Analisis Regresi Sederhana

Kelompok 1
 Analisis Regresi Sederhana
Analisis Regresi adalah suatu proses melakukan
estimasi untuk memperoleh suatu hubungan fungsional
antara variabel acak Y dengan variabel X. Persamaan
Regresi digunakan untuk memprediksi nilai Y untuk
nilai X tertentu.
Analisis Regresi Sederhana adalah analisis regresi
antara satu variabel Y dan satu variabel X.
 Persamaan Regresi Sederhana
Persamaan Regresi adalah suatu persamaan
matematis yang mendefinisakina suatu hubungan
antara 2 variabel.
Misalnya, untuk mencari hubungan antara 2
variabel : hasil test karyawan dengan unit penjualan per
minggu. Salesman Hasil Test Penjualan
A 4 5
B 7 12
C 3 4
D 6 8
E 10 11
 Data di atas dapat digambarkan dalam sebuah grafik :
variabel hasil test adalah variabel bebas (variabel sebab) dan
variabel penjualan adalah variabel tergantung (variabel akibat)
sebagai berikut.
Analisis regresi linier
berusaha menemukan suatu
garis linier yang paling mewakili
titik-titik pada grafik. Untuk
menemukan garis linier
semacam ini harus
dipergunakan metoda kuadrat
terkecil atau least square.
 Metoda Least Square akan memberikan suatu garis linier
yang menghasilakn kesalahan atau eror terkecil (atau tepatnya,
jumlah eror kuadrat terkecil). Eror adalah selisih antara garis
vertikal nilai Y aktual dengan nilai Y prediksi.

Y aktual Y prediksi

Persamaan

Y’ = a + b . X + e

Keterangan
Y’ = Nilai Y prediksi
a = Intercept atau nilai rata-rata Y
prediksi jika X = 0
b = Slope atau rata-rata perubahan
pada Y jika X berubah 1 satuan
X = Variabel bebas
e = Kesalahan prediksi (eror)
 Dalam mencari garis regresi kita hanya menggunakan
sebagian data (atau data sampel). Oleh karena itu, persamaan
regresi yang diperoleh sering disebut sebagai persamaan regresi
sampel atau persamaan regresi pendugaan (estimated
regression equation). Persamaan regresi sampel ini digunakan
untuk menduga persamaan regresi populasi

Y’ = a + b . X + e

Untuk menghitung a dan b digunakan rumus sebagai berikut :

 Standard Error of Estimate
Standard Error of Estimate ( ) mengukur dispresi atau
simpangan dari data aktual disekitar garis regresi. Jika garis
regresi memberikan yang kecil, artinya garis regresi tersebut
sangat mewakili data aktual. Jadi terutama berguna sebagai
indikasi tingkat representatif suatau garis regresi.
Rumus untuk menghitung :

atau