STATISTIKA
“ANALISIS REGRESI LINEAR”
DISUSUN OLEH
Nama : Fajar Shufi Fauzianto
NPM : 21034010144
Kelompok : C4
DOSEN PENGAMPU
Restu Hikmah Ayu Murti, S.ST., M.Sc.
ASISTEN LABORATORIUM
Anggit Salis Media U
PENDAHULUAN
TINJAUAN PUSTAKA
Dimana, a dan b adalah dua parameter pada analisis regresi yang disebut
sebagai intercept (a) dan slope (b) (Walpole dan Myers, 1986). Pada analisis regresi
intercept didefinisikan sebagai adalah rata-rata variabel respon (Y) saat variabel
prediktor (X) bernilai 0. Sedangkan slope didefinisikan sebagai nilai yang
menunjukkan seberapa besar kontribusi atau pengaruh yang diberikan oleh suatu
variabel predikor (X) terhadap variabel respon (Y) atau dapat diartikan sebagai rata-
rata pertambahan atau pengurangan pada variabel Y untuk setiap peningkatan satu
satuan variabel X.
Pada regresi linear sederhana terdapat istilah koefisien determinasi. Koefisien
determinasi mencerminkan seberapa besar kemampuan variabel bebas dalam
menjelaskan varians variabel terikatnya. Mempunyai nilai antara 0 – 1 di mana nilai
yang mendekati 1 berarti semakin tinggi kemampuan variabel bebas dalam
menjelaskan varians variabel terikatnya (Kuncoro, 2011).
Tabel T Presentase Distribusi
Selain itu juga terdapat nilai t hitung dan F hitung. Nilai t hitung > t tabel
berarti ada pengaruh yang signifikan antara variabel bebas terhadap variabel terikat,
atau bisa juga dengan signifikansi di bawah 0,05 untuk penelitian sosial, dan untuk
penelitian bursa kadang-kadang digunakan toleransi sampai dengan 0,10.
Tabel F Regresi Linear
Sedangkan F hitung dilihat pada F Tabel. F tabel adalah suatu nilai tertentu
yang digunakan sebagai pembanding, apakah sebuah pengujian yang menggunakan
f hitung dikatakan signifikan atau tidak. Seperti yang kita ketahui sebelumnya, kata
signifikan dapat digambarkan bahwa terima H1 yang dalam artian adalah menerima
hipotesis alternatif (Hasan, 2010).
BAB III
DATA
pH 6, 6 120 110 90
pH 6, 9 100 80 80
pH 6, 12 90 70 70
pH 7, 6 110 100 90
pH 7, 9 90 90 80
ph 7, 12 80 80 70
pH 8, 3 110 100 50
pH 8, 6 100 90 40
pH 8, 9 80 80 30
pH 8, 12 70 60 20
3.2 Variabel
Variabel dalam penelitian terdiri dari dua jenis, yaitu variabel dependen
(variabel terikat) dan independen (variabel bebas). Parameter yang digunakan adalah
waktu dalam satuan jam, kadar 30 Menit, kadar 60 Menit, kadar 90 Menit, kadar NH3
dan kadar PO4. Adapun variabelnya terbagi dalam data sebagai berikut:
1. Variabel Dependen/Respon/simbol Y
• Kadar 30 Menit
• Kadar 60 Menit
• Kadar 90 Menit
2. Variabel Independen/Predictor/simbol X
• Waktu dalam satuan jam
BAB IV
3. Isikan variabel data ke dalam kolom C1 dan beri nama kolom C1 dengan “30
Menit”
4. Isikan variabel data ke dalam kolom C2 dan beri nama kolom C2 dengan “60
Menit”
5. Isikan variabel data ke dalam kolom C3 dan beri nama kolom C3 dengan “90
Menit” dan seterusnya.
6. Simpan dalam Project dengan nama M4 Analisis Regresi Linear.MPJ dan
simpan dalam worksheet dengan nama M4 Waktu 30 Menit, 60 Menit dan
90 Menit.MTW
7. Pilih >Stat>Regression>Fitted Line Plot
Layar monitor akan memperlihatkan kotak dialog Fitted Line Plot seperti
pada gambar :
8. Dalam Response (Y), masukkan COD
2. Isikan variabel data ke dalam kolom C1 dan beri nama kolom C1 dengan “30
Menit”
3. Isikan variabel data ke dalam kolom C2 dan beri nama kolom C2 dengan “60
Menit”
4. Isikan variabel data ke dalam kolom C3 dan beri nama kolom C3 dengan “90
Menit” dan seterusnya.
5. Simpan dalam Project dengan nama M4 Analisis Regresi Linear.MPJ dan
simpan dalam worksheet dengan nama M4 Waktu 30 Menit, 60 Menit dan
90 Menit.MTW
6. Pilih >Stat>Regression>Regression>Fit Regression Model
Layar monitor akan memperlihatkan kotak dialog Regression seperti pada
gambar :
11. Dibawah Residual Plots, beri tanda cek () pada Normal probability plot
of residual lalu klik OK.
16. Dalam kotak dialog Regression – Storage, beri tanda cek () pada Residuals
dan Fits. Fungsinya untuk menampilkan residual yang dapat digunakan untuk
mendiagnosis model regresi
6.1 Kesimpulan
Kesimpulan yang dapat ditarik dari praktikum analisis statistik regresi linear
sederhana kali ini adalah sebagai berikut:
1. Pada interpretasi persamaan regresi linear sederhana antara variabel waktu
sebagai variabel x dan variabel 30 Menit sebagai variabel y diperoleh hasil
30 Menit = 5,075 + 1,050 60 Menit.
2. Analisis berdasarkan nilai t uji dan F uji, dugaan adanya pengaruh antara
variasi waktu dengan konsentrasi 30 Menit dapat diterima.
3. Nilai R atau Koefisien Korelasi sebesar 0,953 dengan (rangenya 0 - 1)
menunjukkan adanya hubungan linear yang sangat kuat antara kandungan 30
Menit dengan jumlah waktu yang dihasilkannya.
4. Tidak ditemukan unusual observation dikarenakan tidak ada data yang
menyimpang pada variasi waktu dengan konsentrasi 30 Menit.
5. Pada data analisis variasi waktu dengan konsentrasi 30 Menit data telah
berdistribusi secara normal, independent, dan nilai besaran mean yang lebih
besar daripada median, namun data residual yang tidak tersebar pada sumbu
nol sehingga belum dapat dikatakan identik.
6.2 Saran
Saran yang dapat diberikan pada praktikum analisis regresi linear data
statistika kali ini adalah sebagai berikut:
1. Praktikan diharapkan membaca modul terlebih dahulu sebelum praktikum
dilaksanakan.
2. Praktikan harus lebih teliti dalam proses memasukkan data dan
menginterpretasikan hasil dari running data sehingga didapatkan hasil yang
valid dan akurat.
3. Praktikan mencatat seluruh hasil pengamatan dan analisis sesuai dengan hasil
praktikum yang telah dilaksanakan.
DAFTAR PUSTAKA
Kuncoro, Mudrajad. 2011. Metode Kuantitatif; Teori dan Aplikasi untuk Bisnis dan
Ekonomi, Edisi keempat. Yogyakarta: Sekolah Tinggi Ilmu Manajemen
YKPN.
Sulistiyowati, W., & Astuti, C. C. 2017. Buku Ajar Statistika Dasar. Umsida Press, 1-236.
https://doi.org/10.21070/2017/978-979-3401-73-7
Sumanto, M. A. 2014. Statistika Deskriptif (Untuk Mahasiswa, Dosen dan Umum). CAPS.
Supranto, J. 1977. Statistik, Teori dan Aplikasi. Jakarta: Erlangga. Wahana Komputer. 2009.
Menguasai Java Programing. Semarang: Salemba 4.
Walpole, R. E., & Myers, R. H. (1986). Ilmu peluang dan Statistika untuk Insinyur dan
Ilmuwan (R. K. Sembiring, Trans.). Bandung: Penerbit ITB.
Yan, Xin and Su, Xiao Gang. 2009. Linear Regression Analysis Theory and Computing.
USA: World Scientific Publishing.