Regresi Linier Sederhana

OLEH:

Nama : Sri Hawani Syafitri

Nim : 4192411011
Kelas : PSPM C 2019
Mata Kuliah : Statistika Inferensial
ANALISIS REGRESI
Analisis regresi adalah suatu kajian untuk mengeksplorasi
sifatsifat dari hubungan diantara variabel-variabel. Hubungan fungsional
diantara variabel-variabel ini dapat dikategorikan atas dua kelompok
yaitu regresi linier dan regresi non linier. Regresi linier dapat berupa
regresi linier sederhana dan dapat berupa regresi linier ganda. Regresi
linier sederhana terdiri dari satu variabel bebas dan satu variabel tidak
bebas. Sedangkan regresi linier ganda memiliki variabel bebas lebih dari
satu. Persamaan regresi linier sederhana dapat dituliskan sebagai berikut:

Y= +
Persamaan regresi linier ganda secara umum dapat dituliskan sebagai
berikut:
=
Model regresi linier sederhana
Model ini hanya memiliki satu variabel bebas (katakanlah X) dan satu
variabel tidak bebas (katakanlah Y). Pandang model regresi linier
sederhana:
Y = β 0 + β1 X + ε

Suatu besaran yang membuat nilai Y menyimpang

dari garis regresi
Variabel prediktor, atau variabel bebas
Parameter model
Variabel random, atau variabel respon atau
variabel tak bebas.
Misalkan ada n pasang nilai atau data pengamatan yaitu:
(x1,y1),(x2,y2) ,…….,.....,(xn,yn),
dengan demikian persamaan sebelumnya dapat ditulis menjadi:
Yi = β0 + β1Xi + εi , i = 1,2,3,…, n …..(8.4)
Dari persamaan (8.4) diperoleh persamaan
εi = Yi - β0 - β1Xi ,
jika ruas kiri dan ruas kanan dikuadratkan diperoleh

selanjutnya pada kedua ruas ditambahkan lambang sehingga

diperoleh bentuk:
…….(8.5)
Andaikan = Q maka persamaan (8.5) dapat ditulis:
Q=
Pada persamaan (8.6) turunkan Q terhadap dan minimumkan
selanjutnya turunkan Q terhadap dan minimumkan. Proses ini
disebut Metode Kuadrat Terkecil (MKT) atau dikenal dengan Least
Square-Method-(LSM).

……….(8.7)

………………..(8.8)
dari sampel β0 b0; β1 b1 dan εi ei , E(εi) = 0 sehingga
persamaan (1) dapat ditulis
Ŷ = b0 + b1X ...(8.9)
dan persamaan (8.7) dan (8.8) dapat ditulis:

........……….(8.10)

………………..(8.11)
Dua ruas kanan terakhir dari masing-masing persamaan (8.10) dan
(8.11) disederhanakan dan diperoleh persamaan (8.12) dan (8.13)
yang disebut persamaan normal.
n b0 + b1 …………….............…(8.12)
b ………………..(8.13)
persamaan (8.12) dan persamaan (8.13) membentuk sistem persamaan
yang dapat diselesaikan dengan metode eliminasi, dengan cara
persamaan (8.12) dikalikan sedangkan persamaan (8.13)
dikalikan n. Dengan demikian diperoleh sistem persamaan berikut:
n b0 + b1 = …………………(8.14)
n b0 …………………(8.15)
Jika persamaan (8.14) dikurang oleh persamaan (8.15) maka diperoleh
rumus untuk menentukan nilai b1 seperti ditunjukkan pada persamaan
(8.16).

b ………………….(8.16)
Jika persamaan (8.12) dimanipulasi secara aljabar diperoleh rumus
mencari nilai b0 seperti pada persamaan (15)
n b0 + b1
bagilah kedua ruas dengan n maka diperoleh:

b atau b0 = …… (8.17)
Dengan menggunakan rumus (8.16) dan rumus (8.17) dapat diperoleh
nilai-nilai b0 dan b1 , nilai-nilai inilah sebagai penduga nilai dan .
Jika nilai-nilai b0 dan b1 ini kita substitusikan ke persamaan (8.9) yaitu
Ŷ = b0 + b1X maka kita akan memperoleh suatu persamaan garis regresi
linier sederhana sebagai penduga persamaan garis regresi linier
sederhana pada populasi.
Contoh soal :
Tabel berikut menunjukkan besarnya konsumsi (Y), dan pendapatan (X)
dari 15 orang

Konsumsi 11 12 14 15 16 7 6 8 9 10 18 17 10 6 7
(juta) Rp
Pendapatan 18 20 22 24 26 8 10 12 14 16 20 25 12 9 10
(juta) Rp
Tentukan nilai b0 dan b1 serta persamaan garis regresi linier

Penyelesaian:
Untuk mencari nilai-nilai b0 dan b1 kita dapat menggunakan rumus
(8.16) dan rumus (8.17). Agar memudahkan penggunaan rumus di atas,
tabel kita susun dalam bentuk kolom-kolom dan kita tambahi kolom-
kolom yang memuat komponen yang terdapat pada rumus 8.16
nO
1 11 18 324 198
2 12 20 400 240
3 14 22 484 308
4 15 24 576 360
b = 0,61 dan b
5 16 26 676 416
6 7 8 64 56 Jadi persamaan garis regresi linier sederhana sebagai penduga garis
7 6 10 100 60 regresi pada populasi adalah = 1,07 + 0,61 X. Makna dari
8 8 12 144 96
9 9 14 196 126 persamaan penduga garis regresi ini adalah setiap pertambahan nilai X
10 10 16 256 160 sebesar satu satuan maka nilai Y akan bertambah sebesar 0,61 dengan
11 18 20 400 360
12 17 25 625 425
perkataan lain setiap pertambahan pendapatan satu juta rupiah maka
13 10 12 144 120 konsumsi bertambah sebesar 0,61 juta rupiah.
14 6 9 81 54
15 7 10 100 70
= 4570 =3049
= 166
= 246
Konfirmasi contoh soal nomor 1 menggunakan SPSS

• Masukkan data yang akan dianalisis pada data view

 Atur nama, jenis dan label data dalam variabel view

• klik analyze, regression, linear

• pindahkan variabel x ke kolom isian independent, variabel y ke
kolom isian dependent
 Klik menu statistik dan klik menu-menu yang dibutuhkan untuk
melengkapi output, lalu klik continue

• Klik option, untuk mengisi nilai probabilitas yang diinginkan, lalu

klik continue.
• Klik tombol plots untuk menampilkan diagram pencar (scatter plot)
residual, histogram, diagram outlier dan diagram probabilitas

setelah mengatur semua yang diperlukan klik ok.

TERIMAKASIH