LATIHAN

MATERI : ANALISIS REGRESI LINIER SEDERHANA

Nama : Tarisa Safira L

Nim : 5203144023

Kelas : A/20

Contoh kasus :

Ingin mengetahui pengaruh nilai praktek harian terhadap nilai akhir pada mata kuliah dasar rias. Sampel
sebanyak 10 orang mahasiswa, dengan nilai-nilai sebagai berikut :

No. Nilai Praktek Nilai Akhir

Harian
1 70 87
2 78 82
3 54 66
4 80 84
5 65 73
6 69 85
7 90 87
8 77 82
9 63 60
10 89 86
Jawab:

1. Persamaan regresinya dan interpretasinya

No Nilai
praktek Nilai akhir
harian (X) (Y) X2 Y2 X*Y
1 70 87 4900 7569 6090
2 78 82 6084 6724 6396
3 54 66 2916 4356 3564
4 80 84 6400 7056 6720
5 65 73 4225 5329 4745
6 69 85 4761 7225 5865
7 90 87 8100 7569 7830
8 77 82 5929 6724 6314
9 63 60 3969 3600 3780
10 89 86 7921 7396 7654
Jumlah 735 792 55205 63548 58958

Ʃ Xi = 735
ƩY i= 792
Ʃ X i² = 55205
ƩY i² = 63548
Ʃ X i Y i = 58958
N = 10
∑ Xi 735
X= = = 73,5
n 10

∑Yi 792
Y = = = 79,2
n 10

1. Persamaan regresinya dan interpretasinya

Y = a + bX

n ∑ XiYi – ( ∑ Xi )( ∑ Yi ) ( 10 )( 58958 ) −( 735 ) (792) ( 589580 ) −(582120) 7460

b= = = = = 0,630
n ∑ X – ( ∑ Xi ) 2
( 10 )( 55205 )− (735 ) ² (552050)−(540225) 11825

a= Y - b X = (79,2)-(0,630)(73,5) = (79,2)-(46,305)= 32,895

maka persamaan regresi linear yang di dapat adalah

Y=a+bX =32,895+0,630X

Dari persamaan di atas ,dapat di interpretasikan

 Konstanta a = 32,895

Menyatakan rata rata nilai akhir mahasiswa saat ujian (X) nol (0) adalah sebesar 32,895

 Koefisien b = 0,630

Setiap kenaikan sebesar 1 pada nilai ujian (X) ,maka nilai akhir (Y) mahasiswa kemungkinan akan
bertambah sebesar 0,630

2. Diagram pencar scatter plot kelinieritasan data

No Nilai
praktek Nilai
harian (X) akhir (Y)
1 70 87
2 78 82
3 54 66
4 80 84
5 65 73
6 69 85
7 90 87
8 77 82
9 63 60
10 89 86
Y= 32,895+0,630X

Hubungan antara nilai ujian dengan nilai akhir adalah berbanding lurus

3. Uji signifikansi parsial parameter konstanta a dan koefisien b

n ∑ Xi 2 – (∑ Xi)2 ( 10 )( 552 05 )− (735 ) 2 (552050)−(540225) 11825

Sx2 = = = = = 131,389
n(n−1) 10(10−1) ( 10 ) (9) 90

Sx = √ S x 2 = √ 131,389 = 11,462

n ∑ Yi 2 – (∑ Yi) 2 ( 10 )( 63548 )−( 792 ) 2 ( 635480 )−(627264) 8216

Sy2 = = = = = 91,289
n(n−1) ( 10 ) (10−1) ( 10 ) (9) 90

Sy = √ S y 2 = √ 91,289 = 9,554

n−1 2 2 2 10−1 9
Se2 = (S - b Sx ) = (91,289-(0,6302)(131,389) = (91,289)(0,3969)(131,389)
n−2 y 10−2 8

= (1,125)(91,289-52,148) = (1,125)(39,141) = 44,033

Se = √ S e 2 = √ 44,033 = 6,635

a. Uji signifikansi konstanta a

1. Hipotesis
H0 : α = 0 : konstanta tidak berpengaruh signifikan terhadap nilai akhir
H1 : α ≠ 0 : konstanta berpengaruh signifikan terhadap nilai akhir
2. Taraf signifikansi
 α= 5% = 0,05/2 = 0,025
df = n-2 = 10-2 = 8
n = 10
t tabel = 2,306
3. Statistic uji

( a−α 0 ) Sx √ n(n−1) ( 32,895−0 )(11,462) √ 10( 10−1) ( 32,895 ) (11,462) √ 90

t= = = =
Se √ ∑ Xi 2 (6,635) √ 55205 ( 6,635 ) (234,957)
( 32,895 )( 11,462 ) (9,486)
(1558,939)

3576,625
= = 2,294
1558,939

t hitung = 2,294

4. kriteria uji

jika |thitung |>ttabel maka H0 di tolak

jika |thitung |<ttabel maka H0 diterima

kesimpulan :

karena 2,294< 2,306 maka H0 diterima

“H0” maka konstanta tidak berpengaruh signifikan terhadap nilai akhir

b. uji signifikansi koefisien b

1. Hipotesis
H0 : β = 0 : koefisien nilai ujian tidak berpengaruh signifikan terhadap nilai akhir
H1 : β ≠ 0 : koefisien nilai ujian berpengaruh signifikan terhadap nilai akhir
2. Taraf signifikansi
α= 5% = 0,05/2 = 0,025
df = n-2 = 10-2 = 8
n = 10
t tabel = 2,306
3. Statistic uji
( b−β 0 ) Sx √ n−1 ( 0,630−0 ) (11,462) √ 10−1 ( 0,630 ) (11,462 ) (3) 21,663
t= = = = = 3,264
Se 6,635 6,635 6,635
thitung = 3,264
4. Kriteria uji
jika |thitung |>ttabel maka H0 di tolak
jika |thitung |<ttabel maka H0 diterima
kesimpulan :
karena 3,264> 2,306 maka H0 ditolak
“H0” maka koefisiennilai ujian berpengaruh signifikan terhadap nilai akhir