REGRESI

KELOMPOK 2 :
1. MAYANG RUBY AYU_21640002
2. PUTRI WIDIASTUTI_21640003
DEFINISI REGRESI
Regresi dalam statistika adalah salah satu metode untuk menentukan hubungan
sebab-akibat antara satu variabel dengan variabel yang lain. Variabel
"penyebab" disebut dengan bermacam-macam istilah: variabel penjelas,
variabel eksplanatorik, variabel independen, atau secara bebas, variabel X.
TUJUAN KEGUNAAN REGRESI
Tujuan dari analisis regresi adalah untuk memprediksi besar Variabel
Terikat (Dependent Variable) dengan menggunakan data Variabel Bebas
(Independent Variable) yang sudah diketahui besarnya.
Analisis regresi digunakan untuk mengetahui bagaimana variabel dependen
atau kriterium dapat diprediksikan melalui variabel independen atau
prediktor secara individu atau parsial maupun secara bersama-sama atau
simultan.
MACAM-MACAM REGRESI

1. Regresi linear, Dalam Statistik regresi linear merupakan pendekatan untuk memodelkan hubungan
antara suatu variabel dependen dengan satu atau lebih variabel independen. Salah satu aplikasi dari
regresi linier adalah untuk melakukan prediksi berdasarkan data-data yang telah dimiliki sebelumnya.
2. linear majemuk, Regresi linier majemuk pada dasarnya hampir sama dengan model linear sederhana,
tetapi jumlah variabel independen nya lebih dari satu.
3. Non linear, dalam statistic regresi nonlinier adalah suatu bentuk analisis regresi di mana data
pengamatan dimodelkan oleh suatu fungsi yang merupakan kombinasi nonlinier dari parameter model
dan bergantung pada satu atau lebih variabel bebas. Data dilengkapi dengan metode aproksimasi
berturut-turut.
PERSAMAAN REGRESI
Persamaan regresi linier sederhana merupakan suatu model persamaan yang
menggambarkan hubungan satu variabel bebas/ predictor (X) dengan satu variabel tak
bebas/ response (Y), yang biasanya digambarkan dengan garis lurus,
Persamaan regresi linier sederhana secara matematik diekspresikan oleh :
Y ˆ = a + bX
yang mana :
Y ˆ = garis regresi/ variable response
a = konstanta (intersep), perpotongan dengan sumbu vertikal
b = konstanta regresi (slope)
X = variabel bebas/ predictor
LANGKAH-LANGKAH ANALISIS DAN UJI REGRESI LINIER
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 tabel
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
 CONTOH

Suatu data penelitian tentang berat badan 10 mahasiswa yang diprediksi dipengaruhi oleh konsumsi jumlah kalori/hari.
Bagaimana menganalisis kasus ini ? Untuk menganalisis kasus ini, hal-hal dilakukan adalah :
1. Tujuan : apakah konsumsi jumlah kalori/hari mempengaruhi berat badan mahasiswa.

2. Variabel : X (variable bebas/predictor) = jumlah kalori/hari

Y (variable tak bebas/response) = berat badan

Tabel bantu :
Koefisien Korelasi ( r )

Untuk mengukur kekuatan hubungan antar variable predictor X dan response Y, dilakukan analisis korelasi yang
hasilnya dinyatakan oleh suatu bilangan yang dikenal dengan koefisien korelasi. Biasanya analisis regresi sering
dilakukan bersama-sama dengan analisis korelasi. Persamaan koefisien korelasi (r ) diekspresikan oleh :
Dalam hal contoh kasus di atas, maka koefisien korelasinya
adalah :

Nilai ini memberi arti bahwa, hubungan variable bebas?predictor x dengan variable
terikat? Response Y sangat kuat, presentase nya 95%. Jadi, berat badan memang sangat di
pengaruhi oleh konsumsi jumlah kalori/hari.
Koefisien Determinasi

Koefisien determinasi dapat ditentukan dengan mengkuadratkan koefisien korelasi. Dari contoh kasus
di atas, maka koefisien determinasinya adalah r2 = 0,90 . Nilai ini berarti bahwa, 90% variabel bebas/
predictor X dapat menerangkan/ menjelaskan variabel tak bebas/ response Y dan 10% dijelaskan oleh
variabel lainnya