REGRESI LINIER BERGANDA & NON

LINIER

› Nama Kelompok
1. Try Panji Abdurachman
(201711102)
2. Fadillah Achmad Ramadansyah
(201711176)
3. Mohammad Aswin Ariadi
(201711223)
4. Nurisfa Islami (201711225)
5. Fikeh Azijah Nasution
(201711257)
Apa itu Regresi Linier ?
› Regresi merupakan alat ukur yg digunakan untuk mengetahui ada
tidaknya korelasi antarvariabel.
› Analisis regresi lebih akurat dlm analisis korelasi karena tingkat
perubahan suatu variabel terhdp variabel lainnya dpt ditentukan).
Jadi pada regresi, peramalan atau perkiraan nilai variabel terikat
pada nilai variabel bebas lebih akurat pula.
› Regresi linier adalah regresi yang variabel bebasnya (variabel X)
berpangkat paling tinggi satu. Utk regresi sederhana, yaitu regresi
linier yg hanya melibatkan dua variabel (variabel X dan Y).
 Persamaan Regresi Linear dari Y terhadap X
Y = a + bX
Keterangan :
Y= variabel terikat
X= variabel bebas
a = intersep / konstanta
b = koefisien regresi / slop
Persamaan regresi linear di atas dpt pula dituliskan dlm bentuk

 xy 
Y   2 x
 x 
Mencari nilai a dan b
› Rumus 1
(Y )(X 2 )  (X )(XY )
a
(n)(X 2 )  (X ) 2
(n)(XY )  (X )(Y )
b
(n)(X 2 )  (X ) 2

› Pendekatan Matriks
 n X  a   Y 
    
2  

 X X  b   XY 
det A1 det A2
a b
det A det A
 n X   Y X   n Y 
A   
2
A   
2
A   
 X X   XY X   X XY 
1 2

det A  (n)(X 2 )  (X )(X )

det A1  (Y )(X 2 )  (X )(XY )
det A2  (n)(XY )  (Y )(X )
› Rumus II

(n)(XY )  (X )(Y )

b
(n)(X )  (X )
2 2

__ ___
a  Y  b. X
Contoh Soal
› Berikut ini data mengenai pengalaman kerja dan penjualan
› X=pengalaman kerja (tahun)
› Y=omzet penjualan (ribuan)

X 2 3 2 5 6 1 4 1
Y 5 8 8 7 11 3 10 4

› Tentukan nilai a dan b (gunakan ketiga cara)!

› Buatkan persamaan regresinya!
› Berapa omzet pengjualan dari seorang karyawan yg
pengalaman kerjanya 3,5 tahun
Penyelesaian :
X Y X2 Y2 XY (8)(198)  (24)(56)
2 5 4 25 10 b
3 8 9 64 24
(8)(96)  (24) 2
2 8 4 64 16 1.584  1.344
5 7 25 49 35 b  1,25
6 11 36 121 66 768  576
1 3 1 9 3
4 10 16 100 40
Cara 2.
1 4 1 16 4
24 56 96 448 198  8 24  a   56 
     
___
24 ___
56  24 96  b  198 
X  3 Y  7
8 8  8 24   56 24   8 56 
A    A1    A2   
Cara 1.  24 96  198 96   24 198 
det A  (8)(96)  (24  24)  192
(56)(96)  (24)(198)
a det A1  (56)(96)  (24)(198)  624
(8)(96)  (24) 2
det A2  (8)(198)  (56)( 24)  240
5.376  4.752
a  3,25 a
624
 3,25 b
240
 1,25
768  576 192 192
Cara 3 (8)(198)  (24)(56)
b
(8)(96)  (24) 2
1.548  1.344
b  1,25
768  576
a  7  1,25(3)
a  3,25

a. Dari ketiga cara pengerjaan tersebut diperoleh nilai a =

3,25 dan nilai b = 1,25
b. Persamaan regresi linearnya adalah Y=3,25+1,25X
c. Nilai duga Y, jika X=3,5 adalah Y=3,25+1,25X
Y=3,25+1,25(3,5)
=7,625
Regresi Non Linier
(Tren)
Regresi non linier adalah suatu metode untuk mendapatkan
model non linier yang menyatakan veriabel dependen dan
independen. Apabila hubungan fungsi antara variabel bebas X
dan variabel tidak bebas Y bersifat non linier, tansformasi bentuk
nonlinier ke bentuk linier. Untuk mendapatkan linieritas dari
hubungan non linier, dapat dilakukan transformasi pada variabel
dependen atau variabel independen atau keduanya.
› Dalam kasus regresi non linier, yang banyak digunakan yaitu
model regresi eksponensial dan regresi geometri. Regresi non
linier dimaksudkan sebagai satu bentuk regresi yang melihat
hubungan antara variabel predictor (X) dengan variabel respon
(Y), yang tidak bersifat linier. Kemudahan model regresi non
linier tersebut karena dapat ditransformasikan ke model regresi
linier. Pada regresi non linear bisa dikatakan juga sebagai
Regresi Kuadratis Atau Regresi Parabola.
REGRESI KUADRATIS ATAU REGRESI PARABOLA
Regresi dengan variabel X yang berpangkat dua. Bentuk regresi kuadratis adalah:
Y = a + bX + cX2
Keterangan:
Y = variabel terikat
X = variabel bebas
a, b, c = konstanta

n . a + b X + c X2 =  Y

a X + b X2 + c2 X3 = X Y
a X2 + b X3 + c X4 = X2 Y
CONTOH SOAL
Diketahui data dari tabel X dan Y sebagai berikut:
X 1 2 3 5 6 7 9 10
Y 4 6 7 9 8 7 4 3

a. Buatlah garis regresinya dengan bentuk kuadratis (Y = a + bX + X2)

b. Berapa nilai ramalan Y apabila X = 4
10
9
8
7
6
5
4
3
2
1
0
0 2 4 6 8 10 12
Penyelesaian
X Y X2 X3 X4 Y2 XY X2Y
1 4 1 1 1 16 4 4
2 6 4 8 16 36 12 24
3 7 9 27 81 49 21 63
5 9 25 125 625 81 45 225
6 8 36 216 1296 64 48 288
7 7 49 343 2401 49 49 343
9 4 81 729 6561 16 36 324
10 3 100 1000 10000 9 30 300
43 48 305 2449 20981 320 245 1571

Persamaan regresi kuadratis : Y = a + bX + cX2

n . a + b X + c X2 =  Y  7a + 43b + 305c = 48 ...(1)
a X + b X2 + c X3 = X Y  43a +305b + 2449c = 245 ...(2)
a X2 + b X3 + c X4 = X2 Y  305a + 2449b + 20981c = 1571 ...(3)
Substitusi persamaan (1) dan (2):
(1) × 43  301a + 1849 b + 13115c = 2064
(2) × 7  301a + 2135b + 17143c = 1715
- 286b – 4028c = 349 ...(4)
Substitusi persamaan (1) dan (3):
(1) × 305  2135a + 13005b + 93025c = 14640
(2) × 7  2135a + 17143b + 146867c = 10997
- 4028b – 53842c = 3643 ...(5)
Substitusi persamaan (4) dan (5):
(4) × 4028  -1152008b – 13224784c = 1405772
(5) × 349  - 1152008b – 18790858c = 1271407
2566074c = 134365
c = 0,05
masukkan ke persamaan (4): - 286b – 4028(0,05) = 349  b = -1,92
masukkan ke persamaan (1): - 7a + 43(-1,92) + 305(0,05) = 48  a = 16,47
Sehingga persamaan kuadratisnya: Y = 16,47 – 1,92X + 0,05X2
Ramalan Y untuk X = 4  Y = 16,47 – 1,92(4) + 0,05(4)2 = 9,59
KESIMPULAN

Pada Analisis regresi lebih akurat dlm analisis korelasi karena tingkat perubahan
suatu variabel terhdp variabel lainnya dpt ditentukan). Jadi pada regresi,
peramalan atau perkiraan nilai variabel terikat pada nilai variabel bebas lebih
akurat pula.

Apabila hubungan antara variabel independent dan variabel dependen

tidak linear, maka regresi dikatakan regresi non linear. Bentuk dari hubungan
regresi non linear itu sendiri adalah:
Y = a + bX + cX2
dengan Y adalah fungsi respon non linear dari parameternya.