REGRESI
with teacher yolin
TOPIK
PEMBAHASAN
Berdasarkan diagram pencar, terdapat tren hubungan linear, yakni makin besar nilai X, maka makin
besar pula nilai Y. Jika titik-titik pada diagram pencar mendekati garis lurus, maka dapat dikatakan
hubungan linear antara variabel X dan Y makin kuat. Untuk menganalisis kuat-lemahnya hubungan
linear antara X dan Y digunakan analisis korelasi. Dalam melihat korelasi antara dua variabel, kita harus
mengikuti langkah-langkah berikut.
4.1 Diagram Pencar
1. Perhatikan tren data pada diagram pencar untuk menentukan jenis korelasi.
a. Jika tren data menunjukkan kenaikan, maka terdapat hubungan positif atau korelasi positif
antara dua variabel. Jika nilai variabel independen (X) meningkat, nilai variabel dependen (Y) juga
meningkat. Perhatikan Gambar 4.2.
b. Jika tren data menunjukkan penurunan, maka terdapat hubungan negatif atau korelasi
negatif antara dua variabel. Jika nilai variabel independen (X) meningkat, nilai variabel dependen
(Y) menurun. Perhatikan Gambar 4.3.
C. Jika titik-titik pada diagram tampak menyebar secara acak (tidak terlihat tren), maka tidak
ada korelasi antara dua variabel. Perhatikan Gambar 4.4.
4.1 Diagram Pencar
2. Perhatikan penyebaran titik-titik pada diagram pencar untuk
menentukan kekuatan korelasi antara dua variabel. Jika titik-titik
makin rapat, maka hubungannya semakin kuat, sebaliknya jika
titik-titik semakin menyebar, maka hubungannya semakin lemah.
Perhatikan Gambar 4.5.
3. Perhatikan pola penyebaran titik-titik pada diagram pencar
untuk menentukan hubungan linear atau nonlinear. Hubungan
linear terjadi jika titik-titik pada diagram pencar membentuk pola
yang menyerupai garis lurus. Hubungan nonlinear terjadi jika
titik-titik pada diagram membentuk garis lengkung atau kurva.
Perhatikan Gambar 4.6.
4. Carilah beberapa titik pada diagram pencar yang terletak jauh
dari pola penyebaran. Titik-titik tersebut menunjukkan adanya
outlier. Outlier atau pencilan adalah data yang menyimpang
terlalu jauh dari data lain dalam sekumpulan data. Outlier dapat
muncul karena adanya kesalahan prosedur dalam memasukkan
data. Perhatikan Gambar 4.7.
4.1 Diagram Pencar
Korelasi antara dua variabel tidak selalu menunjukkan hubungan sebab-
akibat pada keduanya. Jika perubahan pada salah satu variabel
mengakibatkan perubahan pada variabel lainnya, kita dapat menyimpulkan
bahwa ada hubungan sebab-akibat antara keduanya. Akan tetapi, jika ada
dua variabel yang memiliki korelasi, kita tidak dapat langsung
menyimpulkan bahwa ada hubungan sebab-akibat antara keduanya. Ada
variabel lain yang perlu dipertimbangkan sebelum menyimpulkan adanya
hubungan sebab-akibat. Sebagai contoh, perhatikan hubungan antara tingkat
kepadatan penduduk dan jumlah kasus Covid-19 di suatu daerah pada
diagram pencar berikut (Gambar 4.8).
Kepadatan penduduk dan jumlah kasus Covid-19 memiliki korelasi positif
yang artinya semakin padat penduduk, semakin banyak jumlah kasus Covid-
19. Apakah ini berarti kepadatan penduduk adalah penyebab tingginya
jumlah kasus Covid-19? Masih ada variabel lain yang perlu dipertimbangkan
untuk memastikan hal tersebut, misalnya mobilitas penduduk.
4.1 Diagram Pencar
CONTOH SOAL :
JAWAB :
1. Perhatikan himpunan pasangan data (x, y) berikut.
a. {(1,2), (2,3), (3,5), (4,6), (5,7), (6,9), (7,8), (8,10), (9,13),
(10,15)}
b. {(1, 11), (2, 4), (3, 10), (4, 3), (5, 12), (6, 2), (7, 1), (8, 15),
(9, 2), (10, 15)}
Gambarkan diagram pencar dari himpunan tersebut.
Kemudian, selidiki hubungan antara x dan y.
4.1 Diagram Pencar
CONTOH SOAL :
JAWAB :
a. Diagram Pencar
Perhatikan sebaran titik-titik pada diagram.
Oleh karena peningkatan nilai x diikuti dengan
1. Perhatikan himpunan pasangan data (x, y) berikut.
peningkatan nilai y, maka terdapat korelasi
a. {(1,2), (2,3), (3,5), (4,6), (5,7), (6,9), (7,8), (8,10), (9,13), positif antara x dan y.
(10,15)} Oleh karena titik-titik tersebut membentuk pola
b. {(1, 11), (2, 4), (3, 10), (4, 3), (5, 12), (6, 2), (7, 1), (8, 15), menyerupai garis lurus, maka terdapat korelasi
(9, 2), (10, 15)} linear antara variabel x dan y.
Gambarkan diagram pencar dari himpunan tersebut. Jadi, x dan y memiliki korelasi linear positif.
b. Diagram Pencar
Perhatikan diagram pencar berikut. Titik-titik pada diagram pencar tersebut membentuk pola yang
menyerupai garis lurus. Artinya, ada korelasi antara kepadatan
penduduk dan jumlah kasus Covid-19. Jika diagram pencar
menunjukkan adanya korelasi antara dua variabel, kita dapat
membuat garis-garis yang ditarik dari titik-titik pada diagram
pencar tersebut. Di antara semua garis tersebut, hanya ada satu
garis yang paling tepat untuk menggambarkan hubungan antara
dua variabel. Garis tersebut disebut garis regresi atau garis best-
fit. Persamaan garis regresi sederhana sering dituliskan dalam
bentuk umum berikut ini.
di mana:
ŷ nilai variabel dependen yang diprediksikan
x = nilai variabel independen
m = koefisien regresi (gradien garis regresi)
c = konstanta (nilai ŷ jika x = 0)
4.2.2 Metode Kuadrat Terkecil
4.2 Regresi Linear
Salah satu metode yang digunakan untuk menentukan garis
regresi adalah metode kuadrat terkecil. Prinsip pemilihan garis
regresi dengan metode kuadrat terkecil adalah meminimalkan
jumlah kuadrat residu. Residu adalah jarak vertikal antara titik-
titik data dan. garis regresi. Perhatikan Gambar 4.11.
Berdasarkan gambar tersebut, nilai dari residu adalah sebagai
berikut.
di mana:
y = nilai variabel dependen yang diamati
ŷ = nilai variabel dependen yang diprediksi
contoh soal :
2. Perhatikan himpunan pasangan data (x, y)
berikut. {(1, 2), (2, 3), (3, 5), (4, 6)}
Tentukan persamaan garis regresi yang
menunjukkan hubungan antara x dan y.
JAWAB :
4.2 Regresi Linear Perhatikan tabel berikut. Persamaan garis regresi:
4.2.2 Metode Kuadrat Terkecil
contoh soal :
2. Perhatikan himpunan pasangan data (x, y)
berikut. {(1, 2), (2, 3), (3, 5), (4, 6)}
Jadi, persamaan garis regresi yang
Tentukan persamaan garis regresi yang
dapat menunjukkan hubungan
menunjukkan hubungan antara x dan y. antara x dan y adalah = 1,4x + 0,5.
4.2 Regresi Linear
4.2.3 Interpolasi dan Esktrapolasi
JAWAB :
4.2 Regresi Linear
Contoh soal : 4.2.3 Interpolasi dan Esktrapolasi
1. Tabel berikut menunjukkan data harga eceran beras di suatu daerah.
a. Gambarlah diagram pencar dari data tersebut.
b. Tentukan persamaan garis regresi dari data tersebut.
c. Hitunglah prediksi rata-rata harga eceran beras per kilogram pada
tahun 2022.
b. Diketahui:
JAWAB : Variabel independen (x) adalah waktu (t).
a. Misalkant 1, 2, 3, ... menunjukkan waktu mulai dari tahun 2017 Variabel dependen (y) adalah harga eceran beras per kilogram
P = harga eceran beras per kilogram dalam ribu rupiah dalam ribuan rupiah (P).
Data pada soal dapat ditulis dalam bentuk seperti berikut. Perhatikan tabel berikut.
..............................................................
Jadi, persamaan garis regresi dari data
tersebut adalah P = 0.58t + 10.8
4.2 Regresi Linear
Contoh soal : 4.2.3 Interpolasi dan Esktrapolasi
1. Tabel berikut menunjukkan data harga eceran beras di suatu daerah.
a. Gambarlah diagram pencar dari data tersebut.
b. Tentukan persamaan garis regresi dari data tersebut.
c. Hitunglah prediksi rata-rata harga eceran beras per kilogram pada
tahun 2022.
JAWAB :
c. Oleh karena t = 1 menunjukkan tahun 2017, maka nilai
yang menunjukkan tahun 2022 adalah t = 6