ANALISIS REGRESI
SEDERHANA
Reff : 1. Sudjana 2. Natawirria & Riduwan 3. Walpole 4, Berbagai sumber
SEJARAH REGRESI
Istilah Regresi diperkenalkan oleh Fancis
Galtom
“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”.
Pengertian Regresi
Regresi adalah suatu proses memperkirakan secara
sistematis tentang apa yang paling mungkin terjadi
di masa yang akan datang berdasarkan informasi
masa lalu dan sekarang yang dimiliki agar
kesalahannya dapat diperkecil.
Analisis regresi merupakan studi ketergantungan
satu atau lebih variabel bebas terhadap variabel
tidak bebas. Dengan maksud untuk meramalkan
Dalam ilmu statistika, teknik yang
umum digunakan untuk
menganalisis hubungan antara
dua atau lebih variabel adalah
analisis regresi
.
Model matematis dalam
menjelaskan hubungan antar
variabel dalam analisis regresi
Kegunaan Regresi
dalam penelitian
Untuk meramalkan atau memprediksi
variabel terikat (Y) apabila variabel
Dalam suatu persamaan regresi
terdapat 2 macam variabel, yaitu
:
Variabel
dependen/variabel
respon
(variabel tak bebas) adalah variabel
yang nilainya bergantung dari variabel
lain. Biasanya dinyatakan dengan Y.
Variabel independen/variabel prediktor
(variabel bebas) adalah variabel yang
nilainya tidak bergantung dari variabel
lain. Biasanya dinyatakan dengan X.
Prinsip dasar
Dalam membangun suatu persamaan regresi
adalah bahwa antara variabel dependen
dengan variabel independennya mempunyai
sifat hubungan sebab akibat (hubungan
kausalitas =
causal relationship
), baik yang
didasarkan pada teori, hasil penelitian
sebelumnya, ataupun yang didasarkan pada
penjelasan logis tertentu.
Istilah dan notasi variabel
dalam regresi ?
Y
Varaibel tergantung
(Dependent Variable)
Variabel yang dijelaskan
(Explained Variable)
Variabel yang diramalkan
(Predictand)
Variabel yang diregresi
(Regressand)
Variabel Tanggapan
(Response)
X
Varaibel bebas
(Independent
Variable)
Variabel yang menjelaskan
(Explanatory Variable)
Variabel peramal (Predictor)
Variabel yang meregresi
(Regressor)
Variabel perangsang atau
kendali
(Stimulus or control
variable)
Persamaan Regresi Linear
Regresi merupakan suatu alat ukur yang juga
digunakan
untuk
mengukur
ada
atau
tidaknya korelasi antar variabelnya
.
Istilah
regresi
itu sendiri berarti
ramalan
atau
taksiran.
Persamaan
yang
digunakan
untuk
mendapatkan
garis
regresi
pada
data
Persamaan Regresi
Persamaan Regresi
linier Sederhana:
Y = a + bX
Y = Nilai yang diramalkan/ subjek variabel terikat yang
diproyeksikan
a = Nilai Konstansta harga Y jika X = 0
b = Koefesien regresi/ Nilai arah sebagai penentu
ramalan/prediksi yang
menunjukkan nilai peningkatan (+) atau nilai penurunan (-) variabel Y X = Variabel bebas
2 2)
(
)
(
)
)(
(
)
(
X
X
n
Y
X
XY
n
b
n
X
b
Y
a
(
)
Langkah langkah regresi
sederhana
1. Membuat Ha dan Ho dalam
bentuk kalimat
2. Membuat Ha dan Ho dalam
bentuk statistik
3. Membuat tabel penolong untuk
menghitung statistik
4. Substitusikan angka statistik
dari tabel penolong dengan rumus
2 2)
(
)
(
)
)(
(
)
(
X
X
n
Y
X
XY
n
b
5. Mencari Jumlah kuadrat Regresi dengan rumus
n
Y
JK
g a
2 ) ( Re)
(
6. Mencari Jumlah juadrat Regresi dengan rumus
n
Y
X
XY
b
JK
Reg(ba).
(
)(
)
Langkah langkah regresi
sederhana
7. Mencari Jumlah kuadrat
Residu dengan rumus
8. Mencari Rata-rata Jumlah
Kuadrat Regresi dengan Rumus:
9. Mencari rata-rata Jumlah
Kuadrat Residu dengan rumus:
ba g
a gs
Y
JK
JK
JK
Re
2
Re
Re10. Menguji Signifikansi dengan
rumus
Kaidah Pengujian :
- Jika F hit ≥ F tabel, maka tolak Ho artinya
signifikan
- Jika F hit ≤ F tabel, terima Ho artinya tidak signifikan
Taraf Signifikan α = 0.01 atau α = 0.05
Cari Nilai F tabel menggunakan tabel F dengan rumus:
s a b g hitungRJK
RJK
F
Re Re
a g
a gJK
RJK
Re
Re
ba g
ba gJK
RJK
Re
Re
dkreg ba dh s
tabelF
F
1 , ReContoh Soal
Judul : Pengaruh Pengalaman Kerja terhadap Penjualan Motor di
Suatu Dealer di Kota Bandung
Data dianggap memenuhi asumsi dan persyaratan analisis; data dipilih secara random; berdistrusi
normal; berpola linier; data sudah homogen dan mempunyai pasangan yang sama sesuai dengan subjek yang sama; Data sebagai berikut:
a. Bagaimana persamaan regresinya? b. Gambarkan diagram pencarnya! c. Gambarkan arah regresi!
d. Buktikan apakah ada pengaruh yang signifikan antara pengalaman kerja (X) terhadap
penjualan barang (Y)
Pengalaman Kerja (X) tahun
2
3
1
4
1
3
2
2
Langkah-langkah
menjawab:
No
X
Y
XY
1
2
50
4
2500
100
2
3
60
9
3600
180
3
1
30
1
900
30
4
4
70
6
4900
280
5
1
40
1
1600
40
6
3
50
9
2500
150
7
2
40
4
1600
80
8
2
35
4
1225
70
Statistik
Jumlah
18
375
48
18825
930
0 10 20 30 40 50 60 70 80
Y
X 5 1 7 8 6 4 3 2 0 10 20 30 40 50 60 70 80Y
a = 21X
∝
(2,25;6,876) Persamaaan garis regresiMenguji signifikansi:
5. Mencari jumlah Kuadrat Regresi
𝐽𝐾
𝑅𝑒𝑔 𝑎
=
140.625
8
= 17.578,125
6. Mencari jumlah Kuadrat Regresi
𝐽𝐾
𝑅𝑒𝑔
𝑏 𝑎
= 11,5
930 −
(18)(375)
8
= 991,875
7. Mencari Jumlah Kuadrat Residu
𝐽𝐾
𝑅𝑒𝑠
= 18.825-991,875-17.578,125 = 255
8. Mencari rata-rata Jumlah Kuadrat Regresi
𝑅𝐽𝐾
𝑅𝑒𝑔 𝑎
= 𝐽𝐾
𝑅𝑒𝑔 𝑎
= 17.578,125
𝑅𝐽𝐾
𝑅𝑒𝑔
𝑏 𝑎 = 𝐽𝐾
𝑅𝑒𝑔
𝑏 𝑎 = 991,875
Menguji signifikansi:
9. Mencari rata-rata jumlah kuadrat residu
𝑅𝐽𝐾
𝑅𝑒𝑠
=
225
8−2
= 42,5
10. Menguji signifikansi
𝐹
ℎ𝑖𝑡𝑢𝑛𝑔
=
991,875
42,5
= 23,34
Kaidah pengujian signifikansi
Jika F hit ≥ F tabel, maka tolak Ho artinya signifikan Jika F hit ≤ F tabel, terima Ho artinya tidak signifikan Taraf Signifikan ∝ = 0,05
Carilah nilai F tabel dengan menggunakan Tabel F
Cara mencari
F tabel : angka 1 = pembilang
angka 6 = penyebut
F tabel =
5,99
ternyata
𝐹
ℎ𝑖𝑡𝑢𝑛𝑔> 𝐹
𝑡𝑎𝑏𝑒𝑙,maka tolak
𝐻
0artinya signifikan
11. Membuat kesimpulan
Karena 𝐹ℎ𝑖𝑡𝑢𝑛𝑔lebih besar dari 𝐹𝑡𝑎𝑏𝑒𝑙, maka tolak 𝐻0 dan terima 𝐻𝑎. Dengan demikian terdapat pengaruh pengalaman kerja terhadap
Menguji Linieritas:
1. Mencari jumlah Kuadrat Error:
𝑱𝑲𝑬 = 𝒌 𝒀𝟐 − 𝒀𝒏 𝟐 = 2247,01 , Sebelum mencari nilai 𝐽𝐾𝐸 urutkan data X mulai dari data yang paling kecil sampai data yang paling besar berikut disertai pasangannya (Y), seperti tabel penolong berikut:
Tabel penolong Pasangan variabel X dan Y untuk Mencari 𝑱𝑲𝑬
No X Y
Diurutkan dari data terkecil hingga data terbesar
X Kelompok n Y 1 2 50
1
K 1
2
30 2 3 601
40 3 1 302
K 2
3
35 4 4 702
40 5 1 402
50 6 3 503
K 3
2
50 7 2 40 60 MENJADI2. Mencari jumlah kuadrat tuna cocok
𝑱𝑲
𝑻𝑪=
𝑱𝑲
𝑹𝒆𝒔+ 𝑱𝑲
𝑬=
225-216,67 = 38,33
3. Mencari Rata-rata Jumlahb kuadrat Tuna Cocok
𝑹𝑱𝑲
𝑻𝑪=
𝑱𝑲𝑻𝑪𝑲−𝟐
=
38,33
4−2
= 19,165
4. Mencari Rata-rata Jumlah Kuadrat Error (
𝑹𝑱𝑲
𝑬)
𝑹𝑱𝑲
𝑬=
𝑱𝑲𝑬 𝒏 −𝒌=
216,67 8−4=
54,1675
5. Mencari Nilai
𝑭
𝒉𝒊𝒕𝒖𝒏𝒈𝑭
𝒉𝒊𝒕𝒖𝒏𝒈=
𝑹𝑱𝑲𝑻𝑪 𝑹𝑱𝑲𝑬=
19,165 54,1675= 0,35
Perlu diketahui bahwa uji linieritas berbeda dengan uji signifikansi, perbedaanya pada pengambilan keputusan (kaidah pengujian)
a) Menentukan Keputusan Pengujian Signifikansi
Jika F hit ≥ F tabel, maka tolak Ho artinya signifikan Jika F hit ≤ F tabel, terima Ho artinya tidak signifikanb) Menentukan Keputusan Pengujian Linieritas
Jika F hit ≤ F tabel, maka tolak Ho artinya data berpola linier Jika F hit ≥ F tabel, terima Ho artinya data berpola tidak linier
6. Menentukan Keputusan pengujian Linieritas
Jika F hit ≤ F tabel, maka tolak Ho artinya data berpola linier Jika F hit ≥F tabel, terima Ho artinya data berpola tidak linier Taraf Signifikan ∝ = 0,05
Carilah nilai F tabel dengan menggunakan Tabel F
F tabel = 𝐹 1 −∝ 𝑑𝑘 𝑇𝐶, 𝑑𝑘 𝐸
= 𝐹 1 − 0,05 𝑑𝑘 = 𝑘 − 2, 𝑑𝑘 = 𝑛 − 𝑘 = 𝐹 1 − 0,05 𝑑𝑘 = 4 − 2, 𝑑𝑘 = 8 − 4 = 𝐹 0,95 2,4
Cara mencari F tabel : dk = 2 = pembilang dk = 4 = penyebut
7. Membandingkan 𝑭𝒉𝒊𝒕𝒖𝒏𝒈 𝒅𝒆𝒏𝒈𝒂𝒏 𝑭𝒕𝒂𝒃𝒆𝒍
ternyata 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 < 𝐹𝑡𝑎𝑏𝑒𝑙, atau 0,35 < 6,94, maka tolak 𝐻0 artinya data berpola linier
8. Membuat kesimpulan
Karena 𝐹ℎ𝑖𝑡𝑢𝑛𝑔lebih kecil dari 𝐹𝑡𝑎𝑏𝑒𝑙, maka tolak 𝐻0 dan terima 𝐻𝑎.
Dengan demikian variabel pengalaman kerja dan penjualan motor di suatu dealer di kota Bandung berpola LINIER (Jawaban e)
Tabel Ringkasan Anava Variabel X dan Y Uji Signifikansi
dan Uji Linieritas
Sumber
Variansi
Derajat
kebebas
an (dk)
Jumlah
Kuadrat
(JK)
Rata-rata
Jumlah
Kuadrat
(RJK)
𝑭
𝒉𝒊𝒕𝒖𝒏𝒈𝑭
𝒕𝒂𝒃𝒆𝒍 Total n 𝑌2 - Signifikan Linier Regresi (a) Regresi b) Residu 1 1 n - 2 𝐽𝐾𝑅𝑒𝑔 (𝑎) 𝐽𝐾𝑅𝑒𝑔 𝑏 𝑎 𝐽𝐾𝑅𝑒𝑠 𝑅𝐽𝐾𝑅𝑒𝑔(𝑎) 𝑅𝐽𝐾𝑅𝑒𝑔 𝑏 𝑎 𝑅𝐽𝐾𝑅𝑒𝑠 Keterangan: Perbandingan𝐹ℎ𝑖𝑡𝑢𝑛𝑔 dengan 𝐹𝑡𝑎𝑏𝑒𝑙Signifikan dan Linieritas Tuna Cocok Kesalahan K - 2 n - 4 𝐽𝐾𝑇𝐶 𝐽𝐾𝐸 𝑅𝐽𝐾𝑇𝐶 𝑅𝐽𝐾𝐸
Tabel Ringkasan Anava Variabel X dan Y Uji Signifikansi
dan Uji Linieritas
Sumber
Variansi
Derajat
kebebas
an (dk)
Jumlah
Kuadrat
(JK)
Rata-rata
Jumlah
Kuadrat
(RJK)
𝑭
𝒉𝒊𝒕𝒖𝒏𝒈𝑭
𝒕𝒂𝒃𝒆𝒍 Total 8 18825 - Sig = 23,24 5,59 Linier = 0,35 6,94 Regresi (a) Regresi b) Residu 1 1 6 17578,125 991,875 255 17578,125 991,875 42,5 Keterangan: Perbandingan𝐹ℎ𝑖𝑡𝑢𝑛𝑔 dengan 𝐹𝑡𝑎𝑏𝑒𝑙Signifikan dan Linieritas, ternyata: 23,24 > 5,99 Signifikan 0,35 < 6,94 pola linier Tuna Cocok Kesalahan (error) 2 4 83,33 216,67 19,165 54,1675