ASSALAMUALAIKUM

regresi linear sederhana

statistikpendidikan
 Disusun Oleh kelo m p o k 7 :

An d r e S a n u s i , S . P d ( 2 3 2 1 6 0 3 6 )
S i l f i a Af r i n a F i t r i , S . P d ( 2 3 2 1 6 0 4 4 )
An d r e O k l a n d a G e s s a , S . P d ( 2 3 2 1 6 0 2 8 )

D o s e n Pe m b i m b i n g
T R IAN DA FAR HAN SAT R IA, S T . , M .
T
 PENGERTIAN REGRESI LINEAR
SEDERHANA

Istilah regresi p ertam a kali d alam konsep statistik d igunakan oleh Sir Fra
ncis Galton pada tahun 1886 di mana yang bersangkutan melak
ukan kajian yang menunjukkan b ahwa tinggi badan anak-anak yang dil
ahirkan d ari p ara orang tua yang tinggi cend erung b ergerak (regress) ke
arah ketinggian rata -rata p op ulasi secara keseluruhan. Galton m em p erk
enalkan kata regresi (regression) sebagai nama proses umum untuk
m em p red iksi satu variab el, yaitu tinggi b ad an anak d engan menggunak
a n va ria b el la in, ya itu tinggi b a d a n o ra ng tua
 DAPAT DISIMPULKAN
regresi linear sederhana (RLS)
merupakan alat statistik yang digunakan
untuk mengetahui pengaruh antara satu
variabel bebas terhadap satu variabel
terikat. Variabel bebas dapat pula
disebut dengan istilah prediktor atau
variabel independen (x) dan variabel
terikat sering disebut dengan istilah
kriterium atau variabel dependen (y).
 Penerapan regresi linear sederhana dapat ditemukan
secara luas di berbagai bidang seperti bidang pertanian,
ekonomi, medis dan pendidikan. Contoh penggunaan
regresi linear sederhana di berbagai bidang, antara lain:
1.Pengaruh jumlah pupuk terhadap produksi pertanian
2.Pengaruh daya beli masyarakat terhadap hasil
penjualan saham
3.Pengaruh penghasil terhadap tingkat inflansi
4.Pengaruh citra perusahaan terhadap minat beli
pelanggan
5.Pengaruh rokok terhadap kanker paru-paru
6.Pengaruh lamanya belajar terhadap nilai ujian
7.Pengaruh IQ terhadap IPK
8.Pengaruh berat badan terhadap tekanan darah
SECARA UMUM, PERSAMAAN REGRESI LINEAR SEDERHANA
DAPAT DITULIS SEBAGAI BERIKUT:

PADA PERSAMAAN (1), MERUPAKAN VARIABEL DEPENDEN,

MERUPAKAN VARIABEL INDEPENDEN, MERUPAKAN
KONSTANTA (INTERCEPT), MERUPAKAN KOEFISIEN (SLOPE)
DAN MERUPAKAN VARIABEL PENGGANGGU ATAU
RESIDUAL.
 Gambar 1 Grafik Regresi Linear Sederhana
Pada gambar (1), y menyatakan persamaan regresi, y _i menyatakan prediksi y (ke-i=1,
2, 3, ...n observasi), yi merupakan variabel dependen (ke-i=1, 2, 3, ...n observasi), xi
merupakan variabel independen (ke-i=1, 2, 3, ...n observasi), β _0 merupakan konstanta
(Intercept), β _1 merupakan koefisien (slope) dan e_i merupakan variabel pengganggu
atau residual (ke-i=1, 2, 3, ...n observasi).
 PROSEDUR PEMBENTUKAN MODEL
REGRESI LINEARSEDERHANA

Ad a b e b e r a p a p r o s e d u r p e m b e n t u k a n m o d e l R L S y a i t u :
1. Inp ut Da ta

Tahap ini d ilakukan untuk p em ilihan variab el, b aik variab el ind ep end en maup un v
ariabel dependen terhadap permasalahan yang dipecahkan serta men
sp esialisasikan hubungan fungsional antar variabel. Contoh: Seorang maha
siswa ingin mengetahui p engaruh b erat b ad an terhadap tinggi badan. Dari contoh d
i a ta s d a p a t d iketa hui b a hwa :
x: Bera t b a d a n (va ria b el d ep end en)
y: Tinggi b a d a n ( va ria b el ind ep e nd e n)
 PROSEDUR PEMBENTUKAN MODEL
REGRESI LINEARSEDERHANA

2. Uji Keno rm a la n

Uji keno rm a la n p a d a regresi d iguna ka n untuk m enguji a p a ka h nila i resid ua l ya ng d i

ha silka n d a ri regresi terd istrib usi seca ra no rm a l a ta u tid a k.
Mo d el regresi ya ng b a ik a d a la h ya ng m em iliki nila i resid ua l ya ng terd istrib usi se
c a r a n o r m a l . La n g k a h - l a n g k a h u j i k e n o r m a l a n :
La n g k a h 1 : H i p o t e s i s
Ho : Da ta b erd istrib usi no rm a l
H1: Da ta tid a k b erd itrib usi no rm a l
La n g k a h 2 : T i n g k a t S i g n i f i k a n s i ( α )
La n g k a h 3 : U j i s t a t i s t i k
L a n g k a h 4 : K e p u t u s a n T e r i m a H o j i k a As y m p . S i m > α
La n g k a h 5 : K e s i m p u l a n .
 PROSEDUR PEMBENTUKAN MODEL
REGRESI LINEARSEDERHANA
3 . Dia gra m seb a r (sca tter p lo t)

Dia gra m seb a r (Sca tter p lo t) d iguna ka n untuk m eliha t p o la hub unga n a nta ra va ri
a b el x d a nga n va ria b el y.

G a m b a r 1 . 2 C o n t o h S c a t t e r Pl o t

Da ri ga m b a r 1.2 d i a ta s, b ertujua n untuk

m em b a ntu m enunjukka n a p a ka h
terd a p a t hub unga n ya ng b erm a nfa a t a n
ta ra d ua va ria b el d a n m em b a ntu mene
ta p ka n tip e p ersa m a a n ya ng
m enunjukka n hub unga n a nta ra ked ua va
ria b el terseb ut.
 PROSEDUR PEMBENTUKAN MODEL
REGRESI LINEARSEDERHANA

4 . Menghitung ko rela si m o d el

Ko rela si m erup a ka n nila i ya ng m enunjukka n a d a nya hub unga n a nta ra d ua va r

ia b el teta p i tid a k m enunjukka n seb a b a kib a t a nta r va ria b el terseb ut.
 PROSEDUR PEMBENTUKAN MODEL
REGRESI LINEARSEDERHANA

5 . M e t o d e E s t i m a s i Pa r a m e t e r R e g r e s i Li n e a r S e d e r h a n a

Koefisien regresi dan merupakan parameter dan nilainya tidak diketahui, tet
a p i p a r a m e t e r t e r s e b u t d a p a t d i e s t i m i m a s i d a r i d a t a s a m p e l . Ad a 2 m e t o d e e s t i m a s
i ya ng b ia sa d iguna ka n untuk m engestim a sinya , ya itu:
a . M e t o d e k u a d r a t T e r k e c i l / O r d i n a r y l e a s t s q u a r e ( O LS )
b . M e t o d e M a k s i m u m Li k e l i h o o d ( M M L) .
Da la m ha l ini, m eto d e ya ng a ka n d iguna ka n a d a la h Meto d e kua d ra t
T e r k e c i l / O r d i n a r y l e a s t s q u a r e ( O LS ) .
 PROSEDUR PEMBENTUKAN MODEL
REGRESI LINEARSEDERHANA
6 . Pe n g u j i a n ( D i a g n o s t i c C h e c k i n g )
Da la m Dia gno stic Checking a ka n d ila kuka n uji hip o tesis terha d a p d a n , untuk
a p a ka h a d a hub unga n linea r ya ng signifika n a nta ra va ria b el ind ep end en x d a n
va ria b el d ep end en y.
a . Pe n g u j i a n Li n e a r i t a s d a n S i g n i f i k a n s i m e n g g u n a k a n t - t a b e l
b . P e n g u j i a n M e n g g u n a k a n t a b e l AN O VA
UJIREGRESILINEARSEDERHAN
A
MENGGUNAKANSPSS
UJI REGRESI LINEAR BERGANDA
MENGGUNAKANSPSS
THANKYOU