Regresi Linear Sederhana

PERTEMUAN XII
MK: BIOSTATISTIKA DASAR
DOSEN PENGAMPU: HIKMAH, S.PD., M.SC.
A. Definisi dan Kegunaan Regresi Linear Sederhana
• Analisis regresi linear sederhana membicarakan hubungan dari satu peubah tidak beba
(dependent variable) Y terhadap satu peubah yang lain X, yang disebut peubah bebas
(independent variable)
• Y = Variabel dependen, tak bebas, tergantung, respon, outcome.
X = Variabel independen, bebas, tak tergantung, predictor.
• Kegunaan analisis regresi:
- Menyelidiki bentuk/ pola hubungan antara Y dan X
- Mengestimasi/ menduga mean atau rata-rata dari Y populasi berdasarkan X yang
diberikan.
• Sering kita ingin memperkirakan perubahan yang terjadi pada Y sebagai akibat terjadinya
perubahan pada X, apabila kita yakin bahwa perubahan pada Y terutama disebabkan
oleh perubahan pada X. Hal ini dapat dilakukan apabila X dan Y keduanya peubah
dengan skala pengukuran interval atau rasio.
B. Model Regresi Linear Sederhana
• Regresi linear sederhana hanya terdapat satu peubah bebas X dan satu peubah acak
terikat Y, datanya dapat disajikan sebagai pasangan pengamatan, { 𝑥𝑖, 𝑦𝑖 ; 𝑖 =
1, 2, 3, … , 𝑛}.
• Model adalah representasi realitas yang ingin dijelaskan. Model harus terdiri dari
sejumlah komponen yang cukup untuk dapat mendekati aspek-aspek realitas yang
sedang dipelajari.
• Beberapa tahap dalam memuat model regresi:
1. Asumsikan komponen deterministik dalam model probabilistik. Misalnya, 𝑦 = 𝛽0 +
𝛽1 𝑥 merupakan bentuk umum komponen deterministik pada model regresi linear
sederhana.
2. Gunakan data sampel untuk menduga parameter yang tidak diketahui dalam model.
Pendugaan parameter regresi yang banyak dilakukan adalah dengan metode kuadrat
terkecil.
3. Jelaskan sebaran peluang kesalahan acak dan perkirakan setiap parameter yang tidak
diketahui dari sebaran ini.
B. Model Regresi Linear Sederhana
Beberapa tahap dalam memuat model regresi:
4. Ujilah model untuk mengetahui kedignifikanan secara statistis. Biasanya digunakan uji F.
5. Jika model memenuhi syarat kesignifikanan, gunakanlah untuk penaksiran, peramalan,
dan sebagainya. Tetapi jika tidak, selanjutnya mencari model lain yang signifikan.
6. Lanjutkan untuk mencoba model baru sampai menemukan model yang sesuai.
Unsur-unsur model garis lurus dirangkum dalam formula
𝑦 = 𝛽0 + 𝛽1 𝑥 + 𝜀, dengan:
𝑦 = nilai peubah tidak bebas
𝑥 = nilai peubah bebas (yang digunakan untuk menaksir 𝑦)
𝜀 = komponen kesalahan acak
𝛽0 = penggalan 𝑦 dari garis regresi, yaitu tempat titik garis lurus memotong sumbu 𝑦
𝛽1 = koefisien regresi (dalam hal ini, koefisien arah garis lurus) yaitu besarnya kenaikan atau
penrunan komponen deterministik 𝑦 untuk setiap satu satuan kenaikan 𝑥
C. Sifat Matematis Garis Lurus
• Simbol 𝛽0 dan 𝛽1 mempunyai nilai-nilai tetap (konstanta) untuk sabuah garis
1
lurus tertentu. Jadi, 𝑦 = 2 + 2 𝑥 menjelaskan sebuah garis dengan penggalan
1
2 dan koefisien arah sedangkan 𝑦 = 5 − 2𝑥 menjelaskan sebuah garis
,
2
lurus dengan penggalan 5 dan koefisien arah -2. Kedua garis diperlihatkan
pada gambar berikut
1
𝑦 =2+ 𝑥
2

𝑦 = 5 − 2𝑥

Gambar 2 garis lurus yang berbeda

1
Penggalan 𝛽0 , adalah nilai 𝑦 untuk 𝑥 = 0. Untuk garis 𝑦 = 2 + 2 𝑥, 𝑦 = 2 apabila 𝑥 = 0 dan untuk 𝑦 = 5 − 2𝑥, 𝑦 = 5 apabila 𝑥 = 0.
Koefisien arah 𝛽1 adalah besarnya perubahan pada 𝑦 untuk setiap satu satuan perubahan pada 𝑥. Untuk setiap garis lurus, laju
perubahan ini tetap.
D. Asumsi Statistis Model Garis Lurus
1. Kepriadaan (eksistensi). Untuk setiap nilai tetap dari peubah X, Y adalah
peubah acak dengan sebarang peluang tertentu yang mempunyai nilai
rerata dan variansi terhingga.
2. Kebebasan. Nilai-nilai Y adalah bebas statistis antara yang satu dengan
lainnya. Asumsi ini kadang-kadang dilanggar apabila pengamatan berbeda
dilakukan pada individu yang sama pada waktu-waktu yang berbeda.
3. Kelinearan. Nilai rerata Y adalah sebuah fungsi garis lurus dari X, yakni jika
titik-titik yang menyatakan nilai rerata yang berbeda dihubungkan,
diperoleh sebuah garis lurus.
4. Kehomogenan. Variansi Y sama untuk setiap X.
5. Sebaran normal. Untuk setiap nilai X tertentu, Y mempunyai sebaran
normal.
E. Menaksir Parameter Model
• Nilai-nilai 𝛽0 dan 𝛽1 dalam model 𝑦 = 𝛽0 + 𝛽1 𝑥 + 𝜀 dikenal sebagai parameter
model yang hanya dapat ditentukan jika keseluruhan nilai populasi (X,Y) diketahui.
Dalam banyak kenyataan, hanya nilai-nilai sampel (x,y) yang dapat diketahui
sehingga hanya penaksir 𝛽0 dan 𝛽1 yanhg dapat
• Misalkan 𝑏0 penaksir untuk 𝛽0 dan 𝑏1 penaksir untuk 𝛽1 , di mana 𝑏0 dan 𝑏1 dapat
ditentukan dengan metode kuadrat terkecil (least squared method). Metode ini
memilih suatu garis regresi yang membuat jumlah kuadrat jarak vertikal dari titik-
titik pengamatan ke garis regresi tersebut sekecil mungkin. Jumlah kuadrat semua
simpangan ini disebut jumlah kuadrat simpangan (JKS) sekitar garis regresi.
Dengan menggunakan metode kuadrat terkecil, diperoleh:
σ𝑛
𝑖=1 𝑦𝑖 (σ 𝑛
𝑖=1 𝑥𝑖
2 )− σ𝑛 𝑥
𝑖=1 𝑖 σ𝑛
𝑖=1 𝑦𝑖
𝑏0 = 2 − σ𝑛 𝑥 2
𝑛 σ𝑛 𝑥
𝑖=1 𝑖 𝑖=1 𝑖

𝑛 σ𝑛
𝑖=1 𝑥𝑖 𝑦𝑖 − σ𝑛
𝑖=1 𝑥𝑖 σ𝑛
𝑖=1 𝑦𝑖 σ𝑛 𝑦
𝑖=1 𝑖 −𝑏1 σ𝑛
𝑖=1 𝑥𝑖
𝑏1 = 2 , diperoleh hubungan 𝑏0 = jika
𝑛 σ𝑛 2
𝑖=1 𝑥𝑖 − σ𝑛 𝑥
𝑖=1 𝑖
𝑛
yang diperoleh pertama kali 𝑏1
 Tabel. Ukuran zat padat dan kebutuhan
Metode Kuadrat oksigen kimiawi

Terkecil Nomor
1
x
3
y
5
x*y
15
x^2
9
2 7 11 77 49
Contoh: Tentukan persamaan regresi
sederhana dari data di samping 3 11 21 231 121
4 15 16 240 225
5 18 16 288 324
6 27 28 756 729
7 29 27 783 841
8 30 25 750 900
9 30 35 1050 900
10 31 30 930 961
11 31 40 1240 961
Jumlah 232 254 6360 6020
 𝑛 σ𝑛 𝑥𝑖 𝑦 𝑖 − σ𝑛
𝑥𝑖 σ𝑛
𝑖=1 𝑦𝑖
• 𝑏1 = 𝑖=1 𝑖=1
2
𝑛 σ𝑛
𝑖=1 𝑥 𝑖
2 − σ𝑛 𝑥
𝑖=1 𝑖
11 6369 −(232)(254)
= 11 6020 −(53824)
69960−58928
= 66220−53824
11032
= 12396 = 0,89
σ𝑛 𝑦
𝑖=1 𝑖 −𝑏 σ 𝑛
𝑖=1 𝑥𝑖
• 𝑏0 =
𝑛
254−(0,89)(232)
= 11
47,52
= = 4,32
11
Diperoleh persamaan regresi 𝑦 = 4,32 + 0,89𝑥 + 𝜀
Latihan 2
1. Mutu kopi dinilai oleh dua orang dengan memperhatikan rasa dan aromanya. Mereka menggunakan
skala dari 0 ke 10 (skor 10 untuk kopi yang bermutu terbaik dan 0 untuk yang bermutu jelek). Kopi ditapis
dari 1 sampai 8 menit dan hasil penilaian diperoleh sebagai berikut:
Waktu (Menit) Skor Waktu (Menit) Skor
a. Tentukan persamaan garis
1 1,1 5 4,4 regresi skor atas waktu
2 3,0 6 7,5 b. Berapakah skor diharapkan
3 2,2 7 8,7
jika kopi tersebut ditapis
selama 7,5 menit?
4 4,2 8 8,6

2. Sebuah eksperimen dilakukan untuk menentukan laju perkembangan sejenis jamur yang dipengaruhi
oleh pemberian tabung pengujian yang memuat medium yang sama pada temperatur yang sama dengan
gas yang berbeda. Berikut datanya
Gas Laju Pertumbuhan (Y) Berat Molekuler (X) Tentukan taksiran persamaan regresi
A 3,85 4,0 garis lurus Y atas X dan gambarlah
B 3,48 20,0 grafiknya pada diagram pencar data ini!
C 3,27 28,2
D 3,08 39,9
E 2,56 83,8
F 2,21 131,3