KECERDASAN BUATAN

Disusun Oleh :
1. Jihan Shofi Farhan (2212000162)
2. Latif Arridho Putra (2212000163)
3. Mhd.Syahrul R. (2212000167)
4. Rival Wiradinata (2212000176)
5. Thiery Rivanza H. (2212000180)

PROGRAM STUDI INFORMATIKA

FAKULTAS TEKNIK DAN ILMU KOMPUTER
UNIVERSITAS POTENSI UTAMA
MEDAN
2024

1
 KATA PENGANTAR

Dengan memanjatkan puji dan syukur kehadiran Allah SWT yang telah memberikan
rahmat dan hidayahnya sehingga saya dapat menyelesaikan tugas makalah yang berjudul
“Analisis Regresi” ini tepat pada waktunya.
Adapun tujuan dari penulisan makalah ini adalah untuk memenuhi tugas bapak Frinto
Tambunan, M. Kom selaku dosen mata kuliah Kecerdasan Buatann. Selain itu makalah ini juga
bertujuan untuk menambah wawasan saya sebagai penulis. penjelasan tentang “Analisis Regresi”
bagi para pembaca dan juga bagi penulis.
Penulis mengucapkan terimakasih kepada bapak Wirmie Eka Putra, S.E., M.Si, selaku
dosen mata kuliah Penganggaran yang telah memberikan tugas ini sehingga dapat menambah
pengetahuan dan wawasan sesuai dengan mata kuliah yang saya pelajari.
Penulis menyadari, makalah yang di tulis ini masih jauh dari kata sempurna. jikalau ada
kesalahan dalam penulisan makalah ini mohon dimaafkan. Semoga makalah yang telah dibuat ini
dapat bermanfaat bagi para pembaca dan kita semua. Atas perhatian pembaca, saya ucapkan
terima kasih.

2
 DAFTAR ISI

JUDUL................................................................................................................................1
KATA PENGANTAR.......................................................................................................2

DAFTAR ISI......................................................................................................................3

BAB I PENDAHULUAN..................................................................................................4

1.1 Latar Belakang...................................................................................................4

1.2 Rumusan Masalah..............................................................................................5
1.3 Tujuan................................................................................................................5

BAB II PEMBAHASAN...................................................................................................6

2.1 Pengertian Analis Regresi.................................................................................6

2.2 Manfaat Tujuan dan Kegunaan Analisis Regresi..............................................7
2.3 Jenis-jenis Analisis Regresi...............................................................................7
2.4 Langkah-langkah Analisis Regresi....................................................................9

BAB III PENUTUP...........................................................................................................10

3.1 Kesimpulan.......................................................................................................10
3.2 Saran..................................................................................................................10

DAFTAR PUSTAKA........................................................................................................11

3
 BAB 1
PENDAHULUAN

1.1 Latar Belakang

Analisis regresi merupakan alat statistik yang banyak digunakan dalam berbagai bidang.
Analisis tersebut bertujuan untuk mengetahui hubungan antara variabel dependen dan
variabel independen. Ada tiga macam tipe dari analisis regresi. Tipe yang pertama adalah
regresi linier sederhana yang berfungsi untuk mengetahui hubungan linier antara dua
variabel, satu variabel dependen dan satu variabel independen. Tipe kedua adalah regresi
linier berganda yang merupakan model regresi linier dengan satu variabel dependen dan lebih
dari satu variabel independen. Tipe ketiga adalah regresi non linier yang berasumsi bahwa
hubungan antara variabel dependen dan variabel independen tidak linier pada parameter
regresinya (Yan and Gang Su, 2009).
Dalam regresi linier sederhana, metode yang biasa digunakan dalam mengestimasi
parameter regresi adalah metode kuadrat terkecil atau Ordinary Least Squares (OLS). Konsep
metode ini adalah untuk mengestimasi parameter dengan memilih garis regresi yang terdekat
dengan garis dari semua data. Secara matematika penentuan parameter regresi ini dengan
cara meminimumkan jumlah kuadrat dari residualnya (Walpole dan Myers, 1986).
Sebelum menarik sampel dari suatu populasi terkadang diperoleh informasi mengenai
parameter yang akan diestimasi. Jika informasi tersebut ingin 2 dimasukkan dalam analisis
data, maka estimasi parameter regresi dengan metode kuadrat terkecil tidak memungkinkan
untuk memasukkan informasi tersebut. Oleh karena itu, diperlukan metode bayesian untuk
menyelesaikan permasalahan tersebut.

4
1.2 Rumusan Masalah
Berdasarkan latar belakang yang telah dipaparkan diatas, maka didapatkan rumusan
masalah sebagai berikut :
1. Jelaskan Pengertian Analisis Regresi ?
2. Jelaskan Tujuan dan Kegunaan Analisis Regresi ?
3. Sebutkan dan Jelaskan Jenis-jenis Analisis Regresi ?
4. Sebutkan Langkah-langkah dalam Melakukan Analisis Regresi Linear Sedarhana ?

1.3 Tujuan
Dari rumusan masalah diatas, maka tujuan penulisan ringkasan ini ialah :
1. Untuk Mengetahui Pengertian dari Analisis Regresi
2. Untuk Mengetahui Tujuan dan Kegunaan Analisis Regresi
3. Untuk Mengetahui Jenis-jenis Analisis Regresi
4. Untuk Mengetahui Langkah-langkah Analisis Regresi

5
 BAB II
PEMBAHASAN

2.1 PENGERTIAN ANALISIS REGRESI

Analisis regresi merupakan metode statistika yang amat banyak digunakan dalam
peneltian. Istilah regresi pertama kali diperkenalkan oleh Sir Francis Galton pada tahun
1886. Galton menemukan adanya hubungan bahwa orang tua yang memeliki tubuh tinggi
memiliki anak-anak yang tinggi pula, orang tua yang pendek memiliki anak-anak yang
pendek pula. Kendati demikian ia mengamati bahwa adanya kecenderungan tinggi anak,
cenderung bergerak menuju rata-rata tinggi populasi secara menyeluruh. Dengan kata lain,
ketinggian anak yang amat tinggi atau orang tua yang amat pendek cenderung bergerak
kearah tinggi populasi.
Secara umum regresi adalah studi mengenai ketergantungan satu variabel (variabel tak
bebas/ variabel respon) dengan satu atau lebih variabel bebas/ variabel penjelas. Hasil dari
analisi regresi merupakan suatu persamaan, yaitu persamaan matematika. Persamaan tersebut
digunakan sebagai prediksi. Dengan demikian analisis regresi sering disebut dengan analisis
prediksi. Karena merupakan prediksi, maka nilai prediksi tidak selalu tepat dengan nilai
realnya, semakin kecil tingkat penyimpangannya antar prediksi dengan nilai riilnya, maka
semakin tepat persamaan regresi yang dibentuk.
Persamaan regresi adalah suatu persamaan matematika yang mendefinisikan hubungan
antara dua variabel yaitu hubungan keterkaitan antara satu atau beberapa variabel yang
nilainya sudah diketahui dengan satu variabel yang nilainya belum diketahui, sifat hubungan
antara dalam persamaan meruoakan hubungan sebab akibat. Oleh karena itu, sebelum
menggunakan persamaan regresi dalam menjelaskan hubungan antara dua atau lebih
variabel, perlu diyakini terlebih dahulu bahwa secara teoritis atau perkiraan sebelumnya,
bahwa variabel-variabel tersebut memiliki hubungan sebab akibat. Variabel yang nilainya
akan mempengaruhi variabel tersebut disebut variabel bebas (X). sedangkan variabel yang
nilainya dipengaruhi oleh variabel lain adalah variabel tergantung (Y).
Analisis regresi dikelompokkan menjadi dua bagian yaitu analisis regresi sederhana
(analisis regresi tunggal) dan analisis regresi ganda. Regresi sederhana dimaksudkan untuk
menganalisis hubungan antara satu variabel bebas (X) dengan satu variabel terikat (Y).

6
 Regresi berganda digunakan untuk analisis hubungan dua atau lebih variabel bebas
(misalnya X1 dan X2) dengan satu variabel terikat (Y).

2.2 TUJUAN DAN KEGUNAAN ANALISIS REGRESI

Analisis regresi dalam statistika adalah salah satu metode untuk menentukan hubungan
sebab akibat antara satu variabel dengan variabel yang lain. Analisis regresi adalah salah satu
analisis yang paling populer dan luas pemakaiannya. Hampir semua bidang ilmu yang
memerlukan analisis. Analisis regresi dan analisis korelasi dikembangkan untuk mengkaji
dan mengukur hubungan antara dua variabel atau lebih. Dalam analisis regresi
dikembangkan persamaan estimasi untuk mendeskripsikan pola atau fungsi hubungan antara
variabel-variabel. Sesuai dengan namanya, persamaan estimasi atau persamaan regresi itu
digunakan untuk mengestimasi nilai dari suatu variabel berdasarkan nilai variabel lainnya.
Variabel yang di estimasi itu disebut variabel dependen (atau variabel terikat) sedangkan
variabel yang diperkirakan memengaruhi variabel dependen itu disebut variabel independen
(atau variabel bebas).
Ada beberapa tujuan penggunaan analisis regresi, antara lain:
a. Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasari pada nilai
variabel bebas.
b. Menguji hipotesis karakteristik dependensi.
c. Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai variabel
bebas diluar jangkauan sample

2.3 JENIS-JENIS ANALISIS REGRESI

1. Analisis Regresi Linier
Teknik analisis regresi linier adalah salah satu teknik pemodelan yang paling dikenal,
karena merupakan salah satu metode analisis regresi elit pertama yang diambil oleh
orang-orang pada saat mempelajari pemodelan prediktif.
Perlu diketahui, dalam regresi linier berganda terdapat lebih dari satu variabel
independen dan dalam regresi linier sederhana hanya terdapat satu variabel independen.
Dengan demikian, regresi linier paling baik digunakan hanya jika ada hubungan linier
antara variabel bebas dan variabel terikat.

7
2. Analisis Regresi Logistik
Regresi logistik biasanya digunakan untuk menentukan
probabilitas event=Success and event=Failure. Setiap kali variabel dependen adalah
biner seperti 0/1, Benar / Salah, Ya / Tidak, regresi logistik digunakan. Dengan demikian,
dapat dikatakan bahwa regresi logistik digunakan untuk menganalisis pertanyaan tertutup
dalam survei atau pertanyaan yang menuntut respons numerik dalam survei.
Perlu diketahui, regresi logistik tidak memerlukan hubungan linier antara variabel
dependen dan variabel independen seperti halnya regresi linier. Regresi logistik
menerapkan transformasi log non-linier untuk memprediksi rasio peluang. Oleh karena
itu, ia dengan mudah menangani berbagai jenis hubungan antara variabel dependen dan
variabel independen.
3. Analisis Regresi Polinomial
Regresi polinomial biasanya digunakan untuk menganalisis data lengkung dan ini
terjadi ketika kekuatan variabel independen lebih dari 1. Dalam metode analisis regresi
ini, garis yang paling cocok tidak pernah menjadi ‘garis lurus’ tetapi selalu ‘garis kurva’
cocok dengan poin data.
Perlu dicatat bahwa regresi polinomial lebih baik digunakan ketika beberapa
variabel memiliki eksponen dan sedikit yang tidak. Selain itu, dapat memodelkan data
yang dapat dipisahkan secara non-linier yang menawarkan kebebasan untuk memilih
eksponen yang tepat untuk setiap variabel dan itu juga dengan kontrol penuh atas fitur
pemodelan yang tersedia.
4. Analisis Regresi Bertahap
Analisis regresi bertahap adalah proses semi-otomatis yang dengannya model
statistik dibangun baik dengan menambahkan atau menghapus variabel yang bergantung
pada statistik-t dari koefisien estimasi mereka. Jika digunakan dengan benar, regresi
bertahap akan memberi kita data yang lebih kuat daripada metode apa pun. Ini berfungsi
dengan baik saat kita bekerja dengan sejumlah besar variabel independen.
Dimana analisis data ini hanya menyempurnakan model analisis dengan
memasukkan variabel secara acak. Analisis regresi bertahap direkomendasikan untuk
digunakan jika terdapat beberapa variabel independen, di mana pemilihan variabel
independen dilakukan secara otomatis tanpa campur tangan manusia.

8
 Perlu kita catat bahwa dalam pemodelan regresi bertahap, variabel ditambahkan
atau dikurangkan dari kumpulan variabel penjelas. Kumpulan variabel yang ditambahkan
atau dihapus dipilih tergantung pada statistik uji dari koefisien yang diperkirakan.
5. Analisis Regresi Ridge
Regresi ridge didasarkan pada metode kuadrat terkecil biasa yang digunakan
untuk menganalisis data multikolinearitas (data di mana variabel independen sangat
berkorelasi). Kolinearitas dapat dijelaskan sebagai hubungan yang hampir linier antara
variabel.
Setiap kali terjadi multikolinearitas, perkiraan kuadrat terkecil tidak akan bias;
tetapi, jika perbedaan di antara keduanya lebih besar, maka itu mungkin jauh dari nilai
sebenarnya. Namun, regresi ridge menghilangkan kesalahan standar dengan
menambahkan beberapa tingkat bias ke perkiraan regresi dengan motif untuk
memberikan perkiraan yang lebih dapat diandalkan.
Perlu kita catat bahwa asumsi yang diturunkan melalui regresi ridge mirip dengan
regresi kuadrat terkecil, satu-satunya perbedaan adalah normalitas. Meskipun nilai
koefisien dibatasi dalam regresi ridge, nilai koefisien tidak pernah mencapai nol yang
menunjukkan ketidakmampuan untuk memilih variabel.

2.4 LANGKAH-LANGKAH ANALISIS REGRESI

Berikut ini adalah Langkah-langkah dalam melakukan Analisis Regresi Linear Sederhana
:
1. Tentukan Tujuan dari melakukan Analisis Regresi Linear Sederhana
2. Identifikasikan Variabel Faktor Penyebab (Predictor) dan Variabel Akibat (Response)
3. Lakukan Pengumpulan Data
4. Hitung X², Y², XY dan total dari masing-masingnya
5. Hitung a dan b berdasarkan rumus diatas.
6. Buatkan Model Persamaan Regresi Linear Sederhana.
7. Lakukan Prediksi atau Peramalan terhadap Variabel Faktor Penyebab atau Variabel
Akibat.

9
 BAB III

PENUTUP

3.1 Kesimpulan

Analisis regresi berbeda dengan analisis korelasi. Jika analisis korelasi digunakan untuk
melihat hubungan dua variable; maka analisis regresi digunakan untuk melihat pengaruh variable
bebas terhadap variable tergantung serta memprediksi nilai variable tergantung dengan
menggunakan variable bebas. Dalam analisis regresi variable bebas berfungsi untuk
menerangkan (explanatory) sedang variable tergantung berfungsi sebagai yang diterangkan (the
explained). Dalam analisis regresi data harus berskala interval atau rasio. Hubungan dua
variable bersifat dependensi. Untuk menggunakan analisis regresi diperlukan beberapa
persyaratan yang harus dipenuhi.

Ada dua macam linieritas dalam analisis regresi, yaitu linieritas dalam variabel dan
linieritas dalam parameter. Yang pertama, linier dalam variabel merupakan nilai rata-rata
kondisional variabel tergantung yang merupakan fungsi linier dari variabel (variabel) bebas.
Sedang yang kedua, linier dalam parameter merupakan fungsi linier parameter dan dapat tidak
linier dalam variabel.

DAFTAR PUSTAKA

10
http://rudisiswoyo89.blogspot.com/2013/11/analisis-regresi.html?m=1
https://www.academia.edu/31079231/MAKALAH_ANALISIS_REGRESI
https://core.ac.uk/download/pdf/11731764.pdf
https://penelitianilmiah.com/analisis-regresi/
https://teknikelektronika.com/analisis-regresi-linear-sederhana-simple-linear-regression/

11