• Tidak ada hasil yang ditemukan

Contoh Soal Regresi Linear Sederhana dan Regresi Linear Berganda

N/A
N/A
Ni Putu Yustiana Natasya

Academic year: 2024

Membagikan "Contoh Soal Regresi Linear Sederhana dan Regresi Linear Berganda"

Copied!
6
0
0

Teks penuh

(1)

CONTOH SOAL REGRESI LINEAR SEDERHANA DAN REGRESI LINEAR

BERGANDA

MEGA PUSPITA DEWI 1101125122

PENDIDIKAN MATEMATIKA 4B

(2)

REGRESI LINEAR SEDERHANA

Hubungan antara kompetensi (X) dan kinerja pegawai (Y) kita ambil sampel acak 15 0rang pegawai sebagai berikut :

X Y

40 4

55 16

32 12

55 24

50 15

52 24

61 22

44 17

30 4

22 14

40 24

64 26

58 20

48 9

44 14

Akan ditentukan persamaan regresi Y atas X maka didapat :

Dari rumus XIV(6) kita peroleh harga-harga :

a= ( ∑ Y ) ( ∑ X

2

) − ( ∑ X )( ∑ XY )

n ∑ X

2

− ( ∑ X )

2

a= ( 245 )(34219)−( 695) (12092) 15 (34219 )−( 695)

2

a= 8383655 −8403940 513285−483025

a=−0,670

X Y X

2

XY

22 14 484 308

30 4 900 120

32 12 1024 384

40 4 1600 160

40 24 1600 960

44 17 1936 748

44 14 1936 616

48 9 2304 432

50 15 2500 750

52 24 2704 1248

55 16 3025 880

55 24 3025 1320

58 20 3364 1160

61 22 3721 1342

64 26 4096 1664

695 245 34219 12092

(3)

n ∑ X

2

−¿ ( ∑ X )

2

b= n ∑ XY − ( ∑ X )( ∑ Y )

¿

b= 15 ( 12092)−(695 )(245 ) 15 (34219 )−(695)

2

b= 181380−170275 513285−483025

b=0,367

Dengan demikian, persamaan regresi linear Y atas X untuk soal diatas adalah :

Y ^ =a+ bX

Y ^ =−0,67+ 0,367 X

PENCARIAN REGRESI LINEAR SEDERHANA

Y ATAS X DENGAN MENGGUNAKAN SPSS

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

B Std. Error Beta

1 (Constant) -.670 6.142 -.109 .915

kompetensi .367 .129 .621 2.854 .014

a. Dependent Variable: pegawai

REGRESI LINEAR BERGANDA

Misalnya kita akan membahas hubungan antara kompetensi

(

X1

)

dan kompetensi

( X

2

)

dengan kinerja pegawai

(

Y

)

. Untuk tujuan itu maka kita ambil sampel acak sebagai berikut :
(4)

Tentukan persamaan regresi ganda

Y

atas

X

1 dan

X

2 Penyelesaian :

No Subyek Y X1 X2 X1Y X2Y X1X2 X12

X22

1 6 12 10 72 60 120 144 100

2 7 14 11 98 77 154 196 121

3 8 10 14 80 112 140 100 196

4 8 16 13 128 104 208 256 169

5 9 18 15 162 135 270 324 225

6 10 24 20 240 200 480 576 400

7 5 12 8 60 40 96 144 64

8 12 30 16 360 192 480 900 256

9 6 10 12 60 72 120 100 144

10 7 6 9 112 63 144 256 81

Jumlah 78 162 128 1372 1055 2212 2996 1756

∑ Y =a

0

n+a

1

∑ X

1

+ a

2

∑ X

2

78=10a0+162a1+128a2 . . . persamaan I

∑ Y X

1

= a

0

∑ X

1

+a

1

∑ X

12

+a

2

∑ X

1

X

2

1372=162a0+2996a1+2212a2 . . . persamaan II

∑ Y X

2

= a

0

∑ X

2

+a

1

∑ X

1

X

2

+ a

2

∑ X

22

1055=128a0+2212a1+1756a2 . . . persamaan III

Subtitusi dari persamaan I

78=10 a

0

+ 162a

1

+128 a

2 No Subyek Y X1 X2

1 6 12 10

2 7 14 11

3 8 10 14

4 8 16 13

5 9 18 15

6 10 24 20

7 5 12 8

8 12 30 16

9 6 10 12

10 7 6 9

(5)

10 a

0

=78−162 a

1

−128 a

2 a0=7,8−16,2a1−12,8a2

Persamaan II

1372=162 a

0

+2996 a

1

+2212 a

2

1372=162

(

7,8−16,2a1−12,8a2

)

+2996a1+2212a2

1372=1263,6−2624,4 a

1

− 2073,6 a

2

+2996 a

1

+2212 a

2 108,4=371,6a1−138,4a2 . . . Persamaan IV

Persamaan III

1055=128 a

0

+2212a

1

+1756 a

2 .

1055=128

(

7,8−16,2a1−12,8a2

)

+2212a1+1756a2

1055= 998,4−2073,6 a

1

−1638,4 a

2

+2212 a

1

+1756 a

2 56,6=138,4a1+117,6a2 . . . Persamaan V

Eliminasi Persamaan IV dan V

51429,44 a

1

+19154,56 a

2

=15002,566 51429,44 a

1

+ 43700,16 a

2

=21032,56

−24545,6 a

2

=−6029,994 a

2

=0,2455

−¿

371,6 a

1

−138,4 a

2

=108,4

138,4 a

1

+ 117,6a

2

=56,6 | × × 138,4 371,6

¿

Subtitusi a2 ke persamaan V

138,4 a

1

+117,6 a

2

=56,6

138,4 a

1

+117,6 (0,2455 )=56,6

138,4a1+28,87=56,6

138,4 a

1

=27,73

a1=0,200
(6)

Subtitusi a1 dan a2 ke persamaan I

10 a

0

+162 a

1

+ 128 a

2

=78

10 a

0

+162 (0,200 )+128 (0,2455 )=78

10a0+32,4+31,424=78

10 a

0

=78−32,4 −31,424

10a0=14,176

a

0

=1,4176

Jadi persamaan regresi ganda

Y

atas

X

1 dan

X

2 adalah :

Y ^ =1,4176 + 0,200 X

1

+ 2,2455 X

2

Pencarian regresi linear berganda Y ATAS X1dan X2 dengan menggunakan spss

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

B Std. Error Beta

1 (Constant) 1.412 .925 1.527 .171

VAR00002 .200 .052 .613 3.830 .006

VAR00003 .246 .093 .423 2.644 .033

a. Dependent Variable : Pegawai

Referensi

Dokumen terkait

Mata kuliah Analisis Regresi ini mempelajari tentang regresi linear dengan satu peubah bebas, korelasi, inferensi dalam analisis regresi linear sederhana, analisis variansi,

Namun demikian pemahaman dasar tentang teknik analisis regresi linear berganda (yang dibahas pada e-book ini) secara manual akan sangat membantu kita dalam memahami

• Koefisien Korelasi Parsial : Koefisien korelasi antara dua variabel dalam regresi berganda yang bebas dari pengaruh variabel lain (variabel lain konstan). Isaac Asimov dalam

PROGRAM STUDI MAGISTER PROGRAM STUDI MAGISTER DEPARTEMEN STATISTIKA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA, KOMPUTASI, DAN SAINS DATA FAKULTAS MATEMATIKA, KOMPUTASI, DAN SAINS

KESIMPULAN Dari penelitian yang sudah dilakukan, berdasarkan nilai MAPE dapat ditarik kesimpulan bahwa metode regresi KNN lebih baik dari pada metode regresi linear berganda dalam

Dokumen ini berisi instruksi, contoh algoritma, dan soal ujian akhir semester untuk mata kuliah Algoritma dan Pemrograman

Dokumen ini membahas penggunaan teknik korelasi dan regresi linear để mengidentifikasi dan mengukur hubungan antara dua atau lebih

Berdasarkan hasil penelitian tentang Sistem Prediksi Hasil Pertanian Durian dengan metode Regresi Linear Berganda maka dapat menpermudah seseorang Dalam melihat hasil panen durian