BAB I

PENDAHULUAN
A. Latar Belakang
Regresi merupakan suatu teknik statistika yang dapat digunakan untuk
menggambarkan hubungan fungsional antara suatu variabel tak bebas (respon)
dengan satu atau beberapa variabel bebas (deterministik).
Secara umum ada dua macam hubungan antara variabel atau lebih, yaitu
bentuk hubungan dan keeratan hubungan. Untuk mengetahui bentuk hubungan
digunakan analisis regresi. Untuk keeratan hubungan dapat diketahui dengan
analisis korelasi. Analisis regresi digunakan untuk menelaah hubungan antara dua
variabel atau lebih, terutama untuk menelusuri pola hubungan yang modelnya
belum diketahui dengan sempurna, atau untuk mengetahui bagaimana variasi dari
beberapa variabel independen mempengaruhi variabel dependen dalam suatu
fenomena yang kompleks.
Model regresi linear merupakan model yang paling umum untuk
menggambarkan hubungan antara dua variabel yaitu variabel dependen dengan
variabel independen. Aplikasinya sangat banyak ditemui dalam berbagai bidang.
Dalam bidang sosial ekonomi, maupun bidang-bidang lainyya, sering kita ingin
mengetahui bagaimana hubungan pengaruh dari variabel yang satu terhadap
variabel lainnya. Misalnya, bagaimana pengaruh pendapatan terhadap konsumsi
suatu barang, juga dapat dikembangkan lagi misalnya bagaimana pengaruh
pendapatan dan harga terhadap konsumsi, bagaimana pengaruh harga terhadap
hasil penjualan, dan sebagainya.

B. RUMUSAN MASALAH
1. Apa itu pengertian regresi?
2. Bagaimana analisis regresi sederhana?
C. TUJUAN
1. Mengetahui pengertian regresi
2. Mengetahui analisis regresi sederhana

1
 BAB II

PEMBAHASAN

A. Pengertian Regresi
Regresi merupakan suatu teknik statistika yang dapat digunakan
untukmenggambarkan hubungan fungsional antara suatu variabel tak bebas
(respon)dengan satu atau beberapa variabel bebas (deterministik).
1. Syarat Analisis Regresi
a. Hubungan: Harus diketahui adanya hubungan antara variabel
b. Variabel: - Variabel Kriterium;terikat
1) Variabel Prediktor; Variabel bebas
Contohnya, sikap terhadap keluarga berencana, mungkin dapat
dipertimbangkan sebagai variabel bebas (Y). Di sisi lain, penyuluh keluarga
berencana dapat dipandang sebagai variabel bebas (X). Contoh yang lain
dapatdilihat pada hasil panen. Hasil panen dapat dipandang sebagai variabel
terikat(Y). Sedangkan, pemupukan dipandang sebagai variabel bebas (X).

B. Analisis Regresi Linear Sederhana

Digunakan untuk memprediksi distribusi data yang terdiri dari satu variabel
kriterium dan satu variabel prediktor.

ASUMSI : - diambil secara random dari populasi

- Data memiliki pasangan yang sama

- Data berdistribusi normal
- Hubungan antara variabel linear
Analisis Regresi Linear Sederhana:
Y = a+bX
Keterangan:
Y = Variabel dependen (nilai yang diprediksikan)
X = Variabel independen
a = Konstanta (nilai Y’ Apabila X=0)

2
 b = Koefisien regresi (nilai peningkatan atau penurunan)

Selanjutnya, koefisien-koefisien regresi a dan b untuk regresi linier

dapatdihitung dengan rumus sebagai berikut :

a = (Σy) (Σx²) – (Σx) (Σxy)

______
nΣx² – (Σx)²
B = nΣxy – (Σx) (Σy)
______
N(Σx²) – (Σx)²
Berdasarkan rumus regresi diatas, dapat dihitung koefisien a atau b
terlebihdahulu. Jika dihitung koefisien b terlebih dahulu, maka selanjutnya
koefisien adapat dihitung dari koefisien b dengan rumus sebagai:
a = Y- bY
Tabel persiapan yang dibutuhkan untuk analiss regresi linier ternyata sama
persis dengan tabel persiapan yang dibutuhkan untuk analis korelasi. Demikian
juga harga-harga yang dibutuhkan untuk analisis keduanya teknik tersebutsama.

Terdapat beberapa tugas berkenaan dalam analisis regresi, antara lain :

1. Mencari korelasi antara variabel bebas dan variabel terikat

2. Menguji apakah korelasi tersebut signifikan
3. Mencari persamaan garis regresinya
4. Menemukan sumbangan relatif antara sesama prediktor (variabel bebas),
jika prediktornya lebih dari satu

Ada dua cara yang dapat digunakan untuk memperkirakan garis regresi,
pertama yakni menggunakan metode tangan bebas dan yang kedua yaitu metode
kuadrat terkecil (least square method). Metode tangan bebas ditentukan
berdasarkan diagram pancar. Cara yang ditempuh adalah memeriksa dan
mempertimbangan letak titik-titik itu sekitar di garis lurus, maka cukup beralasan
untuk menduga regresi linier. Namun, jika letak titik-titik garis sekitar lengkung,
wajar untuk diduga regresi nonlinier.

3
 Metode tangan bebas tidak dapat menunjukkan bagaimana persamaan garis
regresi linier. Oleh karena itu, untuk memastikan garis regresi tersebut, digunakan
metode kuadrat terkecil. Cara ini bertitik tolak dari kenyataan, bahwa kuadrat dari
jarak antara titik-titik dengan garis regresi yang sedang dicari harus sekecil
mungkin.

Bisa diambil contoh, bila kita periksa suatu hasil penelitian yang ingin
mengetahui kepastian apakah Pemberian Makanan Tambahan Anak Sekolah
(PMTAS) berpengaruh terhadap prestasi belajar murid di suatu SD. Data PMTAS
dan prestasi belajar sebagai berikut (data fiktif) :

Untuk menguji apakah PMTAS berpengaruh pada prestasi belajar, akan

dikerjakan dengan metode kuadrat terkecil (least square method). Hal yang perlu
diketahui adalah persamaan garis regresi sebagai berikut :

Y = a + bX

Keterangan :

Y = Variabel dependen (nilai yang diprediksikan)

X = Variabel independen

a = Konstanta (nilai Y’ apabila X=0)

b = Koefisien regresi (nilai peningkatan atau penurunan)

Selanjutnya, koefisien-koefisien regresi a dan b untuk regresi linier dapat

dihitung dengan rumus sebagai berikut :

a =   (Σy) (Σx²) – (Σx) (Σxy)

               nΣx² – (Σx)²

b =   n Σxy – (Σx) (Σy)

               n(Σx²) – (Σx)²

4
 Berdasarkan rumus regresi diatas, dapat dihitung koefisien a atau b terlebih
dahulu. Jika dihitung koefisien b terlebih dahulu, maka selanjutnya koefisien a
dapat dihitung dari koefisien b dengan rumus sebagai berikut :

a = Y – bY

Tabel persiapan yang dibutuhkan untuk analiss regresi linier ternyata sama
persis dengan tabel persiapan yang dibutuhkan untuk analis korelasi. Demikian
juga harga-harga yang dibutuhkan untuk analisis keduanya teknik tersebut sama.

Individu X Y X2 Y2 XY
A 8 10 64 100 80
B 8 9 64 81 72
C 7 9 49 91 63
D 7 9 49 91 63
E 6 9 36 91 54
F 6 8 36 64 48
G 5 8 25 64 40
H 5 7 25 49 35
I 4 6 16 36 24
J 4 5 16 25 20
N = 10 ∑X =60 ∑Y = 80 ∑X2 = 380 ∑Y2= 662 ∑XY=
499

Diketahui :

N = 10 ∑X2 = 380

∑X = 60 ∑Y2 = 662

∑Y = 80 ∑XY = 499

Cara menghitung :

5
1. Menghitung koefisien regresi a

a =   (Σy) (Σx²) – (Σx) (Σxy)

               nΣx² – (Σx)²

a =   (80) (380) – (60) (499)

           (10)(380) – (60)²

=   30400 – 29940
        3800-3600

=   460
     200

= 2,3

Jika koefisien b terlebih dahulu dihitung dengan rumus diatas,

maka koefisien regresi a dapat dihitung dengan rumus pendek sebagai
berikut :

a = Y - bY

2. Menghitung koefisien regresi b

Kita dapat menggunakan rumus pendek, karen koefisien regresi a
telah kita peroleh, yakni 2,3 . Harga-harga yang diperlukan untuk
menghitung koefisien b adalah nilai rata-rata X dan nilai rata-rata Y. Nilai
rata-rata X = 6 dan Y = 8. Selanjutnya kita masukkan saja harga-harga
tersebut kedalam rumusnya.
b = (Y - a) : X
b = (8-2,3) : 6
= 5,7 : 6
= 0,95
Jika kita ingin menghitung koefisien regresi b terlebih dahulu, maka
harus digunakan rumus panjang sebagai berikut :

6
 b =   n Σxy – (Σx) (Σy)
               n(Σx²) – (Σx)²

b =   (10)(499) – (60)(80)
                (10)(380) – (60)²

=   4990-4800
             3800-3600

=   190
           200

= 0,95

3. Menulis persamaan garis regresi

Setelah diperoleh koefisien regresi a dan b, maka kita dapat menulis
persamaan garis regresinya sebagai berikut :
Y = 2,3 + 0,95 X

C. Persamaan Regresi Linier Berganda

Analisis regresi membentuk persamaan garis lurus (linear) dan menggunakan

persamaan tersebut untuk membuat perkiraan (prediction) nilai suatu variabel terikat (Y)
jika nilai variabel bebas (X) yang berhubungan dengannya sudah ditentukan. Secara
umum, persamaan regresi dimana varibel terikat (Y) merupakan nilai yang diprediksi,
maka persamaannnya :

1. Persamaan regresi dua variabel bebas :

2. Persamaan regresi tiga variabel bebas :

3. Persamaan regresi untuk k variabel bebas :

7
Dimana :
Ŷ : Variabel terikat / variabel dependen / variabel yang dipengaruhi
X : Varibel bebas/ variabel independen/ variabel yang mempengaruhi
a : Konstanta / intercept yaitu sifat bawaan dari variabel Y
b1, b2, bn : Konstanta / intercept yaitu sifat bawaan dari variabel Y

8
 BAB III
PENUTUP

A. Kesimpulan
Regresi yaitu merupakan persamaan matematika yang memungkinkan
untuk meramalkan suatu variabel terikat (dependen) dari nilai-nilai satu variabel
bebas (independen). Variabel independen adalah variabel yang mempengaruhi
variabel terikat. Sedangkan, variabel dependen = variabel yang dipengaruhi oleh
variabel bebas. Ada dua macam Regresi yaitu, Regresi Linier Sederhana dan
Regresi Linier Ganda.

Analisis regresi sederhana untuk menguji variabel bebas terhadap variabel

terikat.hal itu dilakukan dengan cara menghitung persamaan linear sederhana
menggunakan tiga langkah. Ada dua cara yang dapat digunakan untuk
memperkirakan garis regresi, pertama yakni menggunakan metode tangan bebas
dan yang kedua yaitu metode kuadrat terkecil (least square method).

B. Saran
Mungkin inilah yang diwacanakan pada penulisan kelompok ini meskipun
penulisan ini jauh dari sempurna minimal kami mengimplementasikan tulisan ini.
kami juga butuh kritik dan saran agar bisa menjadi motivasi untuk masa depan
yang lebih baik daripada masa sebelumnya.

9
 DAFTAR PUSTAKA

Partino dan Idrus. 2010. Statistika Inferensial. Yogyakarta. Safiria Insania Press.
Gaspersz, Vincent. 1990. Analisis Kuantitatif Untuk Perencanaan. Bandung.
Tarsito
Muhidi, Sambas Ali. 2009. Analisis Korelasi Regresi dan Jalur Dalam Penelitian.
Bandung. CV Pustaka Setia.

10