Regresi Linier

Pengertian Analisis Regresi

Regresi : bentuk fungsional yang menerangkan hubungan
antar variabel
Analisis regresi: suatu kajian yang mempelajari antar variabel
saling berhubungan, hubungan antar variabel dinyatakan dalam
persamaan matematika yang dikenal hubungan fungsional
antar variabel.
Dalam analisis regresi ada dua variabel:
1. Variabel bebas/predictor, variabel bebas (independent
variable/explanatory variable) adalah variabel yang
diasumsikan memberikan pengaruh terhadap variasi
variabel terikat dan biasanya diplot pada sumbu datar
(sumbu x)
2. Variabel terikat/respon,Variabel yang akan diestimasi
(Variabel terikat/dependent variable/response variable)
biasanya diplot pada sumbu tegak (sumbu y)
 RC 090304 - Statistik Terapan
Regresi Linear

Model Hubungan antar variabel :

1. Sifatnya Deterministik (fungsional) Model Deterministik
5
digambarkan dengan fungsi y = f(x)

Respoponse (Y)
4

contohnya : y=3 x 3

0
0 2 4 6 8
Predictor (X)

2. Stokastik (statistik probabilistik) Model Stokastik

5
pengamatan tidak jatuh secara tepat

Respoponse (Y)
4
3
pada kurva 2

misalnya : berat vs tinggi; IQ vs IP; 1

0
0 2 4 6 8
Predictor (X)

tatas@ce.its.ac.id
Jenis-jenis Persamaan Regresi
Regresi Linier
- Regresi Linier Sederhana
- Regresi Linier Berganda
Regresi Nonlinier
- Regresi Kuadratik
- Regresi Parabola Kubik
- Regresi Eksponensial
- Regresi Model Geometrik
- Model Logistik
Regresi Linier
1. Regresi Linier Sederhana
y = a + bx
y = nilai estimate variabel terikat
a = konstanta (titik potong garis regresi
pada sumbu y atau nilai estimate y jika x
= 0)
b = kemiringan (gradien garis regresi
(perubahan nilai estimate y per satuan
perubahan nilai x))
x = nilai variabel bebas
2. Regresi Linier Berganda

Persamaan y =a + b1X1 +b2X2 ++ bnXn

y = peubah tak bebas

X1 = peubah bebas ke-1
X2 = peubah bebas ke-2
Xn = peubah bebas ke-n
a = konstansta
b1 = kemiringan ke-1
b2 = kemiringan ke-2
bn = kemiringan ke-n
Regresi Eksponensial
Persamaan umum
: Regresi eksponensial Y (variabel tak bebas) terhadap X
X : variabel bebas
a,b : parameter
e : 2,7183
Grafik fungsi eksponensial dan transformasi linearnya

Ln Y

Ln Y=ln b + aX

a
1
y=ln b
Persamaan regresi
Kemiringan garis regresi :

Disederhanakan menjadi :

Persamaan garis regresi dalam bentuk linear:

Transformasikan dalam bentuk eksponensial

3.3. Regresi Logaritmik
Persamaan umum
: Regresi Y (variabel tak bebas) terhadap X
X : variabel bebas (>0).
a,b : parameter
Grafik fungsi logaritmik dan transformasi linearnya

a
1
 Analisis Regresi Linier
Contoh 1
Dari suatu praktikum fisika dasar diperoleh data yang menghubungkan variabel
bebas x dan variabel terikat y seperti ditunjukkan dalam tabel berikut.
Uji ke- x y
1 6 30
2 9 49
3 3 18
4 8 42
5 7 39
6 5 25
7 8 41
8 10 52
56 296

Regresi Linear
 Analisis Regresi Linier
Jika berdasarkan kajian teoritis dan sifat dari fenomena yang menghubungkan x
dan y dapat diasumsikan mempunyai bentuk hubungan linier, maka persamaan
garis regresinya dapat ditentukan sebagai berikut.
Tabel perhitungan:
Uji ke- x y xy x2 y2
1 6 30 180 36 900
2 9 49 441 81 2401
3 3 18 54 9 324
4 8 42 336 64 1764
5 7 39 273 49 1521
6 5 25 125 25 625
7 8 41 328 64 1681
8 10 52 520 100 2704
56 296 2257 428 12920
x
x 56 7 y
y 296 37
n 8 n 8

Regresi Linear
 Analisis Regresi Linier
Kolom y2 ditambahkan pada tabel meskipun belum digunakan untuk perhitungan
persamaan garis regresi. Nilai tersebut akan digunakan kemudian. Jadi dengan
menggunakan hasil pada tabel, nilai dari konstanta a dan b dapat ditentukan:
n xy x y 8(2257) (56)(296) 1480
b 5,1389
n
x2 x
2
8(428) (56) 2
288

a y bx 37 (5,1389)(7) 1,0277
Jadi persamaan garis regresi linier yang menggambarkan hubungan antara
variabel x dan y dari data sampel pada percobaan/praktikum di atas adalah:
y a bx 1,0277 5,1389x
Dengan menggunakan persamaan garis regresi yang diperoleh, maka dapat
diperkirakan hasil yang akan diperoleh (nilai y) untuk suatu nilai x tertentu.
Misalnya untuk x = 4 maka dapat diperkirakan bahwa y akan bernilai:
y a bx 1,0277 5,1389x =1,0277 + 5,1389(4) = 21,583

Regresi Linear
Analisis Regresi Linier
60

50 y = 5.1389x + 1.0278

40

30
y

20

10

0
0 2 4 6 8 10 12

Gambar. Garis regresi untuk contoh soal 1

Regresi Linear