BAB I

PENDAHULUAN

1.1 Latar Belakang

Matematika merupakan ilmu yang memberikan berbagai manfaat kepada
manusia diberbagai bidang kehidupan. Matematika memberikan kemudahan dan
keefektifan dalam melakukan kegiatan sehari-hari. Selain itu, matematika juga
diterapkan dalam bidang ilmu lainnya, diantaranya fisika, kimia, ekonomi,
biologi, dsb.
Dalam ilmu statistika salah satu teknik yang umum digunakan dalam
menganalisis hubungan di antara dua atau lebih variabel bebas adalah analisis
regresi, karena pada dasarnya perubahan nilai suatu variabel tidak selalu terjadi
dengan sendirinya, hal tersebut dapat disebabkan oleh berubahnya variabel lain
yang berhubungan dengan variabel tersebut. Variabel yang dimaksud adalah
variabel bebas dan variabel terikat.
Berdasarkan hubungan kelinearan antar parameter dalam persamaan regresi,
model regresi mempunyai dua bentuk hubungan kelinearan yaitu regresi linear
dan regresi nonlinear. Regresi linear adalah salah satu metode analisis statistika
untuk mencari hubungan antara beberapa variabel yang merupakan variabel bebas
atau predictor dan variabel terikat atau respons. Pada regresi linear variabel bebas
dan variabel terikat diasumsikan memiliki hubungan yang linear. Sedangkan pada
regresi nonlinear, hubungan antara variabel bebas dengan variabel tak bebas
bersifat tak linear.
Peristiwa yang ada di sekitar seringkali merupakan kejadian yang dapat
dimodelkan dengan persamaan regresi, baik itu regresi linear ataupun regresi
nonlinear. Jika suatu data tidak dapat dinyatakan dengan persamaan regresi linear,
maka data tersebut merupaka data dengan persamaan regresi nonlinear. Pada
regresi nonlinear terdapat model quadratik, kubic, compound, logistic, invers, dan
lain-lain. Penentuan model regresi nonlinear yang akan digunakan dengan terlebih
dahulu melihat scattedplotnya. Kemudian dilakukan beberapa analisis terhadap
persamaan regresi yang didapatkan. Pada makalah ini, akan dibahas menganai

1
 regresi nonlinear sederhana model inverse serta langkah-langkah analisis regresi
dengan menggunakan aplikasi SPSS.
1.2 Rumusan Masalah
1.2.1. Apa yang dimaksud regresi nonlinear sederhana?
1.2.2. Apa yang dimaksud regresi nonlinear sederhana model inverse?
1.2.3. Bagaimana pengujian kecocokan model regresi nonlinear sederhana
inverse dengan Uji F?
1.2.4. Bagaimana pengujian signifikasi koefisien model regresi nonlinear
sederhana inverse dengan Uji T?
1.2.5. Bagaiman pengujian asumsi dari model regresi nonlinear sederhana
inverse?
1.2.6. Bagaimana contoh soal dan pembahasan mengenai persamaan regrasi
nonlinear sederhana inverse?
1.3 Tujuan
1.3.1. Untuk mengetahui pengertian regresi nonlinear sederhana
1.3.2. Untuk mengetahui pengertian regresi nonlinear sederhana model inverse
1.3.3. Untuk mengetahui cara pengujian kecocokan model regresi nonlinear
sederhana inverse dengan Uji F
1.3.4. Untuk mengetahui cara pengujian signifikasi koefisien model regresi
nonlinear sederhana inverse dengan Uji T
1.3.5. Untuk mengetahui cara pengujian asumsi dari model regresi nonlinear
sederhana inverse
1.3.6. Untuk mengetahui contoh soal dan pembahasan mengenai persamaan
regrasi nonlinear sederhana inverse

2
 BAB II
PEMBAHASAN

2.1 Definisi dan Model-Model Regresi Nonlinear Sederhana

Analisis regresi nonlinear sederhana adalah salah satu metode analisis
statistika untuk mencari hubungan nonlinear antara dua variabel yang merupakan
variabel bebas atau predictor dan variabel terikat atau respons. Bentuk grafik dari
regresi nonlinear adalah berupa lengkungan atau kurva (bukan garis lurus).
Berikut beberapa model regresi nonlinear beserta bentuk umum persamaannya.
a. Model Quadratic
2
Y = β0 + β 1 X + β 2 X
b. Model Eksponensial
β1X
Y = β0 e
c. Model Compound
X
Y = β0 β 1
d. Model Cubic
2 3
Y = β0 + β 1 X + β 2 X + β 3 X
e. Model Power
β1
Y = β0 X
f. Model Logistics
X −1
Y =( β 0 β 1 )
g. Model Invers
β1
Y = β0 +
X
h. Model S (Sigmoid)

(
Y =exp β 0 +
β1
X )
Dalam makalah ini, akan dibahas menganai analisis regresi nonlinear
sederhana model inverse.

3
2.2 Regresi Nonlinear Sederhana Inverse
Regresi nonlinear sederhana inverse merupakan suatu alat statistika untuk
membuat suatu persamaan yang menerangkan hubungan antara variabel bebas dan
variabel tak bebas, di mana persamaan yang dihasilkan berupa persamaan inverse.
Berikut merupakan bentuk umum persamaan regresi nonlinear sederhana inverse.
b
Y^ =a+
X

Untuk menghitung nilai a dan b , terlebih dahulu mentransformasi bentuk inverse

ke bentuk linear. Berikut transformasi dari bentuk inverse ke bentuk linear.

b
Y =a+
X
1
Y =a+bx , x=
X

Dimana bentuk Y =a+bx merupakan bentuk linear.

Berikut ini, merupakan contoh dari kurva persamaan inverse.

Gambar 2.1 Kurva Persamaan Regresi Nonlinear Sederhana Inverse

4
2.3 Pengujian Kecocokan Model Regresi Nonlinear Sederhana Inverse Terhadap
Data dengan Uji F (Uji Simultan)
Uji F dapat digunakan untuk menguji kecocokan model regresi dengan data
yang ada. Dengan kata lain, uji F menguji signifikasi secara simultan
(simultaneously) atau bersamaan seluruh koefisien regresi populasi. Berikut
perumusan hipotesis untuk uji F.
H 0 :Model tidak berarti (tidak signifikan)
H1: Model berarti (signifikan)
Pada H 0 berarti seluruh variabel bebas tidak memiliki pengaruh yang signifikan
secara statistika terhadap variabel tak bebas atau model yang didapat tidak sesuai
dengan data yang diberikan. Sedangkan H 1berarti bahwa model regresi sesuai
dengan data yang ada (merepresentasikan data). Pengambilan keputusan
dilakukan dengan ketentuan berikut.
 Jika F hitung ≤ F kritis , maka H 0 diterima dan H 1 ditolak.
 Jika F hitung > F kritis , , maka H 0 ditolak dan H 1 diterima.
Pengambilan keputusan terhadap hipotesis juga dapat dilakukan dengan
menggunakan pendekatan nilai probabilitas dari uji F. Nilai probabilitas dari uji F
dibandingkan dengan tingkat signifikasi yang digunakan. Berikut ini aturan
pengambilan keputusan terhadap hipotesis berdasarkan pendekatan nilai
probabilitas.
 Jika nilai probabilitas ≥tingkat signifikasi, maka H 0 diterima dan H 1 ditolak.
 Jika nilai probabilitas ¿tingkat signifikasi, maka H 0 ditolak dan H 1 diterima.

2.4 Pengujian Signifikasi Koefisien Regresi dengan Uji T (Uji Parsial)

Uji T dapat digunakan untuk menguji signifikasi koefisien regresi populasi.
Pada pengujian ini, hipotesis yang digunakan adalah sebagai berikut.
H 0 :b=0
H 1 : b ≠0
Perhatikan bahwa hipotesis nol menyatakan koefisien b bernilai nol. Dengan kata
lain, variabel bebas ( X ) memiliki pengaruh yang tidak signifikan secara statistika

5
 terhadap variabel tak bebas (berapapun nilai X , nilai Y akan konstan). Sedangkan
hipotesis alternatif menyatakan bahwa koefisien b tidak bernilai nol. Artinya
variabel bebas ( X ) memiliki pengaruh yang signifikan secara statistika terhadap
variabel tak bebas. Pengambilan keputusan dilakukan dengan ketentuan berikut.
 Jika |t hitung|≤|t kritis|, maka H 0 diterima dan H 1 ditolak.
 Jika |t hitung|>|t kritis|, maka H ¿¿ ditolak dan H 1 diterima.
Pengambilan keputusan terhadap hipotesis juga dapat dilakukan dengan
menggunakan pendekatan nilai probabilitas dari uji T. Nilai probabilitas dari uji T
dibandingkan dengan tingkat signifikasi yang digunakan. Berikut ini aturan
pengambilan keputusan terhadap hipotesis berdasarkan pendekatan nilai
probabilitas.
 Jika nilai probabilitas ≥tingkat signifikasi, maka H 0 diterima dan H 1 ditolak.
 Jika nilai probabilitas ¿tingkat signifikasi, maka H 0 ditolak dan H 1 diterima.

2.5 Pengujian Asumsi

2.5.1 Uji Kebebasan
Uji kebebasan chi-square digunakan untuk memeriksa kebebasan/
independensi dari dua variabel ketegorik sehingga kita dapat menyimpulkan
apakah kedua variabel tersebut saling bebas (tidak berpengaruh) atau saling terikat
(berpengaruh)
 H 0 : Kedua variabel saling bebas

 H 1 : Kedua variabel tidak saling bebas (terikat)

Uji Chi Square

2
n
( Oi−Ei )
X =∑
2

i=1 Ei

2
X :Chi Square
Ei :Nilai ekspetasi ke
O i : Nilai observasi (pengamatan) ke−i

Pengambilan keputusan dilakukan dengan ketentuan berikut.

6
  Jika nilai X 2 hitung ≤ nilai X 2 tabel, maka H 0 diterima dan H 1 ditolak
 Jika nilai X 2 hitung ¿ nilai X 2 tabel, maka H 0 ditolak dan H 1 diterima
2.5.2 Uji Normalitas
Uji Kolmogorov-Smirnov dapat digunakan untuk menguji suatu asumsi
apakah suatu data sampel berasal dari populasi yang berdistribusi normal atau
tidak. Hipotesis nol menyatakan bahwa data yang diteliti berasal dari populasi
yang berdistribusi normal, sedangkan hipotesis alternative menyatakan bahwa
data yang diteliti tidak berasal dari populasi yang berdistribusi normal.
Pengambilan keputusan terhadap hipotesis dilakukan dengan menggunakan
pendekatan nilai probabilitas (p-value) dari uji Kolmogorov-Smirnov terhadap
tingkat signifikasi α (significance level). Berikut aturan pengambilan keputusan
berdasarkan pendekatan probabilitas.
 Jika nilai probabilitas ≥tingkat signifikasi, maka H 0 diterima dan H 1 ditolak.
 Jika nilai probabilitas ¿tingkat signifikasi, maka H 0 ditolak dan H 1 diterima.

2.5.3 Uji Homogenitas

Uji homogenitas adalah pengujian mengenai sama tidaknya variansi–
variansi dua buah distribusi atau lebih. Uji homogenitas yang akan dibahas di
makalah ini adalah Uji Homogenitas Variansi. Uji homogenitas ini dilakukan
untuk mengetahui apakah variabel – variabel tersebut homogen atau tidak.
Langkah – langkah menghitung uji homogenitas
1. Mencari Varians / Standard Deviasi X dan Y

√ n ∑ X −( ∑ X )
2 2

SX =
2
n (n−1)

√ n ∑ Y −( ∑ Y )
2 2

SY =
2

n ( n−1 )

2. Mencari F hitung dari varians X dan Y dengan rumus

S besar
F=
S kecil

7
 3. Membandingkan F hitung dengan F tabel
 Jika F hitung ≤ F tabel, maka kedua variabel tersebut homogen
 Jika F hitung ¿ F tabel, maka kedua variabel tersebut tidak homogen

2.6 Contoh Soal Mencari Persamaan Regresi Nonlinear Sederhana Inverse

Persamaan regresi nonlinear sederhana inverse dari suatu data dapat
ditentukan dengan menggunakan metode kuadrat terkecil dan menggunakan
aplikasi SPSS.

2.6.1 Menggunakan Rumus (Metode Kuadrat Terkecil)

Misalkan diberikan data seperti pada tabel 2.1, dimana Y merupakan
variabel tak bebas dan X merupakan variabel bebas.

X Y
1 3
5 1,35
10 1,2
20 1,09
50 1,05
100 1,02
150 1,013
200 1,06
250 1,008
300 1,0067

Tabel 2.1 Data dengan Variabel X dan Y

8
Gambar 3.2 merupakan penyajian data pada tabel 2.1 dalam bentuk grafik.

Gambar 2.2 Penyajian Data Pada tabel dalam Bentuk Grafik

Pada gambar tesebut, pola sebaran dari titik-titik menyerupai kurva

persamaan inverse, sehingga hubungan antara variabel bebas X dan variabel tak
bebas Y pada tabel 2.1 akan didekati dengan kurva persamaan inverse. Berikut
akan dihitung nilai a dan b untuk persamaan regresi nonlinear sederhana invers.

Data ke- 1
X Y x= x
2
xY Y
2

i X

1 1 3 1 1 3 9
2 5 1,35 0,2 0.004 0,27 1,8225
3 10 1,2 0,1 0,01 0,12 1,44
4 20 1,09 0,05 0,0025 0,0545 1,1881
5 50 1,05 0,02 0,0004 0,021 1,1025
6 100 1,02 0,01 0,0001 0,0102 1,0404
7 150 1,013 0,006667 0,000044 0,006753 1,026169
8 200 1,06 0,005 0,000025 0,0053 1,1236
9 250 1,008 0,004 0,000016 0,004032 1,016064

9
 10 300 1.0067 0,003333 0,000011 0,003356 1,013445
Total 1086 12,798 1,399 1,053 3,495 19,773
Tabel 2.2 Pengolahan Data untuk Menentukan Nilai a dan b
Sehingga nilai a dan b dapat dicari menggunakan rumus berikut.

( )( )
10 10 10
n ∑ xY − ∑x ∑Y
i=1 i=1 i=1
b=

(∑ ) (∑ )
10 10 2
2
n x − x
i =1 i=1

10(3,495)−( 1,399 ) (12,798 )

¿
10 ( 1,053 ) −( 1,399 )2
34,95−17,904
¿
10,53−1,957
17,046
¿
8,573
¿ 1,988

a=Y −b x

( )
10 10

∑ Y −b ∑ x
i=1 i=1
¿
n
12,798−1,988 ( 1,399 )
¿
10
12,798−2,781
¿
10
10,017
¿
10
¿ 1,0017
Berdasarkan perhitungan diperoleh nilai a dan b masing-masing 1,0017 dan 1,988
, sehingga persamaan regresi nonlinear sederhana inverse adalah
1,988
Y^ =1,0017 +
X

10
 ^ =1,0017 + 1,988
Gambar 2.3 Grafik Persamaan Regresi Nonlinear Y
X
2.6.2 Menggunakan Aplikasi SPSS
Untuk mengetahui apakah data memiliki model linear atau nonlinear,
maka terlebih dahulu data diuji dengan menggunakan regresi linear. Pengujian
dengan SPSS dapat dilakukan dengan menginput data pada worksheet SPSS.
Kemudian pilih Analysis – Regression – Linear. Masukkan X sebagai variabel
Independent dan Y sebagai variabel Dependent, kemudian klik OK. Sehingga
didapatkan hasil output sebagai berikut

Dari hasil output tersebut didapatkan nilai R Square 0,201 . Dapat disimpulkan
bahwa model linear kurang sesuai untuk menyesuaikan data tersebut. Seperti yang
terlihat pada gambar berikut, bahwa banyak titik-titik yang jauh dengan garis
regresi. Sehingga disimpulkan bahwa data tersebut memiliki model nonlinear.
Berdasarkan letak titik-titik pada grafik, pengujian kita coba menggunakan uji
inverse.

11
 Persamaan regresi nonlinear sederhana dapat dilakukan melalui dua cara,
yaitu sebagai berikut
Cara 1 Dengan melakukan konversi variabel sehingga didapatkan bentuk
persamaan linear.
Persamaan regresi nonlinear sederhana inverse dari data pada tabel 2.1
dapat ditentukan menggunakan aplikasi SPSS dengan langkah-langkah sebagai
berikut.
a. Menginput data pada worksheet SPSS

1
b. Mengonversi X menjadi
X
 Pilih Transform, kemudian pilih Compute Variable.
 Ketik nama variabel dan bentuk konversi, kemudian klik OK.

12
  Sehingga akan muncul kolom X 1 (variabel baru) yang merupakan hasil
1
transformasi X menjadi .
X

c. Meregresikan X 1 terhadap Y
 Pilih Analyze – Regression – Linear. Masukkan Y sebagai variabel
dependen dan X 1 sebagai variabel independen. Pastikan Method adalah
Enter. Kemudian OK.

13
14
d. Menganalisis hasil output

Berdasarkan hasil output didapatkan

a=1,001 b=1,989
Sehingga persamaan regresi inverse yang didapatkan adalah
Y =1,001+1,989 X 1

15
 1
Karena X 1= , maka persamaan regresi dapat ditulis sebagai
X
1,989
Y =1,001+
X
Hasil menggunakan aplikasi SPSS ini sesuai dengan hasil dengan
menggunakan metode kuadrat terkecil. Disamping itu, nilai dari R Square
yang didapatkan adalah 0,998 yang berarti bahwa model regresi yang
digunakan sesuai dengan data. Selain itu nilai Sig (0,000) kurang dari α (0,05)
yang berarti terjadi penolakan H 0 sehingga model tersebut merupakan model
yang signifikan (berarti). Pada model tersebut variabel X mempengaruhi
variabel Y , ditunjukkan dengan nilai Sig (0,000) yang kurang dari α (0,05).

Cara 2 Menggunakan model invers

Selain menggunakan cara 1 persamaan regresi nonlinear sederhana inverse
dari data pada tabel 2.1 dapat ditentukan menggunakan aplikasi SPSS dengan
langkah-langkah sebagai berikut.
a. Menginput data pada worksheet SPSS

b. Kemudian pilih Analyze – Regression – Curve Estimation.

c. Setelah muncul kotak dialog Curve Estimation, masukkan variabel X pada
kotak Independent dan variabel Y pada kotak Dependent.
d. Pada Models pilih Inverse. Kemudian klik OK.

16
17
e. Menganalisis hasil output

18
 Pada
hasil output tersebut didapatkan nilai constant dan b1 berturut-turut 1,002 dan
1.988. Sehingga persamaan regresi invers yang didapatkan adalah

1,988
Y =1,002+
X
Hasil menggunakan aplikasi SPSS ini juga sesuai dengan hasil dengan
menggunakan metode kuadrat terkecil.

2.6.3 Uji Asumsi dengan Aplikasi SPSS

a. Uji Normalitas

Pengertian dan Kegunaan

 Uji Normalitas kolmogrov smirnov merupakan bagian dari uji

asumsi yang bertujuan untuk apakah nilai residualnya
berdistribusi normal atau tidak.
 Model regresi yang baik adalah memiliki nilai regresi yang
berdistribusi normal.

19
Dasar Pengembalian Keputusan

 Jika nilai signifikasi ¿ 0.05 , maka nilai residualnya berdistribusi

normal
 Jika nilai signifikasi ¿ 0.05, maka nilai residualnya tidak
berdistribusi normal.

Uji Normalitas dengan menggunakan SPSS dilakukan dengan

langkah-langkah berikut:

AnalyzeRegressionLinear Isilah Kotak independent dengan

Variabel X1 Isilah Kotak dependent dengan Variabel
YSaveMuncul kota dialog Linear Regression Save Centang
Unstandardized Residuals ContinueOKMuncul RES_1

Klik Analyze Nonparametric Tests1-Sample K-S (Kolmogorov

Smirnov)Isilah kotak Test Variable List dengan RES_1 Centang
normal pada Test DistributionOK

20
 Dari hasil tes uji normal tersebut didapat nilai signifikasi (0.606) yang
lebih dari nilai α (0.005) sehingga disimpulkan bahwa data tersebut
berdistribusi normal.

b. Uji Kebebasan

Uji homogenitas dengan menggunakan minitab dilakukan dengan

langkah-langkah berikut:

StatRegerssionIsikan “Y” pada kolom ResponseIsikan “x=1/X”

pada kolom predictorsPada Storage centang “Residulas, Standardized
residuals, Fits”OKGrapsFour in oneOKOK.

Karena |T |<2, maka garis biru tidak akan pernah memotong daris
merah. Sehingga dapat dikatakan bahwa data tersebut saling bebas.

21
c. Uji Homogenitas
Uji homogenitas dengan menggunakan Minitab dilakukan dengan
langkah-langkah berikut:
GraphScatter PlotWith Connect LineOK

22
Dari gambar di atas, tampak bahwa grafik tersebut tidak memiliki pola.
Sehingga dapat dikatakan bahwa data tersebut merupakan data yang
homogen.

23
 BAB III
PENUTUP

3.1 Kesimpulan

Regresi nonlinear sederhana inverse merupakan suatu alat statistika untuk

membuat suatu persamaan yang menerangkan hubungan antara variabel bebas dan
variabel tak bebas, di mana persamaan yang dihasilkan berupa persamaan inverse.
Berikut merupakan bentuk umum persamaan regresi nonlinear sederhana inverse.
b
Y^ =a+
X

3.2 Saran
Seharusnya kita senantiasa memperdalam pengetahuan kita tentang
matematika. Matematika memberikan berbagai kemudahan bagi kita dalam
menjalani kehidupan. Salah satu contohnya adalah materi analisis regresi invers.
Dalam hal ini, analisis regresi invers ternyata mempermudah manusia di berbagai
bidang kehidupan.

24
 DAFTAR RUJUKAN

Gio, P. U. dkk. 2016. BELAJAR OLAH DATA dengan SPSS, MINITAB, R,

MICROSOFT EXCEL, EVIEWS, LISREL, AMOS, dan SMARTPLS / Prana
Ugiana Gio dan Elly Rosmaini. Medan: USU Press.
Santoso, A. B. 2019. Teknik Setrika Data pada Regresi (Online)
https://agungbudisantoso.com/tehnik-setrika-data-pada-regresi/, diakses
pada 1 September 2019.

25