ANALISIS REGRESI

11/25/2020 Rahmat Syahni, 2020 1

 Pendahuluan
Analisis regresi mempelajari bentuk hubungan antara
satu variabel dengan variabel lain

Misalnya
X = dosis pupuk dan Y = jumlah anakan
X = dosis pestisida dan Y = kehilangan hasil

Bagaimana rumusan kuantitatif bentuk hubungan

antara dosis pupuk dengan jumlah anakan, atau dosis
pestisida dengan kehilangan hasil

11/25/2020 Rahmat Syahni, 2005 2

 Koefisien Regresi
Model Regresi Linear:

Y i =  0 +  1 Xi +  i

dengan persamaan garis regresi

Y = 0 + 1 X

0 dan 1 disebut koefisien regresi yang diduga dengan

Metoda Kuadrat Terkecil (Least Square)


1 = xy/x2 dan
 _  _
0 = Y - 1 X

dimana:
 xy =  XY - (X)(Y)/n
 x2 =  X2 - (X)2/n

11/25/2020 3
 Teknik Menghitung
Buat lembar kerja berikut:

No X Y X2 Y2 XY

1 X1 Y1 X1xX1 Y1xY1 X1xY1

2 X2 Y2 X2xX2 Y2xY2 X2xY2

3 X3 Y3 X3xX3 Y3xY3 X3xY3

: : : : : :

n Xn Yn XnxXn YnxYn XnxYn

Jumlah X Y X2 Y2 XY

11/25/2020 4
 Pada lembar kerja tersebut, data asli terdapat pada kolom
X dan Y, sedangkan nilai-nilai pada kolom X2, Y2, dan XY
dihitung dari data asli.

 Hasil perhitungan pada tiap kolom dijumlahkan menurut

kolom yang bersangkutan sehingga diperoleh nilai-nilai
X, Y, X2, Y2, dan XY (huruf besar).

 Selanjutnya dihitung nilai x2, y2, dan xy (huruf kecil):

 xy =  XY - (X)(Y)/n
 x2 =  X2 - (X)2/n
 y2 =  Y2 - (Y)2/n

11/25/2020 5
 Contoh Perhitungan
Misalkan data dosis pupuk (X) dan bobot buah (Y) :

X : 2.1 3.2 4.5 6.7 3.4 2.7 7.9 5.4 6.9

Y: 72 97 105 120 95 80 125 100 124

Tentukanlah bentuk hubungan (persamaan regresi)

antara dosis pupuk dengan bobot buah

Data tersebut dapat diplotkan sebagai berikut:

11/25/2020 6
 Plot dosis vs Bobot Buah
130

120

110

100

90
Pbobo Buah

80

70
2 3 4 5 6 7 8

Dosis Pupuk

11/25/2020 7
 Perhitungan Koefisien Regresi
X Y X2 Y2 XY
2.1 72 4.41 5184 151.2
3.2 97 10.24 9409 310.4
4.5 105 20.25 11025 472.5
6.7 120 44.89 14400 804.0
3.4 95 11.56 9025 323.0
2.7 80 7.29 6400 216.0
7.9 125 62.41 15625 987.5
5.4 100 29.16 10000 540.0
6.9 124 47.61 15376 855.6
42.8 918 237.82 96444 4660.2

11/25/2020 8
 X = 42.8 X = 4.76
Y = 918 Y = 102
X2 = 237.82 x2 = 237.82-(42.8)2/9 = 34.2822
Y2 = 96444 y2 = 96444-(918)2/9 = 2808
XY = 4660.2 xy = 4660.2-(42.8)(918)/9 = 294.6

Koefisien Regresi :

1 = xy/x2 = 294.6/34.2822 = 8.5933=8.6

0 = Y - 1X = 102 - 8.5933 (4.76) = 61.0959=61.1

Persamaan regresi adalah sebagai berikut:

Y = 0 + 1 X
Y = 61.1+ 8.6 X

11/25/2020 9
 Ragam dan Galat Baku

Ragam koefisien regresi dihitung dengan rumus:

S2o = S2 ( 1/n + X2/x2) dan

S21 = S2 (1/x2)
dimana
S2 = (y2 -  1 xy)/(n-2)
y2 = Y2 - (Y)2/n

Galat baku koefisien regresi adalah:

So =  S2o
S1 =  S21

11/25/2020 10
 Pendugaan Selang

Selang kepercayaan (1-)x100% bagi 0 adalah :

0 - t/2, n-2 S0  0  0 + t/2, n-2 S0

dimana peluang nilai 0 terletak antara batas bawah dan batas atas
dari selang kepercayaan tersebut adalah sebesar 1- .

Selang kepercayaan (1-)x100% bagi 1 adalah :

1 - t/2, n-2 S1  1  1 + t/2, n-2 S1

dimana peluang nilai 1 terletak antara batas bawah dan batas atas
dari selang kepercayaan tersebut adalah sebesar 1- .

11/25/2020 11
 Ragam dan Galat Baku
Ragam Koefisien regresi dihitung sebagai berikut:

S2 = (y2 - 1 xy)/(n-2)
= (2808 – 8.5933 (294.6))/7 = 39.4877

S2o = S2 ( 1/n + X2/x2)

= 39.4877(1/9 + 4.762 /34.2822) = 30.4855
S21 = S2 (1/x2)
= 39.4877 (1/34.2822) = 1.1518

Galat baku bagi koefisien regresi adalah:

So =  30.4855 = 5.5214

S1 =  1.1518 = 1.0732

11/25/2020 12
 Pendugaan Selang
Selang kepercayaan (1-)x100% atau selang kepercayaan 95% bagi 0:

 0 - t/2, n-2 S0   0   0 + t/2, n-2 S0

 0 – t0.025, 7 S0   0   0 + t0.025, 7 S0

61.0959 - 2.365(5.5214)   0  61.0959 + 2.365(5.5214)

48.0378   0  74.1540

Koefisien 0 populasi terletak antara 48.0378 dan 74.1540 dengan peluang 95%.

Selang kepercayaan (1-)x100% atau selang kepercayaan 95% bagi 1 :

 1 - t/2, n-2 S1   1  1 + t/2, n-2 S1

 1 – t0.025, 7 S1   1   1 + t0.025, 7 S1

8.5933 - 2.365(1.0732)  1  8.5933 - 2.365(1.0732)

6.0552  1  11.1314

Koefisien 1 populasi terletak antara 6.0552 dan 11.1314 dengan peluang 95%.

11/25/2020 13
 Koefisien Determinasi
 Ukuran yang menunjukkan kemampuan variabel X
meramalkan Y dikenal dengan koefisien determinasi R2:

1xy
R2 =
y2

 Koefisien determinasi R2 adalah proporsi keragaman variabel

terikat Y yang dapat diterangkan oleh variabel bebas X.

 Koefisien determinasi terletak antara 0 sampai 1. Semakin

tinggi R2 mendekati 1 semakin terandalkan persamaan regresi,
semakin kecil R2 mendekati 0 semakin tidak terandalkan
persaman regresi tersebut

11/25/2020 14
 Contoh
 Berdasarkan data contoh di atas, tingkat keterandalan persamaan
regresi adalah:

1xy 8.5933(294.6)
R2 = = = 0.9016 = 90.16%
y2 2808

 Secara lengkap persamaan regresi ditulis sebagai

Y = 0 + 1 X, R2 = …
(S0 ) (S1)

dengan menggunakan hasil perhitungan di atas

Y= 61.1 + 8.6 X , R2 = 90.16%

(5.5214) ( 1.0732)

11/25/2020 15
 Pengujian Koefisien Regresi
 Hipotesis mengenai parameter koefisien regresi diuji dengan uji t
dengan langkah-langkah sebagai berikut:

Hipotesis:
Ho : 1 = b1
H1 : 1  b1
Statistik Uji:
β̂1  b1
t hit 
Sβ̂
1

Keputusan :
Tolak Ho bila | t |  t/2, n-2 (Daerah Kritis)
Terima Ho bila | t | < t/2, n-2

11/25/2020 16
  Prosedur yang sama juga digunakan untuk pengujian 0

Hipotesis:

Ho : 0 = b0
H1 : 0  b0

Statistik Uji:

β̂ 0  b 0
t hit 
Sβ̂
0

Keputusan :

Tolak Ho bila | t |  t/2, n-2 (Daerah Kritis)

Terima Ho bila | t | < t/2, n-2

11/25/2020 17
 Contoh
 Dari data di atas dihipotesiskan:
Hipotesis:
Ho : 1 = 10
H1 : 1  10
Statistik Uji:
 1 – b1 8.6 – 10
t = = = -1.3045
S1 1.0732

 Keputusan :
Terima Ho karena | t | = 1.3045 < t0.025,7 = 2.365.
Paramater 1 dapat dikatakan sama dengan 10.

11/25/2020 18
 SEKIAN DAN
TERIMA KASIH

11/25/2020 19