ANALISIS REGRESI

SEJARAH REGRESI

RE G R E S I P ER T A M A O L E H F A N C I S GA L T O M
“Meskipun ada kecenderungan bagi orang tua yang tinggi mempunyai
anak-anak yang tinggi, dan bagi orang tua yang pendek mempunyai
anak yang pendek, distribusi tinggi dari suatu populasi tidak berubah
secara menyolok (besar) dari generasi ke generasi”.

REGRESI = “KEMUNDURAN KE ARAH SEDANG”

 Pengertian Regresi

Analisis regresi merupakan studi ketergantungan

satu atau lebih variabel bebas (x) terhadap variabel
tidak bebas (Y). Dengan maksud untuk meramalkan
nilai variabel tidak bebas.
 Contoh Penerapan Analisis Regresi

1. Analisis Regresi antara tinggi orang tua terhadap tinggi

anaknya (Gultom).
2. Analisis Regresi antara Intensitas serangan penyakit
kresek Xanthomonas sp terhadap hasil produksi padi.
3. Analisis Regresi antara pemupukan NPK terhadap
produksi padi hibrida.
4. Analisis Regresi antara jarak tanam kedelai terhadap
produksi kedelai setiap hekatarnya.
KETERGANTUNGAN STATISTIK VS. FUNGSIONAL

Hubungan kausal (ketergantungan statistik)

 Konsumsi dengan pendapatan
 Pemupukan dengan produksi

 Iklan dengan penjualan

Hubungan fungsional/Identitas
 Likuditas dengan aktiva lancar
 Produktivitas dengan hasil produksi

 Upah karyawan dengan jam kerja

Perbedaan mendasar antara korelasi dan regresi ?

Korelasi hanya Regresi menunjukkan

menunjukkan sekedar hubungan pengaruh.
hubungan.
Dalam korelasi Dalam regresi terdapat
variabel tidak ada istilah tergantung dan
istilah tergantung dan variabel bebas.
variabel bebas.
 Istilah dan notasi variabel dalam regresi ?

Y X
 Varaibel tergantung  Varaibel bebas (Independent
(Dependent Variable) Variable)
 Variabel yang dijelaskan  Variabel yang menjelaskan
(Explained Variable) (Explanatory Variable)
 Variabel yang diramalkan  Variabel peramal (Predictor)
(Predictand)  Variabel yang meregresi
 Variabel yang diregresi (Regressor)
(Regressand)  Variabel perangsang atau
 Variabel Tanggapan kendali (Stimulus or control
(Response) variable)
 Persamaan Regresi

Persamaan Regresi linier

Sederhana:
n (  XY )  (  X )(  Y )
b
n( X 2 )  ( X ) 2
Y = a + bX

Y = Nilai yang diramalkan a 

Y  b ( X )
a = Konstansta n
b = Koefesien regresi
X = Variabel bebas
 Contoh Kasus:

Seorang manajer produksi akan meneliti

apakah terdapat pengaruh pemupukan NPK
terhadap hasil produksi tanaman padi
hibrida, untuk kepentingan penelitian
tersebut diambil 8 perlakuan untuk
mengetahui hasilnya.
 Pemecahan

1. Judul
Pengaruh besar dosis pupuk NPK
terhadap produksi padi hibrida.
2. Pertanyaan Penelitian
 Apakah terdapat pengaruh positif
pemupukan NPK terhadap produksi padi
hibrida ?
3. Hipotesis
 Terdapat pengaruh positif pemupukan
NPK terhadap produksi padi hibrida .
 4. Kriteria Penerimaan Hipotesis

Ho : Tidak terdapat pengaruh positif pemupukan

terhadap produksi.
Ha : Terdapat pengaruh positif pemupukan terhadap
produksi.

 Ho diterima Jika
t hitung ≤ tabel

 Ha diterima Jika
t hitung > t tabel.
5. Sampel
8 perlakuan
6. Data Yang dikumpulkan

Produksi (Y) 64 61 84 70 88 92 72 77
KW
Pemupukan(X) 20 16 34 23 27 32 18 22
 7. Analisis Data

Untuk analisis data diperlukan, perhitungan:

1.Persamaan regresi
2.Nilai Prediksi
3.Koefesien determinasi
4.Kesalahan baku estimasi
5.Kesalahan baku koefesien regresinya
6.Nilai F hitung
7.Nilai t hitung
8.Kesimpulan
 Persamaan Regresi

Perlakuan Y X XY X2 Y2
1 64 20
2 61 16
3 84 34
4 70 23
5 88 27
6 92 32
7 72 18
8 77 22
Total 608 192
 n( XY )  ( X )( Y )
b
n( X 2 )  ( X ) 2

8(15032)  (192)(609)
b  1,497
8(4902)  (192) 2

a
 Y  b ( X )
n

( 608 )  1 , 497 ( 192 )

a   40 , 082
8

Y= 40,082 + 1,497X
 Nilai Prediksi

 Berapa hasil produksi jika pemupukan sebesar 20?

40,082 + (1,497*20)= 70,022
 Berapa hasil produksi jika pemupukan sebesar 16?
40,082 + (1,497*16)=64,034
 Berapa hasil produksi jika pemupukan sebesar 34?
40,082 + (1,497*34)= 90,98
 Berapa hasil produksi jika pemupukan sebesar 23?
40,082 + (1,497*23)= 74,513
 Berapa hasil produksi jika pemupukan sebesar 27?
40,082 + (1,497*27)=80,501
 Berapa hasil produksi jika pemupukan sebesar 32?
40,082 + (1,497*32)= 87,986
Dan seterusnya…………………….!!!
No Y X XY X2 Y2 Ypred (Y-Ypred)2 (Y-Yrata)2

1 64 20 1280 400 4096 70.022 36.264 144

2 61 16 976 256 3721 64.034 9.205 225

3 84 34 2856 1156 7056 90.98 48.720 64

4 70 23 1610 529 4900 74.513 20.367 36

5 88 27 2376 729 7744 80.501 56.235 144

6 92 32 2944 1024 8464 87.986 16.112 256

7 72 18 1296 324 5184 67.028 24.721 16

8 77 22 1694 484 5929 73.016 15.872 1

Jlh 608 192 15032 4902 47094 608.08 227.497 886

 Koefesien Determinasi

Koefesien determinasi:

R  1
2  (Y  Yˆ ) 2
R  1
2 (227,497)
 0,743
 (Y  Y ) 2
(886)

Koefesien Determinasi Disesuaikan (adjusted)

P (1  R 2
) 1(1  0,743)
Radj  R2  Radj  0,743  0,70
N  P 1 8 1 1
 Kesalahan Baku Estimasi

Digunakan untuk mengukur tingkat kesalahan dari

model regresi yang dibentuk.

Se 
 (Y  Yˆ ) 2

Se 
(227,467)
 6,1576
nk 82
 Standar Error Koefesien Regresi

Digunakan untuk mengukur besarnya tingkat kesalahan

dari koefesien regresi:

Se 6,1576
Sb  Sb1   0,359
( X ) 2
(192) 2

X 
2
( 4902) 
n 8
 Uji F
Uji F digunakan untuk uji ketepatan model, apakah nilai prediksi mampu
menggambarkan kondisi sesungguhnya:

Ho: Diterima jika F hitung  F tabel

Ha: Diterima jika F hitung > F tabel

R 2 /(k  1) 0,743 /(2  1)

F F  17,367
1  R 2 /(n  k ) 1  0,743 /(8  2)

Karena F hitung (17,367) > dari F tabel (5,99) maka persamaan

regresi dinyatakan Baik (good of fit).
 Uji t

Digunakan untuk mengatahui pengaruh variabel bebas

terhadap variabel tergantung.
Ho: Diterima jika t hitung  t tabel
Ha: Diterima jika t hitung > t tabel

bj 1,497
Thitung  t hitung   4,167
Sbj 0,359

Karena t hitung (4,167) > dari t tabel (1,943) maka Ha diterima

ada pengaruh iklan terhadap produksi.
 KESIMPULAN DAN IMPLIKASI

KESIMPULAN
Terdapat pengaruh positif pemupukan NPK
terhadap produksi padi hibrida .

IMPLIKASI
Sebaiknya petani melakukan pemupukan NPK yang
sesuai agar produksi padi hibrida meningkat.
 Tugas:

Carilah persamaan regresi dari data berikut:

Pengaruh keasaman (pH) media pembiakan bakteri
terhadap jumlah koloni bakteri yang tumbuh (cfu =
colony forming unit)

pH 3 4 5 6 7 8 9
Jumlah koloni 12 11 13 15 16 13 10
(x 1010 )
 Analisis korelasi
 Mengukur seberapa kuat atau derajat kedekatan
suatu relasi yg tjd antar variabel
 Koefisien korelasi memiliki nilai -1≤ KK ≤+1
 Untuk menentukan keeratan korelasi antarvariabel
diberikan patokan KK
0 < KK ≤ 0,2, korelasi sgt lemah
 0,2 < KK ≤ 0,4, korelasi lemah tp pasti
 0,4 < KK ≤ 0,7, korelasi yg cukup berarti
 0,7 < KK ≤ 0,9, korelasi sgt kuat
 0,9 < KK < 1, korelasi kuat sekali
 KK = 1, korelasi sgt sempurna
 Koefisien korelasi mrp akar dr koefisien
determinasi (R²)
 Koefisien determinasi : merupakan suatu
ukuran yg digunakan utk melihat seberapa
besar sumbangan variabel independent
terhadap variasi variabel dependent.
 Nilai R² berkisar 0 < R² < 1
Kegunaannya:
 Utk ukuran ketepatan garis regresi dari hasil
estimasi thd sekelompok data hasil observasi.
 Utk mengukur proporsi dr jumlah variasi yg
diterangkan oleh model regresi.
Koefisien Determinasi:
r 
2
a Y   b  XY   n Y  2

 (Y ) 2
 n(Y ) 2

Koefisien Korelasi : r r 2

Jenis-jenis koefisien korelasi

1. Koefisien korelasi pearson
2. Koefisien korelasi rank spearman
3. Koefisien korelasi kontingensi
4. Koefisien penentu
 Contoh kasus

 Seorang mhs jurusan agroteknologi ingin mengetahui

apakah ada hubungan pengaruh antara zat pengatur
tumbuh (ZPT cc/lt) (X) dgn jumlah bunga jadi buah
mangga per tangkai (Y)

X 1,5 1,0 2,8 0,4 1,3 2,0

Y 3,6 2,8 5,4 1,9 2,9 4,3

 Buatlah persamaan regresinya dan jelaskan artinya

 Berapa korelasinya
 Ujilah pendapat bahwa zat pengatur tumbuh
berpengaruh terhadap bunga jadi buah mangga