V-36

5.5. Perhitungan Persamaan Regresi

5.5.1. Perhitungan Secara Manual
Dari data yang diperoleh dapat dibuat suatu persamaan regresi. Adapun
persamaan yang akan digunakan dalam perhitungan persamaan regresi adalah
sebagai berikut.
∑Y = an + b ∑ x1 + c ∑ x2 + d ∑ x3
∑ Yx1 = a ∑ x1 + b ∑ x1 2 + c ∑ x1 x2 + d ∑ x1 x3
∑ Yx2 = a ∑ x2 + b ∑ x2 x1 + c ∑ x2 2 + d ∑ x2 x3
∑ Yx3 = a ∑ x3 + b ∑ x3 x1 + c ∑ x3 x2 + d ∑ x3 2
 Tabel 5.18. Perhitungan Persamaan Regresi
No. X1 X2 X3 Y X12 X22 X32 X1X2 X1X3 X2X3 X1Y X2Y X3Y Y2
1. 80 30 30 10 6400 900 900 2400 2400 900 800 300 300 100
2. 80 30 30 16 6400 900 900 2400 2400 900 1280 480 480 256
3. 80 30 30 17 6400 900 900 2400 2400 900 1360 510 510 289
4. 80 30 20 45 6400 900 400 2400 1600 600 3600 1350 900 2025
5. 80 30 20 35 6400 900 400 2400 1600 600 2800 1050 700 1225
6. 80 30 20 38 6400 900 400 2400 1600 600 3040 1140 760 1444
7. 80 15 30 21 6400 225 900 1200 2400 450 1680 315 630 441
8. 80 15 30 25 6400 225 900 1200 2400 450 2000 375 750 625
9. 80 15 30 22 6400 225 900 1200 2400 450 1760 330 660 484
10. 80 15 20 46 6400 225 400 1200 1600 300 3680 690 920 2116
11. 80 15 20 43 6400 225 400 1200 1600 300 3440 645 860 1849
12. 80 15 20 75 6400 225 400 1200 1600 300 6000 1125 1500 5625
13. 70 30 30 20 4900 900 900 2100 2100 900 1400 600 600 400
14. 70 30 30 23 4900 900 900 2100 2100 900 1610 690 690 529
15. 70 30 30 22 4900 900 900 2100 2100 900 1540 660 660 484
16. 70 30 20 34 4900 900 400 2100 1400 600 2380 1020 680 1156
17. 70 30 20 10 4900 900 400 2100 1400 600 700 300 200 100
18. 70 30 20 50 4900 900 400 2100 1400 600 3500 1500 1000 2500
19. 70 15 30 60 4900 225 900 1050 2100 450 4200 900 1800 3600
20. 70 15 30 30 4900 225 900 1050 2100 450 2100 450 900 900
21. 70 15 30 24 4900 225 900 1050 2100 450 1680 360 720 576
22. 70 15 20 62 4900 225 400 1050 1400 300 4340 930 1240 3844
23. 70 15 20 70 4900 225 400 1050 1400 300 4900 1050 1400 4900
24. 70 15 20 26 4900 225 400 1050 1400 300 2520 540 720 1296
Jumlah 1800 540 600 834 135600 13500 15600 40500 45000 13500 62310 17310 19580 36764
Sumber : Pengolahan Data

V-37
 V-38

Dengan memasukkan data di atas ke persamaan regresi maka akan

diperoleh hasil sebagai berikut.
1. ∑ Y = an + b ∑ x1 + c ∑ x2 + d ∑ x3
834 = a (24) + b (1800) + c (540) + d (600)
834 = 24a + 1800b + 540c + 600d
2. ∑ Yx1 = a ∑ x1 + b ∑ x1 2 + c ∑ x1 x2 + d ∑ x1 x3
62310 = a (1800) + b (135600) + c (40500) + d (45000)
62310 = 1800a + 135600b + 40500c + 45000d
3. ∑ Yx2 = a ∑ x2 + b ∑ x2 x1 + c ∑ x2 2 + d ∑ x2 x3
17310 = a (540) + b (40500) + c (13500) + d (13500)
17310 = 540a + 40500b + 13500c + 13500d
4. ∑ Yx3 = a ∑ x3 + b ∑ x3 x1 + c ∑ x3 x2 + d ∑ x3 2
19580 = a (600) + b (45000) + c (13500) + d (15600)
19580 = 600a + 45000b + 13500c + 15600d
Dari persamaan regresi di atas maka dapat dinyatakan dalam bentuk matriks
sebagai berikut.
Untuk mendapatkan nilai-nilai a, b, c, dan d, maka dilakukan eliminasi
matriks dengan metode Gauss-Jordan. Langkah-langkah eliminasi tersebut adalah
sebagai berikut:
Baris pertama dari matriks dikalikan dengan faktor satu per koefisien
pertama untuk baris tersebut. Kemudian baris kedua, ketiga, dan keempat matriks
dikurangi dengan perkalian antara hasil pembagian koefisien pertama masing-
masing baris dan koefisien pertama baris pertama dengan elemen pada baris
pertama yang bersesuaian maka matriks tersebut menjadi:
 V-39

24/24 1800/24 540/24 600/24 834/24

1800- 40500- 45000-
135600-(1800)75) 6231-(1800)(34,75)
(1800)(1) (1800)(22,5) (1800)(160)
13500- 13500-
540-(540)(1) 40500-(540)(75) 1731-(540) (34,75)
(540)(22,5) (540)(160)
13500- 15600-
600-(600)(1) 45000-(600)(75) 1958-(600) (34,75)
(600)(22,5) (600)(160)

Hasil perhitungan di atas menghasilkan matriks menjadi sebagai berikut.

1,0000 75,0000 22,5000 25,0000 34,7500

0,0000 600,0000 0,0000 0,0000 -240,0000
0,0000 0,0000 1350,0000 0,0000 -1455,0000
0,0000 0,0000 0,0000 600,0000 -1270,0000

Baris kedua dari matriks dikalikan dengan faktor satu per koefisien
pertama untuk baris tersebut. Kemudian baris pertama matriks dikurangi dengan
perkalian antara hasil pembagian koefisien pertama baris pertama dan koefisien
pertama baris kedua dengan elemen pada baris kedua yang bersesuaian, maka
matriks tersebut menjadi:
1,0000 0,0000 22,5000 25,0000 64,7500
0,0000 1,0000 0,0000 0,0000 -0,4000
0,0000 0,0000 1350,0000 0,0000 -1455,0000
0,0000 0,0000 0,0000 600,0000 -1270,0000

Baris ketiga dari matriks dikalikan dengan faktor satu per koefisien
pertama untuk baris tersebut. Kemudian baris pertama matriks dikurangi dengan
perkalian antara hasil pembagian koefisien pertama baris pertama dan koefisien
pertama baris ketiga dengan elemen pada baris ketiga yang bersesuaian, maka
matriks tersebut menjadi:
1,0000 0,0000 0,0000 25,0000 89,0000
0,0000 1,0000 0,0000 0,0000 -0,4000
0,0000 0,0000 1,0000 0,0000 -1,0780
0,0000 0,0000 0,0000 600,0000 -1270,0000

Baris keempat dari matriks dikalikan dengan faktor satu per koefisien
pertama untuk baris tersebut. Kemudian baris pertama matriks dikurangi dengan
 V-40

perkalian antara hasil pembagian koefisien pertama baris pertama dan koefisien
pertama baris keempat dengan elemen pada baris keempat yang bersesuaian, maka
matriks tersebut menjadi:
1,0000 0,0000 0,0000 0,0000 141,9170
0,0000 1,0000 0,0000 0,0000 -0,4000
0,0000 0,0000 1,0000 0,0000 -1,0778
0,0000 0,0000 0,0000 1,0000 -2,1167

Dari perhitungan di atas akan diperoleh:

a = 141,9170
b = -0,4000
c = -1,0778
d = -2,1167
Dari nilai-nilai tersebut diperoleh hasil perhitungan persamaan regresi
untuk pengukuran kadar air donat adalah sebagai berikut.
Y = 141,9170 + (-0,4000) X1 + (-1,0778) X2 + (-2,1167) X3

5.5.2. Perhitungan dengan Software SPSS

Persamaan regresi juga dapat ditentukan dengan menggunakan software
SPSS yang hasilnya dapat dilihat pada Tabel 5.18. Dengan menggunakan software
SPSS dilakukan dengan langkah-langkah berikut:
1. Buka software SPSS.
2. Masukkan data hasil percobaan sesuai taraf faktornya.
 V-41

Sumber : Software SPSS 16

Gambar 5.24. Data View Software SPSS Persamaan Regresi

3. Klik pada menubar menu Analyze. kemudian Regression. kemudian pilih

Linear.

Sumber : Software SPSS 16

Gambar 5.25. Tampilan untuk Membuat Regresi Linier
 V-42

4. Masukkan variabel dependen yang akan dimasukkan yaitu kadar air donat dan
variabel independen tepung terigu, tepung kacang merah, dan tepung millet.

Sumber : Software SPSS 16

Gambar 5.26. Pemilihan Variabel Dependen

5. Lalu klik OK kemudian lihat hasil pada jendela output.

Tabel 5.19. Koefisien regresi dengan software SPSS
Coefficientsa
Unstandardized Standardized
Model Coefficients Coefficients t Sig.
B Std. Error Beta
(Constant) 141,917 43,105 3,292 ,004
Massa_Terigu -,400 ,535 -,111 -,748 ,463
1
Massa_Kacang_Merah -1,078 ,356 -,449 -3,024 ,007
Massa_Millet -2,117 ,535 -,588 -3,959 ,001
a. Dependent Variable: Kadar_Air
Sumber : Software SPSS 16

Kesimpulan dari tabel di atas adalah konstanta, koefisien X1, X2, dan X3
dalam persamaan regresi berturut-turut adalah 141,917, -0,400, -1,078, dan -2,117.
Dengan demikian, persamaan regresinya adalah sebagai berikut.
Y = 141,917 + (-0,400) X1 + (-1,078) X2+ (-2,117) X3
 V-43

5.6. Pengujian Kelinearan Regresi

5.6.1. Perhitungan Secara Manual
Uji kelinearan regresi dilakukan untuk mengetahui apakah garis regresi
yang diperoleh linear atau tidak linear. Langkah-langkah yang dilakukan pada
pengujian kelinearan regresi adalah sebagai berikut.
 Tabel 5.20. Keliniearan Regresi
Yrata-
No. X1 X2 X3 Y Yi Yi-Yrata (Yi-Yrata)² Y-Yi (Y-Yi)² Y-Yrata (Y-Yrata)²
rata
1. 80,00 30,00 30,00 10 34,7500 14,0837 -20,6663 427,0973 -4,0837 16,6763 -24,7500 612,5625
2. 80,00 30,00 30,00 16 34,7500 14,0837 -20,6663 427,0973 1,9163 3,6723 -18,7500 351,5625
3. 80,00 30,00 30,00 17 34,7500 14,0837 -20,6663 427,0973 2,9163 8,5050 -17,7500 315,0625
4. 80,00 30,00 20,00 45 34,7500 35,2503 0,5003 0,2503 9,7479 95,0560 10,2500 105,0625
5. 80,00 30,00 20,00 35 34,7500 35,2503 0,5003 0,2503 -0,2503 0,0627 0,2500 0,0625
6. 80,00 30,00 20,00 38 34,7500 35,2503 0,5003 0,2503 -2,7479 7,5607 3,2500 10,5625
7. 80,00 15,00 30,00 21 34,7500 30,2503 -4,4997 20,2470 -9,2503 85,5687 -13,7500 189,0625
8. 80,00 15,00 30,00 25 34,7500 30,2503 -4,4997 20,2470 -5,2503 27,5660 -9,7500 95,0625
9. 80,00 15,00 30,00 22 34,7500 30,2503 -4,4997 20,2470 -8,2503 68,0680 -12,7500 162,5625
10. 80,00 15,00 20,00 46 34,7500 51,4170 16,6670 277,7889 -5,4170 29,3439 11,2500 126,5626
11. 80,00 15,00 20,00 43 34,7500 51,4170 16,6670 277,7889 -8,4170 70,8459 8,2500 68,0625
12. 80,00 15,00 20,00 75 34,7500 51,4170 16,6670 277,7889 23,5830 556,1579 40,2500 1620,0625
13. 70,00 30,00 30,00 20 34,7500 18,0837 -16,6663 277,7667 1,9163 3,6723 -14,7500 217,5625
14. 70,00 30,00 30,00 23 34,7500 18,0837 -16,6663 277,7667 4,9163 24,1703 -11,7500 138,0625
15. 70,00 30,00 30,00 22 34,7500 18,0837 -16,6663 277,7667 3,9163 15,3377 -12,7500 162,5625
16. 70,00 30,00 20,00 34 34,7500 39,2503 4,5003 20,2530 -5,2503 27,5660 -0,7500 0,5625
17. 70,00 30,00 20,00 10 34,7500 39,2503 4,5003 20,2530 -29,2503 855,5820 -24,7500 612,5625
18. 70,00 30,00 20,00 50 34,7500 39,2503 4,5003 20,2530 10,7479 115,5553 15,2500 232,5625
19. 70,00 15,00 30,00 60 34,7500 34,2503 -0,4997 0,2497 25,7479 663,0453 25,2500 637,5625
20. 70,00 15,00 30,00 30 34,7500 34,2503 -0,4997 0,2497 -4,2503 18,0653 -4,7500 22,5625
21. 70,00 15,00 30,00 24 34,7500 34,2503 -0,4997 0,2497 -10,2503 105,0693 -10,7500 115,5625
22. 70,00 15,00 20,00 62 34,7500 55,4170 20,6670 427,1249 6,5830 43,3359 27,2500 742,5625
23. 70,00 15,00 20,00 70 34,7500 55,4170 20,6670 427,1249 14,5830 212,6639 35,2500 1242,5625
24. 70,00 15,00 20,00 36 34,7500 55,4170 20,6670 427,1249 -19,4170 377,0199 1,2500 1,5625
Jumlah 1800,00 540,00 600,00 834 834,0000 834,0000 0,0000 4352,3333 0,0000 3430,1667 0,0000 7782,5000
Sumber : Pengolahan Data

V-44
 V-45

1. Penentuan hipotesis.
H0 : garis regresi linear
H1 : garis regresi tidak linear
Apabila Fhitung berada di dalam wilayah kritik, maka H0 diterima, sedangkan
apabila Fhitung berada di luar wilayah kritik maka H0 ditolak.
2. Penentuan wilayah kritik.
Dengan taraf nyata sebesar 0,05. Diperoleh F0,05(3,23) sebesar 3,0280 dengan
interpolasi yang menyebabkan wilayah kritik F < 3,0280
3. Penentuan Fhitung.
Penentuan Fhitung dapat dilakukan dengan menggunakan perhitungan ANAVA.
1. Jumlah Kuadrat Regresi (JKR)
2
JKR = ∑(ŷ - ȳ ) = 4352,3333
2. Jumlah Kuadrat Error (JKE)
2
JKE = ∑(Y - ŷ ) = 3430,1667
3. Jumlah Kuadrat Total (JKT)
2
JKT = ∑(Y − ȳ ) = 7782,5000
Nilai Degree of freedom (Df) regression adalah 3 disebabkan v = n – 1.
Dimana n adalah 4 koefisien pada persamaan regresi yaitu X 1, X2, X3, dan y.
Sedangkan untuk Df residual bernilai 20 karena selisih antara Df total dengan Df
regression. Dimana Df total = banyaknya percobaan dikurang satu.
Setelah diperoleh nilai-nilai di atas. Selanjutnya ditentukan nilai Fhitung
yang dapat dilihat pada Tabel 5.21.
Tabel 5.21. Penentuan Fhitung
Sumber Variasi df JK KT Fhitung Ftabel
Regression 3 4352,3333 1450,7778 8,4589 3,0280
Residual 20 3430,1667 171,5083 - -
Total 23 7782,5000 1622,2861 - -
Sumber: Pengolahan Data

Diperoleh bahwa nilai Fhitung > Ftabel , yaitu 8,4589 > 3,0280 maka H0
ditolak sehingga digunakan H1 yaitu garis regresi tidak linear.
 V-46

5.6.2. Perhitungan dengan Software SPSS

Perhitungan persamana kelinieran regresi juga dapat dilakukan dengan
menggunakan software SPSS. Perhitungan kelineran regresi dengan menggunakan
software dilakukan dapat dengan langkah-langkah sebagai berikut:
1. Buka program SPSS.
2. Masukkan data X1. X2. X3.dan Y.

Sumber : Software SPSS 16

Gambar 5.27. Data View Software SPSS Kelinieran Regresi
 V-47

3. Klik pada menubar menu Analyze, kemudian Regression, lalu pilih Linear.

Sumber: Software SPSS 16

Gambar 5.28. Tampilan untuk Membuat Regresi Linier

4. Masukkan variabel dependen yang akan dimasukkan yaitu kadar air donat dan
variabel independen yaitu tepung terigu, tepung kacang merah, dan tepung
millet.

Sumber: Software SPSS 16

Gambar 5.29. Pemilihan Variabel Dependen
 V-48

5. Lalu klik OK kemudian lihat hasil pada jendela Output.

Tabel 5.22. Pengujian Kelinearan Regresi dengan Menggunakan Software
SPSS

ANOVAa
Sum of Mean
Model df F Sig.
Squares Square
Regression 4352.333 3 1450.778 8.459 .001b
1 Residual 3430.167 20 171.508
Total 7782.500 23
a. Dependent Variable: Kadar_Air
b. Predictors: (Constant), Massa_Millet, Massa_Kacang_Merah, Massa_Terigu
Sumber : Software SPSS 16