Analisis Regresi Linear Sederhana

• Metode Statistik yang berfungsi untuk menguji

sejauh mana hubungan sebab akibat antara Variabel
Faktor Penyebab (X) terhadap Variabel Akibatnya

• Faktor Penyebab pada umumnya dilambangkan

dengan X atau disebut juga dengan Predictor
sedangkan Variabel Akibat dilambangkan dengan Y
atau disebut juga dengan Response
Contoh Kasus
 Penjelasan
•Hubungan antara Lamanya Kerusakan Mesin
dengan Kualitas Produk yang dihasilkan
•Hubungan Jumlah Pekerja dengan Output yang

diproduksi
•Hubungan antara suhu ruangan dengan Cacat

Produksi yang dihasilkan.

 Model Persamaan Regresi Linear Sederhana

Y = a + bX

Y = Variabel Response atau Variabel Akibat (Dependent)

X = Variabel Predictor atau Variabel Faktor Penyebab
(Independent)
a=konstanta
b = koefisien regresi (kemiringan); besaran Response yang
ditimbulkan oleh Predictor.
Rumusnya …
 Algoritmanya sebagai berikut :
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.
 Contoh Kasus :
Seorang Engineer ingin mempelajari Hubungan
antara Suhu Ruangan dengan Jumlah Cacat yang
diakibatkannya, sehingga dapat memprediksi atau
meramalkan jumlah cacat produksi jika suhu ruangan
tersebut tidak terkendali. Engineer tersebut kemudian
mengambil data selama 30 hari terhadap rata-rata
(mean) suhu ruangan dan Jumlah Cacat Produksi.
 Penyelesaian
1. Penentuan Tujuan = Memprediksi Jumlah
Cacat Produksi jika suhu ruangan tidak
terkendali
2. Identifikasikan Variabel Penyebab dan
Akibat = Varibel Faktor Penyebab (X) :
Suhu Ruangan,
Variabel Akibat (Y) : Jumlah Cacat Produksi
No Bulan Harga BBM Rata –rata daya beli masyarakat
(Rp)

1 Januari 5000 20000

2 Februari 5000 20000
3 Maret 5500 22500
4 April 5600 23000
5 Mei 4500 17500
6 Juni 4750 18000
7 Juli 4760 18500
8 Agustus 5000 19000
9 September 5750 20000
10 Oktober 6000 23000
11 Nopember 5800 19500
12 Desember 5950 20000
Ingat !
Kepakaran Data Mining ini merupakan perpaduan
model statistika, kecerdasan buatan, sistem informasi
dan riset operasi

MAKA
Dibuat GUI (Graphic User Interface) agar membedakan
antara jurusan komputer dengan bidang lainnya seperti
matematika dsb dengan bahasa pemograman yang ada
seperti Java, VB, Delphi, PHP, ASP dsb
Terima Kasih