11/20/2022 SHARIFUDDIN BIN ANDY OMAR 1

BAHAN KULIAH STATISTIKA

TATAP MUKA – 13

Sharifuddin Bin Andy Omar

 Analisis Regresi
(Bagian Pertama)
Sharifuddin Bin Andy Omar

Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 2
 PENDAHULUAN
• Berat badan seseorang dalam taraf tertentu
tergantung pada tinggi badannya
• Produktivitas kerja pada taraf tertentu
tergantung pada efisiensi dan efektivitas
kerjanya
• Produksi ikan di tambak dalam taraf
tertentu tergantung pada kesuburan tanah,
kualitas air, teknologi yang dipakai, dsbnya
Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 3
Di dalam analisis regresi, variabel bebas atau
variabel yang memengaruhi disebut dengan
variabel prediktor, ditulis dengan lambang X;
sedangkan variabel terikat atau tak bebas
atau variabel yang dipengaruhi disebut
variabel kriterium, ditulis dengan lambang Y.
Analisis regresi diperlukan oleh peneliti untuk
meramalkan (to predict) sesuatu. Fungsi ilmu
yang lain adalah menggambarkan (to
describe), mengontrol (to control), dan
menerangkan (to explain)
Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 4
Jika terdapat 2 buah variabel atau lebih, maka
kita dapat mempelajari bagaimana variabel-
variabel itu berhubungan atau diramalkan.
Hubungan yang diperoleh biasanya dinyatakan
dalam persamaan matematik yang merupa-
kan hubungan fungsional antarvariabel-
variabel.
Hubungan fungsional antara satu variabel
prediktor dan satu variabel kriterium disebut
analisis regresi tunggal, sedangkan yang
lebih dari satu variabel kriterium disebut
analisis regresi ganda
Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 5
 Guna Analisis Regresi:
Analisis regresi berguna untuk mendapatkan
hubungan fungsional antardua variabel
atau lebih atau mendapatkan pengaruh
antara variabel prediktor terhadap variabel
kriteriumnya atau meramalkan pengaruh
variabel prediktor terhadap variabel
kriteriumnya.

Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 6
Asumsi agar Analisis Regresi dapat
digunakan:
1. Variabel yang dicari hubungan fungsionalnya
mempunyai data yang berdistribusi normal
2. Variabel X tidak acak, sedangkan variabel Y
harus acak
3. Variabel yang dihubungkan mempunyai
pasangan sama dari subyek yang sama pula
4. Variabel yang dihubungkan mempunyai data
interval atau rasio

Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 7
Regresi dengan X merupakan variabel bebas dan Y
variabel tak bebas sering dinamakan sebagai
regresi Y atas X, dengan bentuk:

Y = a + bX
Dimana: Y (ye topi) = variabel kriterium, X = variabel
prediktor, a = bilangan konstan, b = koefisien regresi,
yang menunjukkan angka peningkatan atau
penurunan variabel bebas.
Bila b ( + ) maka terjadi kenaikan dan bila ( – ) maka
terjadi penurunan.

Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 8
 Cara Menentukan Persamaan
Regresi Linier:
1. Metode Tangan Bebas = merupakan metode kira-
kira berdasarkan diagram pencar hasil
pengamatan. Jika letak titik-titik itu sekitar garis
lurus maka dapat diduga regresi linier.
Sebaliknya, jika letak titik-titik sekitar garis
lengkung maka diduga regresi non-linier
2. Metode Kuadrat Terkecil = metode dengan
membuat jumlah pangkat dua (kuadrat) dari jarak
antara titik-titik dan garis regresi yang sedang
dicari harus sekecil mungkin
Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 9
 Langkah-langkah Menghitung
Persamaan Regresi Linier:
Koefisien-koefisien a dan b untuk regresi linier dapat
dihitung dengan rumus:
( Y )( X 2
) − ( X)( XY)
a=
n( X ) − ( X )
2 2

Rumus 1
n( XY ) − ( X )( Y )
b=
(
n  X − ( X )
2 2
)
Jika koefisien b terlebih dahulu dihitung, maka koefisien a
dapat dicari dengan menggunakan rumus:

Rumus 2 a = Y − bX
Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 10
 Contoh: Banyak pengunjung dan yang berbelanja di
sebuah toko selama bulan April 2021
Pengunjung (X) Berbelanja (Y) Pengunjung (X) Berbelanja (Y)
34 32 42 38
38 36 41 37
34 31 32 30
40 38 34 30
30 29 36 30
40 35 37 33
40 33 36 32
34 30 37 34
35 32 39 35
39 36 40 36
33 31 33 32
32 31 34 32
42 36 36 34
40 37 37 32
42 35 38 34
Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 11
 No. X Y XY X2 Y2
1 34 32 1088 1156 1024
2 38 36 1368 1444 1296
3 34 31 1054 1156 961
4 40 38 1520 1600 1444
5 30 29 870 900 841
6 40 35 1400 1600 1225
7 40 33 1320 1600 1089
8 34 30 1020 1156 900
9 35 32 1120 1225 1024
10 39 36 1404 1521 1296
11 33 31 1023 1089 961
12 32 31 992 1024 961
13 42 36 1512 1764 1296
14 40 37 1480 1600 1369
15 42 35 1470 1764 1225

Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 12
 No. X Y XY X2 Y2
16 42 38 1596 1764 1444
17 41 37 1517 1681 1369
18 32 30 960 1024 900
19 34 30 1020 1156 900
20 36 30 1080 1296 900
21 37 33 1221 1369 1089
22 36 32 1152 1296 1024
23 37 34 1258 1369 1156
24 39 35 1365 1521 1225
25 40 36 1440 1600 1296
26 33 32 1056 1089 1024
27 34 32 1088 1156 1024
28 36 34 1224 1296 1156
29 37 32 1184 1369 1024
30 38 34 1292 1444 1156
Jumlah 1105 1001 37 094 41 029 33 599

Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 13
Dari perhitungan-perhitungan tersebut di atas
diperoleh nilai-nilai sebagai berikut:
ΣX=1105, ΣY=1001, ΣXY=37 094 dan ΣX2=41 029
Nilai-nilai tersebut selanjutnya dimasukkan ke dalam
Rumus 1, sehingga diperoleh:

( Y )( X ) − ( X)( XY)

2
a=
n( X ) − ( X)
2 2

=
(1001)(41029 ) − (1105 )(37094 )
(30 )(41029 ) − (1105 )2

41070029 − 40988870 81159

= = = 8,2437
1230870 − 1221025 9845
Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 14
 n( XY ) − ( X )( Y )
b=
(
n  X − ( X )
2
)
2

=
(30 )(37094 ) − (1105 )(1001)
(30 )(41029 ) − (1105 ) 2

1112820 − 1106105 6715

= = = 0,6821
1230870 − 1221025 9845
Setelah koefisien b diperoleh, maka koefisien a dapat juga
dicari dengan menggunakan Rumus 2 sebagai berikut:
Y X
a = Y − bX = −b
n n
 1001   1105 
=  − (0,6821)  = 33,3667 − (0,6821)(36,8333 )
 30   30 
= 33,3667 − 25,1240 = 8,2427
Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 15
Koefisien b dan a dapat juga dicari dengan menggunakan
rumus berikut di bawah ini:

 xy =  XY −
( X )( Y )
n

x = X2 2
−
( X)
2
Rumus 3
n
 xy
b= dan a = Y − bX
x 2

Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 16
Dengan menggunakan Rumus 3, maka diperoleh nilai-nilai
sebagai berikut:

 xy =  XY −
( X )( Y )
n
= 37094 −
(1105 )(1001)
= 223,8333
30
x = X −
2 2 ( X)
2

n
= 41029 −
(1105 )
2
= 328,1667
30
 xy 223,8333
b= = = 0,6821
x 2
328,1667

a = Y − b X = 33,3667 − (0,6821)(36,8333 ) = 8,2427

Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 17
Setelah koefisien a dan b diperoleh, maka
persamaan regresi yang terbentuk adalah:

Y = 8,2427 + 0,6821 X

Dimana Y adalah jumlah orang yang

berbelanja dan X adalah jumlah
pengunjung yang datang

Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 18
Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 19
Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 20
Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 21
Jika terdapat 100 orang pengunjung, maka
jumlah orang yang berbelanja dapat
diprediksi sebagai berikut:
Y = 8,2427 + 0,6821X
= 8,2427 + 0,6821 (100)
= 8,2427 + 68,21
= 76,4527
Jadi, jika terdapat 100 orang pengunjung
maka yang berbelanja 76 orang

Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 22
Jika terdapat 100 orang yang berbelanja,
maka jumlah orang yang berkunjung dapat
diprediksi sebagai berikut:
Y = 8,2427 + 0,6821X
100 = 8,2427 + 0,6821 X
100 - 8,2427 = 0,6821 X
0,6821 X = 91,7573
X = 91,7573 / 0,6821 = 134,5218
Jadi, jika terdapat 100 orang yang berbelanja
maka yang berkunjung 135 orang
Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 23
 Berbagai varians sehubungan
dengan Regresi Linier
Asumsi yang harus diambil:
1. Hasil pengamatan variabel takbebas Y
tidak sama besarnya dengan harga yang
diharapkan sehingga model populasi
linier adalah:
Y = θ1 + θ2X + ε
(ε = kekeliruan yang terjadi dalam usaha
untuk mencapai harga yang diharapkan)
Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 24
2. Untuk setiap harga X yang diberikan,
variabel takbebas Y independen dan
berdistribusi normal dengan rata-rata (θ1
+ θ2X) dan varians σ2y.x.
Varians σ2y.x dimisalkan sama untuk
setiap X dan karenanya dapat dinyatakan
oleh varians σ2ε yang biasa pula disebut
varians kekeliruan taksiran, sedangkan
varians σy.x dikenal dengan sebutan
kekeliruan baku taksiran.

Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 25
Varians kekeliruan taksiran dapat dinyatakan dalam bentuk
rumus sebagai berikut:

S 2
=S =2 (
 Yi − Yi )
^ 2
Rumus 4
y. x 
(n − 2)
Dimana: Y = variabel takbebas hasil pengamatan, Y^ =
didapat dari regresi berdasarkan sampel, n = ukuran sampel
Rumus 4 dapat pula ditulis dalam bentuk:

S2y.x
 n −1 2
=  y
S(− b 2 2
Sx ) Rumus 5
n − 2
Dimana: S2y = varians untuk variabel Y, S2x = varians untuk
variabel X
Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 26
Setelah varians kekeliruan taksiran dihitung, maka varians-
varians lainnya untuk regresi linier dapat ditentukan.
Varians koefisien regresi b dengan rumus:

S2y.x
Sb2 =
( )2
Rumus 6
 Xi − X

Varians koefisien a dengan rumus:


 1
S a = S y. x   +
2 2 X
2

 ( )
2
( )
Rumus 7
n  Xi − X 

Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 27
Dengan menggunakan data yang telah diperoleh
sebelumnya, yaitu: ΣX=1105, ΣY=1001, ΣX2=41
029, ΣY2=33 599, n = 30, dan b = 0,6821 maka:
n  X − ( X ) 30(41029 ) − (1105 )
2 2 2
S 2x = =
n(n − 1) 30(30 − 1)
1230870 − 1221025 9845
= = = 11,3161
30(29 ) 870
 − ( Y ) 30(33599 ) − (1001)
2 2 2
n Y
Sy =
2
=
n(n − 1) 30(30 − 1)
1007970 − 1002001 5969
= = = 6,8609
30(29 ) 870
( )2
 Xi − X = 328,1667
Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 28
Varians kekeliruan taksiran:

S 2  n −1 2
= (
 Sy − b Sx
2 2
)
n − 2
y. x

 30 − 1 
= 
 6,8609 − (0,6821) (11,3161)
 30 − 2 
2

 29 

=   6,8609 − (0,6821) (11,3161)
 28 
2

= (4,6071)6,8609 − 5,2649  = 1,6530
Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 29
Varians koefisien regresi b:
S2y.x 1,6530
S =2
= = 0,0050
b
(
 Xi − X )
2
328,1667
Varians koefisien a:

1
S a = S y. x   +
2 2 X
2
 ( )
2
(
n  Xi − X  )
 1 (36,8333 )2 
= 1,6530  + 
 30 328,1667 
= 1,65300,0333 + 4,1342 = 6,8889
Minggu, 20 November
2022 Sharifuddin Bin Andy Omar 30