UAS STATISTIKA INDUSTRI 2

Penerapan Regresi Linier

Disusun oleh:

NAMA : Laga Alur

NIM : 152300001
PROGRAM STUDI : TEKNIK INDUSTRI S1

PROGRAM STUDI TEKNIK INDUSTRI

FAKULTAS TEKNIK INDUSTRI
INSTITUT SAINS DAN TEKNOLOGI NASIONAL
JAKARTA
2021
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Penggunaan istilah statistika berakar dari istilah istilah dalam bahasa latin moderen

statisticum collegium (”dewan negara”) dan bahasa Italia statista (”negarawan” atau “politikus”).

Gottfried Achenwall (1749) menggunakanStatistik dalam bahasa Jerman untuk pertama kalinya

sebagai nama bagi kegiatan analisis data kenegaraan, dengan mengartikannya sebagai “ilmu

tentang negara (state)”. Di Indonesia, kajian statistika sebagian besar masuk dalam fakultas

matematika , teknik dan ilmu pengetahuan alam.

Regresi artinya peramalan, penaksiran, atau pendugaan pertama kali di perkenalkan pada

tahun 1877 oleh Sir Francis Galton (1822 – 1911). Sehubungan dengan penelitiannya terhadap

tinggi manusia. Tujuan dari analisis regresi yaitu pertama untuk membuat perkiraan nilai suatu

variabel terikat jika nilai variabel bebas yang berhubungan dengannya sudah ditentukan dan yang

kedua untuk menguji hipotesis signifikansi pengaruh dari variabel bebas terhadap variabel terikat

1.2 Rumusan Masalah

Adapun rumusan masalah dalam laporan ini yaitu :

1. Bagaimana menentukan pengaruh signifikansi dari variabel terikat dan variabel bebas.

1.3 Tujuan

Adapun tujuan penulisan laporan ini yaitu :

1. Mengetahui rumus Persamaan umum regresi liniear sederhana

2. Pengaplikasikan rumus-rumus regresi pada suatu penelitian.

 BAB II

LANDASAN TEORI

2.1 Pengertian Regresi Liniear

Regresi artinya peramalan penaksiran atau pendugaan pertama kali diperkenalkan pada

tahun 1877 oleh Sir Francis Galtoon (1822-1911). Analisis regresi digunakan untuk menentukan

bentuk dari hubungan antar variabel. Tujuan utama dalam penggunaan analisis itu adalah untuk

meramalkan atau memperkirakan nilai dari suatu variabel dalam hubungannya dengan variabel

yang lain. Disamping hubungan linear dua variabel, hubungan linear dari dua variabel bisa juga

terjadi misalnya; hubungan antara hasil penjualan dengan harga dan daya beli.

Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui pengaruh antara

satu atau beberapa variabel terhadap satu buah variabel. Variabel yang mempengaruhi sering

disebut variabel bebas, variabel independen atau variabel penjelas. Variabel yang dipengaruhi

sering disebut dengan variabel terikat atau variabel dependen. Regresi linear hanya dapat

digunakan pada skala interval dan ratio.

2.2 Regresi Linear Sederhana
Analisis regresi linear sederhana dipergunakan untuk mengetahui pengaruh antara satu

buah variabel bebas terhadap satu buah variabel terikat. Persamaan umumnya adalah: Y = a + b

X.Dengan Y adalah variabel terikat dan X adalah variabel bebas. Koefisien a adalah konstanta

(intercept) yang merupakan titik potong antara garis regresi dengan sumbu Y pada koordinat

kartesius.

Langkah- langakah perhitungan

1. Mencari nilai rata-rata x dan y.

2. Mencari nilai ∑X² dan ∑Y².

3. Mencari nilai ∑XY².

4. Mencari nilai a dan b

5. Setelah nilai a dan b didapat, kemudian dimasukkan kedalam persamaan

Y = a + bX
 BAB III

PEMBAHASAN

3.1 Latar belakang kasus

Diambil sampel random sebanyak 12 siswa dalam suatu penelitian untuk menentukan
hubungan antara nilai prestasi matematika (X) dan nilai satu tes yaitu tes kemampuan geometri
(Y) Datanya adalah sebagai berikut.

Nilai Prestasi Matematika (X) Kemampuan Geomteri (Y)

11,2 56,5
14,5 59,5
17,2 69,2
17,8 74,5
19,3 81,2
24,5 88,0
21,2 78,2
16,9 69,0
14,8 58,1
20,0 80,5
13,2 58,3
22,5 84,0
3.2 Uji Regresi Linier

Uji regresi untuk mengetahui hubungan antara nilai prestasi matematika

(X) dan nilai satu tes yaitu tes kemampuan geometri (Y) menggunakan
Software SPSS 25

Dimulai dengan melakukan deklarasi atau pembuatan variabel pada bagian variable view
Variabel yang dideklarasi ialah variabel Nilai Prestasi Matematika (x) dan Variabel Nilai
geometri (Y).

Selanjutnya melakukan inisiasi atau memasukkan nilai pada variabel X dan variabel Y
Setelah melakukan Deklarasi dan inisisan Variabel Selanjutnya Menjalankan tools Liniear pada
SPSS . Output dari langkah tersebut dengan menggunakan Sofware SPSS ialah seperti berikut

Notes
Output Created 31-JUL-2021 12:15:42
Comments
Input Active Dataset DataSet0
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data 12
File
Missing Value Handling Definition of Missing User-defined missing values
are treated as missing.
Cases Used Statistics are based on cases
with no missing values for
any variable used.
Syntax REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF
OUTS R ANOVA
/CRITERIA=PIN(.05)
POUT(.10)
/NOORIGIN
/DEPENDENT Y
/METHOD=ENTER X.
Resources Processor Time 00:00:00,05
Elapsed Time 00:00:00,10
Memory Required 2400 bytes
Additional Memory Required 0 bytes
for Residual Plots

Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 Nilai Prestasi . Enter
Matematikab

a. Dependent Variable: Nilai Geometri

b. All requested variables entered.

Output bagian pertama , Variables Entered/Removeda : Tabel diatas menjelaskan tentang variable
yang dimasukkan serta metode yang digunakan. Dalam hal ini variable yang dimaksud adalah
variable Nilai prestasi Matematika sebagai variable independent dan Nilai geometri sebagai
variable Dependen dan Metode yang digunakan adalah metode enter

Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .961a .924 .917 3,2463
a. Predictors: (Constant), Nilai Prestasi Matematika

Output bagian kedua Model Summary , Tabel diatas menjelaskan besarnya nilai korelasi / Hubungan (R)
yaitu sebesar 0,961. Dari output tersebut diperoleh koefisien determinasi (R Square ) yang sebesar
0,924, yang mengandung pengertian bahwa pengaruh variable bebas(Nilai Prestasi Matematika)
terhadap variable terikat (Kemampuan geometri) adalah sebesar 92,4%.

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 1286.349 1 1286.349 122.059 .000b
Residual 105.388 10 10.539
Total 1391.737 11

a. Dependent Variable: Nilai Geometri

b. Predictors: (Constant), Nilai Prestasi Matematika

Output bagian ketiga (Anova) : Dari output tersebut diketahui bahwa nilai F hitung = 122,059 dengan
tingkat signifikasi sebesar 0,000 < 0,05, Maka model regresi dapat dipakai untuk memprediksi variabel
kemampuan geometri atau dengan kata lain ada pengaruh variabel Nilai prestasi Matematika (X)
Terhadap variable Nilai Geometri (Y)

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 22.766 4.502 5.057 .000
Nilai Prestasi Matematika 2.740 .248 .961 11.048 .000

a. Dependent Variable: Nilai Geometri

Output Bagian Keempat Coefficients(a) Sebesar 22,766 , sedang nilai Trust (b / kofisien regresi )
sebesar 2,740 , sehingga persamaan regresi dapat ditulis

Y = a + bX
Y = 22,766 + 2,748
Persamaan tersebut dapat diterjemahkan :

1. Konstanta sebesar 22,766 mengandung arti bahwa nilai konsisten variable nilai geometri
adalah sebesar 22,766
2. Koefisien regresi X sebesar 2,748 menyatakan bahwa bahwa setiap penambahan 1% nilai
trust , maka nilai variabel nilai geometri bertambah sebesar 2,748 koefisien regresi
tersebut positif sehingga dapat dikatakan bahwa arah pengaruh variabel X Terhadap Y
adalah positif

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 22.766 4.502 5.057 .000
Nilai Prestasi Matematika 2.740 .248 .961 11.048 .000

a. Dependent Variable: Nilai Geometri

Pengambilan keputusan dalam UJI Regresi

1. Berdasarkan nilai signifikansi : dari tabel coefisient diperoleh nilai signifikasi sebesar
0,000 < 0,05 , sehingga dapat disimpulkan bahwa variabel Nilai Prestasi Matematika (X)
berpengaruh terhadap variabel nilai Geometri (Y).
 BAB IV
PENUTUP

4.1 Kesimpulan

Regresi linear adalah alat statistik yang di gunakan untuk mengetahui pengaruh antara satu atau
beberapa variabel terhadap satu variabel. Analisis regresi membentuk persamaan garis lurus
(linear) dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction). Tujuan
dari analisis regresi yaitu untuk membuat perkiraan nilai suatu variabel terikat jika nilai variabel
bebas yang berhubungan dengannya sudah ditentukan dan untuk menguji hipotesis signifikansi
pengaruh dari variabel bebas (X) terhadap variabel terikat (Y).