REGRESI LINIER SEDERHANA

KELOMPOK 12
ANGGOTA KELOMPOK :
1. Aisyah Fii Ramadhani 2017201100
2. Dewi Astasari 2017201108
3. Eko Prasetyo 2017201119
4. Lola Adelia Elensafita 2017201131
 REGRESI LINIER SEDERHANA
Regresi Linear Sederhana adalah Metode Statistik yang berfungsi untuk menguji sejauh mana hubungan
sebab akibat antara Variabel Faktor Penyebab (X) terhadap Variabel akibatnya
. Pada regresi sederhana biasanya data yang digunakan memiliki skala interval atau rasio. Faktor
penyebab pada umumnya dilambangkan dengan X atau disebut juga dengan Predictor sedangkan
Variabel Akibat dilambangkan dengan Y atau disebut juga dengan Response.
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 = Koefisien regresi (pengaruh positif atau negatif)
 PROSEDUR REGRESI LINEAR SEDERHANA

Adapun langkah-langkah yang perlu dilakukan untuk melakukan analisis dan uji regresi linier
sederhana adalah sebagai berikut :
1. Menentukan tujuan dari Analisis Regresi Linear Sederhana
2. Mengidentifikasi variabel predictor dan variabel response
3. Melakukan pengumpulan data dalam bentuk table
4. Menghitung X², XY dan total dari masing-masingnya
5. Menghitung a dan b menggunakan rumus yang telah ditentukan
6. Membuat model Persamaan Garis Regresi
7. Melakukan prediksi terhadap variabel predictor atau response
8. Uji signifikansi menggunakan Uji-t dan menentukan Taraf Signifikan
 MENGUJI SIGINIFAKASI KEMIRINGAN

Apa sebenarnya signifikansi itu? Dalam bahasa Inggris umum, kata, “significant” mempunyai makna
penting; sedang dalam pengertian statistik kata tersebut mempunyai makna “benar” tidak didasarkan
secara kebetulan. 
Dalam analisis regresi sederhana kami menguji signifikasi persamaan regresi dengan memeriksa
signifikasi koefisien kemiringan dengan menggunakan uji t nilai t yang dihitung adalah 11,4 untuk
hubungan penjualan dan ikan televisi. Signifikasi regresi juga dapat diperiksa dengan uji F. Dalam
kasus regresi dua variabel perhitungan f sama dengan perhitungan t yang dikuadratkan yaitu F = t² 2
= 11,4 kuadrat 2 = 130,6 sementara pada umumnya perhitungan F = rasio kuadrat rata-rata karena
regresi untuk kuadrat rata-rata disebabkan oleh residu. Pada regresi sederhana, nilai F yang
dikalkulasi akan dirujuk pada tabel F untuk v1 = n-2 derajat kebebasan. Kesimpulannya akan tepat
sama dengan yang diperoleh melalui pengujian signifiksi koefisien kemiringan dengan menggunakan
uji t.
 MENILAI KEMAMPUAN PREDIKSI OLEH
PERSAMAAN REGRESI
Signifikan persamaan regresi
Untuk melihat signifikansi persamaan regresi dapat dilihat pada nilai F yaitu: 23,338 dan bandingkan
dengan nilai pada tabel F:

Apabila nilai F < Ftabel maka persamaan regresi tidak dapat digunakan untuk melakukan prediksi.
Apabila nilai F > Ftabel maka persamaan regrsi dapat digunakan untuk melakukan prediksi.
Selain itu dapat juga dengan melihat nilai Sig, jika nilai Sig < 0,05 maka persamaan regresi dapat
digunakan untuk melakukan prediksi.
 PREDIKSI DARI ESTIMASI INTERVAL

Estimasi Interval merupakan estimasi dari parameter interval populasi yang dinyatakan dengan dua buah
bilangan, diantara parameternya diperkirakan berbeda. Estimasi interval mengindikasikan tingkat
kepresisian satu akurasi dari sebuah estimasi sehingga estimasi interval akan dianggap semakin baik
jika mendekati estimasi titik
TERIMA KASIH