Regresi dalam statistik
A. Pengertian Regresi
Regresi Linear Sederhana adalah Metode
Statistik yang berfungsi untuk menguji sejauh mana hubungan sebab akibat
antara Variabel Faktor Penyebab (X) terhadap Variabel Akibatnya. Faktor
Penyebab pada umumnya dilambangkan dengan X atau disebut juga dengan Predictor
sedangkan Variabel Akibat dilambangkan dengan Y atau disebut juga dengan
Response. Regresi bertujuan
untuk mengetahui pengaruh suatu variabel terhadap varibel lain. Jika
ditulis dalam bentuk persamaan, model regresi sederhana adalah y = a + bX, di mana, y adalah variabel tak bebas (terikat),
X adalah variabel bebas, a adalah penduga bagi intercept (α), b adalah penduga
bagi koefisien regresi (β).
B. Kegunaan Analisis Regresi
Analisis regresi berguna untuk:
1.
Memutuskan apakah naik dan menurunnya variabel dependen dapat dilakukan
melalui menaikkan dan menurunkan keadaan variabel dependen dapat dilakukan
melalui menaikkan dan menurunkan keadaan variabel independen.
2.
Variabel yang dicari hubungan fungsionalnya mempunya data yang
berdistribusi normal.
3.
Variabel yang dihubungkan mempunyai pasangan sama dari subjek yang sama
pula.
4.
Variabel yang dihubungkan mempunyai data interval atau rasio.
Tujuan utama dalam penggunaan analisis itu adalah untuk
meramalkan atau memperkirakan nilai dari suatu variabel dalam hubungannya dengan
variabel yang lain. Disamping hubungan linear dua variabel, hubungan linear
dari dua variabel bisa juga terjadi misalnya; hubungan antara hasil penjualan
dengan harga dan daya beli.
C. Persamaan Garis Regresi Linier Sederhana
Regresi
yang berarti peramalan, penaksiran, atau pendugaan pertama kali diperkenalkan
pada tahun 1877 oleh Sir Francis Galton (1822-1911) sehubungan dengan
penelitiannya terhadap tinggi manusia. Penelitian tersebut membandingkan antara
tinggi anak laki-laki dan tinggi badan ayahnya.
Analisis
regresi juga digunakan untuk menentukan bentuk hubungan antar variabel. Tujuan
utama dalam penggunaan analisis itu adalah untuk meramalkan atau memperkirakan
nilai dari satu variabel dalam hubungannya dengan variabel yang lain yang
diketahui melalui persamaan garis regresinya.
Untuk
populasi, persamaan garis regresi linier sederhananya dapat dinyatakan dalam
bentuk:
Keterangan:
rata-rata Y bagi X tertentu.
konstanta atau
parameter atau koefisien regresi populasi
Karena
populasi jarang diamati secara langsung, maka digunakan persamaan regresi
linier sederhana sampel sebagai penduga persamaan regresi linier sederhana
populasi. Regresi sederhana didasarkan pada hubungan
fungsional ataupun hubungan sebab akibat satu variabel bebas dengan satu
variabel terikat. Persamaan umum regresi linier sederhana dimana
koefisien-koefisien regresi Y atas X , regresi dengan X merupakan variabel bebasnya dan
Y variabel tak bebas nya, bentuk persamaannya
adalah :
|
Keterangan:
Ŷ = Subyek dalam variabel terikat yang diprediksikan atau
variabel kriterium
a = Harga Y bila X
= 0 (Harga Konstan)
b = Koefisien arah
regresi linier
X = Subyek pada variabel bebas yang mempunyai nilai
tertentu atau variabel predictor.
Koefisien-koefisien
regresi a dan b untuk regresi linier, ternyata dapat dihitung dengan rumus:
a =
b =
Sebaliknya, adalah regresi X atas Y, rumus yang sama
digunakan tetapi harus dipertukarkan tempat untuk simbol-simbol X dan Y. Apabila
hal ini mungkin dilakukan seperti untuk menganalisis antara tinggi ayah dan
tinggi anak laki-laki, antara hasil ujian matematika dan fisika dan lain
sebagainya. Jadi, untuk regresi X atas Y yang ditaksir oleh :
Dengan menggunakan data
hasil penelitian, maka koefisien-koefisiennya dihitung dari rumus:
c =
d =
Untuk keperluan ini,
sebaiknya data hasil pengamatan dicatat dalam bentuk seperti ini.
Variabel tak bebas (Y)
|
Variabel bebas (X)
|
y1
y2
.
.
yn
|
x1
x2
.
.
xn
|
D. Langkah-langkah Analisis Regresi Linear Sederhana
Berikut ini adalah Langkah-langkah dalam melakukan Analisis
Regresi Linear Sederhana:
1.
Tentukan
Tujuan dari melakukan Analisis Regresi Linear Sederhana
2.
Identifikasikan
Variabel Faktor Penyebab (Predictor) dan Variabel Akibat (Response)
3.
Lakukan
Pengumpulan Data
4.
Hitung XY,
X², Y² dan total dari masing-masingnya
5.
Hitung
a dan b berdasarkan rumus diatas.
6.
Buatkan
Model Persamaan Regresi Linear Sederhana.
7.
Lakukan
Prediksi atau Peramalan terhadap Variabel Faktor Penyebab atau Variabel Akibat.
E. Contoh
kasus analisis regresi linear sederhana
1. Seorang guru ingin mempelajari hubungan
antara tinggi badan dan berat badan 5 siswa kelas V SD Negeri 117 Palembang
yang datanya ditercantum dibawah ini.
Tinggi badan : 130, 140, 120, 150, 145
Berat badan :
25, 30, 33, 34, 35
Penyelesaian:
Langkah
1 “Penentuan Tujuan”
Tujuan: hubungan antara tinggi badan dan berat badan
5 siswa kelas V
Langkah 2 “Identifikasikan Variabel Penyebab dan
Akibat
Varibel Faktor Penyebab (X) à Tinggi Badan
Variabel Akibat (Y) à Berat Badan
Variabel Akibat (Y) à Berat Badan
Langkah 3 “Pengumpulan Data”
Tinggi dan Berat Badan 5 Siswa SD Negeri 117
Palembang
No.
|
Tinggi Badan (cm)
|
Berat Badan (kg)
|
1.
|
130
|
25
|
2.
|
140
|
30
|
3.
|
120
|
33
|
4.
|
150
|
34
|
5.
|
145
|
35
|
Langkah 4 “Hitung XY, X², Y², dan total dari masing-masingnya”
Berikut ini adalah tabel yang telah dilakukan perhitungan XY, X², Y² dan totalnya:
No.
|
Tinggi Badan (X)
|
Berat Badan (Y)
|
XY
|
|
Y²
|
1.
|
130
|
25
|
3.250
|
16.900
|
625
|
2.
|
140
|
30
|
4.200
|
19.600
|
900
|
3.
|
120
|
33
|
3.960
|
14.400
|
1.089
|
4.
|
150
|
34
|
5.100
|
22.500
|
1.156
|
5.
|
145
|
35
|
5.075
|
21.025
|
1.225
|
|
ƩX =
685
|
ƩY =157
|
ƩXY =
21.585
|
ƩX2 94.425
|
ƩY2 4.995
|
Langkah 5 “Hitung harga a dan b berdasarkan rumus Regresi
Linear Sederhana”
Menghitung Konstanta (a):
a =
=
=
=
= 13,4
Menghitung
Koefisien Regresi (b)
b =
=
=
=
=
0,00125
Langkah
6 “Buat Model Persamaan Regresi”
Persamaan
regresi linier Y atas X adalah
Ŷ
= a + bX
Ŷ
= 13,4 + 0,00125X
Langkah
7 “Lakukan Prediksi atau Peramalan terhadap Variabel
Faktor Penyebab atau Variabel Akibat”
Ŷ
= 13,4 + 0,00125X
Ŷ
= 13,4 + 0,00125(5)
= 13,4 + 0,00625
= 13,40
2.
Hubungan skor Bahasa Indonesia 5 dengan keterampilan berbahasa 5 siswa kelas VI sebagai berikut:
Nama Siswa
|
Xi
|
Yi
|
A1
|
80
|
90
|
A2
|
60
|
80
|
A3
|
70
|
70
|
A4
|
50
|
60
|
A5
|
60
|
50
|
Penyelesaian:
Langkah
1 “Penentuan Tujuan”
Tujuan: hubungan antara skor Bahasa Indonesia dan
skor keterampilan berbahasa dari 5 siswa kelas VI
Langkah 2 “Identifikasikan Variabel Penyebab dan
Akibat
Varibel Faktor Penyebab (X) à Skor Bahasa Indonesia
Variabel Akibat (Y) à Skor keterampilan berbahasa
Variabel Akibat (Y) à Skor keterampilan berbahasa
Langkah 3 “Pengumpulan Data”
Skor Bahasa Indonesia dan Skor keterampilan berbahasa kelas VI
Nama Siswa
|
Xi
|
Yi
|
A1
|
80
|
90
|
A2
|
60
|
80
|
A3
|
70
|
70
|
A4
|
50
|
60
|
A5
|
60
|
50
|
|
∑Xi = 320
|
∑Yi = 350
|
Langkah 4 “Hitung XY, X², Y², dan total dari masing-masingnya”
Berikut ini adalah tabel yang telah dilakukan perhitungan XY, X², Y² dan totalnya:
Nama Siswa
|
Xi
|
Yi
|
XiYi
|
Xi2
|
Yi2
|
A1
|
80
|
90
|
7200
|
6400
|
8100
|
A2
|
60
|
80
|
4800
|
3600
|
6400
|
A3
|
70
|
70
|
4900
|
4900
|
4900
|
A4
|
50
|
60
|
3000
|
2500
|
3600
|
A5
|
60
|
50
|
3000
|
3600
|
2500
|
|
∑Xi = 320
|
∑Yi = 350
|
∑XiYi = 22.900
|
∑Xi² = 21.000
|
∑Yi2 = 25.500
|
Langkah 5 “Hitung harga a dan b berdasarkan rumus Regresi
Linear Sederhana”
Menghitung Konstanta (a):
a =
=
=
=
= 8,46
Menghitung
Koefisien Regresi (b)
b =
=
=
=
= 0,96
Langkah
6 “Buat Model Persamaan Regresi”
Persamaan
regresi linier Y atas X adalah
Ŷ
= a + bX
Ŷ
= 8,46 + 0,96X
Langkah
7 “Lakukan Prediksi atau Peramalan terhadap Variabel
Faktor Penyebab atau Variabel Akibat”
Ŷ
= 8,46 + 0,96X
Ŷ
= 8,46 + 0,96(5)
= 13,26
Is it illegal to gamble online? | Dr.MCD
BalasHapusI think there's 영천 출장샵 no casino to go through, but some online gambling is pretty much 광주 출장안마 the legal part 과천 출장안마 of it. You can gamble online 의정부 출장안마 at casinos, but you need to be at least 전라남도 출장안마