REGRESI

Linier dan Berganda

Makalah
Untuk memenuhi tugas matakuliah
Statistika
yang dibina oleh Dr. Eddy Sutadji, M.Pd.

OLEH

AKBAR WIGUNA
130551818108

UNIVERSITAS NEGERI MALANG

PROGRAM PASCASARJANA
PROGRAM STUDI PENDIDIKAN KEJURUAN
OKTOBER 2013
 BAB I
PENDAHULUAN

A. Latar Belakang
Sering kali kita ingin meramalkan kondisi di waktu yang akan datang
dengan suatu dasar keadaan sekarang atau ingin melihat kondisi di masa lalu
dengan dasar keadaan sekarang. Sifat ini bisa disebut memprediksi atau
melakukan taksiran.
Tak dapat dipungkiri bahwa dewasa ini melakukan prediksi keadaan atau
taksiran mulai berkembang di dunia pendidikan. Melalui prediksi yang baik,
perencanaan pendidikan, baik yang menyangkut kurikulum, metode mengajar,
fasilitas ruang dan guru, dan lain lainnya, akan dapat dilaksanakan dengan
seefisien mungkin.
Dalam melakukan prediksi, kita harus dapat menentukan dengan tegas
mana yang sebab mana yang akibat dengan bantuan kajian teoritis. Dengan
diketahuinya sebab dan akibat, maka hubungan yang dicari akan bersifat kausal
(sebab akibat). Selanjutnya, jika kita tahu tentang variabel sebab (variabel bebas),
maka kita akan dapat melakukan prediksi tentang kondisi variabel akibat (variabel
terikatnya).
Regresi atau peramalan adalah suatu proses memperkirakan secara
sitematis tentang apa yang akan dating berdasarkan informasi masa lalu dan
sekarang yang dimiliki agar kesalahannya dapat diperkecil. Regresi juga biasa
diartikan sebagai usaha memperkirakan perubahan.
Terdapat perbedaan yang mendasar antara analisis korelasi dan regresi.
Analisis korelasi digunakan untuk mencari arah dan kuatnya hubungan antara
dua variabel atau lebih, sedangkan analisis regresi digunakan untuk
memprediksikan seberapa jauh perubahan nilai variabel dependen, bila nilai
variabel independen di manipulasi.
B. Rumusan Masalah
1. Apa yang dimaksud dengan regresi itu?
2. Apa yang dimaksud dengan regresi linier?
3. Bagaimana langkah penyelesaian regresi linier?

C. Tujuan Penulisan
1. Memahami pengertian dari regresi dan jenisnya.
2. Memahami pengertian dari regresi linier.
3. Memahami langkah dalam menyelesaikan regresi linier.
 BAB II
PEMBAHASAN

A. Pengertian Regresi
Hubungan yang didapat pada umumnya dinyatakan dalam bentuk
persamaan matematik yang menyatakan hubungan fungsional antara variabel
variabel. Studi yang menyangkut masalah ini dikenal dengan analisis regresi
(Sudjana, 1992).
Terdapat perbedaan yang mendasar antara analisis korelasi dan regresi.
Analisis korelasi digunakan untuk mencari arah dan kuatnya hubungan antara dua
variabel atau lebih, sedangkan analisis regresi digunakan untuk memprediksikan
seberapa jauh perubahan nilai variabel dependen, bila nilai variabel independen di
manipulasi (Sugiyono, 2011)
Regresi, yaitu korelasi yang merepresentasikan derajat hubungan antara
variabel-variabel. Jelasnya, masalah korelasi mencoba menentukan seberapa baik
sebuah persamaan linier atau sebarang persamaan matematis lain dalam
menggambarkan atau merepresentasikan hubungan yang ada di antara berbagai
variabel (Spiegel, 2004).
Ketika korelasi hanya melibatkan dua variabel saja, kita menyebutnya
sebagai korelasi sederhana atau regresi sederhana. Ketika masalah korelasi
melibatkan lebih dari dua variabel, maka kita menyebutnya sebagai masalah
korelasi berganda atau regresi berganda.

B. Fungsi Regresi
Kegunaan regresi dalam penelitian salah satunya adalah untuk meramalkan
atau memprediksi variabel terikat apabila variabel bebas diketahui. Regresi
sederhana dapat dianalisis karena didasari oleh hubungan fungsional atau
hubungan kausal variabel bebas terhadap variabel terikat.
Regresi linear sederhana ataupun regresi linier berganda pada intinya
memiliki beberapa tujuan, yaitu :
1. Menghitung nilai estimasi rata-rata dan nilai variabel terikat berdasarkan pada
nilai variabel bebas.
2. Menguji hipotesis karakteristik dependensi
3. Meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai
variabel bebas diluar jangkaun sample.
Ada beberapa pola persamaan regresi dengan satu variabel bebas yang
digunakan untuk melakukan prediksi, di antaranya:
1. Linier dengan persamaan: Y= a+bX
2. Parabola dengan persamaan: Y = a+bX+cX 2
3. Hiperbola dengan persamaan: Y = 1/(a+bX)
4. Fungsi pangkat tiga dengan persamaan: Y= a+bX+ cX 2 + dX 3
5. Dan lain-lain.

C. Hubungan Fungsional Antara Variabel

Untuk analisis regresi akan dibedakan menjadi dua jenis variabel, yaitu
variabel bebas atau variabel predictor dan variabel tak bebas atau variabel respon.
Variabel yang mudah didapat atau tersedia sering dapat digolongkan menjadi
variabel bebas. Sedangkan variabel yang terjadi karena variabel bebas itu
merupakan variabel tak bebas. Untuk keperluan analisis, variabel bebas akan
dinyatakan dengan X1, X2, …. , Xk, sedangkan variabel tak bebas dinyatakan
dengan Y.
Seperti pada contoh fenomena hasil panen gandum dan volume pupuk
yang digunakan, sebaiknya diambil variabel bebas X= volume pupuk dan variabel
tak bebas Y= hasil panen.

D. Regresi Linier
Apabila pola garis hubungan antara variabel bebas dan variabel terikat
membentuk suatu garis lurus, maka persamaan regresi linier lebih tepat untuk
melakukan regresi (Irianto, 2004).
Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui
pengaruh antara satu atau beberapa variabel terhadap satu buah variabel. Variabel
yang mempengaruhi 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. 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 (regresi ganda) 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.
Untuk menentukan dugaan bentuk regresi apakah linier atau tidak dapat
menggunakan metoda tangan bebas atau metoda kuadrat terkecil.
Metoda tangan bebas menggunakan diagram pencar hasil pengamatan.
Jika titik titik yang ditentukan oleh absis X dan ordinat Y digambarkan dan
terjadilah diagram pencar. Dengan memperhatikan letak titik titik itu berada
sekitar garis lurus, maka cukup beralasan untuk menduga bahwa regresi tersebut
benar merupakan regresi linier. Dan jika titik titik di sekitar garis membentuk
garis lengkung, maka regresi tersebut dapat diduga sebagai regresi nonlinier.
Penentuan regresi dengan cara ini bersifat tidak tunggal, artinya setiap orang akan
dapat memberikan perkiraan yang berbeda tergantung pada pertimbangan pribadi
masing masing.
Metoda kuadrat terkecil berpangkal dari kenyataan bahwa jumlah pangkat
dua dari jarak antara titik-titik dengan garis regresi yang sedang dicari harus
sekecil mungkin.

1. Regresi Linier Sederhana

Regresi sederhana didasarkan pada hubungan fungsional ataupun kausal
satu variabel independen dengan satu variabel dependen (Sugiyono, 2011).
Analisis regresi linear sederhana dipergunakan untuk mengetahui
pengaruh antara satu buah variabel bebas terhadap satu buah variabel terikat.
Persamaan Regresi linier Sederhana:

Y = a + bX
Y = subyek dalam variabel dependen yg diramalkan.
a = Nilai Y ketika nilai X=0 (Konstansta)
b = Koefesien regresi
X = Variabel bebas

𝑆𝑦
Nilai b= r𝑆𝑥 Nilai a= Y-bX

Dimana: r = Koefisien korelasi product moment antara variabel x dengan

variabel Y.
Sy = Simpangan baku variabel Y.
Sx = Simpangan baku variabel X

Selain itu nilai a dan b dapat dicari dengan rumus berikut:

n X i Yi  ( X i )( YI )
b
n(  X I )  (  X I ) 2
2

( Yi )(  Xi 2  ( X i ) )(  X i  Yi )
a
n X i2  ( X i ) 2

2. Regresi Berganda
Menurut Riduwan (2011), Uji regresi berganda merupakan pengembangan
dari uji regresi sederhana. Kegunaanya, yaitu untuk meramalkan nilai variabel
terikat (Y) apabila variabel bebas minimal dua atau lebih.
Analisis regresi ganda digunakan oleh peneliti, bila peneliti bermaksud
meramalkan bagaimana keadaan (naik turunnya) variabel dependen, bila dua atau
lebih variabel independen sebagai factor predictor dimanipulasi. Analisis regresi
ganda akan dilakukan bila jumlah variabel independennya minimal 2 (Sugiyono,
2011)
Uji regresi ganda adalah alat analisis peramalan nilai pengaruh dua
variabel bebas atau lebih terhadap satu variabel terikat untuk membuktikan ada
atau tidaknya hubungan fungsional atau hubungan kausal antara dua variabel
bebas atau lebih (X1) (X2) (X3)… (Xn) dengan satu variabel terikat.
Persamaan Regresi linier Berganda:
Y = a + b1 X1 + b2 X2 + …. + bn Xn
Y = Nilai yang diramalkan
a = Konstansta
b = Koefesien regresi
X = Variabel bebas

E. Langkah-Langkah Menyelesaikan Regresi Linier

1. Regresi Linier Sederhana

1) Buatlah tabel penolong menghitung angka statistic.
2) Masukkan angka-angka statistik dari tabel penolong dengan rumus:

( Yi )(  Xi 2  ( X i ) )(  X i  Yi ) n X i Yi  ( X i )( YI )
a b
n X  ( X i ) n(  X I )  (  X I ) 2
2 2 2
i

3) Uji Linearitas Regresi:

a. Hitung Jumlah kuadrat total JK(T) dengan rumus: JK(T) = Y 2

b. Hitung Jumlah Kuadrat Regresi [JKReg(a)] dengan rumus:

(Y ) 2
JK(a) =
n
c. Hitung Jumlah Kuadrat Regresi [JKReg(a│b)] dengan rumus:
 X .Y 
[JKReg(a│b)] = b. XY  
 n 
d. Hitung Jumlah Kuadrat Sisa JK(S) dengan rumus:
JK(S) = JK(T) - JK(a) - JK(a│b)
e. Hitung jumlah Kuadrat Tuna Cocok JK(TC) dengan rumus:
 .(Y ) 2 
 . Y 2 
n i 

xi 
f. Hitung Jumlah Kuadrat Galat [JKG] dengan rumus:
JK(G) = JK(S) – JK(TC)
4) Menyusun persamaan regresi: Y= a+bX. Persamaan regresi yang telah
ditemukan dapat digunakan untuk melakukan prediksi (ramalan) bagaimana
individu dalam variabel dependen akan terjadi bila individu dalam variabel
independen ditetapkan.
5) Membuat garis Regresi berdasarkan persamaan yang telah ditemukan.
6) Menguji Keberartian dimana jika Ho : Koefisien arah regresi tidak berarti
 S reg
2

(b=0), Ha: Koefisien itu berarti (b≠0) dengan rumus F=  
 S2 
 sis 
7) Menguji Linieritas dimana Ho: Regresi Linear dan Ha : Regresi Non Linear
S 2 TC
dengan rumus FHitung:
S G2
8) Menentukan aturan pengambilan keputusan atau kriteria uji keberartian:
Kaidah pengujian keberartian:
Jika F(hitung) ≥ FSign (tabel), maka tolak Ho (Berarti)
Jika FSign (hitung) ≤ FSign (tabel), maka tolak Ha (Tidak Berarti)
9) Menentukan aturan pengambilan keputusan atau kriteria uji linieritas:
Kaidah pengujian linieritas:
Jika FLinier (hitung) ≤ FLinier (tabel), maka terima Ho (Linier)
Jika FLinier (hitung) ≥ FLinier (tabel), maka terima Ha (Tidak Linier)
10) Menguji hipotesis hubungan antara 2 variabel dengan Ho: Tidak ada
hubungan antara kualitas pelayanan terhadap nilai penjualan. Ha: Ada
hubungan antara kualitas pelayanan terhadap nilai penjualan dengan rumus:
n X i Yi  ( X i )( Yi )
r
(n X i2  ( X i ) 2 )( n Yi 2  ( Yi ) 2 )

11) Membuat kesimpulan.

Langkah Penyelesaian Menggunakan SPSS

Contoh: seorang agen pemasaran perusahaan alat olahraga ingin mengetahui
apakah terdapat pengaruh yang penting antara jumlah produk yang terjual di kota
Malang dan Batu selama tahun 2012 dengan biaya promosi yang telah
dikeluarkan.
1. Membuat Ha dan H0 dalam bentuk kalimat dan statistik
a. Ha: terdapat pengaruh yang signifikan antara biaya promosi
terhadap penjualan barang di Malang dan Batu
Ha :r≠0
 b. Ho: tidak terdapat pengaruh yang signifikan antara biaya promosi
terhadap jumlah produk yang terjual di Malang dan Batu
H0 :r=0
2. Definisikan variabel dalam variable view.

3. Masukkan data ke data editor.

4. Klik Analyze, pilih Regression, Liniear.

5. Setelah muncul dialog box Linear Regression, masukkan variable unit ke
kotak dependent dan variable promosi ke kotak independent. Pilih metode
backward untuk seleksi variable.

6. Klik pilihan statistic, aktifkan pilihan estimates, model fit, dan deskriptif,
kemudian tekan continue

7. Pada kotak dialog linear regression, klik pilihan plot, aktifkan pilihan
histogram dan normal probability plot. Tekan continue
8. Hasil pada jendela output akan tampil seperti gambar di bawah ini:
 2. Regresi Berganda
1) Buatlah tabel penolong menghitung angka statistik.
2) Hitung nilai a, b1, b2, bn dengan persamaan.
3) Hitung nilai Korelasi Ganda (R(X1, X2)Y) dengan rumus:

b1 .x1 y  b2 .x2 y
(R(X1, X2)Y) =
y 2
4) Hitung nilai Determinan Korelasi Ganda dengan rumus:
KP = R2 . 100%

5) Menguji Signifikansi Korelasi Ganda dengan rumus:

R 2 (n  m  1)
FHitung =
M .(1  R 2 )
6) Menentukan aturan pengambilan keputusan atau criteria uji Signifikan
Korelasi Ganda.
Kaidah pengujian signifikan:
Jika FSign (hitung) > FSign (tabel), maka tolak Ho (Signifikan)
Jika FSign (hitung) < FSign (tabel), maka tolak Ha (Tidak Signifikan)
7) Cari nilai FTabel menggunakan Tabel F dengan rumus:
Taraf signifikansinya α = 0,01 atau α = 0,05
FTabel = F (1-α) (db pembilang = m). (db penyebut = n – m -1)
8) Buat kesimpulan.

Langkah Penyelesaian Menggunakan SPSS

Contoh: CV. AGUN TAMPAN adalah distributor minyak kapak dalam kemasan
3 liter. Saat terjadi krisis minyak kapak di pasaran, seorang auditor hendak
mengetahui efisiensi pengiriman minyak kapak dari gudang penyimpanan barang
ke toko jika dilihat dari waktu yang diperlukan. Sebagai variabel prediktornya
adalah jumlah minyak kapak dalam tabung yang dikirim, jauh pengiriman dan
frekuensi pengiriman tabung tiap bulan.

1. Definisikan variabel dalam variable view.

2. Masukkan data ke data editor.

3. Klik Analyze, pilih Regression, Liniear.

4. Setelah muncul dialog box Linear Regression, masukkan variable waktu ke kotak
dependent dan variable promosi ke kotak independent. Pilih metode backward
untuk seleksi variable.

5. Klik pilihan statistic, aktifkan pilihan estimates, model fit, dan deskriptif,
kemudian tekan continue

6. Pada kotak dialog linear regression, klik pilihan plot, aktifkan pilihan histogram
dan normal probability plot. Tekan continue.
7. Hasil pada jendela output akan tampil seperti gambar di bawah ini:
 BAB III
PENUTUP
A. KESIMPULAN
1. Regresi adalah Hubungan yang didapat pada umumnya dinyatakan dalam
bentuk persamaan matematik yang menyatakan hubungan fungsional
antara variabel variabel.
2. Regresi, yaitu korelasi yang merepresentasikan derajat hubungan antara
variabel-variabel. Jelasnya, masalah korelasi mencoba menentukan
seberapa baik sebuah persamaan linier atau sebarang persamaan matematis
lain dalam menggambarkan atau merepresentasikan hubungan yang ada di
antara berbagai variabel
3. Terdapat perbedaan yang mendasar antara analisis korelasi dan regresi.
Analisis korelasi digunakan untuk mencari arah dan kuatnya hubungan
antara dua variabel atau lebih, sedangkan analisis regresi digunakan untuk
memprediksikan seberapa jauh perubahan nilai variabel dependen, bila
nilai variabel independen di manipulasi.
4. Kegunaan regresi dalam penelitian salah satunya adalah untuk
meramalkan atau memprediksi variabel terikat apabila variabel bebas
diketahui. Regresi sederhana dapat dianalisis karena didasari oleh
hubungan fungsional atau hubungan kausal variabel bebas terhadap
variabel terikat.
5. Untuk analisis regresi akan dibedakan menjadi dua jenis variabel, yaitu
variabel bebas atau variabel predictor dan variabel tak bebas atau variabel
respon. Variabel yang mudah didapat atau tersedia sering dapat
digolongkan menjadi variabel bebas. Sedangkan variabel yang terjadi
karena variabel bebas itu merupakan variabel tak bebas.
6. Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui
pengaruh antara satu atau beberapa variabel terhadap satu buah variabel.
Variabel yang mempengaruhi 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.
7. 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 (regresi ganda) dengan beberapa variabel bebas
dan satu buah variabel terikat. Analisis regresi linear merupakan metode
statistik yang paling jamak dipergunakan dalam penelitian-penelitian
social.
8. Regresi sederhana didasarkan pada hubungan fungsional ataupun kausal
satu variabel independen dengan satu variabel dependen. Analisis regresi
linear sederhana dipergunakan untuk mengetahui pengaruh antara satu
buah variabel bebas terhadap satu buah variabel terikat.
9. Uji regresi berganda merupakan pengembangan dari uji regresi sederhana.
Kegunaanya, yaitu untuk meramalkan nilai variabel terikat (Y) apabila
variabel bebas minimal dua atau lebih.
10. Analisis regresi ganda digunakan oleh peneliti, bila peneliti bermaksud
meramalkan bagaimana keadaan (naik turunnya) variabel dependen, bila
dua atau lebih variabel independen sebagai factor predictor dimanipulasi.
Analisis regresi ganda akan dilakukan bila jumlah variabel independennya
minimal 2.
 Daftar Rujukan

Irianto, Agus. 2004. Statistik. Konsep Dasar, Aplikasi, dan Pengembangannya.

Jakarta: Kencana

Riduwan. 2011. Dasar-dasar Statistika. Bandung: Alfabeta.

Spiegel, Murray R. 2008. Statistic Fourth Edition. USA: The McGRAW-HILL

Companies.

Sudjana, 1992. Metoda Statistika. Bandung: Tarsito

Sugiyono. 2011. Statistika Untuk Penelitian. Bandung: Alfabeta.