MAKALAH STATISTIK DASAR

“ANALISIS REGRESI LINEAR SEDERHANA”

Disusun Oleh :

Rahmad Tri Ramadan ( 21020077)

Dosen Pengampuh :

PROGRAM STUDI PENDIDIKAN SENI RUPA

FAKULTAS BAHASA DAN SENI

UNIVERSITAS NEGERI PADANG

2023

i
 KATA PENGANTAR

Puji syukur kita panjatkan atas kehairan ALLAH SWT yang telah melimpahkan
rahmat dan hidayah-Nya kepada kita semua, sehingga saya dapat menyelesaikan makalah ini
untuk memenuhi tugas individu pada mata kuliah Statistika Dasar dengan tepat waktu.
Makalah ini berisikan materi tentang “Analisis Regresi Linear Sederhana”.

Saya berharap makalah ini dapat membantu pembaca dalam mengetahui tentang
analisi regresi linear sederhana. Saya juga mengucapkan terimakasih kepada Dosen mata
kuliah Statistik Dasar dan juga mengucapkan terimakasih kepada semua pihak yang telah
membagi sebagian pengetahuanya sehingga kami dapat menyelesaikan makalah ini.

Saya menyadari bahwa makalah ini masih jauh dari kata sempurna. Oleh karena itu,
saya mengharapkan segala kritikan dan saran yang membangun akan saya nantika demi
kesempurnaan makalah ini.

Padang, 20 Desember 2023

Penulis

ii
 DAFTAR ISI

KATA PENGANTAR.................................................................................................................................ii
DAFTAR ISI............................................................................................................................................iii
BAB I PENDAHULUAN...........................................................................................................................1
1.1 Latar Belakang Masalah.........................................................................................................1
1.2 Rumusan Masalah..................................................................................................................2
1.3 Tujuan Penulisan....................................................................................................................2
BAB II PEMBAHASAN............................................................................................................................3
2.1 Pengertian Analisis Regresi Linear Sederhana.......................................................................3
2.2 Prosedur Pembentukan Model Regresi Linear Sederhana.....................................................5
BAB III PENUTUP...................................................................................................................................7
3.1 Kesimpulan............................................................................................................................7
3.2 Saran......................................................................................................................................7
DAFTAR PUSTAKA..................................................................................................................................9

iii
 BAB I
PENDAHULUAN

1.1 Latar Belakang Masalah

Analisis regresi linear sederhana merupakan salah satu aspek yang penting dalam
konteks statistika dan ilmu pengetahuan terapan. Analisis regresi linear sederhana
merupakan metode statistika yang digunakan untuk memahami hubungan antara dua
variabel, yaitu variabel independen (X) dan variabel dependen (Y). Dalam banyak
kasus, regresi linear sederhana sering diaplikasikan dalam berbagai disiplin ilmu
seperti ekonomi, psikologi, biologi, dan lain sebagainya.

Pentingnya analisis regresi linear sederhana terletak pada kemampuannya untuk

memberikan gambaran yang jelas tentang sejauh mana variabel independen
mempengaruhi variabel dependen. Hal ini memungkinkan para peneliti atau analis
untuk membuat prediksi atau estimasi berdasarkan data yang diperoleh. Namun,
dalam konteks ini, beberapa tantangan muncul karena banyak faktor yang dapat
memengaruhi hubungan antara dua variabel tersebut.

Pada analisis regresi linear sederhana kesalahan pengukuran, variabilitas, dan

outlier dapat memberikan dampak yang signifikan pada hasil analisis regresi linear
sederhana. Oleh karena itu, perlu dilakukan pengelolaan data yang cermat untuk
meminimalkan potensi bias dan meningkatkan akurasi prediksi model. Selain itu,
memahami asumsi-asumsi yang mendasari regresi linear sederhana seperti linearitas,
independensi, homoskedastisitas, dan normalitas distribusi residual menjadi kunci
utama dalam menangani permasalahan tersebut.

Selain itu, relevansi pemilihan model juga menjadi perhatian utama dalam
analisis regresi linear sederhana. Dalam beberapa situasi, model linear mungkin tidak
cukup untuk menjelaskan hubungan antar variabel, dan model yang lebih kompleks
seperti regresi non-linear atau polinomial mungkin lebih sesuai. Oleh karena itu,
pemilihan model yang tepat perlu didasarkan pada pemahaman mendalam terhadap
data dan fenomena yang diamati.

1
 Pentingnya memahami interpretasi hasil regresi linear sederhana dengan benar.
Interpretasi yang kurang tepat dapat mengarah pada kesimpulan yang salah atau
pengambilan keputusan yang tidak akurat. Oleh karena itu, literasi statistika yang baik
diperlukan untuk memastikan bahwa hasil analisis dapat diartikan dengan benar dan
sesuai konteks.

Perkembangan teknologi dan ketersediaan perangkat lunak statistika

memungkinkan analisis regresi linear sederhana menjadi lebih mudah
diimplementasikan, tetapi pada saat yang sama, menuntut kehati-hatian dalam
interpretasi hasil dan pengelolaan data. Penggunaan teknologi harus diimbangi dengan
pemahaman mendalam terhadap teori di balik regresi linear sederhana untuk
menghindari kesalahan interpretasi dan pengambilan keputusan yang tidak tepat.

1.2 Rumusan Masalah

Dari penjelasan diatas maka didapatkan rumusan masalah sebagai berikut :

1. Apa yang dimaksud dengan analisis regresi linear sederhana ?

2. Bagaimana prosedur pembentukan model regresi linear sederhana?

1.3 Tujuan Penulisan

Dari rumusan masalah maka didapatkan tujuan dari penulisan yaitu :

1. Untuk mengetahui pengertian dari analisis regresi linear sederhana

2. Untuk mengetahui tentang prosedur pembentukkan model regresi sederhana

2
 BAB II
PEMBAHASAN

2.1 Pengertian Analisis Regresi Linear Sederhana

Analisis regresi linear sederhana adalah sebuah metode pendekatan untuk
pemodelan hubungan antara satu variabel dependen dengan variabel independen.
Dalam analisis regresi sederhana, hubungan antara variabel bersifat linear, dimana
perubahan pada variabel X akan diikuti oleh perubahan pada variabel Y secara
tertutup. Tujuan utama penggunaan regresi ini adalah untuk memprediksi atau
memperkirakan nilai variabel dependen dalam hubunganya dengan variabel
independen dengan demikian, keputusan dapat dibuat untuk memprediksi seberapa
besar perubahan nilai variabel dependen bilai nilai variabel dinaikturunkan.

Analisis regresi linier sederhana adalah hubungan secara linear antara satu
variabel independen (X) dengan variabel dependen (Y). Analisis regresi sederhana
dapat digunakan untuk mengetahui arah dari hubungan antara variabel bebas dengan
variabel terikat, apakah memiliki hubungan positif atau negatif serta untuk
memprediksi nilai dari variabel terikat apabila nilai variabel bebas mengalami
kenaikan ataupun penurunan. Pada regresi sederhana biasanya data yang digunakan
memiliki skala interval atau rasio.

Bentuk persaman regresi linear sederhana sebagai berikut :

Y =a+bX

Keterangan :

Y = variabel dependen sebagai variabel yang diduga atau diprediksi.

X = Variabel independen, nilai variabel yang diketahui

a = koefisien sebagai intersep ( intercept), jika nilai X=0, maka nilai Y=a. Nilai a
ini dapat diartikan sebagai sumbangan factor-factor lain terdapat variabel Y.

b = koefisien regresi sebagai slop ( kemiringan garis slop). Nilai b merupakan

besarnya perubahan pada variabel Y apabila variabel X berubah.

A. Regresi Linear Sederhana

3
  Model persamaan regresi linear sederhana:
Y =α + βX + ϵ (model populasi)
Y =a+bX + e ( model sampel )
a dan b adalah estimate value untuk α dan β
a adalah konstanta, secara grafik menunjukkan intersep.
b adalah koefisen regresi yang menunjukkan besarnya pengaruh terhadap X
terhadap Y, secara grafik menunjukkan slope ( kemiringan garis regresi )
 Jika data hasil observasi terhadap sampel acak berukuran n telah tersedia, maka
untuk mendapatkan persamaan regresi Y= a +bX. Perlu dihitung a dan b dengan
metode kuadrat kekeliruan terkecil ( least square error methods).

B. Pengujian Hipotesis koefisien Regresi Linear Sederhana

 Selanjutnya dilakukan pengujian hipotesis secara statistika terhadap koefisien
regresi yang diperoleh tersebut. Ada dua jenis pengujian yaitu uji t dan uji F.
 Uji t digunakan untuk menguji koefisien regresi secara individual atau
menguji ada tidaknya pengaruh variabel bebas (X) terhadap variabel tidak
bebas ( Y).
 Uji F digunakan untuk menguji koefisien regresi secara simultan serentak atau
untuk menguji keberartian model regresi yang digunakan.
a) Uji t
 Hipotesis statistikanya :
H 0=¿ β =0 ¿ ( X tidak berpengaruh terhadap Y)
H 1=¿ β ≠ 0¿ ( X berpengaruh terhadap Y)
b
 Statistik uji : t= s
b

 Kriteria uji : tolak H 0 jika t hit ≥ t tab atau jika t hit ≤ t tab atau terima H 0 jika
−t tab <t hit <t tab, dengan tt tab=t 0 , 5 α ; df =n−2

b) Uji F
 Hipotesis statistikanya :
H 0=¿ β =0 ¿ ( model regresi Y terhadap X tidak berarti)
H 1=¿ β ≠ 0¿ ( model regresi Y terhadap X memiliki arti)

4
 RJK reg
 Statistik uji : F=
RJK ϵ
 Kriteria uji : tolak H 0 jika F hit ≥ Ftab
F tab=Fα ; (v 1 , v 2) dimana v 1= 1 dan v 2= n-2

2.2 Prosedur Pembentukan Model Regresi Linear Sederhana

Ada beberapa prosedur pembentukan model RLS yaitu:
1. Input Data
Tahap ini dilakukan untuk pemilihan variabel, baik variabel independen
maupun variabel dependen terhadap permasalahan yang dipecahkan serta
menspesialisasikan hubungan fungsional antar variabel. Contoh: Seorang mahasiswa
ingin mengetahui pengaruh berat badan terhadap tinggi badan. Dari contoh di atas
dapat diketahui bahwa:
x: Berat badan (variabel dependen)
y: Tinggi badan (variabel independen)

2. Uji Kenormalan
Uji kenormalan pada regresi digunakan untuk menguji apakah nilai residual
yang dihasilkan dari regresi terdistribusi secara normal atau tidak. Model regresi
yang baik adalah yang memiliki nilai residual yang terdistribusi secara normal.
Langkah-langkah uji kenormalan:
Langkah 1: Hipotesis
Ho: Data berdistribusi normal
H1: Data tidak berditribusi normal
Langkah 2: Tingkat Signifikansi (α )
Langkah 3: Uji statistik
Langkah 4: Keputusan Terima Ho jika Asymp. Sim > α
Langkah 5: Kesimpulan.

3. Diagram sebar (scatter plot)

Diagram sebar (Scatter plot) digunakan untuk melihat pola hubungan antara
variabel x dangan variabel y.

5
 Gambar 1.2 Contoh Scatter Plot
Dari gambar 1.2 di atas, bertujuan untuk membantu menunjukkan apakah
terdapat hubungan yang bermanfaat antara dua variabel dan membantu menetapkan
tipe persamaan yang menunjukkan hubungan antara kedua variabel tersebut.
4. Menghitung korelasi model
Korelasi merupakan nilai yang menunjukkan adanya hubungan antara dua
variabel tetapi tidak menunjukkan sebab akibat antar variabel tersebut. Untuk
mempermudah perhitungan, maka estimasikan terlebih dahulu interval dari
paramater x dan y.
1. Estimasi interval dari parameter y (Syy)

(∑ )
n 2
yi
n
(2)
S yy =∑ y − 2 i =1
i
i=1 n
2. Estimasi interval dari parameter x (Sxx)

( )
n 2

n ∑ xi (3)
S xx =∑ x 2i −
i =1

i=1 n
3. Estimasi interval dari parameter x (Sxy)

( )(∑ )
n n

n ∑ xi yi
(4)
S xy =∑ x i y i−
i=1 i=1

i=1 n
Maka koefisien korelasi antara x dan y adalah

n S xy
r =n ∑ x i y i−¿ ¿ ¿ =
i=1 √ S xx S yy
Tabel 1.1 Deskripsi hubungan antar variabel
Nilai r Deskripsi Hubungan
r =+ 1 Hubungan linear positif sempurna
r =−1 Hubungan linear negatif sempurna

6
 +0 . 5<r <+ 1 Hubungan linear positif yang kuat
−0 . 5<r <−1 Hubungan linear negatif yang kuat
0< r <+ 0 . 5 Hubungan linear positif lemah
−0 . 5<r <0 Hubungan linear negatif lemah
r =0 Tidak ada hubungan linear

Berdasarkan tabel 1.1 maka dapat dilihat korelasi dalam scatter plot di bawah ini:

Hubungan linear positif Hubungan linear positif sempurna Hubungan linear negatif kuat
kuat

Hubungan korelasi parabolic Hubungan korelasi parabolic Tidak ada hubungan antara x
dan y
Gambar 1.3 Korelasi

BAB III
PENUTUP

3.1 Kesimpulan
Maka dapat disimpulkan bahwa, analisis regresi linear sederhana memiliki
peran sentral dalam ilmu statistika dan penelitian terapan untuk memahami dan
mengukur hubungan antara dua variabel. Metode ini memberikan dasar untuk membuat
prediksi, estimasi, dan pengambilan keputusan berdasarkan pemahaman statistik
tentang sejauh mana variabel independen memengaruhi variabel dependen. Meskipun
memberikan kerangka kerja yang kuat, penting untuk menyadari bahwa regresi linear
sederhana memiliki asumsi-asumsi tertentu, seperti linearitas dan homoskedastisitas,
yang perlu diperhatikan dan dipenuhi agar hasil analisis dapat diandalkan.
Kesimpulannya, dengan memahami keterbatasan dan asumsi-asumsi tersebut, analisis
regresi linear sederhana tetap menjadi alat yang sangat berharga dalam menjelajahi
hubungan antar variabel dan memberikan wawasan yang berharga untuk pengambilan
keputusan dalam berbagai disiplin ilmu.

7
3.2 Saran
Sebagai saran, penting bagi para peneliti dan praktisi yang menggunakan
analisis regresi linear sederhana untuk memahami secara mendalam asumsi-asumsi
yang mendasarinya. Melakukan pemeriksaan secara cermat terhadap keberlanjutan
linearitas, independensi, homoskedastisitas, dan normalitas distribusi residual akan
meningkatkan validitas dan reliabilitas hasil analisis. Selain itu, disarankan untuk
mempertimbangkan kebutuhan akan model regresi yang lebih kompleks atau teknik
analisis yang lebih lanjut jika hubungan antar variabel ternyata bersifat non-linear.
Dalam konteks ini, literasi statistika yang kuat dan pemahaman mendalam terhadap
data yang dianalisis menjadi kunci untuk memaksimalkan potensi analisis regresi
linear sederhana dan meminimalkan risiko kesalahan interpretasi.

8
 DAFTAR PUSTAKA

Jonathan Warsono, “Mengenal apa itu Analisis Regresi”,

http://www.jonathansarwono.info/regresi/regresi.htm (Diakses pada 20 desember
2023, pukul 10.58.
R.K. Sembiring, Analisis Regresi, (Bandung: Penerbit ITB, 1995).
Mulyono. (2019) Analisis Regresi Sederhana. SCS Business Mathematics and
Statistics, Management Dept., Binus Business School Undergraduate Program.
https://bbs.binus.ac.id/management/2019/12/analisis-regresi-sederhana/.(Diakses pada
20 desember 2023, pukul 12.30.