Escolar Documentos
Profissional Documentos
Cultura Documentos
PEMBAHASAN
A. Pendahuluan
Banyak analisis statistika yang bertujuan untuk mengetahui apakah ada
hubungan antara dua atau lebih peubah. Bila hubungan demikian ini dapat
dinyatakan dalam bentuk rumus matematika, maka kita akan dapat digunakan
untuk keperluan peramalan. Misalnya, pengukuran-pengukuran dari data
meteorologi digunakan secara meluas untuk meramalkan daerah-daerah yang
akan terpengaruh penembakan peluru pada berbagai kondisi admosfir, ahli
agronomi meramalkan hasil tanaman pertaniannya berdasarkan konsentrasi
nitrogen, kalium dan fosfor dalam pupuk yang digunakan, panitia penerimaan
mahasiswa baru, melakukan berbagai tes kepada mahasiswa baru untuk
meramalkan keberhasilan studi mereka, dal lain sebagainya. Seberapa jauh
peramalan itu dapat dipercaya bergantung, tentu saja, pada keeratan hubungan
antara peubah-peubah dalam rumus tersebut.
Umumnya suatu peubah bersifat mempengaruhi peubah yang lainnya,
peubah pertama di sebut peubah bebas (independence varieble) sedangkan
peubah yang kedua disebut peubah tak bebas (Dependence variable). Se4cara
kuantitatif hubungan antara peubah bebas dan peubah terikat tersebut dapat kita
modelkan dalam suatu persamaan matematik, sehingga kita dapat meramal atau
menduga nilai suatu peubah tak bebas bila diketahui nilai peubah bebas.
Pengertian Regresi
Persamaan matematik yang menggambarkan hubungan antara peubah
bebas dan terikat sering disebut persamaan regresi (Walpole, 1992). Selain itu,
menurut Arikunto (2006) regresi mulai digunakan dalam analisis statistik Oleh
Dalton. Regresi adalah pengukur hubungan dua variabel atau lebih yang
dinyatakan dengan bentuk hubungan atau fungsi. Kedua metode regresi dipakai
persamaan
regresi
yang
menggambarkan hubungan antara suatu peubah bebas (x) dan suatu peubah
tak bebas (y), dimana hubungan keduanya dapat di gambarkan sebagai suatu
garis lurus (Juanda, 2003).
Selain itu Sudjana (1989) menyatakan bahwa penentuan variabel mana
yang bebas dan yang mana yang tidak bebas dalam beberapa hal yang tidak
mudah dapat dilaksanakan. Studi yang cermat, diskusi yang seksama,
berbagai pertimbangan, kewajaran masalah yang dihadapi dan pengalaman
akan membantu memudahkan penentuan. Variabel yang mudah didapat atau
yang tersedia sering dapat diglongkan kedalam variabel bebas sedangkan
variabel yang terjadikarena variabel bebas itu merupakan variebel tak bebas.
Untuk keperluan analisis, variabel bebas akan dinyatakan dengan X1, X2,,Xk
(k 1) sedangkan variabel tak bebas akan dinyatakan dengan Y (Sudjana,
1989).
Menurut Sudjana (1989) menyatakan bahwa model atau persamaan
regresi untuk populasi, secara umum dapat di tulis dengan bentuk:
a.1.
x1
x2
xk
, , ,, = f (X1, X2,,Xk
2
1,
Ket:
1,
2,. . . ,
regresi itu.
Adapun rumus dari regresi linear sederhana untuk sebuah populasi
dengan sebuah variabel bebas adalah:
a.2.
1+
b adalah:
a.3. = a + b
Ket: dengan simbul adalah parameternya
Rumus model regresi populasi pangkat dua atau parabola untuk sebuah
variabel bebas dengan parameter
1,
dan
adalah:
a.4.
y x x2
=sampel1+acak, parameter-parameter
2X+
dan berdasarkan
.
1,
2X
dan
perlu ditaksir. Regresi dari hasil penelitian yang dipakai untuk menaksirkan
regresi dalam rumus a.4, adalah:
a.5.
= a + bX + cX2
Ket: dengan a, b dan c masing-masing didapat dari perhitungan berdasarkan
data penelitian yang berturut-turut merupakan taksiran untuk
dan
1,
2X
3.
X dan variabel takbebas Y, maka data yang dapat digambarkan pada diagram
dengan sumbu datar menyatakan X dan sum,buh tegak menyatakan Y. Titik
yang ditentukan oleh absis X dan ordinat Y digambarkan dan terjadilah
diagram pancar. Dengan memperhatikan letak titik-titik dalam diagram,
bentuk regresi dapat diperkirakan. Jika letak titik-titik tersebut sekitar garis
lurus, maka cukup beralasan untuk menduga regresi linier. Jika letak titik-titik
sekitar garis lengkung, wajarlah untu menduga regresi nonlinier. Gambar a.1
melukiskan diagram pancar mengenai berat (Y) dan tinggi (X) badan pemuda
berumur antara 17 sampe 23 tahun. Nampak bahwa ada gejala linearitas atau
kelurusan letak titik sehingga dapat di duga regresinya linear (Sudjana,1989).
Gambar a.1
Gambar a.2 memperlihatkan diagram pencar yang menunjukkan
model lengkung. Regresinya juga dapat digambarkan secocok mungkin
dengan letak titik sedangkan persamaannya masih harus difikirkan baik-baik
apakah akan parabola, pangkat tiga atau bentuk lain (Sudjana,1989).
Gambar a.2
Penentuan regresi dengan cara ini bersifat tidak tunggal, artinya tiap
orang
akan
memberikan
perkiraan
yang
berbeda
bergantung
pada
kenyataan bahwa jumlah pangkat dua (kuadrat) daripada jarak antara titik-titik
dengan garis regresi yang sedang dicari harus sekecil mungkin.
Sudjana (1989) mengatakan bahwa untuk fenomena yang terjadi dari
sebuah variable bebas X dan dari sebuah variable tak bebas Y dimana model
regresi linear untuk populasi dalam rumus a.2 telah dapat di duga maka kita
perlu menaksir paa meter-parameter regresi sehingga didapat persamaan
seperti dalam rumus a.3. Jadi untuk model regresi linear populasi:
y
= 1 dan 1 +
.
persamaan regresi menggunakan data sampel:
= a + bX
Untuk keperlluan ini, sebaiknya data hasil pengamatan dicatat dalam
bentuk seperti dibawah ini.
Variansi tak bebas (Y)
Y1
Y2
Yn
Yn
Disini dapat dipasang antara X dan Y dan n, seperti biasa, menyatakan ukuran
sampel. Koefesien-koefesien regresi a ddan b untuk regresi liniear, ternyata
dapat di itung dengan rumus:
2
Xi
2
n X i
5
2
a=
( Y i) ( X i ) ( Y i )( X i Y i)
a.6.
Jika terlebih dahulu dihitung koefesien b, maka koefesien a dapat pula
ditentukan oleh rumus:
a.7.
a= -b
X
dengan a = dan X masing-masing rata-rata untuk variable-variabel
X dan Y. Rumus di atas di gunakan untuk menentukan koefesien-koefesien
regresi Y dan X, untuk kooefesien regresi X atas Y di atas rumus yang sama di
gunakan tetapi harus di perhitungkan tempat untuk X dan Y. jadi untuk
regresi X dan Y ditaksir oleh:
H = c + dY
dengan menggunakan data hasil penelitian, maka koefesien-koefesiennya
dihitung dari rumus:
a.8.
X
Gambar a.3
4. Berbagai variansi sehubungan dengan regresi linear sederhana
Menurut Sudjana (1989) untuk analisis selanjutnya tentang regresi
linear sederhana beberapa asumsi harus diambil. Pertama mengingat hasil
pengamatan variable takbebas Y belumtentu sama besarnya dengan harga di
harapkan, yakni yang didapat dari regresi hasil pengamatan, maka terjadi
perbedaan e=|Y - |, bias disebut kekeliruan prediksi atau galat prediksi.
Dalam populasi, galat prediksi ini dimisalkan berbentuk variasi acak yang
mengikuti distribusi normal dengan rata-rata nol dan variansi
. Tentu
saja sudah jelas bahwa kita juga memisalkan tidak terjadi kekeliruan atas
pengamatan variable bebas X.
Asumsi kedua yang di ambil adalah untuk setiap harga X yang
diberikan, variable tak bebas Y independen dan berdistribusi normal dengan
rata-rata (
1 +
X) dan variansi
Y . X .
Variansis
Y .X .
y. x
di taksir oleh
a.9..
denga Y= variable tak bebas hasil pengamatan, = di dapat dari
regresi berdasarkan sampel, dan n ukuran sampel.
Rumus a.9 dapat pula di tulis dengan:
a.10.
dengan
S 2Y
dan
S 2X
variavel Y dan X.
S 2e , maka varians-varians
untuk rumus di atas, (Xi X)2 dapat pulah dig anti oleh
yang biasanya perhitungan untuk memperolehnya lebih mudah.
Y . X , juga interval
sY . X
s 2Y . X / 2Y . X
2
taksiran Y . X
ditentukan oleh:
a.17
dalam rumus diatas, utnuk distribusi chi-kuadrat diambil dk= (n-2).
Taksiran yang lebih penting lagi dalam regresi linear adalah menaksir
rata-rata Y untuk X diketahui (diberi simbul
11
Y X
t=
b20
sb
12
atau t - t1
0, dapat
13
Dengan:
a.21.
2
Hasil bagi F = s reg
s 2res
F( 1 )(1.n2)
10 (dengan 10 0) melawan
Y . X
Ho :
Y . X
, melawan H1 :
Y . X
dengan
harga
a.13. Daerah kritis pengujian sama seperti di atas. Jika kita ingin menguji
hipotesis sekaligus bersama-sama. Jadi hipotesisnya adalah:
Ho : 1 = 10 dan 2 = 20 , melawan tandingan
H1 : 1 10 dan 2 20.
Untuk ini dipakai statistik
a.24.
F( 1 )(2,n2)
15
16
s reg / s res
BAB II
PENUTUP
A. Kesimpulan
Dewasa ini statistik digunakan sebagai suatu alat bantu utama dalam
menyelesaikan suatu permesalahan ilmu pengetahuan dan teknologi. Korelasi
merupakan hubungan antara dua kejadian dimana kejadian yang satu dapat
mempengaruhi
eksistensi
kejadian
yang
lain,
Misalnya
kejadian
detreminasi,
data
B. Saran
Dalam makalah ini masih banyak kekurang, penulis harapkan bagi
pemakalah yang akan membahas poko bahasan regresi linier dapat memperdalam
lagi pokok bahasan tersebut.
18
DAFTAR PUSTAKA
Arikunto. 2006. Prosedur Penelitian. Rineka Cipta: Jakarta.
Juanda, Bambang. 2003. Metode Statistika. ITB: Bogor
Sudjana. 1989. Metoda Statistika. Tarsito: Bandung.
Walpole, Ronal E. 1992. Pengantar Statistika. PT Gramedia: Jakarta.
TUGAS MAKALAH
STATISTIKA
(REGRESI LINIER)
19
Oleh :
Raya Agni
Eni Darma Susanti
20
Penulis mengucapkan terima kasih kepada semua pihak yang telah membantu
dalam penyelesaian makalah ini. Kepada Ibu dosen pengampu mata kuliah Statistika.
Penulis menyadari bahwa makalah ini masih banyak kekurangannya, Oleh
sebab itu segala kritikan positif dan membangun dari para pembaca sangat diperlukan
demi kesempurnaan makalah ini. Akhirnya harapan penulis semoga makalah ini dapat
bermanfaat bagi diri setiap pembaca untuk menambah wawasan dan ilmu
pengetahuan kita.
Palu,
ii
21
Agustus 2014
DAFTAR ISI
HALAMAN JUDUL............................................................................................
ii
DAFTAR ISI........................................................................................................
iii
BAB I PEMBAHASAN
A. Pendahuluan...............................................................................................
B. Macam-Macam Regresi.............................................................................
C. Regresi Linier..............................................................................................
11
12
22
15
BAB 11 PENUTUP
A. Kesimpulan...................................................................................................... 18
B. Saran ............................................................................................................
19
DAFTAR PUSTAKA...........................................................................................
20
iii
iii
23