LAPORAN PRAKTIKUM

ANALISA DATA DENGAN METODE REGRESI LINIER

Disusun Oleh :

1. Muhammad Helmi (20312244028)

2. Nabila Dwi Oktafiani (20312244006)

3. Sagita Lintang Cahyani (20312241038)

4. Sarifatun Dea Agustin (20312241036)

JURUSAN PENDIDIKAN IPA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI YOGYAKARTA
TAHUN 2020
A. Judul
Analisa Data Dengan Metode Regresi Linier
B. Tujuan
Mahasiswa mampu melakukan analisis data hasil pengukuran tidak langsung
dengan menggunakan metode regresi linier atau kuadrat terkecil dan menghitung
korelasinya.

C. Dasar Teori
Pengukuran adalah pekerjaan yang sangat penting untuk mengetahui data
secara pasti. Dalam fisika, pengukuran memegang peranan yang teramat penting.
Pengukuran adalah kunci kemajuan ilmu pengetahuan dan teknologi. Teori apa
pun yang dikembangkan dalam fisika maupun bidang ilmu lain harus dapat
dibuktikan dengan pengukuran. Jika teori tidak sesuai dengan hasil pengukuran
maka teori tersebut ditolak (Mikrajuddin, A., 2016:16)
Analisis regresi merupakan metode analisis yang dapat digunakan untuk
menganalisis data dan mengambil kesimpulan yang bermakna tentang
hubungan ketergantungan variabel terhadap variabel lainnya. Hubungan yang
didapat pada umumnya dinyatakan dalam bentuk persamaan matematika yang
menyatakan hubungan antara variabel bebas (idependent variable) dan variabel
tak bebas (dependent variable) dalam bentuk persamaan sederhana (Drapper
dan Smith,1992).
Persamaan regresi linear diturunkan untuk menghitung pasangan data xi
dan yi yang memenuhi hubungan linear, yaitu: y = a + bx Dalam penampilan
grafik y = f (x) sebagai berikut.
 Nilai b merupakan slope/ gradient garis dari grafik tersebut yang dapat
ditentukan dengan menggunakan persamaan berikut. Jika S1=S2=Si
(Ketidakpastiannya2 sama), maka2 nilai a dan b sebagai berikut.
𝜕𝑥
= 0 dan 𝜕𝑥 = 0, dimana 𝑥 2 = 1 ∑(𝑦 − (𝑎 + 𝑏𝑥 ))
𝜕𝑎 𝜕𝑏 𝑆2 𝑖 𝑖
Maka diperoleh persamaan sebagai berikut.
𝑁 ∑ 𝑥𝑦 − ∑ 𝑥 ∑ 𝑦
𝑏=
∆
∑ 𝑥2 ∑ 𝑦 − ∑ 𝑥 ∑ 𝑥𝑦
𝑎=
∆
2
∆ = 𝑁 ∑ 𝑥 2 − (∑ 𝑥)
N adalah jumlah data yang dianalis
Dengan nilai ketidakpastiannya a dan b sebagai berikut.

𝑆2 = 𝑆 ∑ 𝑥𝑖
2 2

𝑎
∆
2 𝑁𝑆 2
𝑆𝑏 =
∆
Nilai S pada persamaan Sa dan Sb di atas pada dasarnya sama dengan Sy. Jika
nilai Sy tidak diketahui tetapi dapat diperkirakan bahwa besarnya sama (umumnya
bersumber dari alat ukur yang sama dan skala yang digunakan juga sama), maka nilai S
dapat ditentukan dengan persamaan berikut.
1
𝑆2 = ∑( − 𝑎 − 𝑏𝑥𝑖 )2
𝑁 − 2 𝑦𝑖
Jika S1 ≠ S2 ≠Si (Ketidakpastiannya tidak sama), maka nilai a dan b sebagai berikut.
1 𝑥𝑖 𝑦𝑖2 )
𝑏 = (∑ 1 ∑ 𝑥𝑖𝑦𝑖 − ∑ 2∑
∆ 𝑆 𝑖2 𝑆𝑖2 𝑆 𝑖 𝑆𝑖2
𝑦2 𝑥𝑖 𝑥𝑖𝑦𝑖
1 𝑥21
𝑎 = (∑ ∑ 𝑖 − ∑ ∑ )
∆ 𝑆 𝑖2 𝑆𝑖2 𝑆 𝑖2 𝑆𝑖2
2
1 𝑥 𝑥𝑖 2
∆ = ∑ ∑ 𝑖 − (∑ )
𝑆 𝑖2 𝑆 𝑖2 𝑆 𝑖2

Dengan nilai ketidakpastian Sa dan Sb sebagai berikut.

1 𝑥 2𝑖
𝑆2 = ∑
𝑎
∆ 𝑆 𝑖2
1 1
2
𝑆𝑏 = ∑ 2
∆ 𝑆𝑖
2 2
1 𝑥
∆ = ∑ ∑ 𝑖 − (∑ 𝑥𝑖 )
2 2
𝑆𝑖 𝑆 𝑖2 𝑆𝑖
 Hubungan linier antara x dan y diharapkan berbentuk seperti persamaan yfit = a + bx,
yang dinamakan persamaan hasil fit linier, sehingga untuk setiap nilai xi bisa dihitung nilai
yfit = a + bxi sedangkan hasil pengukuran untuk nilai xi adalah yi. Secara teori, regresi linear
dapat dipergunakan untuk menemukan persamaan garis lurus terbaik dari data pasangan
(xi : yi) yang diperoleh dari hasil eksperimen yang secara eksplisit tidak membatasi, apakah
pasangan data tersebut betul–betul membentuk garis lurus. Hal ini berimplikasi untuk
pasangan data sembarang dapat dipilih garis lurusnya. Lebih dari itu, hal ini sering
menimbulkan kesalahan dalam penggunaan analisa data eksperimen.

Koefisien korelasi adalah suatu nilai yang dipakai untuk mengetahui derajad kesesuaian
dari persamaan yang didapat. Data hasil pengamatan yang baik menunjukkan bahwa
variabel x dan variabel y menunjukkan hubungan persamaan garis lurus yang memenuhi
persamaan y = a + bx sebagaimana gambar di bawah.

Data Memenuhi Persamaan Garis Lurus

Data hasil pengamatan yang tidak baik menunjukkan bahwa variabel x dan variabel y
dalam eksperimen tidak menunjukkan hubungan garis lurus sebagaimana gambar berikut.

Data Memenuhi Persamaan Garis Lurus

Korelasi linearitas dari data yang diperoleh adalah baik atau tidak, dapat diketahui
dengan menghitung nilai koefisien korelasi r dengan menggunakan rumus sebagai
berikut.
𝑁 ∑ 𝑥𝑖𝑦𝑖 − ∑ 𝑥𝑖 ∑ 𝑦𝑖
𝑟= [𝑁 ∑2𝑥]2 − (∑ 𝑥𝑖 )1⁄2 ] [𝑁 ∑ 𝑦 2 − (∑
𝑦𝑖 )1⁄
𝑖 𝑖

Nilai r semakin mendekati nilai 0 maka antara variabel x dan variabel y semakin
tak terkolerasi, artinya data tersebut tidak memenuhi persamaan garis lurus.
Sebaliknya nilai r semakin mendekati ± 1 maka antara variabel x dan variabel y
semakin terkolerasi secara linear. Nilai positif artinya variabel x dan variabel y
terkorelasi secara positif, dan sebaliknya jika negatif berarti variabel x dan
variabel y terkorelasi negatif. (Tim Dosen Jurusan Pendidikan IPA, 2020).

D. Prosedur Percobaan
1. Tempat dan Waktu
a. Tempat : Rumah Praktikan
b. Waktu : 19 November 2020
2. Alat dan Bahan
Menggunakan data yang telah disiapkan dalam panduan praktikum Alat Ukur
dan Metode Pengukuran.

3. Langkah Kerja

Mencari referensi tentang analisis data menggunakan metode regresi linier

Memasukkan data yang sudah disediakan kedalam tabel data hasil

Menganalisis data yang sudah disediakan dengan metode regresi linier

Membuat kesimpulan dari praktikum yang telah dilakukan

E. Data Hasil

No. Jarak Benda Jarak Benda Fokus Lensa

(So ± 0,05 ) cm (Si ± 0,05 ) cm (f ± Δf) cm

1. 12,80 20,90 7,93 ± 0,02

2. 12,90 22,50 8,19 ± 0,02

3. 13,20 20,50 8,02 ±0,02

4. 13,40 21,50 8,25 ± 0,02

5. 12,70 21,60 0,123 ± 0,027

F. Analisis Data
1. Mencari Fokus Lensa (f)
1 1 1
= +
f s s'
1 1 1
= +
f 12,80 20,90
1 20,90 + 12, 80
=
f 12, 80.20,90
12,80.20,90
f =
20,90 + 12,80
267,5
f =
33,7
f = 7,938
 Mencari ∆f

f f
f = So + Si
So Si
20,90(12,80 + 20,90) − 12, 80(20,90) 12,80(12,80 + 20,90) − 20,90(12,80)
f = 0,05 + 0,05
(12,80 + 20,90) 2
(12, 80 + 20,90) 2
20,90(12,80 + 20,90 − 12,80) 12,80(12,80 + 20,90 − 20,90)
f = 0,05 + 0,05
(12,80 + 20,90) 2
(12,80 + 20,90) 2
20,90( 20,90) 12,80(12,80)
f = 0,05 + 0,05
(12,80 + 20,90) 2
(12,80 + 20,90) 2
436,81 163,84
f = 2
0,05 + 0,05
(33,7) (33,7) 2
f = 0,019 + 0,007
f = 0,026

Jadi, fokus lensa tersebut yaitu 7,93±0,02.

2. Mencari Fokus Lensa (f)

1 1 1
= +
f s s'
1 1 1
= +
f 12, 90 22,50
1 22,50 + 12, 90
=
f 12,90.22,50
12,90.22,50
f =
22,50 + 12,90
290,25
f =
35,4
f = 8,199
 Mencari ∆f
f f
f = So + Si
So Si
22,50(12,90 + 22,50) − 12, 90(22,50) 12,90(12,90 + 22,50) − 22,50(12,90)
f = 0,05 + 0,05
(12, 90 + 22,50) 2
(12,90 + 22,50) 2
22,50(12,90 + 22,50 − 12,90) 12,90(12,90 + 22,50 − 22,50)
f = 0,05 + 0,05
(12,90 + 22,50) 2
(12,90 + 22,50) 2
22,50(22,50) 12,90(12,90)
f = 0,05 + 0,05
(12,90 + 22,50) 2
(12,90 + 22,50) 2
506,25 166,41
f = 2
0,05 + 0,05
(35,4) (35,4) 2
f = 0,020 + 0,006
f = 0,026
Jadi, fokus lensa tersebut yaitu 8,19±0,02.

3. Mencari Fokus Lensa (f)

1 1 1
= +
f s s'
1 1 1
= +
f 13, 20 20,50
1 20,50 + 13, 20
=
f 13,20.20,50
13,20.20,50
f =
20,50 + 13,20
270,6
f =
33,7
f = 8,029
 Mencari ∆f
f f
f = So + Si
So Si
20,50(13,20 + 20,50) − 13, 20(20,50) 13,20(13,20 + 20,50) − 20,50(13,20)
f = 0,05 + 0,05
(13, 20 + 20,50) 2
(13,20 + 20,50) 2
20,50(13,20 + 20,50 − 13,20) 13,20(13,20 + 20,50 − 20,50)
f = 0,05 + 0,05
(13,20 + 20,50) 2
(13,20 + 20,50) 2
20,50(20,50) 13,20(13,20)
f = 0,05 + 0,05
(13,20 + 20,50) 2
(13,20 + 20,50) 2
420,25 174,24
f = 2
0,05 + 0,05
(33,7) (33,7) 2
f = 0,018 + 0,007
f = 0,025
Jadi, fokus lensa tersebut yaitu 8,02±0,02.

4. Mencari Fokus Lensa (f)

1 1 1
= +
f s s'
1 1 1
= +
f 13,40 21,50
1 21,50 + 13,40
=
f 13,40.21,50
13,40.21,50
f =
21,50 + 13,40
288,1
f =
34,9
f = 8,255
 Mencari f
f f
f = So + Si
So Si
21,50(13,40 + 21,50) − 13,40(21,50) 13,40(13,40 + 21,50) − 21,50(13,40)
f = 0,05 + 0,05
(13,40 + 21,50) 2
(13,40 + 21,50) 2
21,50(13,40 + 21,50 − 13,40) 13,40(13,40 + 21,50 − 21,50)
f = 0,05 + 0,05
(13,40 + 21,50) 2
(13,40 + 21,50) 2
21,50(21,50) 13,40(13,40)
f = 0,05 + 0,05
(13,40 + 21,50) 2
(13,40 + 21,50) 2
462,25 179,56
f = 2
0,05 + 0,05
(34,9) (34,9) 2
f = 0,018 + 0,007
f = 0,025
Jadi, fokus lensa tersebut yaitu 8,25±0,02.

5. Mencari Fokus Lensa (f)

1 1
f= +
𝑠𝑜 𝑠𝑖
1 1
f= +
12.70 21.60
12.70 + 21.60
f=
12.70 𝑥 21.60
34.30
f=
274,32
34.30
f=
274,32
f= 0,1230 cm
 f f
f = So + Si
So Si
21,60(12,70 + 21,60) − 12,70(21,60) 12,70(12,70 + 21,60) − 21,60(12,70)
f = 0,05 + 0,05
(12,70 + 21,60) 2
(12,70 + 21,60) 2
21,60(12,70 + 21,60 − 12,70) 12,70(12,70 + 21,60 − 21,60)
f = 0,05 + 0,05
(12,70 + 21,60) 2
(12,70 + 21,60) 2
21,60(21,60) 12,70(12,70)
f = 0,05 + 0,05
(12,70 + 21,60) 2
(12,70 + 21,60) 2
466,56 161,29
f = 2
0,05 + 0,05
(34,3) (34,3) 2
f = 0,02 + 0,007
f = 0,027

Jadi, fokus lensa tersebut yaitu 0,123 ± 0,027.

Tabel Perhitungan Olah Data

No X = So × Si Y = So + Si 𝑿𝟐 𝒀𝟐 XY
1 267,52 33,7 71.566,9504 1.135,69 9.015,424
2 290,25 35,4 84.245,0625 1.253,16 10.274,85
3 270,6 33,7 73.224,36 1.135,69 9.119,22
4 288,1 34,9 83.001,61 1.218,01 10.054,69
5 274,32 34,3 75.251,4624 1.176,49 9.409,176
 X = 1.390,79  Y = 172 X 2
= 387 .289,445 Y 2
= 5.919,04  XY = 47.873,36

Persamaan :
2
∆ = 𝑁 ∑ 𝑥 2 − (∑ 𝑥)
∆ = 5(387.289,445) – (1.390,79)2
∆= 1.936.447,23 – 1.934.296,82
∆ = 2.150,41

∑ 𝑥 2 ∑ 𝑦−∑ 𝑥 ∑ 𝑥𝑦
a= ∆
387.289,445(172)−(1.390,79)47.873,36
a= 2.150,41
66.613.784,5−66.581.790,4
a= 2.150,41
 31.994,1
a= 2.150,41
a= 14,8781395

𝑁 ∑ 𝑥𝑦−∑ 𝑥 ∑ 𝑦
b= ∆
5(47.873,36)−1.390,79(172)
b= 2.150,41
239.366,8−239.215,88
b= 2.150,41
150,92
b = 2.150,41
b = 0,0701819653

y = a +bx
y = 14,8781395+ 0,0701819653x
y = 14,878 + 0,0702x

Grafik
35,6
35,4
35,2 y = 0,0702x + 14,878
35
34,8
Y ( So + Si)

34,6
34,4
34,2
34
33,8
33,6
33,4
265 270 275 280 285 290 295
X (So × Si)
Mencari F
x 267 ,52
F1 = 1 = = 7,938
y1 33,7
x2 290,25
F2 = = = 8,199
y2 35,4
x3 270,3
F3 = = = 8,141
y 3 33,2
x4 288,1
F4 = = = 8,255
y4 34,9
x5 274,32
F5 = = = 7,99
y5 34,3

Mencari F rata-rata

−
F=
f n
=
7,938 + 8,199 + 8,141 + 8,255 + 7,99
= 8,1046
n 5

Mencari F

F1 − F2 + F1 − F3 + F1 − F4 + F1 − F5
F =
4
7,938 − 8,199 + 7,938 − 8,141 + 7,938 − 8,255 + 7,938 − 7,99
F =
4
F = 0,20825

G. Pembahasan
Praktikum yang berjudul Analisis Data dengan Metode Grafik Linier
bertujuan untuk menganalisis data hasil pengukuran tidak langsung dengan
menggunakan metode regresi linier atau kuadrat terkecil dan menghitung
korelasinya.
Praktikum ini dilaksanakan pada tanggal 19 November 2020. Praktikum
ini dilaksanakan secara daring yang mengakibatkan praktikan mengalami
beberapa keterbatasan, salah satunya adalah keterbatasan alat dan bahan
 praktikum. Untuk mengatasi hal tersebut praktikan menggunakan data yang telah
disediakan dalam panduan praktikum Alat Ukur dan Metode Pengukuran.
Langkah pertama yang dilakukan dalam praktikum ini adalah
menyiapkan alat dan bahan yang akan digunakan untuk praktikum. Akan tetapi
karena praktikum kali ini dilakukan secara daring, maka praktikan hanya diminta
untuk menyalin data hasil yang telah disediakan pada panduan praktikum.
Setelah mendapatkan data hasil dari panduan praktikum, langkah selanjutnya
yang dilakukan oleh praktikan adalah menganalisis data pada pengukuran tidak
langsung dengan menggunakan metode grafik linier.
𝜕𝑉
Dalam pengukuran berulang gayut digunakan rumus ΔV = | |Δx+
𝜕𝑥
𝜕𝑉 𝜕𝑉
|𝜕𝑦 |Δy + |𝜕𝑧 |Δz , sedangkan untuk pengukuran berulang tak gayut digunakan

rumus umum sebagai berikut

𝜕𝑉 2 𝜕𝑉 2 𝜕𝑉 2
ΔV = √( 𝜕𝑥 Δx) + (𝜕𝑦 Δy) + ( 𝜕𝑧 Δz) .

Dalam pengukuran berulang gayut percobaan lensa cembung menentukan

fokus lensa, dihitung menggunakan rumus. Pada pengukuran fokus lensa cembung
pertama didapat fokus lensa berjarak (7,93 ± 0,02) cm. Pengukuran data kedua
fokus lensa cembung didapat fokus lensa berjarak (8,19 ± 0,02) cm. Selanjutnya,
fokus lensa cembung yang diperoleh adalah (8,02 ± 0,02) cm. Data keempat
memiliki fokus lensa yang berjarak (8,25 ± 0,02) cm. Data yang terakhir didapat
data fokus lensa cembung yang berjarak (0,123 ± 0,027) cm.

Setelah mendapatkan fokus lensa, langkah selanjutnya yang dilakukan

adalah dengan mencari nilai x yang diperoleh dari So × Si. Hasil x yang
diperoleh yaitu 267,52 ; 290,25 ; 270,6 ; 288,1 ; dan 274,32. Setelah diperoleh
nilai x nilai  X dapat diperoleh yaitu  X = 1.390,79 . Langkah selanjutnya
yang dilakukan adalah mencari nilai y yang diperoleh dari rumus So + Si, hasil
yang diperoleh yaitu 33,7 ; 35,4 ; 33,7 ; 34,9 ; dan 34,3. Setelah diperoleh nilai y

nilai Y dapat diperoleh yaitu  Y = 172 . Langkah selanjutnya adalah

71.566,9504 ; 84.245,0625 ;
mencari nilai x², hasil yang diperoleh yaitu
73.224,36 ; 83.001,61 ; dan 75.251,4624. Setelah diperoleh nilai x² nilai x 2

dapat diperoleh yaitu X 2

= 387 .289,445
. Langkah selanjutnya yang
1.135,69 ; 1.253,16
dilakukan adalah mencari nilai y², hasil yang diperoleh yaitu
; 1.135,69 ; 1.218,01 ; dan 1.176,49. Setelah diperoleh nilai y² nilai y 2
dapat

diperoleh yaitu y 2
= 5.919,04
. Langkah selanjutnya yang dilakukan adalah
9.015,424 ; 10.274,85 ; 9.119,22 ;
mencari nilai xy, hasil yang diperoleh yaitu
10.054,69 ; dan 9.409,176. Setelah diperoleh nilai xy nilai  xy dapat diperoleh
yaitu  xy = 47.873,36 .
Selanjutnya sesuai dengan literatur menurut Joko, S., dan Didik, S.,
(2020: 27) persamaan dapat diperoleh dari :

2
∆ = 𝑁 ∑ 𝑥 2 − (∑ 𝑥)

∑ 𝑥 2 ∑ 𝑦−∑ 𝑥 ∑ 𝑥𝑦
a=
∆

𝑁 ∑ 𝑥𝑦−∑ 𝑥 ∑ 𝑦
b=
∆

Dengan menggunakan rumus tersebut diperoleh hasil yaitu ∆ =

2.150,41 , a = 14,8781395, dan b = 0,0701819653. Berdasarkan data tersebut
dapat diperoleh persamaan yaitu y = a +bx sehingga diperoleh hasil y =
14,878 + 0,0702x.

Berdasarkan analisis data menggunakan grafik linier tersebut,

 diperoleh grafik sebagai berikut :

35,6
35,4
35,2 y = 0,0702x + 14,878
35
34,8
Y ( So + Si)

34,6
34,4
34,2
34
33,8
33,6
33,4
265 270 275 280 285 290 295
X (So × Si)

𝑥
Dalam mencari F dengan menggunakan rumus, F= 𝑦 . Hasil nilai F1
dengan nilai x1 = 267,52 dan y1 = 33,7 yang kemudian dihitung dengan rumus
yang ada maka didapatkan nilai F1 = 7,938. Hasil nilai F2 dengan nilai x2 =
290,25 dan y2 = 35,4 yang kemudian dihitung dengan rumus yang ada maka
didapatkan nilai F2 = 8,199. Hasil nilai F3 dengan nilai x3 = 270,3 dan y3 = 33,2
yang kemudian dihitung dengan rumus yang ada maka didapatkan nilai F3 =
8,141. Hasil nilai F4 dengan nilai x4 = 288,1 dan y4 = 34,9 yang kemudian
dihitung dengan rumus yang ada maka didapatkan nilai F4 = 8,255. Hasil nilai F5
dengan nilai x5 = 274,32 dan y5 = 34,3 yang kemudian dihitung dengan rumus
∑𝑓𝑛
yang ada maka didapatkan nilai F5 = 7,99. Frata-rata = 𝑛

Dalam mencari Frata-rata menggunakan rumus vv ...

Berdasarkan rumus ini dimana ∑fn yang merupakan hasil penjumlahan dari
kelima data F dan n yang berjumlah 5 data maka dihasilkan nilai F rata-rata yaitu
|𝐹1−𝐹2|+ |𝐹1−𝐹3|+ |𝐹1−𝐹4|+|𝐹1−𝐹5|
∆F = Dalam mencari𝑛 ∆F dengan rumus berikut
8,1046.
 S dengan nilai n = 4 dan nilai
penjumlahan selisih keempat data tersebut maka didapatkan nilai ∆F yaitu
sebesar 0,20825.

H. Kesimpulan
Berdasarkan praktikum yang telah dilakukan dapat disimpulkan bahwa
1. Pengukuran menggunakan metode regresi linier dihasilkan persamaan y
= 14,878 + 0,0702x.
2. Adapaun pengaruh dari hubungan antaran variable x dengan variabel y
dengan variable x sebagai variable bebas. Variabel x sebagai
independen dan variable y sebagai dependent Dan x (So × Si ) dan y (So
+ Si).
3. Saat nominal x nya dinaikkan nominal y juga ikut naik, begitu juga jika
nominal x diturunkan maka nominal juga turun.
 DAFTAR PUSTAKA

Abdullah, Mikrajudin. (2016). Fisika Dasari 1. Bandung: ITB.

Draper, N. Smith, H. (1992) Analisis regresi terapan. jakarta:Gramedia Pustaka
Utama
Sudomo, Joko dan Setyawarno, Didik. 2020. Petunjuk Praktikum Alat Ukur dan
Metode Pengukuran. Universitas Negeri Yogyakarta: Pendidikan IPA, FMIPA.