RUDINI MULYA _ TEKNIK INDUSTRI U NIVERSITAS MERCU BUANA 2012

LAPORAN AKHIR
PRAKTIKUM STATISTIK

Diajukan untuk Melengkapi Tugas Mata Kuliah

Praktikum Statistik
Pada Program Studi Teknik Industri

Disusun Oleh :

Kelompok 4

Rudini Mulya (41610010035)

(41610010035)
Dessy Diardito Miranda (41610010040)
(41610010040)
Ihsan Maulana (41610010010)
(41610010010)
Yoel Octavianus (41610010043)
(41610010043)

PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK
UNIVERSITAS MERCU BUANA
JAKARTA
2012

Diperiksa dan disetujui oleh :

Asisten Praktikum
RUDINI MULYA _ TEKNIK INDUSTRI U NIVERSITAS MERCU BUANA 2012

LAPORAN PRAKTIKUM
REGRESI SEDERHANA
BAB I
PENDAHULUAN

1.1 Latar Belakang

Analisa regresi digunakan untuk melihat pengaruh variabel prediktor terhadap variabel
respon dengan terlebih dahulu melihat pola hubungan variabel tersebut. Hal ini dapat
dilakukan melalui dua pendekatan yaitu pendekatan parametrik dan pendekatan
nonparametrik. Pendekatan yang paling umum dan seringkali digunakan adalah pendekatan
parametrik. Pendekatan parametr ik mengasumsikan bentuk model sudah ditentukan. Apabila
tidak ada informasi apapun tentang bentuk dari fungsi regresi, maka pendekatan yang
digunakan adalah pendekatan nonparametrik (Hardle, 1994). Karena pendekatan
nonparametrik tidak tergantung pada asumsi bentuk kurva tertentu, sehingga memberikan
fleksibilitas yang lebih besar.
Ada beberapa teknik estimasi dalam regresi nonparametrik antara lain estimator
regressogram, estimator Spline, estimator kernel (Eubank, 1999), dan estimator wavelet yang
merupakan pengembangan dari estimator deret Fourier dan estimator kernel (Welastiningsih,
2005). Pendekatan estimator Spline ada bermacam-macam antara lain Spline original, Spline
type M, Spline relaxed, dan Spline terbobot (Budiantara dkk, 2006). Pendekatan Spline
mempunyai suatu basis fungsi. Basis fungsi yang dipakai antara lain truncated power basis
dan B- spline basis (Eubank, 1999).

1.2 Tujuan Praktikum

1. Menaksir model regresi.

2. Menguji signifikansi parameter dari persamaan regresi.
3. Menentukan kualitas dari model regresi yang terbentuk.
RUDINI MULYA _ TEKNIK INDUSTRI U NIVERSITAS MERCU BUANA 2012

BAB II

LANDASAN TEORI

2.1 Konsep Dasar Analisis Regresi

Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang
paling mungkin terjadi dimasa yang akan datang berdasarkan informasi yang sekarang
dimiliki agar memperkecil kesalahan. Analisis regresi dapat juga diartikan sebagai usaha
memprediksi perubahan. Perubahan nilai suatu variabel dapat disebabkan karena adanya
perubahan pada variabel-variabel lain yang mempengaruhinya. Misalnya, volume pupuk
terhadap hasil panen padi, karena adanya perubahan volume pupuk maka produksi padi
dengan sendirinya akan berubah. Dalam fenomena alam banyak sekali kejadian yang saling
berkaitan sehingga perubahan pada variabel lain berakibat pada perubahan variabel lainnya.
Teknik yang digunakan untuk menganalisis ini adalah analisis regresi.

Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun

persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction).
Dengan demikian, analisis regresi sering disebut sebagai analisis prediksi. Karena merupakan
prediksi, maka nilai prediksi tidak selalu tetap dengan nilai riilnya, semakin kecil tingkat
penyimpangan antara nilai prediksi dengan nilai riilnya, maka semakin tepat persamaan
regresinya. Sehingga dapat didefinisikan bahwa: analisis regresi adalah metode statistik yang
digunakan untuk menentukan kemungkinan hubungan antara variabel-variabel.

2.2 Persamaan Regresi

Persamaan regresi yang digunakan untuk membuat taksiran mengenai variabel

dependen disebut persamaan regresi estimasi, yaitu suatu formula matematis yang
menunjukkan hubungan keterkaitan antara satu atau beberapa variabel yang nilainya sudah
diketahui dengan satu variabel lain yang nilainya belum diketahui.

Sifat hubungan antar variabel dalam persamaan regresi merupakan hubungan sebab
akibat (causal relationship). Oleh karena itu, sebelum menggunakan persamaan maka perlu
diyakini terlebih dahulu secara teoritis atau perkiraan sebelumnya, dua atau lebih variabel
memiliki hubungan sebab akibat. Variabel yang nilainya akan mempengaruhi nilai variabel
lain disebut variabel bebas (independent variabel), sedangkan variabel yang nilainya
dipengaruhi oleh nilai variabel lain disebut variabel tidak bebas (dependent variabel).
RUDINI MULYA _ TEKNIK INDUSTRI U NIVERSITAS MERCU BUANA 2012

2.3 Persamaan Regresi Sederhana

Regresi linier sederhana yaitu suatu prosedur untuk mendapatkan hubungan

matematis dalam bentuk persamaan antar variabel bebas tunggal dengan variabel tidak bebas
tunggal. Regresi linier sederhana hanya memiliki satu peubah X yang dihubungkan dengan
satu peubah tidak bebas Y.

Bentuk umum dari persamaan regresi linier untuk populasi adalah:

. + 

Dengan θ1 dan θ2 merupakan parameter -parameter yang ada dalam regresi tersebut.

Jika θ1 dan θ2 ditaksir oleh b0 dan b1, maka regresi sederhana untuk sampel adalah
sebagai berikut:

Y= a+bx+e

Keterangan:

Y= merupakan variabel bergantung (dependent variable)

X= sebagai variabel bebas (independent variable)

a= sebagai konstanta regresi

b= slope atau kemiringan garis regresi

e= error
RUDINI MULYA _ TEKNIK INDUSTRI U NIVERSITAS MERCU BUANA 2012

BAB III

PENGUMPULAN DAN PENGOLAHAN DATA

3.1 pengumpulan data

3.1.1 statistik Diskriptif
Pada suatu perguruan tinggi mempunyai mahasiswa yang cukup banyak, mahasiswa
tersebut terdiri dari beberapa jurusan dan angkatan, dari kumpulan mahasiswa tersebut akan
dilakukan pengukuran data Tinggi dan Berat badan berdasarkan Umur dan angkatan yang
diwakili oleh 100 mahasiwa, adapun hasil pengukuranya adalah sebagai berikut :

No Nama Usia Berat Badan Tinggi Badan

(Tahun) (Kg) (Cm)
1 Fery Prabowo 20 50 176
2 Dodi Indaryana 26 56 168
3 Hery Kuswanto 19 55 170
4 Nurul Fathia 20 60 160
5 Eka Bayu Saputra 19 50 176
6 Nanda Pratama 19 53 175
7 Rocky Himawan 19 72 182
8 Dhika Prasetyo 20 77 175
9 Lutfy Januari E. P. 18 59 176
10 Indra Nugraha 19 55 175
11 Firman Hermawan 19 59 165
12 Joko Akhiriyanto 19 56 168
13 Panji Kusuma Yudha 19 75 175
14 Arip Mustakim 19 59 176
15 Abdul Rahman 20 48 168
16 M. Aditya 19 75 170
17 Yanuar Ardiansyah 19 71 177
18 Endah Woro Wardani 19 47 162
19 Wiyoga Nur Alamsyah 18 54 160
20 Angga Sodikin 19 58 173
21 Anton Nimus 20 52 165
22 Ahmad Mathuri 19 45 168
23 Irfan Widiarto 19 90 170
24 Eko Setiawan 19 60 169
25 Anton Giardhi Bramanto 19 55 165
26 Wahyu Sugar Ibrahim 21 54 165
27 Ade Pratama 19 57 187
RUDINI MULYA _ TEKNIK INDUSTRI U NIVERSITAS MERCU BUANA 2012

4. Jika diketahui tinggi si A adalah 170 cm dan umur 20 tahun, berapakah berat si A
tersebut?

Jawab:

:  = 170 

 = 20 ℎ

 = − 46,983

 = 0,336

:  … ?

:

 =  + 

 = −46,983 + (0,336 × 170) + (0 × 20)

= −46,983 + 57,12

= 10,137 → 10 

5. Buat kesimpulan!

Kesimpulannya adalah berdasrkan korelasi total yang diperoleh = 0,336 termasuk

korelasi positif sedang. Artinya tinggi dan umur mempengaruhi berat badan sebesar
positif sedang yaitu dengan menggunakan R-square = 0,113 = 11,3%.
RUDINI MULYA _ TEKNIK INDUSTRI U NIVERSITAS MERCU BUANA 2012

BAB V
KESIMPULAN

Adapun kesimpulan yang dapat ditarik dari laporan kami kali ini yaitu :

1. SPSS adalah salah satu program yang dapat membantu para statistikawan dalam
menyelesaikan dan membahas permasalan statistika. SPSS dapat mempermudah
penyajian dan interprestasi suatu data statistika. Penyajian data dengan SPSS
dilengkapi dengan histogram, pie chart, box plot, dan analisis dari data tersebut.

2. Dengan menggunakan program SPSS tersebut, kita dapat menyelesaikan

permasalahan statistika yang berbentuk regresi seperti contoh di atas.

3. Dari contoh permasalahan di atas, didapatkan output SPSS regresinya sebesar 0,891,
hal ini menunjukkan bahwa salinitas berpengaruh kuat pada produktivitas tambaknya
.
4. Dari output SPSS juga, kita dapat menentukan persamaannya, yaitu
Y = 39,471+0,102x.