ANLISIS

REGRESI

Oleh
Antonia Bendikta Sogen
(1701160099)
Mega D. Laba(1701160149)
 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
• Untuk analisis regresi terdiri atas dua jenis
variabel yakni variabel bebas atau prediktor
(x) dan variabel tak bebas atau respon (Y)
PERSAMAAN UMUM REGRESI LINEAR
SEDERHANA
Ŷ = a + bx

Ŷ = (bacaY topi), subjek dalam variabel terikat

(variabel Y) yang diprediksikan
a = nilai konstan hargaY jika X = 0
b = angka arah atau koefisien regresi, yang
menunjukkan peningkatan atau penurunan nilai
variabel Y yang didasarkan pada variabel X. Bila b
positif(+) maka naik, dan bila negatif(-) maka
terjadi penurunan
X = variabel bebas(variabel X) yang mempunyai
nilai tertentu
Koefisien-koefisien regresi a dan b untuk regresi linier dapat dihitung dengan
rumus:|
a= (∑Y¡) (∑X¡²) - (∑X¡)(∑X¡Y¡)
n∑X¡²)-(∑X¡)²

b= n∑X¡Y¡- (∑X¡) (∑Y¡)

n∑X¡²-(∑X¡)²
Untuk koefisien-koefisien regresi X dan Y rumusnya sama tetapi harus ditukarkan
tempat untuk simbol-simbl X dan Y
Jadi untuk regresi X atas Y diatksirkan oleh:
X= c + dY
c= (∑Y¡) (∑X¡²) - (∑X¡Y¡)
n∑X¡²)-(∑X¡)²

d= n∑X¡Y¡- (∑X¡) (∑Y¡)

n∑X¡²-(∑X¡)²

Contoh soal:
data berikut melukiskan hasil pengamatan mengenai banyak orang yang datang(X) dan banyak orang
berbelanja (Y) disebuah tokoh selama
30 hari.
 Daftar XV(I)
BANYAK PENGUNJUNG DAN YANG BERBELANJA DI SEBUAH TOKO SELAMA 30 HARI

Pengunjung Berbelanja Pengunjung Berbelanja Pengunjung Berbelanja

(X¡) (Y¡) (X¡) (Y¡) (X¡) (Y¡)

34 32
38 36 33 31
37 33
34 31 32 31
36 32
40 38 42 36
37 34
30 29 40 37
39 35
40 35 42 35 40 36
40 33 42 38 33 32
34 30 41 37 34 32
35 32 32 30 36 34
34 30 37 32
39 36
38 34
36 30
 DAFTAR XV(2)
NILAI-NILAI YANG PERLU UNTUK MENGHITUNG KOEFISIEN REGRESI LINIER

X¡ Y¡ X¡Y¡ X¡² X¡ Y¡ X¡Y¡ X¡²

34 32 1088 1156 42 38 1596 1764
38 36 1368 1444 41 37 1517 1681
34 31 1054 1156 32 30 960 1024
40 38 1520 1600 34 30 1020 1156
30 29 870 900 36 30 1080 1296
40 35 1400 1600 37 33 1221 1369
40 33 1320 1600 36 32 1152 1296
34 30 1020 1156 37 34 1258 1369
35 32 1120 1225 39 35 1365 1521
39 36 1404 1521 40 36 1440 1600
33 31 1023 1089 33 32 1056 1089
32 31 992 1024 34 32 1088 1156
42 36 1512 1764 36 34 1224 1296
40 37 1480 1600 37 32 1184 1369
42 35 1470 1764 38 34 1292 1444
Setelah dijumlahkan didapat:
∑X¡= 1.105, ∑Y¡= 1.001, ∑X¡Y¡= 37.094 dan ∑X¡²= 41.029
Dari rumus

a= (∑Y¡) (∑X¡²) – (∑X¡) (∑X¡Y¡)

n∑X¡²) - (∑X¡)²

b= n∑X¡Y¡ - (∑X¡) (∑Y¡)

n∑X¡²- (∑X¡)²

a=(1.001) (41.029) – (1.105) (37.094) = 8,24

30(41.029) – (1.105)²

b= 30(37.094) – ( 1.105) (1.001) = 0,68

30(41.029) – (1.105)²

Dengan demikian, persamaan regresi linier Y atas X untuk soal

diatas adalah Ŷ = 8,24 + 0,68 X
BERBAGAI VARIANS SEHUBUNGAN DENGAN
REGRESI LINIER SEDERHANA
contoh: dalam daftar xv(1) kita dapat menghitung varians-varians diatas. Kita
perlu ¯x = 36,8, sx²= 11,32, SY² = 8,68, dan ∑(X¡−X¯)² = 328,2
dari rumus xv(10) dengan b = 0,68 dan n= 30 didapat:
 s²Y.X = 30-1 { 6,86 – (0,68)² (11,32)} = 1,688
30-2
 S²b = 1,688 / 328,2 = 0,0051
 S²a = 1,688 { 1 + (36,8)² } = 7,0214
30 328,2
Varians ramalan rata-rata Y untuk Xo yang diketahui
 s²Ŷ = 1,688 { 1 + (Xo -36,8)² }
30 328,2
Misalnya Xo = 40 maka, s²Ŷ = 1,688 { 1 + (40 -36,8)² } = 0,108032 = 0,11
30 328,2
Varians ramalan individu Y untuk Xo yang diketahui
 s²Ŷ = 1,688 { 31 + (Xo -36,8)² }
30 328,2
Dengan Xo = 40 maka s²Ŷ = 1,688 { 31 + (40 -36,8)² } = 1,789
30 328, 2

Terlihat bahwa varians ramalan individu lebih besar dari varians ramalan rata-rata
 MENGUJI HIPOTESIS SEHUBUNGAN DENGAN REGRESI
LINIER SEDERHANA

t= b- ø20
Sb
Dengan dk untuk distribusi t diambil (n-
2).
untuk aternatif H1: ø2 ≠ ø20
Tolak hipotesis Ho jika t ≥ t1-
½α dan terima jika t ≤ t1- ½α
Contoh: jika untuk data dalam daftar xv(1) dengan regresi
Ŷ = 8,24 + 0,68 X diduga bahwa untuk setiap tambahan 100(xi)
pengnjung yang datang ada tambahan 75(yi) yang berbelanja
maka kita harus menguji hipoteis nol:
Ho : θ2 = 0.75 melawan H1 : θ2 ≠ 0.75
Dik: Sb = 0,82, dan untuk taraf nyata 0,05 dengan n= 30
didapat t0,975 = 2,048 dari rumus xv(20) didapat
t= 0,68 – 0,75 = - 0,0853
0,82

Dari hasil diatas maka dapat disimpulkan bahawa Ho diterima karena t ≤ t1 -½α
Uji independen antara X dan Y tepatnya pengujian Ho: Ɵ 2 = 0. Untuk
ini, jumlah kuadrat-kuadrat semua individu Y ialah ΣY² dipecah
menjadi tiga bagian variansi berbentuk:
Σyi² = (ΣYi)² +JK((b|a)+JK(Res)
n
DAFTAR XV (4)
DAFTAR ANALISIS VARIANS UNTUK REGRESI LINIER SEDERHANA

Sumber variasi dk JK F
Regresi a 1 (ΣYi)²
 /n (ΣYi)² /n

Regrei (b |a) 1 JK (b |a) S²reg=JK(b|a) S²reg

S²res
Residu n-2 Σ(Υί-Ŷί)² S²res=Σ(Υί-Ŷί)²

n -2

Jumlah n ΣΥί² - -
Hasil bagi F= S²reg/S²res ternyata berdistribusi F dengan dk
pembilang satu dan dk penyebut (n-2). Berdasarkan ini hipotesis Ho
: θ2=0 ditolak jika F≥ F(1-α) (1.n-2)
x
dn diterima dalam hal lainnya.
Untuk menguji hipotesis Ho : θ2=0 kita gunkan daftar anlisis
varians diatas. Jika dari daftar XV(1) dihitung nilai yang diperlukan
maka diperoleh:
(∑Y¡)² = (1.001)² = 33.400,03
n 30
x
b ∑(X¡- ) (Y¡-Ῡ) = (0,68) (223,834) = 152,20712= 152,21
∑Y¡² = 33.599
∑(Y¡-Ŷ¡)²= 33.599-33.400,03-152,21=46.76
 DAFTAR XV(5)
DAFTAR ANALISIS VARIANS UNTUK UJI INDEPENDEN
DALAM REGRESI LINIER UNTUK DAFTAR XV(1)
SUMBER dk JK KT F
VARIASI

Regresi (a) 1 33.400,03 33.400,03

Regresi (b|a) 1 152,21 152,21 91.14
Residu 28 46.76 1.67

Jumlah 30 33.599 - -

F= 152,21/1,67 = 91,14. Dari daftar distribusi F didapat F0,95(1,28) = 4,17

sehingga kita tolak hipotesis Ho karena F ≥ F(1-α) (1.n-2)
UJI KELINEARAN REGRESI
 DAFTAR XV (7)
ANALISIS VARIANS UNTUK UJI KELINEARAN REGRESI

Sumber varinsi dk JK KT F
Total n ΣYi² ΣYi² -
Regresi a 1 (Σyi)² /n (Σyi)² /n
Regrei (b |a) 1 JKreg = JK (b|a) S²reg=JK(b|a) S²reg
S²res
Residu n-2 Jkres=Σ(Υί-Ŷί)² S²res = Σ(Υί-Ŷί)²
n-2

Tuna cocok k-2 JK (TC) S²TC = JK (TC) S²TC

k-2 S²e

Kekeliruan n-k JK (E) S²e= JK (E)

n-k
Contoh: untuk data dalam daftar xv(1) kita selidiki apakah model linier yang telah
diambil dengan persamaan Ŷ = 8,24 + 0,68 X benar –benar dinggap cocok atau
tidak. dik, Jkres = 46,76 lih. Daftar XV (5) harus dipecahkan menjadi dua bagian
yakni JK(E) dan JK(TC).

Xi Yi DAFTAR XV(8)
Xi Yi Xi Yi
30 29 35 32 39 35
32 31 36 30 40 38
32 30 36 32 40 35
33 31 36 34 40 33
33 32 37 33 40 37
34 32 37 34 40 36
34 31 37 32 41 37
34 30 38 36 42 36
34 30 38 34 42 35
34 32 39 36 42 38
JK(E) = {29²-29²} + {31² + 30²- (30+ 31)²}
1 2
+ {31² + 32²- (31+32)² } +
2
{32²+31²+30²+30²+32² - (32+31+30+30+32)² }
5
+ {32² - (32)² } + {30²+32²+34² - (30+32+34)² }
1 3
+ {33²+34²+32² - (33+34+32)² } + {36²+34² - (36+34)² } 3
2
+ {36²+35² - (36+35)² } + {38²+35²+33²+37²+36² - (38+35+33+37+36)² }
2 5
+ {37² - 37² } + {36²+ 35²+38² - (36+35+38 )² }
1 3
JK(E) = 33
JK(TC) = Jkres - JK(E) . 46,76 – 33 = 13,76
Dari hasil perhitungan diatas maka didap-at JK(E) = 33,
JK(TC)= Jkres- JK (E) = 46,76- 33= 13,76
Nilai X semua ada 12 yang berbeda maka, k= 12 sehingga derajat kebebasan (dk) untuk tuna cocok
12-2= 10 dan dk untuk kekeliruan 28-10= 18

DAFTAR XV (9)
DAFTAR ANALISIS VARIANS UNTUK UJI KELINIERAN REGRESI
DATA DALAM DAFTAR XV(1)
Sumber variasi dk JK KT F
Total 30 33.599 - -
Regresi (a) 1 33.400,03 33.400,03
Regresi (b|a) 1 152,21 152,21 91.14
Residu 28 46.76 1,67

Tuna cocok 10 13,76 1,38 0.75

Kekeliruan 18 33 1,83

Jika α= 0,05, mka dengan derajat kebebasan pembilang 10 dn penyebut 18 , dari

daftar distribusi F didapat F0,95(10,18)= 2,43 )dengan interpolasi). untuk uji
kelinieran, didapat F= 0,75 dan ini lebih kecil dri 2,43. jadi hopotesis bahwa
model regresi linier diterima
 REGRESI NONLINIER
1. Model parabola kudratik
persamaan umumnya: Ŷ=a+bX+cx2
Dengan menggunakan metode kuadrat terkecil maka a, b dan c
dapat dihitung dari sistem persamaan :
∑Y¡ =na + b ∑X¡ + c ∑X¡²
∑X¡ Y¡ = a ∑X¡ + b ∑X¡² + c ∑X¡³
∑X¡²Y = a ∑X¡² + b ∑X¡³ + c ∑X¡
2. Model Parabolah Kubik
Persamaan umumnya: XV(28)……Ŷ = a +bX + cX2 + dx3
rumus untuk menentukan nilai a, b, c dan d adalah:
∑Y¡ =na + b ∑X¡ + c ∑X¡² + d∑X¡³
∑X¡ Y¡ = a ∑X¡ + b ∑X¡² + c ∑X¡³ + d∑X¡
∑X¡²Y¡ = a ∑X¡² + b ∑X¡³ + c ∑X¡ + d∑X¡
∑X¡³Y¡ = a ∑X¡³ + b ∑X¡ + c ∑X¡ + d∑X¡6
3. Model eksponen
Persamaannya Ŷ= abX
dalam logaritma persamaannya menjadi
log Ŷ = log a + (log b) X
Dengan nilai a dan b dapat dik. Dri rumus:
log a = Σ logY¡ - (log b) (ΣX¡)
n n
log b = n (ΣXi log Y¡) - (ΣX¡)(Σ logY¡)
nΣX¡² - (ΣX¡)²
4. Model geometrik
persamaan umumnya Ŷ= aXb
dalam logaritma persamaannya menjadi log Ŷ = log a+b log X
Dengan nilai a dan b dapat dik. Dri rumus:
log a = Σ logY¡ - b Σ log X¡
n n
b = n (Σ log Xi logY¡) – (Σ log Xi )(Σ log Y¡)
n(Σ log²Xi)- (Σ log Xi)²
5. Model logistik
1 = abX
Ŷ
dalam logaritma persamaannya menjadi
Log ( 1 ) = log a+ (log b) X
Ŷ
6. Model hiperbola
Persanaan umumnya Ŷ= 1
a+ bX
Contoh soal:
dibawah ini hasil pengamatan terhadap pengunjung(x) dan yang berbelanja(Y)
selama 12 hari di sebuah toko
DAFTAR XV( 10)
BANYAK PENGUNJUNG DAN YANG BERBELANJA
X Y
20 150
35 125
60 105
100 100
150 92
300 97
500 97
800 62
1200 58
1300 40
1500 38
1600 35
1. regresi model eksponen 2. Geometrik
Cari nilai log a dan log b b= 12 (53,8072) ̶ (29,4519) (22,5134)
log b= 12(53,8072)- (7565)(22,5134) 12(77,3543) ̶ (29,4519)2
12(8957725)-(7565)² = -0,2856

= 645,6864- 170.313,871 log a = 22,5134 ̶ (-0,2856) (29,4519)

12 12
107.492.700- 57.229.225
Log a = 2,5770 yang menghasilkan
= 169.668,1846
a = 377,6.
50.263.475
Persamaan regresinya adalah
Log b = 0,003
b = 1,01 Ŷ = (377,6) X -0,2856
Log a= 29,4519 - 0,0033 (7565)
Atau Ŷ = 377,6
12 12
Log a = 2,454325 – (0,003)(630,416) X0,2856
Log a = 2,454325 – 1.891248
loga a = 0,563077
Jadi, a = 1,14
Sehingga Ŷ= abX
(1,01)(1,14)X
3.Hiperbola
b = 12(167,112) – (7.565) (0,1786) = 0,000013
12 (8.957.725) – (7.565)2

a = 0,1786 – (0,000013) (7.565) = 0,0066

12 12

persamaan regresinya
Ŷ= 1
0,0066 + 0,000013 X
 REGRESI LINIER GANDA
Ŷ=ao + a1 X1 + a2 X2 + ak Xk
Contoh: misalkan kita melakukan pengamatan terhadap 10
keluarga mengenai: pendapatan dalam ribuan rupiah (X1),
besar dari keluarga dalam satuan jiwa (X2), pengeluaran untuk
membeli barang A dalam ratusan rupiah (Y).
Daftar Xv(11)
PENGELUARAN PENDAPATAN DAN BANYAK JIWA
UNTUK 10 KELUARGA

X1 10 2 4 6 8 7 4 6 7 6
X2 7 3 2 4 6 5 3 3 4 3
Y 23 7 15 17 23 22 10 14 20 19
 Daftar xv (12)
HARGA-HARGA YANG PERLU UNTUK MENGHITUNG ao,
a1 DAN a2
Keluarga Yi X 1i X2i X1i Yi X2iYi X1iX2i X²1i X²2i

1 23 10 7 230 161 70 100 49

2 7 2 3 14 21 6 4 9
3 15 4 2 60 30 8 16 4
4 17 6 4 102 68 24 36 16
5 23 8 6 184 138 48 64 36
6 22 7 5 152 110 35 49 25
7 10 4 3 40 30 12 16 9
8 14 6 3 84 42 18 36 9
9 20 7 4 140 80 28 49 16
10 19 6 3 114 57 18 36 9
Jumlah 170 60 40 1122 737 267 406 182
Dari data diatas maka kita dapat memperoleh nilai
ao = -0,652, a1= 2,852 a2= 0,135
Jadi persamaan regresi liner ganda
Ŷ=ao + a1 X1 + a2 X2
Ŷ= -0,652 + 2,852 X1 + 0,135 X2
Terima kasih