Statistika

11. REGRESI LINEAR

YUITA ARUM SARI, S.Kom, M.Kom

Jurusan Teknik Informatika

Program Studi Teknik Informatika
Disusun oleh : Tim Ajar Mata Kuliah Statistika 2018-2019 FILKOM
 Regresi

Regresi merupakan alat ukur yg digunakan untuk

mengetahui ada tidaknya korelasi (hubungan) antar
variabel.

Analisis regresi merupakan metode analisis data yang

memanfaatkan hubungan antara dua variabel atau
lebih

Analisis regresi mempelajari bentuk hubungan antara

satu atau lebih variabel bebas dengan satu variabel
tak bebas (terikat) .

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 2

 Regresi

Variabel Bebas dan Tak Bebas

Nilai variabel bebas (prediktor)ditulis pada sumbu X (sumbu
horizontal) .
Nilai variabel tak bebas (terikat) ditulis pada sumbu Y (sumbu
vertikal) .

Variabel tak bebas (Y) dalam penelitian merupakan respon

(outcome) yang diukur akibat perlakuan dari variabel bebas (X).

CONTOH :
Umur VS Tinggi Tanaman (X : Umur, Y : Tinggi)
Biaya Promosi VS Volume penjualan (X : Biaya Promosi, Y : Vol.
penjualan)

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 3

 Regresi
Contoh Variabel Bebas dan Tak Bebas
Case Summariesa

berat badan umur

1 15.00 20.00
2 13.00 16.00
3 9.00 12.00
4 6.00 6.00
5 6.00 10.00
6 18.00 34.00
7 16.00 25.00
8 11.00 20.00
9 6.00 8.00
10 12.00 14.00
11 18.00 30.00
12 22.00 36.00
13 7.00 9.00
14 10.00 10.00
15 10.00 15.00
16 14.00 24.00
17 20.00 30.00
Total N 17 17
a. Limited to first 100 cases.

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 4

 Regresi

Ukuran Dalam Regresi

Koefisien Regresi
mengukur besarnya pengaruh X terhadap Y

Koefisien korelasi
mengukur Kuat tidaknya hubungan X dan Y

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 5

 Regresi Linear

Tujuan regresi Linier adalah untuk melihat hubungan

linier antara 2 variabel/lebih
y

Garis Regresi Linier

dengan persamaan
y = a + bx
dimana
a = konstanta
b = koefisiensi regresi

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 6

 Regresi Linear

Pemahaman regresi
Persamaan regresi memungkinkan peramalan nilai suatu variabel
tak bebas (dependent variable) dari nilai variabel bebas
(independent variable).

Garis Regresi merupakan Garis linear yang

menunjukan pola hubungan antara dua variabel
misalnya variabel X dan Y. Sebenarnya hanya
merupakan garis taksiran yang dipakai untuk
mewakili pola sebaran data tersebut .

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 7

Regresi Linear

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 8

 Regresi Linear

Persamaan umum regresi linier : Y = a + bX

Rumus yang digunakan untuk menentukan persamaan garis regresi adalah:

n  xy -   x   y 
b
n x   x  2 2

  y    x     x   xy 
2

a
n x   x  2 2

a  y  bx 9

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 9

 Regresi Linear
CONTOH

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 10

 Regresi Linear
CONTOH
bentuk umum persaman regresi linier sederhana : Y = a + b X
n=5

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 11

 Regresi Linear

CONTOH
Peramalan dengan Persamaan Regresi :
Dari kasus di atas, jika biaya promosi 10 juta, berapa
volume penjualannya.

Y = 2.530 + 1.053 X
X = 10
Y = 2.53 + 1.053 (10) = 2.53 + 10.53 = 13.06 (ratusan juta kue)

Volume penjualan = 13.06 x 100 000 000 kue

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 12

 Regresi Linear
Latihan
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

1. Tentukan nilai a dan b.

2. Buatkan persamaan regresinya!
3. Berapa omzet penjualan dari seorang karyawan yg
pengalaman kerjanya 3,5 tahun
13

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 13

 Regresi Linear

X Y X2 Y2 XY
2 5 4 25 10 (8)(198)  (24)(56)
3 8 9 64 24 b
2 8 4 64 16 (8)(96)  (24) 2
5 7
1.548  1.344
25 49 35
6 11 36 121 66
b  1,25
768  576
1 3 1 9 3
4 10 16 100 40
1 4 1 16 4 a  7  1,25(3)
24 56 96 448 198
a  3,25
___
24 ___
56
X 3 Y  7
8 8
a. 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)
14
=7,625

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 14

 Korelasi

PERSAMAAN KORELASI
Korelasi (r) atau koefisien korelasi menyatakan tingkat keeratan atau
seberapa kuat hubungan antara dua variabel = ukuran hubungan dua
variabel .

Nilai r berkisar antara (-1) sampai (+1)

Nilai r yang (+) ditandai oleh nilai kovarians yang (+)

Nilai r yang (-) ditandai oleh nilai kovarians yang (-)

Jika nilai r mendekati -1 atau r mendekati +1 maka X dan Y memiliki

korelasi linier yang tinggi .
Jika nilai r = -1 atau r = +1 maka X dan Y memiliki korelasi linier sempurna .
Jika nilai r = 0 maka X dan Y tidak memiliki relasi (hubungan) linier .

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 15

 Korelasi
Koefisien korelasi (X dan Y) mempunyai hubungan positif
16

14

12

10

0 1 2 3 4 5 6 7 8 9 10 11 12 13

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 16

 Korelasi
Koefisien korelasi (X dan Y) mempunyai hubungan negatif
16

14

12

10

0 1 2 3 4 5 6 7 8 9 10 11 12 13

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 17

 Korelasi

Koefisien korelasi (x dan y) tidak mempunyai hubungan atau hubungan lemah sekali

Y Y

atau

0 X 0 X

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 18

 Koefisien Korelasi

Derajat hubungan antara x dan y dinyatakan dengan koefisien

korelasi dengan rumus:

J xx
rb
J yy  r bergantung b
 r bernilai (-) berhubungan
Dengan terbalik
 x 2
 r2 Koefisien determinasi ialah
J xx   x 
2
sumbangan variabel terikat terhadap
n variabel bebas
  y 2

J yy   y 
2

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 19

 Koefisien Determinasi

• X dikatakan mempengaruhi Y, jika berubahnya nilai X akan

menyebabkan perubahan nilai Y.
• Akan tetapi, naik turunnya Y adalah sedemikian rupa
sehingga nilai Y bervariasi, tidak semata-mata disebabkan
oleh X, karena masih ada faktor lain yang menyebabkannya.
• Jadi untuk mengetahui berapa besar kontribusi dari X
terhadap naik turunnya nilai Y maka harus dihitung dengan
koefisien penentuan (koefisien determinasi).

Koefisien Determinasi = r2

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 20

Terima Kasih…

Yuita Arum Sari, S.Kom, M.Kom 21