneliti mempunyai data yang terdiri atas dua atau lebih
variabel maka perlu untuk mempelajari cara bagaimana variabel-variabel itu berhubungan.
Hubungan yang didapat pada umumnya dinyatakan dalam bentuk persamaan untuk
menjelaskan hubungan fungsional antara variabel-variabel dalam penelitian. Studi yang
menyangkut masalah ini dikenal dengan analisis regresi. Pada makalah ini akan membahas
lebih lanjut terkait topik analisis regresi sebagai berikut.
B. Rumusan Masalah
a. Apa itu Pengertian Regresi?
b. Apa itu Regresi Linier Sederhana?
c. Bagaimana Pengujian Signifikansi Koefisien Regresi ?
d. Bagaimana Uji Linier Regresi Sederhana ?
C. Tujuan Penulisan
a. Untuk Mengetahui Pengertian regresi
b. Untuk Mengetahui Regresi Linier Sederhana
c. Untuk Mengetahui Pengujian Signifikansi Koefisien Regresi
d. Untuk Mengetahui Uji Linier Regresi Sederhana

1
 BAB II

PEMBAHASAN

A. Pengertian Regresi
Istilah regresi dikembangkan oleh Galton. Galton melakukan analisis
perbandingan antara tinggi badan anak laki-laki dengan tinggi badan ayahnya. Hasilnya
disimpulkan bahwa rata-rata tinggi badan anak laki-laki dari ayah yang tinggi kurang
dibandingkan dengan rata-rata ayah mereka. Sebaliknya rata-rata tinggi anak laki-laki
dari ayah yang pendek, lebih dari rata-rata tinggi ayah mereka.
Regresi tidak lain adalah bentuk hubungan antara variabel prediktor dan variabel
respon. Hubungan ini biasanya dinyatakan dalam bentuk persamaan matematis yang
bentuknya dapat linear maupun non-linear. Persamaan yang dihasilkan merupakan
sebuah prediksi yang menggambarkan hubungan antara variabel prediktor dan variabel
respon. Namun sebagaimana layaknya arti kata prediksi maka prediksi yang tergambar
dari persamaan regresi bukanlah merupakan hal yang pasti, tetapi merupakan suatu
keadaan yang mendekati kebenaran.
Korelasi dan regresi keduanya mempunyai hubungan yang sangat erat. Setiap
regresi pasti ada korelasinya, tetapi korelasi belum tentu dilanjutkan antara dua variabel
yang tidak mempunyai hubungan kasual (sebab akibat), atau hubungan fungsional. Untuk
menetapkan kedua variabel mempunai hubungan kausal atau tidak, maka harus
didasarkan pada teori atau konsep-konsep tentang dua variabel tersebut. Wiwik (2017)
Contoh sederhananya seperti hubungan antara IQ mahasiswa dengan IPK-nya,
dapat dikatakan sebagai hubungan kausal, hubungan antara kepemimpinan dengan
kepuasan kerja pegawai dapat dikatakan sebagi hubungan yang fungsional. Hubungan
antara kupu-kupu yang datang dengan banyaknya tamu di rumah bukan merupakan
hubungan kausal maupun fungsional.
Kita gunakan analisis regresi bila kita ingin mengetahui bagaimana variabel
dependent (tidak bebas) dapat diprediksikan melalui variabel independent (variabel
bebas/prediktor) secara individual. Dampak dari penggunaan analisis regresi dapat
digunakan untuk memutuskan apakah naik dan menurunnya variabel dependent dapat
dilakukan dengan menaikkan dan menurunkan variabel independent. Nuryadi (2017)

2
 Hubungan yang terjadi antara dua variabel dapat pula ditinjau dari sifat
hubungannya, yaitu hubungan langsung atau tidak langsung. Dikatakan hubungan
langsung apabila perubahan variabel independen secara langsung diikuti oleh perubahan
variabel dependen. Misalnya, hubungan antara berat badan dengan tinggi badan.
Dikatakan hubungan tidak langsung apabila perubahan yang terjadi pada variabel
independen tidak secara langsung mengakibatkan perubahan pada variabel dependen.
Misalnya, hubungan antara derajat kesehatan masyarakat dengan banyaknya penduduk
yang memiliki mobil.
Sering kali peneliti ingin melihat kondisi di waktu yang akan datang dengan suatu
dasar keadaan sekarang atau ingin melihat kondisi di waktu yang lalu dengan dasar
keadaan sekarang. Sifat ini melakukan prediksi atau taksiran mulai berkembang dalam ini
melakukan prediksi atau taksiran mulai berkembang dalam dunia ekonomi, tetapi
sekarang banyak dilakukan prediksi keadaan siswa untuk waktu yang akan datang
merupakan kondisi yang sangat dibutuhkan dalam dunia pendidikan. Melalui prediksi
yang baik, perencanaan pendidikan, naik yang menyangkut kurikulum, metode mengajar,
fasilitas ruangan dan guru , dan lain – lainya, akan dapat direalisasikan seefesien
mungkin.
Fungsi regresi dalam pendidikan berguna untuk memprediksi suatu kondisi dalam
dunia pendidikan sehingga diharapkan kurikulum, metode mengajar, perencanaan
pendidikan, fasilitas ruang pendidikan dan lain lain dapat direalisasikan seefisien
mungkin.
B. Regresi Linier Sederhana

Dalam regresi linear, nilai-nilai Y diperoleh dari beberapa populasi, setiap

populasi itu ditentukan oleh nilai X tertentu. Keacakan Y diperlukan agar teori peluang
dapat diterapkan. Selain itu juga diasumsikan bahwa populasi-populasi Y itu menyebar
normal dengan ragam yang sama.
Variabel Y itu disebut variabel tidak bebas, karena setiap nilai Y bergantung pada
populasi yang diambil contohnya. Peubah X disebut variabel bebas atau argumen. Setelah
ditetapkan terdapat hubungan logis diantara dua variabel, maka untuk mendukung
analisis lebih jauh, tahap selanjutnya adalah menggunakan grafik.

3
 Y

Ý =a+bX

a
X

Garis linear yang ditarik melalui titik-titik koordinat (diagram) sering kali
dinamakan garis prediksi atau regresi. Karena adanya variasi sampling maka nilai (Xi, Yi)
yang diobservir tidak akan semuanya terletak pada garis prediksinya. Umumnya nilai-
nilai itu akan menyebar sekitar garis prediksinya. Bagi tiap X akan terdapat distribusi Y
yang diobservir dan yang bersesuaian dengan nilai tertentu sebagai sampel random.
Akhirnya, garis regresi merupakan garis atau kurva yang menghubungkan rata-rata
distribusi Y dengan seluruh kemungkikan nilai X. Jika asumsi demikian dapat diterima
maka hubungan kita akan perkiraan ialah
Menurut Irianto (2021) persamaan regresi sederhana yang mungkin dapat digunakan
yaitu :
Ý =a+bX

Keterangan:
Ŷ = Dibaca Y topi, yaitu subjek dalam variabel dependen yang diprediksikan
a=¿ Harga Y bila X = 0 (konstanta)
b=¿ Koefisien regresi atau arah hubungan apakah positif atau negatif, yang
menunjukkan angka peningkatan ataupun penurunan variabel dependen
yang didasarkan pada variabel independen
X = Subjek pada variabel independen yang mempunyai nilai tertentu

Untuk mencari nilai a dan b dapat digunakan rumus sebagai berikut:

4
 (∑ Y )(∑ X 2)−(∑ X )(∑ XY )
a₌ 2
n ∑ X −¿¿

n ∑ XY −( ∑ X )(∑ Y )
b= 2
n ∑ X −¿ ¿
Hitunglah persamaan regresi untuk data berikut ini :

Tinggi Loncatan
Tinggi Badan (X)
(Y)
160 165 160 172
155 171 155 169
155 172 160 171
175 163 180 168
160 165 170 178
171 180 162 180
176 179 167 180
177 181 181 185
170 178 180 169
175 177 181 170
a. Apakah persamaan tersebut dapat digunakan untuk melakukan prediksi atas nilai Y jika
diketahui nilai X nya ?
Jawab :
a. Persamaan regresi:
2 2
X Y X Y X.Y
181 185 32761 34225 33485
180 181 32400 32761 32580
179 181 32041 32761 32399
178 180 31684 32400 32040
177 180 31329 32400 31860
177 180 31329 32400 31860
176 180 30976 32400 31680
175 178 30625 31684 31150
175 172 30625 29584 30100
172 171 29584 29241 29412
171 170 29241 28900 29070
171 170 29241 28900 29070
170 169 28900 28561 28730
165 169 27225 28561 27885
165 168 27225 28224 27720
163 167 26569 27889 27221

5
 160 162 25600 26244 25920
160 160 25600 25600 25600
155 160 24025 25600 24800
155 155 24025 24025 24025
3.405 3.438 581.005 592.360 586.607

a =
∑ X 2 . ∑ Y 2−∑ X . ∑ XY
2
n ∑ X −( ∑ X )
2

(581005 x 3438)−(3405 x 586607 )

a =
(20 x 581005 )−(11594025 )
a = 3,77
n ∑ XY−∑ X ∑ Y
b =
n ∑ X 2 −( ∑ X )
2

(20 x 586607 )−(3405−3438)

b =
(20 x 581005)−(11594025)
b = 0,99
Sehingga persamaan liniernya adalah
^ 3,77 + 0,99X
Y=
C. Pengujian Signifikansi Koefisien Regresi

Sebelum kita beranjak lebih lanjut perlu kita melihat apakah koefisien regresi kita
cukup signifikan? Untuk itu perlu pengujian signifikansin koefisien regresi. Mengingat
koefisien regresi yang sangat mempengarugi nilai taksiran adalah b, maka pengujian di
sini cukup hanya menguji signifikansi koefisien regresi. Walaupun demikian masih
dimungkinkan untuk meakukan pengujian signifikansi koefisien regresi a, sebagaimana
kepuasan peneliti. Pengujian kedua koefisien ini mempunyai langkah yang sama.

b. Apakah persamaan tersebut dapat digunakan untuk melakukan prediksi atas nilai
Y jika diketahui nilai X nya ?
Hipotesis matematisnya :
H O : β= 0
H O : β≠ 0
Standard error koefisien regresinya adalah:

6
 2

n ∑ Y −( ∑ Y ) −
2 2 { (n x ∑ XY )−( ∑ X ∑ Y )}
2
n x ∑ X −( ∑ X )
2
σ2 =
( n−2 ) {n x ∑ X 2 − ( ∑ X ) }
2

{(20 x 586607 )−(3405 x 3438 )}

20 x 592360−11819844−
20 x 581005−11594025
σ2 =
(20−2)(20 x 581005−11594025
σ 2 = 0,004105570
σ = 0,064

Nilai t koefisien regresi b adalah:

t =(b−β )/σ
t =(0,99−0 )/0 , 064
t =15,41
Jika menggunakan alpha 0,05 maka tabel t dengan dk = 18 adalah 2,101. Dengan demikian
menolak hipotesis nol, artinya koefisien regresi adalah signifikan sehingga ada hubungan
antara X dan Y, sehingga persamaan dapat digunakan untuk melakukan prediksi

Secara singkat langkah – langkah dalam perhitungan regresi linier sederhana adalah :

1. Menghitung nilai a dan b bentuk menentukan persamaan regresi linier sederhana.

2. Menguji signifikan koefisien regresi (bisa seluruh koefisien regresi diuji , tetapi yang
terpenting adalah koefisien regresi).
3. Menghitung variansi untuk selanjutnya digunakan untuk menentukan standard error
penaksiran.
4. Menentukan confidence interval dari penaksiran.
5. Menguji signifikansi dari pada koefisien korelasi.
6. Melakukan interpretasi.
D. Uji Linier Regresi Sederhana

Contohnya Uji linieritas persamaan pada soal a

Menghitung sum of squares berkaitan dengan regresi a :
SS a =( ∑ Y 2 ) /n
2
SS a =(3438) /20 SS a = 590992,2
Menghitung sum of squares berkaitan dengan regresi b/a:

7
SS b/a = b {∑ XY−
( ∑ X )(∑ Y )
n }
SS b/a = 0,99 { 586607−
3405 x 3438
20 } SS b/a = 1271,45

Menghitung sum of squares sisa:

SS sisa =∑ Y −SS a −SSb /a
2

SS sisa =(3438 )2−590992 , 2−1271 , 45 SS sisa = 96,35

Menghitung sum of squares error:

(∑ )
2
(∑ Y )
SS error =x ∑ k Y 2−
nk

(
SS error = 185 2− ) ( 185 2
1 ) (
+ 1812 −
1812
1
+ 1812 −
1812
1
+ 1802 −
1802
1
+ ) ( )
( ) (
(180+180 )2
1 )
2
180 2
1802 +180 2− 180 −
+ +
2

( ) ( 1 )+
2 2
2 (178+172 )
2 171 2
178 +172 − + 171 −
2

( (170+170 )2
) ( )
2
2 2 2 2 (169+169 )
170 +170 − + 169 +169 − +
2 2

(169 −1691 )+ (168 −1681 )+ (167 −1671 )+

2 2 2
2 2 2

( (162+160 )2
) ( )
2
2 2 2 2 (160+155 )
162 +160 − + 160 +155 − +
2 2
SS error = 0+0+0+0+0+0+18+0+ 0+0+ 0+0+0+2+12 , 5
SS error = 32,5

Menghitung squares ketidaksamaan:

SS ketidaksamaan = SSsisa −SSerror
= 96,35 – 32,5
= 63,85
MS ketidaksamaan = SSketidaksamaan : dk SS ketidaksamaan

8
 = 63,85 : (15 – 2)
= 4,91
MS error = SSerror : dk SS error
= 32,5 : (20 – 15)
= 6,5
Untuk menguji linieritas akan menggunakan F tes, Hipotesisnya sebagai berikut:
H0 : Persamaan regresi linier
H1 : Persamaan regresi tak linier
F = MSketidaksamaan :MSerror
= 4,91 : 6,5
= 0,75
Jika mengambil alpha () 0,05, maka F0,05(5,15) = 2,9 (lihat tabel)
Oleh karena F hitung lebih kecil dari pada F tabel maka kita akan menerima Hipotesis nol
^
yang mengatakan bahwa persamaan regresi yang diperoleh yaitu Y= 3,77 + 0,99X
merupakan persamaan regresi linier. Dengan demikian tidak perlu mencari model persamaan
lain.

9
 BAB III
PENUTUP
A. Kesimpulan
Istilah regresi dikembangkan oleh Galton. Galton melakukan analisis
perbandingan antara tinggi badan anak laki-laki dengan tinggi badan ayahnya.
Hasilnya disimpulkan bahwa rata-rata tinggi badan anak laki-laki dari ayah yang
tinggi kurang dibandingkan dengan rata-rata ayah mereka. Sebaliknya rata-rata tinggi
anak laki-laki dari ayah yang pendek, lebih dari rata-rata tinggi ayah mereka.
Regresi tidak lain adalah bentuk hubungan antara variabel prediktor dan variabel
respon. Hubungan ini biasanya dinyatakan dalam bentuk persamaan matematis yang
bentuknya dapat linear maupun non-linear. Persamaan yang dihasilkan merupakan
sebuah prediksi yang menggambarkan hubungan antara variabel prediktor dan
variabel respon. Namun sebagaimana layaknya arti kata prediksi maka prediksi yang
tergambar dari persamaan regresi bukanlah merupakan hal yang pasti, tetapi
merupakan suatu keadaan yang mendekati kebenaran.
B. Saran
Dengan diselesaikanya makalah ini penulis berharap makalah ini dapat
menambahkan wawasan dan pengetahuan pembaca. Selanjutnya penulis juga
mengharapkan kritik dan saran guna peningkatan kualitas dalam penulisanya makalah
ini.

10
 DAFTAR PUSTAKA

Nuryadi, dkk. 2017. Dasar-Dasar Statistik Penelitian. Yogyakarta: Gramasurya

Irianto, Agus. 2021. Statistik untuk Ilmu Sosial. Jakarta: Kencana
Sulistiyowati,Wiwik. 2017. Statistika Dasar Konsep Dan Aplikasinya.
Sidoarjo:UMSIDA Press

11