CRITICAL BOOK REPORT

ANALISIS REGRESI DAN VARIANS (MODEL REGRESI)

Dosen Pengampu:

Hanna Dewi Marina Hutabarat, S.Si

Disusun Oleh :

1. Bintang Tabita Br. Sianipar (4193111088)

2. Nurul Hidayah Sembiring (4193311003)

3. Areigi Doanta Sembiring (4193311026)

4. Parah Galu Pangestu (4193311032)

MATEMATIKA DIK E 2019

PROGRAM STUDI PENDIDIKAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI MEDAN

2022
 KATA PENGANTAR

Puji syukur kami panjatkan kepada Tuhan Yang Maha Esa yang telah
memberikan kami kesempatan dalam menyelesaikan makalah ini, sehingga kritik
buku (critical book report) ini dapat diselesaikan tepat pada waktunya. Terimakasih
kami ucapkan kepada Dosen pengampu matakuliah Analisis Regresi dan Varians
yaitu ibu Hanna Dewi Marina Hutabarat, S.Si yang telah membimbing kami
mahasiswa/i semester 7 tahun ajaran 2022/2023 sehingga kami dapat menyelesaikan
CBR ini tepat pada waktu yang telah ditentukan

Dalam makalah ini kami membahas dan menjelaskan dua buku mengenai
Analisis Regresi yang bertujuan untuk memberikan pengetahuan kepada para
pembaca tentang konsep berpikir materi tersebut. Selaku manusia biasa, kami
menyadari sepenuhnya bahwa dalam hasil makalah CBR ini masih terdapat
banyak kekurangan dan kekeliruan yang tidak disengaja.Oleh karena itu kami sangat
mengharapkan kritik dan saran. kami juga berharap agar nantinya makalah CBR
ini dapat bermanfaat bagi kita semua, khususnya pada mata kuliah Aalisis Regresi
dan Varians jurusan Pendidikan Matematika di Universitas Negeri Medan serta
mempermudah dalam penyelesaian penelitian mahasiswa dengan bagi yang
menggunakan Analisis Regresi sebagai metode penelitiannya.

Medan, Oktober 2022

Penulis
 DAFTAR ISI

KATA PENGANTAR..............................................................................................

DAFTAR ISI.............................................................................................................

BAB I PENDAHULUAN.........................................................................................

1.1 Latar Belakang........................................................................................

1.2 Rumusan Masalah...................................................................................
1.3 Tujuan......................................................................................................

BAB II RINGKASAN ISI BUKU...........................................................................

2.1 Buku Utama.............................................................................................

A. Model Regresi Linier Sederhana........................................................

B. Asumsi Tentang Kesalahan Random є...........................................

C. Model Regresi Ganda.........................................................................

2.2 Buku Pembanding....................................................................................

A. Regresi Linier Sederhana...................................................................

B. Regresi Linier Ganda..........................................................................

BAB III KELEBIHAN ISI BUKU..........................................................................

3.1 Aspek Tampilan Buku..............................................................................

3.2 Aspek Kelayakan Bahasa.........................................................................

3.3 Aspek Kelayakan Isi.................................................................................

3.4 Aspek Kelayakan Penyajian.....................................................................

BAB IV KELEMAHAN ISI BUKU........................................................................

4.1 Aspek Kelayakan Bahasa.........................................................................

4.2 Kelengkapan Subtopik.............................................................................

4.3 Aspek Kelayakan Penyajian.....................................................................

BAB V IMPLIKASI.................................................................................................
 5.1 Implikasi Terhadap Teori/Konsep............................................................

5.2 Analisis Mahasiswa..................................................................................

BAB VI KESIMPULAN DAN SARAN..................................................................

6.1 Kesimpulan...............................................................................................

6.2 Saran.........................................................................................................

DAFTAR PUSTAKA...............................................................................................
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Dalam suatau penelitian yang mengamati lebih dari satu faktor atau
peubah, biasanya akan timbul persoalan tentang relasi atau hubungan di
antara faktor-faktor yang diamati didalam penelitia. Untuk mengetahui bentuk
hubungan diantara faktor- faktor yang tersebut dapat digunakan analisis regresi
sebagai penguji hubungan sebab akibat. Analisis Regresi merupakan salah
satu analisis statsitika yang dimanfaatkan untuk mencari hubungan antara dua
atau lebih peubah kuantitatif sehingga salah satu peubah dapat diramalkan dari
peubah lainnya.
Sebagai tindak lanjut dari analisis regresi dapat ditentukan pula kadar atau
keeratan hubungan diantara faktor-faktor yang mempengaruhi. Untuk
mengetahui dan mengukur hubungan diantara faktor-faktor dapat dipergunakan
koefisian korelasi untuk factor yang berbentuk kuantitatif, sedangkan untuk
faktor yang berbentuk kualitatif pengukuran kadar hubungan atau kadar
ketergantungan dapat digunakan berbagaii uji.
Dalam tulisan ini akan dibahas mengenai Analisis Regresi yang
dijelaskan dalam dua buku, dimana kedua buku membahas Analisis Regresi
dengan topik yang sama namun dengan cara penyampaian yang berbeda
dimana kami akan membendingkan kedua buku ini pada aspek kelengkapan isi
serta kemudahan dalam memahami materi Analisis Regresi. Hal tentunya akan
mempermudah dalam penelitian agar nantinya mahasiswa dapat lebih
memahami buku yang tepat mengenai analisis regresi.

1.2 Rumusan Masalah

1. Apa yang dimaksud dengan model penelitian Analisis Regresi?
2. Bagaimana langkah-langkah dalam penggunaan metode Analisis
Regresi dalam penelitian?
3. Apa yang dimaksud dengan model regresi linier sederhana?
 4. Apa yang dimaksud dengan model regresi linier berganda?
5. Bagaimana membuat kesimpulan dari model penelitian Analisis Regresi?

1.3 Tujuan

Adapun tujuan dari penulisan CBR ini dapat dirangkum sebagai berikut :

1. Membantu mahasiswa untuk memahami materi Analisis Regresi.

Seperti yang diketahui bahwa analisis regresi merupakan salah satu metode
statistika yang digunakan sebagai uji penelitian agar dapat menyimpulkan
hasil dari penelitian itu sendiri. Mahasiswa dengan berbagai peran dilingkup
Universitas seringkali ikut serta terlibat dalam berbagai penelitian diberbagai
bidang seperti social, pendidikan, kesehatan dan yang lainnya, untuk itu
mahasiswa sangat membutuhkan pemahaman yang baik tentang Analisis
Regresi untuk mempermudah dalam penelitiannya.

2. Membantu mahasiswa untuk berpikir kritis.

Dengan adanya tugas CBR ini akan membantu mahasiswa untuk berpikir
kriis dikarenakan dalam tugas ini mahasiswa diwajibkan untuk menelaah
dan membandingkan dua buku yang memiliki cakupan materi yang sama.
mahasiswa dituntut untuk mampu mengemukakan pendapatnya terhadap
dua buku yang telah dibandingkan.

3. Membantu kemajuan ilmu pengetahuan

Tugas ini menghasruskan mahasiswa untuk memahami dua buku yang
memiliki cakupan materi yang sama, diharapkan dengan kegiatan tersebut
natinya mahasiswa akan menemukan ide atau gagasan yang baru untuk
kemudian dikembangkan dibidang ilmu pengetahuan sehingga nantinya hal
ini akan berakibat bagi perkembangan ilmu pengetahuan.
 BAB II
RINGKASAN ISI BUKU

2.1 Buku Utama

A. Model Regresi Linier Sederhana

Mempertimbangkan masalah untuk mencoba memprediksi nilai

respons y berdasarkan nilai variabel independen x. Garis yang paling pas dari
Data Bivariat,
y = a + bx

didasarkan pada sampel n pengamatan bivariat yang diambil dari

populasi pengukuran yang lebih besar. Garis yang menggambarkan
hubungan antara y dan x dalam populasi mirip dengan, tetapi tidak sama
dengan, garis yang paling cocok dari sampel. Membangun model
populasi untuk menggambarkan hubungan antara variabel acak y dan
variabel independen terkait x, dimulai dengan mengasumsikan bahwa
variabel yang diinginkan,y berhubungan linier dengan variabel bebas x. Untuk
menggambarkan hubungan linier, dapat menggunakan model deterministik
y=α + βx
Dimana α adalah perpotongan y nilai y ketika x = 0 dan b adalah
kemiringan garis, yang didefinisikan sebagai perubahan y untuk perubahan
satu unit di x, seperti yang ditunjukkan pada Gambar 1. Model ini
menggambarkan hubungan deterministik antara variabel kepentingan y,
kadang-kadang disebut variabel respon, dan variabel bebas x, sering disebut
variabel prediktor. Artinya, persamaan linear menentukan nilai pasti dari y
ketika nilai x diberikan. Perhatikan contoh berikut
 Gambar 1 Perpotongan y dan kemiringan garis
Tabel 1 menampilkan nilai tes prestasi matematika untuk sampel acak
dari n = 10 mahasiswa baru, bersama dengan nilai kalkulus akhir mereka.
Plot bivariat skor dan nilai ini diberikan pada Gambar 2. Perhatikan
bahwa titik-titik tersebut tidak terletak tepat pada sebuah garis, melainkan
tampaknya merupakan penyimpangan terhadap garis yang mendasarinya.
Cara sederhana untuk memodifikasi model deterministik adalah dengan
menambahkan komponen kesalahan acak untuk menjelaskan
penyimpangan titik-titik terhadap garis. Sebuah respon tertentu y
dijelaskan menggunakan model regresi sederhana.
y = α + βx + є

Tabel 1. Nilai tes prestasi matematika dan nilai akhir kalkulus untuk
mahasiswa baru Perguruan Tinggi

Mahasiswa Nilai Tes Prestasi Nilai Akhir

Matematika Kalkulus

1 39 65
2 43 78
3 21 52
4 64 82
5 57 92
6 47 89
7 28 73
8 75 98
9 34 56
10 52 75
 Gambar 2. Scatterplot dari data Tabel 1
Bagian pertama persamaan, α + β x disebut garis rata-rata
menggambarkan nilai rata-rata y untuk nilai x tertentu. Komponen kesalahan
є memungkinkan setiap respons individu y menyimpang dari garis sarana
dengan jumlah yang kecil. Dalam menggunakan model regresi sederhana ini
untuk membuat kesimpulan, harus lebih spesifik tentang "jumlah kecil" є.

B. Asumsi Tentang Kesalahan Random є

Asumsikan bahwa nilai є memenuhi kondisi berikut:

• Independen dalam arti probabilistik

• Memiliki rata-rata 0 dan varians umum sama dengan σ2

• Memiliki distribusi probabilitas normal

Asumsi tentang galat acak є ini ditunjukkan pada Gambar 3. untuk tiga
nilai tetap dari x, katakanlah, x 1, x 2 dan x 3

Gambar 3. Model Regresi Linier

 Model ini dibuat untuk populasi pengukuran yang umumnya tidak
diketahui. Namun, dapat menggunakan informasi sampel untuk
memperkirakan nilai α dan β, yang merupakan koefisien garis rata-rata,
E(y) = α + β x. Estimasi ini digunakan untuk membentuk garis yang paling
cocok untuk sekumpulan data tertentu, yang disebut garis kuadrat terkecil
atau garis regresi.

C. Model Regresi Ganda

Model linier umum untuk analisis regresi berganda menggambarkan

respons tertentu y menggunakan model yang diberikan berikutnya.

Model Linier Umum dan Asumsi

y=β 0 + β 1 x 1 + β 2 x 2 +…+ β k x k + ε
dimana

• y adalah variabel respons yang ingin Anda prediksi.

• β 0, β 1, β 2 ,… , β k adalah konstanta yang tidak diketahui.

• x 1, x 2, x 3 ,… , x k adalah variabel prediktor independen yang diukur

tanpa kesalahan

• є adalah kesalahan acak, yang memungkinkan setiap respons

menyimpang dari nilai rata-rata y sebesar є. Kita harus berasumsi
bahwa nilai є (1) adalah independen; (2) memiliki rata-rata 0 dan
varians umum σ2 untuk setiap himpunan x 1, x 2, x 3 ,… , x k ; dan (3)
terdistribusi normal.
Ketika asumsi tentang є ini terpenuhi, nilai rata-rata y untuk
sekumpulan nilai x 1, x 2, x 3 ,… , x k sama dengan bagian deterministik dari
model:

E( y)=β 0 + β 1 x 1 + β 2 x 2 +…+ β k x k
Model dan asumsi regresi berganda sangat mirip dengan model dan asumsi
yang digunakan untuk regresi linier. Model regresi berganda sangat fleksibel
dan dapat mengambil banyak bentuk, tergantung pada cara dimana variabel
independen x 1, x 2, x 3 ,… , x k dimasukkan ke dalam model.
Contoh 13.1

Misalkan kita ingin menghubungkan variabel acak y ke dua variabel

independen x 1 dan x 2. Model regresi berganda adalah

E( y)=β 0 + β 1 x 1 + β 2 x 2 +…+ β k x k+ε

dengan nilai rata-rata y diberikan sebagai

E( y)=β 0 + β 1 x 1 + β 2 x 2 +…+ β k x k
Persamaan ini adalah perpanjangan tiga dimensi dari garis rata-rata dari
Regresi Linier dan Korelasi dan menelusuri bidang dalam ruang tiga
dimensi (lihat Gambar 4). Konstanta β 0 disebut intersep‐nilai rata-rata
y ketika x 1 dan x 2keduanya 0. Koefisien β 1 dan β 2 disebut kemiringan
parsial atau koefisien regresi parsial. Kemiringan parsial βi (untuk i = 1

atau 2) mengukur perubahan y untuk perubahan satu unit di xi ketika

semua variabel bebas lainnya dianggap konstan. Nilai koefisien
regresi parsial‐ misalnya, β1‐dengan x 1 dan x 2 dalam model umumnya
tidak sama dengan kemiringan jika hanya memasangkan garis dengan x1
saja. Koefisien ini adalah konstanta yang tidak diketahui, yang harus
diestimasi menggunakan data sampel untuk mendapatkan persamaan
prediksi.

Gambar 4. Bidang sarana untuk contoh 13.1

2.2 Buku Pembanding

A. Regresi Linier Sederhana

B. Regresi Linier Ganda

 BAB III
KELEBIHAN ISI BUKU

3.1 Aspek Tampilan Buku

Buku utama dan buku pembanding memuat tampilan cover yang sangat
menarik yang disertai dengan warna dan gambar. Buku utama berjudul
Probability and Statistics dan buku pembanding berjudul Analisis Regresi
Linear

3.2 Aspek Kelayakan Bahasa

Buku utama menggunakan bahasa inggris dan buku pembanding

menggunakan bahasa indonesia. Buku utama ini dapat kita jadikan sebagai
bahan refrensi dalam menambah kosakata bahasa inggris. Buku ini sudah
sangat layak digunakan oleh mahasiswa baik dalam negeri maupun luar negeri.
Alur berpikir bahasa yang digunakan mudah dimengerti. Buku
pembanding menggunakan bahasa baku yang mudah dimengerti.

3.3 Aspek Kelayakan Isi

Kelengkapan sub topik pada buku utama sudah cukup lengkap, karena
materi yang ingin dibahas mengenai model regresi sudah dijelaskan dengan
jelas dan terperinci. Pada buku utama dan buku pembanding sudah dipaparkan
mengenai pengertian regresi, regresi linear sederhana, regresi linear berganda,
model untuk setiap model regresi dan disertai dengan gambar.

3.4 Aspek Kelayakan

Buku utama dan buku pembanding sudah sangat layak disajikan dan
dijadikan sebagai panduan ataupun refrensi dalam memahami materi mengenai
 model regresi karena ke dua buku ini saling melengkapi satu dengan yang
lainnya. Buku utama sudah menjelaskan topik utama secara lengkap dan buku
kedua memaparkan model di setiap model regresi.

BAB IV
KELEMAHAN ISI BUKU

4.1 Aspek Kelayakan Bahasa

Buku utama menggunakan bahasa asing yaitu bahasa inggris. Tidak

semua pembaca menguasai bahasa inggris sehingga dalam memahami materi
yang disampaikan sedikit sulit dan beberapa pembaca harus mentranslate
bahasa terlebih dahulu sehingga cukup lama memerlukan waktu untuk
memahami materi.

4.2 Kelengkapan Subtopik

Kelengkapan sub topik pada buku utama dan buku pembanding sudah
cukup lengkap, namun dalam buku pembanding tidak dijelaskan secara
lengkap mengenai sub topik dalam materi model regresi.

4.3 Aspek Kelayakan Penyajian

Buku utama dan buku pembanding sudah layak digunakan sebagai buku
panduan dalam belajar model regresi, namun pada buku pembanding materi
yang disajikan tidak begitu lengkap sehinggal dalam belajar kita membutuhkan
refrensi ataupun buku lain dalam mendukung pembelajaran kita mengenai
materi model regresi.
 BAB V
IMPLIKASI
5.1 Implikasi Terhadap Teori/Konsep

Menerapkan materi Analisis Regresi sebagai salah satu metode statistika

yang membantu dalam penelitian. Misalnya teori analisis regresi digunakan
dalam penelitian untuk meentukan hubunngan antara kalori dan berat badan.
Hal itu merupakan salah satu contoh implikasi dari teori Analisis Regresi
dimana metode penelitian ini akan digunakan ketika ingin menentukan
hubungan dari dua variabel atau lebih.

5.2 Analisis Mahasiswa

Dalam teori Analisis Regresi digunakan untuk menentukan hubungan

dari dua atau lebih varibael, disini hubungan yang dimaksud adalah
seberapa kuat keterkaitan antara dua atau lebih variabel tersebut. Jika dalam
teori hubungan yang dihasilka berkisar diantara -1 sampai 1, jika hubungan
bernilai 1 atau -1 maka hubungannya kuat akan tetapi jika nilainya 1 arah x
dan y nya akan sama akan tepai jika nilainya -1 maka arah x dan y akan
berlawanan, sedangkan jika nilai nya 0 maka artinya hubungan x dan y
lemah.

Analisis regresi linier digunakan untuk peramalan,dimana dalam model

terdapat variabel bebas X dan variabel bebas Y. Regresi linier itu
menentukan satu persamaan dan garis yang menunjukkan hubungan antara
variabel bebas dan variabel tak bebas yang merupakan persamaan penduga
yang berguna untuk menaksir/meramalkan variabel tak bebas. Untuk
mempelajari hubungan-hubungan antara variabel bebas, analisis ini terdiri dari
dua bentuk, yaitu : 1. Analisis regresi sederhana ( simple analisis regresi ) 2.
Analisis regresi berganda ( multiple analisis regresi ) Analisis regresi sederhana
merupakan hubungan antara dua variabel yaitu bebas (independent variable)
 dan variabel tak bebas (dependent variable). Sedangkan analisi regresi
berganda merupakan hubungan antara 3 variabel atau lebih, yaitu sekurang-
kurangnya 2 variabel dengan satu variable tak bebas.

BAB VI

KESIMPULAN

6.1 Kesimpulan

Analisis regresi memiliki dua tugas utama yaitu (a) member dasar untuk
mengadakan prediksi dan (b) member dasar untuk pembicaraan mengenenai
analisis kovariansi. Korelasi antara ubahan kriterium dengan ubahan predictor
dapat dilukiskan dalam suatu garis. Garis ini disebut garis regresi. Garis
regresi mungkin merupakan garis lurus atau mungkin merupakan garis
lengkung.
Tugas pokok Aalisis Regresi adalah :

1) Mencari korelasi antara kriterium dengan predictor.

2) Mengujii apakah korelasi itu signifikan ataukah tidak.

3) Mencari persamaan garis regresinya.

4) Menemukan sumbagan relative antara sesame predictor, diktatornya lebih

dari satu.

6.2 Saran

Dalam CBR ini diringkas berdasarkan 1 buku pembanding untuk diamati

dan diteliti dengan baik mengenai subgrup, ada baiknya jika pembaca tertarik
untuk membandingkan dengan buku yang lebih banyak untuk memperoleh
hasil yang lebih baik serta menambah pengetahuan lebih mendalam mengenai
subgrup. Dan jika hal ini dilakukan maka diharapkan akan muncul ide maupun
gagasan baru yang dapat bermanfaat untuk kedepannya.
 Sebaiknya pada pembahasan kali ini mengenai Analisis Regresi yang
merupakan salah satu model penelitian statistika, dapat dkembangkan kembali
baik dalam konsep teori maupun pada implikasi penerapan teori. Tentunya
dengan hal ini akan membentuk perkembangan ilmu pengetahuan yang lebih
baik kedepannya serta dapat membuat mahasiswa mampu berpikir kritis dan
mengembangkan ide maupun gagasan melalui penemuan lebih lanjut.
 DAFTAR PUSTAKA

Harlan, Johan. 2018. Analisis Regresi Linear. Depok : Gunadarma.

Mendenhall, William;dkk. 2009. Introduction Probability and Statistics.USA: Nulsan

Education