LAPORAN REGRESI LINEAR

Statistika Terapan
Dosen Pengampu : Husin, S.Kom, M.MT

Disusun Oleh :

Nama : Zhaqian Rouf Alfauzi

NIM : E31221446
Golongan :B
Program Studi :Manajemen Informatika
Jurusan :Teknologi Informasi

Jurusan Teknologi Informasi

Politeknik Negeri Jember
2022
Mata Kuliah : Statistika Terapan

1. Dasar Teori
Penggunaan statistika dalam mengolah data penelitian berpengaruh terhadap tingkat
analisis hasil penelitian. Penelitian-penelitian dalam bidang ilmu pengetahuan alam (IPA) yang
menggunakan perhitungan-perhitungan statistika, akan menghasilkan data yang mendekati benar
jika memperhatikan tata cara analisis data yang digunakan. Dalam memprediksi dan mengukur
nilai dari pengaruh satu variabel (bebas/independent/ predictor) terhadap variabel lain (tak
bebas/dependent/response) dapat digunakan uji regresi.
Analisis/uji regresi merupakan suatu kajian dari hubungan antara satu variabel, yaitu
variabel yang diterangkan (the explained variabel) dengan satu atau lebih variabel, yaitu variabel
yang menerangkan (the explanatory). Apabila variabel bebasnya hanya satu, maka analisis
regresinya disebut dengan regresi sederhana.
Apabila variabel bebasnya lebih dari satu, maka analisis regresinya dikenal dengan regresi
linear berganda. Dikatakan berganda karena terdapat beberapa variabel bebas yang mempengaruhi
variabel tak bebas. Analisis/uji regresi banyak digunakan dalam perhitungan hasil akhir untuk
penulisan karya ilmiah/penelitian. Hasil perhitungan analisis/uji regresi akan dimuat dalam
kesimpulan penelitian dan akan menentukan apakah penelitian yang sedang dilakukan berhasil atau
tidak. Analisis perhitungan pada uji regresi menyangkut beberapa perhitungan statistika seperti uji
signifikansi (uji-t, uji-F), anova dan penentuan hipotesis. Hasil dari analisis/ uji regresi berupa suatu
persamaan regresi. Persamaan regresi ini merupakan suatu fungsi prediksi variabel yang
mempengaruhi variabel lain. Dalam modul ini dibahas regresi linier sederhana dan pengujian
signifikansi hipotesis menggunakan uji-t.
Regresi Linier Sederhana (RLS) Regresi linier sederhana adalah suatu metode statistik yang
berupaya memodelkan hubungan antara dua peubah acak dimana satu peubah acak memengaruhi
peubah acak yang lainnya (Soleh, 2005), yang dimaksud dengan linier dalam RLS adalah bahwa
variabel terikat (Y) memiliki hubungan yang linier berupa garis lurus terhadap parameter
regresinya (dalam hal ini a1 dan a2). Sedangkan maksud sederhana dalam RLS menunjukkan
bahwa dalam model regresi yang terbentuk hanya melibatkan satu variabel bebas (X) dan satu
variabel terikat (Y).
 Persamaan Regresi Linier Sederhana Persamaan regresi linier sederhana merupakan suatu
model persamaan yang menggambarkan hubungan satu variabel bebas/ predictor (X) dengan satu
variabel tak bebas/ response (Y), yang biasanya digambarkan dengan garis lurus, seperti disajikan
berikut.

Ilustrasi Garis Regresi Linier Persamaan regresi linier sederhana secara matematik diekspresikan
oleh :
Y ˆ = a + bX
yang mana :
Y ˆ = garis regresi/ variable response
a = konstanta (intersep), perpotongan dengan sumbu vertical
b = konstanta regresi (slope)
X = variabel bebas/ predictor
Besarnya konstanta a dan b dapat ditentukan menggunakan persamaan :

∑ 𝑌 − 𝑏(∑ 𝑋)
𝑎=
𝑛

𝑛(∑ 𝑋𝑌) − (∑ 𝑋)(∑ 𝑌𝑖 )

𝑏=
𝑛 ∑ 𝑋 2 − (∑ 𝑋)2

yang mana n = jumlah data

2. Tugas
Menentukan Persamaan Regresi Linear dengan cara manual dan di buktikan dengan analisis
ToolPak Excel.
1) Soal PPT
Pada soal diberikan data sebagai berikut, untuk mengolah data tersebut dan mencari persamaan
regresi linear pada data dibutuhkan tabel pembantu untuk menentukan nilai nilai yang akan
dihitung dengan sesuai rumus yang diberikan. Diperlukan tabel XY,Y2,X2 beserta jumlah
kumpulan di masing masing nya agar rumus dapat digunakan sehingga Langkah pertama dalam
menyelesaikan soal ini adalah membuat tabel seperti dibawah :
a. Data
NO X Y
1 3 12
2 4 11
3 5 13
4 6 12
5 7 13
6 8 14
7 9 16
8 42 91

b. Tabel Pembantu
NO X Y X2 Y2 XY
1 3 12 9 144 36
2 4 11 16 121 44
3 5 13 25 169 65
4 6 12 36 144 72
5 7 13 49 169 91
6 8 14 64 196 112
7 9 16 81 256 144
TOTAL 42 91 280 1199 564

c. Operasi Manual Persamaan Regresi Linear Sederhana

Kemudian menentukan nilai konstanta (a) dan koefisiesn regresi (b). nilai tersebut
menjadi hasil pokok dalam analisis regresi yang akan dilakukan. Untuk mendapatkan
nilai a dan b maka menggunakan operasi seusai rumus yang diberikan.
Bentuk Persamaan Regresi Linear Sederhana adalah
Y = (nilai a) + (nilai b)X
Menentukan nilai a dan b untuk mencari Persamaan Regresi Linear Sederhana dari data
diatas sebagai berikut :

Diketahui
∑ X = 42
∑ Y = 91
∑ X 2 = 280
∑ Y 2 = 1199
∑ XY = 564

Menentukan Nilai B
𝑛(∑ 𝑋𝑌) − (∑ 𝑋)(∑ 𝑌)
𝑏=
𝑛 ∑ 𝑋 2 − (∑ 𝑋)2
7(564) − (42)(91)
𝑏=
7 × 280 − (42)2
3948 − 3822
𝑏=
1960 − 1764
126
𝑏=
196
𝑏 = 0,6428

Menentukan Nilai A
∑ 𝑌 − 𝑏(∑ 𝑋)
𝑎=
𝑛
91 − 0,6428 × 42
𝑎=
7
64,0024
𝑎=
7
𝑎 = 9,1428

Maka berdasarkan perhitungan diatas Persamaan Regresi Linear pada data adalah
Y = 𝟗, 𝟏𝟒𝟐𝟖 + 𝟎, 𝟔𝟒𝟐𝟖X
Berdasarkan persamaan yang telah diperoleh dapat dilakukan analisis sebegai berikut:
 1. Apabila nilai X yang diperoleh sebesar 1, maka dapat diprediksikan atau
diperkirakan nilai Y( nilai prediksi) akan mengalami peningkatan menjadi
Y= 9,1428+0.6428 (1)= 9.785714.
2. Apabila nilai X bernilai 0, maka nilai prediksi(Y) akan menjadi
Y= 9,1428+0.6428 (0)= 9,142857.

d. Pembuktian Nilai dengan Excel ToolPak

• Data Pada Regresi Excel ToolPak

SUMMARY OUTPUT
Regression Statistics
Multiple R 0,85042
R Square 0,723214
Adjusted R Square 0,667857
Standard Error 0,941124
Observations 7

Dari tabel diatas dapat diketahui bahwa nilai kolerasi antara variabel X dan Y
sebesar 0.8504 disajikan dalam kolom Multiple R yang termasuk dalam
kategori sangat kuat dan besarnya pengaruh X terhadap Y adalah sebesar
0.6678 yang tergolong kedalam pengaruh yang kuat dapat dilihat pada Adjusted
Square.

ANOVA
Significance
df SS MS F F
Regression 1 11,57143 11,57143 13,06451613 0,015307992
Residual 5 4,428571 0,885714
Total 6 16

Standard t Lower Upper Lower Upper

Coefficients Error Stat 95% 95% 95,0% 95,0%
Intercept 9,142857143 1,124858268 8 0,000457 6,25131 12,0343 6,25131
X 0,642857143 0,177855709 4 0,015307 0,18566 1,10004 0,18566

Nilai Persamaan Regresi pada tabel tersebut yaitu:

Y=𝟗, 𝟏𝟒𝟐𝟖 + 𝟎. 𝟔𝟒𝟐𝟖X
sama dengan perhitungan manual diatas sama dan dapat disimpulkan rumus
yang digunakan akurat dan perhitungan yang dilakukan benar.
2) Soal Excel
Pada soal diberikan data sebagai berikut, untuk mengolah data tersebut dan mencari persamaan
regresi linear pada data dibutuhkan tabel pembantu untuk menentukan nilai nilai yang akan
dihitung dengan sesuai rumus yang diberikan. Diperlukan tabel XY,Y2,X2 beserta jumlah
kumpulan di masing masing nya agar rumus dapat digunakan sehingga Langkah pertama dalam
menyelesaikan soal ini adalah membuat tabel seperti dibawah :

a. Data
NO X Y
1 82 77
2 90 93
3 77 69
4 90 93
5 72 51
6 59 82
7 66 62
8 82 52
9 84 93
10 65 53
11 68 69
12 53 59
13 59 81
14 82 93
15 73 81
16 68 70
17 69 75
18 63 67
19 58 70
20 74 69
21 72 58
22 76 77
23 76 70
24 50 61
25 65 62
26 92 62
27 71 61
28 71 61
29 70 81
30 76 81
b. Tabel Pembantu
NO X Y X2 Y2 XY
1 82 77 6724 5929 6314
2 90 93 8100 8649 8370
3 77 69 5929 4761 5313
4 90 93 8100 8649 8370
5 72 51 5184 2601 3672
6 59 82 3481 6724 4838
7 66 62 4356 3844 4092
8 82 52 6724 2704 4264
9 84 93 7056 8649 7812
10 65 53 4225 2809 3445
11 68 69 4624 4761 4692
12 53 59 2809 3481 3127
13 59 81 3481 6561 4779
14 82 93 6724 8649 7626
15 73 81 5329 6561 5913
16 68 70 4624 4900 4760
17 69 75 4761 5625 5175
18 63 67 3969 4489 4221
19 58 70 3364 4900 4060
20 74 69 5476 4761 5106
21 72 58 5184 3364 4176
22 76 77 5776 5929 5852
23 76 70 5776 4900 5320
24 50 61 2500 3721 3050
25 65 62 4225 3844 4030
26 92 62 8464 3844 5704
27 71 61 5041 3721 4331
28 71 61 5041 3721 4331
29 70 81 4900 6561 5670
30 76 81 5776 6561 6156
TOTAL 2153 2133 157723 156173 154569

c. Operasi Manual Persamaan Regresi Linear Sederhana

Kemudian menentukan nilai konstanta (a) dan koefisiesn regresi (b). nilai tersebut
menjadi hasil pokok dalam analisis regresi yang akan dilakukan. Untuk mendapatkan
nilai a dan b maka menggunakan operasi seusai rumus yang diberikan.
Bentuk Persamaan Regresi Linear Sederhana adalah
Y = (nilai a) + (nilai b)X
Menentukan nilai a dan b untuk mencari Persamaan Regresi Linear Sederhana dari data
diatas sebagai berikut :

Diketahui
∑ X = 2153
∑ Y = 2133
∑ X 2 = 157723
∑ Y 2 = 156173
∑ XY = 154569

Nilai B
𝑛(∑ 𝑋𝑌) − (∑ 𝑋)(∑ 𝑌)
𝑏=
𝑛 ∑ 𝑋 2 − (∑ 𝑋)2
30(154569) − (2153)(2133)
𝑏=
30 × 157723 − (2153)2
4.637.070 − 4.592.349
𝑏=
4.731.690 − 4.635.409
44.721
𝑏=
96.281
𝑏 = 0.4644

Nilai A
∑ 𝑌 − 𝑏(∑ 𝑋)
𝑎=
𝑛
2133 − 0.4644 × 2153
𝑎=
30
1.133,1468
𝑎=
30
𝑎 = 37.77156

Maka berdasarkan perhitungan diatas Persamaan Regresi Linear pada data adalah
Maka berdasarkan perhitungan diatas Persamaan Regresi Linear pada data adalah
Y = 𝟑𝟕. 𝟕𝟕𝟏𝟓𝟔 + 𝟎. 𝟒𝟔𝟒𝟒 X
Berdasarkan persamaan yang telah diperoleh dapat dilakukan analisis sebegai berikut:
 1. Apabila nilai X yang diperoleh sebesar 1, maka dapat diprediksikan atau
diperkirakan nilai Y( nilai prediksi) akan mengalami peningkatan menjadi
Y= 37.77156 + 0.4644 (1)= 38,23596.
2. Apabila nilai X bernilai 0, maka nilai prediksi(Y) akan menjadi
Y= 37.77156 + 0.4644 (0)= = 37.77156.

d. Pembuktian Nilai dengan Excel ToolPak

• Data Pada Regresi Excel ToolPak
SUMMARY OUTPUT
Regression Statistics
Multiple R 0,391534431
R Square 0,153299211
Adjusted R Square 0,123059897
Standard Error 11,6868263
Observations 30
Dari tabel diatas dapat diketahui bahwa nilai kolerasi antara variabel X dan Y
sebesar 0.391 disajikan dalam kolom Multiple R yang termasuk dalam kategori
rendah dan besarnya pengaruh X terhadap Y adalah sebesar 0.123% yang
tergolong kedalam pengaruh yang rendah dapat dilihat pada Adjusted Square.

ANOVA
Significance
Df SS MS F F
Regression 1 692,4065465 692,4065 5,069533376 0,032382616
Residual 28 3824,293454 136,5819
Total 29 4516,7

Standard t Upper Lower Upper

Coefficients Error Stat Lower 95% 95% 95,0% 95,0%
Intercept 37,76551968 14,9580096 3 7,1254 68 7,1254 68,406
X 0,464484166 0,206294154 2 0,0419 0,9 0,0419 0,8871

Nilai Persamaan Regresi pada tabel tersebut yaitu :

Y=𝟑𝟕. 𝟕𝟕𝟏𝟓𝟔 + 𝟎. 𝟒𝟔𝟒𝟒 X
Sesuai dengan perhitungan manual diatas dan dapat disimpulkan rumus yang
digunakan akurat dan perhitungan yang dilakukan benar.
3. Kesimpulan
Hasil model persamaan regresi dapat dipergunakan sebagai pedoman untuk memprediksi hubungan
antar variabel diluar data yang dijadikan sampel dalam suatu populasi. Uji regresi linier sederhana
seperti uji signifikan dengan uji-t sangat membantu untuk mengetahui pengaruh secara kualitas dan
kuantitas satu variabel bebas terhadap variable tak bebas.