PERSAMAAN

REGRESI

STATISTIKA
Pertemuan 3

PJ: RENGGANIS NURUL AINI

 Definisi Regresi
Persamaan Regresi adalah persamaan matematika yang dapat digunakan untuk meramalkan nilai-nilai suatu variabel tak
bebas dari nilai-nilai satu atau lebih variabel bebas. Jadi, regresi merupakan alat yang digunakan untuk mengukur pengaruh
dari setiap perubahan variabel dan digunakan untuk menaksir variabel y atas setiap perubahan variabel x.

Hubungan kedua variabel ini digambarkan dalam bentuk garis lurus, yang Garis Regresi Linier.
X = Variabel Bebas atau X1 dan X2 jika variabel bebasnya dua, dst
Y = Variabel Tak Bebas / Terikat

Bentuk hubungan ini dapat dilihat dengan membuat diagram pencar dari nilai-nilai variabel tak bebas dengan variabel
bebasnya, dimana setiap datanya dinyatakan dalam bentuk koordinat (x,y), dan selanjutnya dilakukan pengamatan terhadap
kumpulan titik yang digambarkan. Penggambaran titik-titik yang diperoleh itu disebut Diagram Pencar (scatter diagram).
Jika titik-titik yang terbentuk mengikuti suatu garis lurus, maka variabel x dan y dikatakan saling berhubungan secara linier.
Hubungan ini bisa berbentuk hubungan linier, eksponensial dan berganda.
 Persamaan Regresi Linier
Diberikan persamaan dasar:

Konstanta a merupakan intersep atau perpotongan dengan sumbu tegak, sedangkan b adalah kemiringan (slope) atau gradien
garis yang merupakan koefisien regresi. Lambang y digunakan untuk membedakan nilai ramalan yang diperoleh dari
persamaan regresinya dengan nilai pengamatan y yang sesungguhnya untuk nilai x tertentu.

Apabila yang dipersoalkan adalah dua variabel, maka hal ini disebut Korelasi Sederhana (Simple Correlation) dan Regresi
Sederhana (Simple Regression). Apabila yang dipersoalkan meliputi meliputi lebih dari dua variabel maka hal ini disebut
Korelasi Berganda (Multiple Correlation) dan Regresi Berganda (Multiple Regression).

Untuk mengetahui masalah mengenai sejauh mana sebuah garis lurus dapat menjelaskan hubungan antara dua variabel,
dibutuhkan persamaan-persamaan dari garis-garis regresi kuadrat minimum.
 Garis Regresi Kuadrat Minimum
Garis regresi kuadrat minimum dari Y terhadap X : Garis regresi kuadrat minimum dari X terhadap Y :

X = b 0 + b 1Y
Dimana a0 dan a1 diperoleh dari persamaan-persamaan Dimana b0 dan b1 diperoleh dari persamaan-persamaan
normal : normal :
Y = a0N + a1X Y = b0N + b1X

XY = a0X + a1X2 XY = b0X + b1X2

yang menghasilkan: yang menghasilkan :
 Analisa Regresi & Error
Tujuan utama melakukan analisa ini
dipergunakan untuk membuat prediksi, dengan
menggunakan persamaan regresi linear sederhana
y=a+bx.  Lakukan langkah-langkah:

1. Tentukan yang mana variabel bebas (x) dan

yang mana variabel tak bebas (y).
2. Carilah nilai a dan b.

Dalam pendugaan regresi, pasti akan mengalami

kesalahan. Tingkat kesalahan ini disebut
“Standard Error of The Estimate”.
 Contoh Soal (Activity No 3-5)
Setiap biaya promosi yang dikeluarkan oleh suatu perusahaan
akan selalu berpengaruh terhadap keuntungan pada tiap tahun.
Tentukan persamaan garis regresi, keuntungan yang diperkirakan
jika biaya promosi 10 juta, dan tingkat kesalahan regresi.
Jawaban:
1. Tentukan x dan y. Biaya promosi kita yang tentukan nilainya,
artinya merupakan var.bebas (x). Untuk Keuntungan,
tergantung dengan nilai biaya promosi artinya keuntungan
adalah var. terikat (y).
2. Buat tabel untuk menghitung nilai a dan b.
3. Jadi, persamaan garis regresinya berapa? (Hint: y = blabla)
4. Jika biaya promosi (x) = 10 (juta), keuntungan (y) -nya
berapa? (Hint: Masukan nilai x ke pers no 3)
5. Berapa nilai tingkat kesalahan regresinya? (Hint: Masukkan ke
 Definisi Korelasi (Bonus)

Analisa korelasi adalah analisis terhadap kekuatan hubungan antara variabel bebas x dengan variabel tak bebas y.
Pengukuran hubungan antar variabel dinamakan proses korelasi.

Koefisien korelasi adalah suatu angka yang menunjukkan tinggi rendahnya derajat hubungan antara dua variabel
atau lebih. Koefisien korelasi besarnya sudah tertentu yaitu variasi antara -1 dan +1.

Koefisien korelasi linear adalah hubungan linier antara satu variabel x dengan satu variabel y dan dilambangkan
dengan r. Ukuran korelasi linier antara dua peubah yang paling banyak digunakan adalah koefisien korelasi momen-
hasil kali Pearson dan disingkat dengan koefisien korelasi contoh (JKG).

Note: Hubungi PJ jika ingin materi lengkap mengenai Korelasi. Konon katanya, korelasi adalah materi pertemuan 4 tetapi karena COVID-19, tidak akan ada pertemuan 4.
Thank You!
^o^