Anda di halaman 1dari 8

REGRESI LINEAR

REGRESI
 Alat ukur yang dapat dimanfaatkan untuk mengetahui ada tidaknya
hubungan antar variabel

 Istilah regresi yang berarti ramalan atau taksiran, pertama kali


diperkenalkan oleh Sir Francis Galton pada tahun 1877

 Analisis regresi dalam banyak hal dinilai lebih akurat dibandingkan


dengan analisis korelasional. Sebab dalam analisis regresi dapat
ditentukan kemiringan (slop) atau tingkat perubahan suatu
variabel terhadap variabel yang lainnya.
fungsi
untuk melakukan peramalan / prediksi / taksiran
Peramalan dapat ditentukan jika dapat diketahui slop/ kemiringan atau
koefisien regresinya.

asumsi
• Analisis regresi dapat dilakukan dengan terlebih dahulu memastikan bahwa antar 2
variabel memiliki keterkaitan (korelasi).
• Semakin tinggi koefisien korelasinya semakin baik dalam melakukan peramalan.
• Oleh sebab itu signifikansi hubungan antara prediktor/ regressor (yang
meramalkan) atau X dan predictand/ regressand (yang diramalkan) atau Y mutlak
diperlukan.
Tes Statistik
Persamaan Umum : Y’ = a + bX

Keterangan :
Y = nilai yang diukur/ diprediksi atau dihitung
dari variabel terikat
X = nilai tertentu dari variabel bebas
a = intersep atauY pintasan ( nilaiY’ bila X = 0)
b = kemiringan garis regresi (kenaikan/ penurunan
Y’ untuk setiap perubahan satu satuan X) atau
koefisien regresi/ slop. Koefisien b mengukur
besarnya pengaruh X terhadap Y kalau X naik satu
unit
Untuk menentukan a (bilangan konstan) :

( ∑Y) ( ∑X ² ) ( ∑X ) (∑ XY)
a=
(n) ( ∑X ² ) ( ∑X )²

a bisa juga ditentukan dengan rumus : a = Y b. X

(n) (∑ XY) - ( ∑X ) ( ∑Y)


b=
(n) ( ∑X ² ) - ( ∑X )²
Selisih Taksir standar /kesalahan baku
angka atau indeks yang digunakan untuk mengukur ketepatan
suatu penduga atau mengukur jumlah variasi titik-titik observasi
sekitar garis regresi.
Apabila semua titik observasi berada tepat pada garis regresi maka
selisih taksir standar sama dengan nol. Dengan demikian selisih taksir
standar secara langsung menunjukkan tingkat pencaran data. Selisih
taksir standar berguna untuk mengetahui batasan seberapa jauh
melesetnya perkiraan kita dalam meramalkan data

∑ ( Y –Y’) ²
Rumus : Se = √
n-2
• Selanjutnya dengan menggunakan nilai duga, persamaan regresi dan
selisih taksir standar maka dapat ditentukan batas prakiraan dari
nilai duga.
 Batas prakiraan dapat bernilai plus atau positif yang disebut dengan
batas prakiraan tertinggi dan dapat bernilai negatif atau minus
yang disebut batas prakiraan terendah.

Batas prakiraan dapat ditentukan dengan rumus :

Keterangan :
BP = Y’ ± Se
BP = batas prakiraan
Y’ = nilai variable yang diduga
Se = selisih taksir standar
Contoh Soal :
Berikut tersaji distribusi data tentang variabel X dan variabel Y.
X 1 2 3 4 5 6
Y 6 4 3 5 4 2

Berdasarkan data tersebut tentukan:


(a) Bagaimana persamaan regresinya ?
(b) Berapakah nilai duga jika X = 9 ?
(c) Tentukan selisih taksir standarnya!
(d) Berapakah batas prakiraan tertinggi dan terendah untuk X =8?