Modul Pembelajaran

UJI REGRESI LINIER

Disusun Oleh :
Kelompok 6
Aike Maulita 15153710
Erna Hidayati 15153710
Karmila Sari 15153710
Yeni Rahmayanti 1515371037
Yolanda Galih Safitri 1515371038
Yunia Marisa 1515371039

KEMENTERIAN KESEHATAN REPUBLIK INDONESIA

POLITEKNIK KESEHATAN TANJUNGKARANG
PROGRAM STUDI DIV KEBIDANAN METRO
TAHUN 2017/201

1
Modul Pembelajaran

Kegiatan Pembelajaran

UJI REGRESI LINIER

A. PENDAHULUAN
Penggunaan istilah statistika berakar dari istilah istilah dalam bahasa latin moderen
statisticum collegium (”dewan negara”) dan bahasa Italia statista (”negarawan” atau
“politikus”). Gottfried Achenwall (1749) menggunakanStatistik dalam bahasa Jerman
untuk pertama kalinya sebagai nama bagi kegiatan analisis data kenegaraan, dengan
mengartikannya sebagai “ilmu tentang negara (state)”. Di Indonesia, kajian statistika
sebagian besar masuk dalam fakultas matematika dan ilmu pengetahuan alam, baik di
dalam departemen tersendiri maupun tergabung dengan matematika.

Regresi artinya peramalan, penaksiran, atau pendugaan pertama kali di perkenalkan 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.
B. CAPAIAN PEMBELAJARAN

1. Mahasiswa mampu mengetahui rumus Persamaan umum regresi liniear

sederhana dan regresi liniear berganda.
2. Mahasiswa mampu membedakan Persamaan regresi liniear sederhana dan
regresi liniear berganda.
3. Mahasiswa mampu mengetahui penggunaan rumus yang berlaku pada regresi
dan korelasi liniear sederhana.
4. Mahasiswa mampu mengetahui penggunaan rumus-rumus yang berlaku pada
regresi dan kolinear berganda.
5. Mahasiswa mampu pengaplikasikan rumus-rumus regresi dan kolinear
berganda pada suatu penelitian.

C. URAIAN MATERI

1. Pengertian Regresi Liniear

Regresi artinya peramalan penaksiran atau pendugaan pertama kali diperkenalkan pada
tahun 1877 oleh Sir Francis Galtoon (1822-1911). Analisis regresi digunakan untuk
menentukan bentuk dari hubungan antar variabel. 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.
Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui pengaruh antara
satu atau beberapa variabel terhadap satu buah variabel. Variabel yang mempengaruhi

2
Modul Pembelajaran

sering disebut variabel bebas, variabel independen atau variabel penjelas. Variabel yang
dipengaruhi sering disebut dengan variabel terikat atau variabel dependen. Regresi linear
hanya dapat digunakan pada skala interval dan ratio.

2. Jenis- jenis Regresi Linier

Secara umum regresi linear terdiri dari dua, yaitu regresi linear sederhana yaitu dengan
satu buah variabel bebas dan satu buah variabel terikat; dan regresi linear berganda
dengan beberapa variabel bebas dan satu buah variabel terikat. Analisis regresi linear
merupakan metode statistik yang paling jamak dipergunakan dalam penelitian-penelitian
sosial, terutama penelitian ekonomi. Program komputer yang paling banyak digunakan
adalah SPSS (Statistical Package For Service Solutions).
a. Regresi Linear Sederhana
Analisis regresi linear sederhana dipergunakan untuk mengetahui pengaruh antara satu
buah variabel bebas terhadap satu buah variabel terikat. Persamaan umumnya adalah: Y
= a + b X.
Dengan Y adalah variabel terikat dan X adalah variabel bebas. Koefisien a adalah
konstanta (intercept) yang merupakan titik potong antara garis regresi dengan sumbu Y
pada koordinat kartesius.
Langkah- langakah perhitungan
1) Mencari nilai rata-rata x dan y.
2) Mencari nilai ∑X² dan ∑Y².
3) Mencari nilai ∑XY².
4) Mencari nilai a dan b
5) Setelah nilai a dan b didapat, kemudian dimasukkan kedalam persamaan
Y = a + bX
b. Menentukan persamaan regresi linier sederhana
Misalkan skor aritmatika (x) dikorelasikan dengan skor fisika (y) untuk lima mahasiswa
sebagai berikut:

X Y XY x y xy
A1 80 90 6400 8100 7200 16 20 256 400 320
A2 60 80 3600 6400 4800 -4 10 16 100 -40
A3 70 70 4900 4900 4900 6 0 36 0 0
A4 50 60 2500 3600 3000 -14 -10 196 100 140
A5 60 50 3600 2500 3000 -4 -20 16 400 80
∑X= ∑Y= ∑X²= ∑Y²= ∑XY= ∑X= ∑Y= ∑x²=520 ∑y²= ∑xy=
320 350 21000 25500 22900 0 0 1000 500
1) Menghitung rata-rata = = = = 64
= = = 70
2) ∑y2 = ∑Y2 – ; ∑x2 = ∑X2 –

= 25.500 - = 21.000 -
= 1.000 = 520
3) ∑xy = ∑XY –

= 22.900 -
= 500

3
Modul Pembelajaran

4) b = ∑xy = 500 = 0,96 ; a= -b

∑x2 520 = 70- (0,96) – (64)

= 8,46

Maka perhitungan regresi linearnya:

= 8,46 + 0,96x

c. Menguji Linearitas Regresi Menggunakan Tabel ANAVA

Sumber varietas (SV) Db Jumlah kuadrat Rerata F
(JK) Kuadrat (RK)
Ketidakcocokan (TC) dbrc JKrc RK rc RK rc
Kekeliruan (KK) Dbrc JK rc RK rc RK rc

1) jumlah kuadrat regresi a (Jka)

Jka = = = 24.000
2) jumlah kuadrat regresi b terhadap a (JKba)JKb/a = b
= 0,96
= 480
3) jumlah kuadrat residu (JKr)
JKr = ∑Y2 – JKa - JKb/a
= 22.500 – 24.500 – 480
= 520
d. jumlah kuadrat kekeliruan (JKKK)
JKKK = ∑

Kelas X Y
1 50 60
60 50
2
60 80
3 70 70
4 80 90

e. derajat kebebasan kekeliruan (dbKK)

dbKK = n – k = 5 – 4 = 1 ; K = banyak kelas (dari x yang sama)
f. derajat kebebasan ketidakcocokan (JKrc)
dbrc = K – 2 = 4 – 2 = 2
g. jumlah kuadrat ketidakcocokan (JKrc)
JKrc = JKr - JKKK
= 520 – 450
= 70
h. rerata kuadrat kekeliruan (RKKK)
RKKK = = = 450
i. rerata kuadrat ketidakcocokan ((RKrc)
RKrc = = = 35
j. Ketidakcocokan (F rc)

4
 Modul Pembelajaran

F rc = = = 0,078

e. pemeriksaan linearitas regresi

F Tabel = =
F TC = 0,078
Kriteria pengujian:
Jika FTC < F Tabel maka regresi linear, dan
Jika FTC F Tabel maka regresi tidak linear
Karena FTC = 0,78 dan F Tabel = 0,4999 maka FTC < FTabel sehingga disimpulkan
regresinya linear

f. Peramalan dengan Persamaan Regresi

Contoh :
Diketahui hubungan Biaya Promosi (X dalam Juta Rupiah) dan Y (Volume penjualan dalam
Ratusan Juta liter) dapat dinyatakan dalam persamaan regresi linier berikut
Y = 2.530 + 1.053 X
Perkirakan Volume penjualan jika dikeluarkan biaya promosi Rp. 10 juta ?
Jawab : Y = 2.530 + 1.053 X
X = 10
Y = 2.53 + 1.053 (10) = 2.53 + 10.53 = 13.06 (ratusan juta liter)
Volume penjualan = 13.06 x 100 000 000 liter

g. Korelasi Linier Sederhana

Koefisien Korelasi (r) : ukuran hubungan linier peubah X dan Y Nilai r berkisar antara (+1)
sampai (-1)
Nilai r yang (+) ditandai oleh nilai b yang (+)
Nilai r yang (-) ditandai oleh nilai b yang (-)
Jika nilai r mendekati +1 atau r mendekati -1 maka
X dan Y memiliki korelasi linier yang tinggi
Jika nilai r = +1 atau r = -1 maka X dan Y memiliki korelasi linier sempurna
Jika nilai r = 0 maka X dan Y tidak memiliki relasi (hubungan) linier
(dalam kasus r mendekati 0, anda dapat melanjutkan analisis ke regresi eksponensial

2. Regresi Linear Berganda

a. Hubungan liniear lebih dari dua variabel
Analisis regresi digunakan untuk menentukan bentuk dari hubungan antar variabel.
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.
Hubungan linear lebih dari dua variabel bila dinyatakan dalam bentuk persamaan
matematis adalah :
Y = a + b1x1 + b2x2 +……………bnxn
Keterangan :
x, x1, x2……..xn = variabel-variabel
a, b1, b2……..bn = bilangan konstan (konstanta) koefisien variable

5
Modul Pembelajaran

b. Persamaan regresi linear berganda

Regresi linear berganda adalah regresi dimana variabel terikatnya (Y) dihubungkan atau
dijelaskan lebih dari satu variabel, mungkin dua, tiga dan seterusnya variabel bebas (x,
x1, x2……..xn ) namun masih menunjukkan diagram hubungan yang linear.
Penambahan variabel bebas ini diharapkan dapat lebih menjelaskan karakteristik
hubungan yang ada walaupun masih saja ada variabel yang terabaikan.
Bentuk umum dari persamaan linear berganda dapat ditulis sebagai berikut:
1) Bentuk stokastik
= a + b1x1 + b2x2 + b3x3 …bkxk + c
2) Bentuk non stokastik
= a + b1x1 + b2x2 + b3x3……………bkxk

Keterangan
: Variabel terikat (nilai duga y)
a, b1, b2 b3……..bk : koefisien regresi
x1, x2 x3……..xk : variabel bebas
e : kesalahan pengganggu
c. Pendugaan dan Pengujian Koefisien Regresi
1) Kesalahan baku regresi dan koefisien regresi berganda
Kesalahan baku atau selisih taksir standar regresi adalah nilai yang menyatakan seberapa
jauh menyimpangnya nilai regresi tersebut terhadap nilai sebenarnya. Nilai ini digunakan
untuk mengukur tingkat ketepatan suatu pendugaan dalam menduga nilai. Jika nilai ini
sama dengan nol maka penduga tersebut memiliki tingkat ketepatan 100%.
Kesalahan baku atau selisih taksir standar regresi berganda dirumuskan
Se =
Keterangan:
Se : Kesalahan baku regresi berganda
n : Jumlah pasangan observasi
m : jumlah konstant dalam persamaan regresi berganda.
Untuk koefisien b1 dan b2 kesalahan bakunya dirumuskan
Sb1 =
Sb2 =
2) Pendugaan interval koefisien regresi berganda (parameter B1 dan B2)
Parameter B1 dan B2 sering juga disebut sebagai koefisien regresi parsial. Pendugaan
parameter B1 dan B2 menggunakan distribusi t dengan derajat bebas db = n – m secara
umum pendugaan parameter B1 dan B2 adalah :
b1 – ta/2n-m Sbi £ Bi £ bi + ta/2n-m Sbi
i = 2,3

3) Pengujian hipotesis koefisien regresi berganda (parameter B1 dan B2)

Pengujian hipotesis bagi koefisien regresi berganda atau regresi parsial parameter B1 dan
B2 dapat dibedakan menjadi 2 bentuk, yaitu pengujian hipotesis serentak dan pengujian
hipotesis individual.
Pengujian hipotesis individual yaitu merupakan pengujian hipotesis koefisien regresi
berganda dengan hanya satu B (B1 dan B2) yang mempunyai pengaruh Y. pengujian
hipotesis serentak merupakan pengujian hipotesis koefisien regresi berganda dengan
B1 dan B2 serentak atau bersama-sama mempengaruhi Y.

6
Modul Pembelajaran

4) Peramalan dengan Regresi Linear Berganda

Peramalan terhadap nilai Y dengan menggunakan regresi linear berganda, dapat
dilakukan apabila persamaan garis regresinya sudah diestimasi dan nilai variabel bebas x1,
x2 sudah diketahui.
Suatu persamaan garis regresi linear berganda dapat dipakai dalam peramalan dengan
terlebih dahulu melakukan pengujian hipotesis terhadap koefisien-koefisien regresi
parsialnya. Tujuan ialah mengetahui variabel-variabel bebas yang digunakan itu memiliki
pengaruh yang nyata atau tidak terhadap y tersebut. Variabel bebas x1 dan x2 disebut
memiliki pengaruh yang nyata apabila dalam pengujian hipotesis koefisien parsialnya H0 :
B1 = B2 = 0 ditolak atau H1 : B1 ¹ B2 ¹ 0 diterima, khususnya pada taraf nyata 1%
Kelebihan peramalan y dengan menggunakan regresi linear berganda adalah dapat
diketahui besarnya pengaruh secara kuantitatif setiap variabel bebas (x1 atau x2) apabila
pengaruh variabelnya dianggap konstan. Misalnya sebuah persamaan regresi berganda
y = a + b1x1 + b2x2
Keterangan :
y : Nilai statistik mahasiswa
x1 : Nilai inteligensi mahasiswa
x2 : Frekuensi membolos mahasiswa
b1 : Pengaruh x1 terhadap y jika x2 konstan
b2 : Pengaruh x2 terhadap y jika x1 konstan
jika a = 17,547; b1 = 0,642; b2 = - 0,284 maka persamaan regresi linear bergandanya
menjadi
= 17,547 + 0,624 (75) – 0,284 (24)
Dengan persamaan regresi linear berganda tersebut, nilai y (nilai statistik maha siswa)
dapat diramalkan dengan mengetahui nilai x1 (nilai inteligensi mahasiswa) dan
x2 (frekuensi membolos mahasiswa) misalkan, nilai x1 = 75 dan x2 = 24 maka ramalan
nilai y adalah
= 17,547 + 0,624 (75) – 0,284 (24)
= 63.211
Penulisan persamaan garis regresi linear berganda biasanya disertai dengan kesalahan
baku masing-masing variabel bebas dan koefisien determinasi berganda r2, sebagai
ukuran tepat atau tidaknya garis tersebut sehingga pendekatan.

d. Korelasi Linear Berganda

Korelasi linear berganda merupakan alat ukur mengenai hubungan yang terjadi antara
variabel yang terikat. (variabel Y) dan dua atau lebih variabel bebas (x1, x2……xk). Analisis
korelasinya menggunakan tiga koefisien korelasi yaitu koefisien determinasi berganda,
koefisien korelasi berganda, dan koefisien korelasi parsial.
1) Korelasi linear berganda dengan dua variabel bebas
a) Koefisien penentu berganda atau koefisien determinasi berganda
Koefisien determinasi berganda, disimbolkan KPB y.12 atau R2 merupakan
ukuran kesusaian garis regresi linear berganda terhadap suatu data. Rumus
KPBy.12 =
b) Koefisien korelasi berganda

7
Modul Pembelajaran

Koefisien korelasi berganda disimbolkan ry12 merupakan ukuran keeratan

hubungan antara variabel terikat dan semua variabel bebas. Secara bersama-
sama. Rumus :
Ry.12 =
c) Koefisien korelasi parsial
Koefisien korelasi parsial merupakan koefisien korelasi antara dua variabel.
Jika variabel lainnya konstan, pada hubungan yang melibatkan lebih dari dua
variabel.

Ada 3 koefisien korelasi parsial untuk hubungan yang melibatkan 3 variabel yaitu
sebagai berikut :
1) Koefisien korelasi parsial antara y dan x1, apabila x2 konstan dirumuskan
ry.12 =
2) Koefisien korelasi parsial antara y dan x2, apabila x1 konstan dirumuskan
ry.12 =
3) Koefisien korelasi parsial antara x1 dan x2 apabila y konstan dirumuskan
R12y =

b. Korelasi linear berganda dengan 3 variabel bebas

1) Koefisien penentu berganda
KPB =
2) Koefisien korelasi berganda
ry123 =

A. LATIHAN

D. RANGKUMAN
Regresi artinya peramalan penaksiran atau pendugaan pertama kali diperkenalkan pada
tahun 1877 oleh Sir Francis Galtoon (1822-1911). Analisis regresi digunakan untuk
menentukan bentuk dari hubungan antar variabel. Tujuan utama dalam penggunaan
analisis itu adalah untuk meramalkan atau memperkirakan nilai dari suatu variabel dalam
hubungannya dengan variabel yang lain.

Secara umum regresi linear terdiri dari dua, yaitu regresi linear sederhana yaitu dengan
satu buah variabel bebas dan satu buah variabel terikat; dan regresi linear berganda
dengan beberapa variabel bebas dan satu buah variabel terikat.
Analisis regresi digunakan untuk menentukan bentuk dari hubungan antar variabel.
Tujuan utama dalam penggunaan analisis itu adalah untuk meramalkan atau
memperkirakan nilai dari suatu variabel dalam hubungannya dengan variabel yang lain.

E. TES FORMATIF

8
Modul Pembelajaran

F. DAFTAR PUSTAKA

Anto, Dajan, 1991. Pengantar Metode Statistik. Jilid 2. Jakarta : LP3 S

Arif, Karseno. 1995. Statistik I. Jakarta: Karunika
Hasan, Ikbal. 2003. Pokok-pokok Materi Statistik 2. Jakarta: Bumi Aksara.
http://www.jonathansarwono.info/regresi/regresi.htm
http://www.konsultanstatistik.com/2009/03/regresi-linear.htm