Regresi linier

Regresi linier
sederhana
sederhana
Kelompok 3
 Nama anggota bund

Siska Shella Novita

damayanti rafelyna afriyani
191060200 191060200 191060200
5 6 7
REGRESI LINIER 1. PENGERTIAN

SEDERHANA
2. RUMUS DAN CONOTH

3 LANGKAH LANGKAH .
4.ISTILAH
1. PENGERTIAN ANALISIS REGRESI LINIER SEDERHANA

Analisis regresi linier sederhana adalah hubungan secara linier antara satu variable independen (x)
Dengan variabel dependen (y)

Analisis regresi sederhana dapat digunakan untuk mengetahui arah dan hubungan antara variabel bebas
dengan variabel terikat, apakah memiliki hubungan positif atau negatif serta untuk memprediksi nilai
dari variabel terikat apabila nilai nilai variabel bebas mengalami kenaikan atau penurunan
Rumus regresi linear sederhana sebagai berikut:

Y = a + bX

Keterangan:

Y = Variabel dependen (variabel terikat)

X = Variabel independent (variabel bebas)

a = Konstanta (nilai dari Y apabila X = 0)

b = Koefi sien regresi (pengaruh positif atau negatif)

 Chart Title
6

0
barbar akhlak lucu duit

merah ijo pink

CONTOH REGRESI LINIER
SEDERHANA

jumlah uang saku yang diterima mahasiswa dipengaruhi

dengan jarak tempuh dari rumah ke kampus. Apabila
didasarkan dari penjelasan logis maka semakin dekat jarak
rumah dengan kampus maka akan semakin kecil nilai uang
saku mahasiswa, sebaliknya apabila semakin jauh jarak
tempuh dari rumah ke kampus maka akan semakin besar
jumlah uang saku mahasiswa, sehingga jarak tempuh dari
rumah ke kampus (variabel X) akan mempengaruhi nilai
uang saku mahasiswa (variabel Y) secara positif.
LANGKAH LANGKAH
1.Tentukan Tujuan dari melakukan Analisis
Regresi Linear Sederhana
2.Identifikasikan Variabel Faktor Penyebab
(Predictor) dan Variabel Akibat (Response)
3.Lakukan Pengumpulan Data
Hitung X², Y², XY dan total dari masing-
masingnya
Hitung a dan b berdasarkan rumus diatas.
4.Buatkan Model Persamaan Regresi Linear
Sederhana.
5.Lakukan Prediksi atau Peramalan terhadap
Variabel Faktor Penyebab atau Variabel
Akibat
K
1. Model regresi sederhana dapat digunakan untuk forecast atau memprediksi nilai Y. Namun sebelum
E melakukan forecasting, terlebih dahulu harus dibuat model atau persamaan regresi linier. Ketika model
yang fit sudah terbentuk maka model tersebut memiliki kemampuan untuk memprediksi nilai Y
ANALISIS
G berdasarkan variabel Y yang diketahui. Katakanlah sebuah model regresi digunakan untuk membuat
persamaan antara pendapatan (X) dan konsumsi (Y). Ketika sudah diperoleh model yang fit antara
REGRESI
U pendapatan dengan konsumsi, maka kita dapat memprediksi berapa tingkat konsumsi masyarakat ketika
kita sudah mengetahui pendapatan masyarakat.
LINIER
N SEDERHAN
A 2. Mengukur pengaruh variabel X terhadap variabel Y. Misalkan kita memiliki satu serial data variabel Y, A
melalui analisis regresi linier sederhana kita dapat membuat model variabel-variabel yang memiliki
A pengaruh terhadap variabel Y. Hubungan antara variabel dalam analisis regresi bersifat kausalitas atau
sebab akibat. Berbeda halnya dengan analisis korelasi yang hanya melihat hubungan asosiatif tanpa
N mengetahui apa variabel yang menjadi sebab dan apa variabel yang menjadi akibat.
 ISTILAH DALAM REGRESI LINIER SEDERHANA
1.Koefisien Korelasi (r) adalah nilai yang menyatakan kuat atau tidaknya
hubungan antara 2 variabel
2.Standar error koefisien regresi (E) adalah ukuran dari ketepatan koefisien
regresi dalam memprediksi nilai populasinya.Standar error diukur berdasarkan
akar kuadrat dari deviasi atau varians koefisien regresi sampel dengan
koefisien regresi populasi
3.Koefisien determinasi regresi(r 2) adalah a. Nilai yang menunjukkan
seberapa besar pengurangan variasi dalam Y (variabel dependent) saat satu
atau lebih X (variabel independent) masuk kedalam model regresi. b.
Besarnya sumbangan / andil dari variabel x terhadap variasi atau naik
turunnya y.
d