REGRESI LINIER

Metoda Statitistik yang memberikan memberikan

jawaban

terhadap

persoalan-persoalan

bentuk

hubungan yang ada atau diduga ada diantara dua

variabel atau lebih dan hubungan yang terjadi dapat
merupakan hubungan berpola lurus ( Linier ) atau
berpola tidak lurus ( Non Linier )

Digunakan Untuk menganalisis hubungan dua

variable numeric, apakah kedua variable
membentuk garis lurus (linier) atau tidak.
Hubungan Linier dapat Positif, yaitu apabila satu
nilai naik/ bertambah maka nilai yang lain juga
akan naik/ bertambah
sebaliknya. Hubungan linier negatif apabila satu
nilai naik/ bertambah dan nilai yang lain berkurang/
turun.
Positif negatif pada regresi linier hanya
menunjukan hubungan dari kedua variable

Untuk menggambarkan hubungan kedua variable

dapat melalui diagram tebar (Scater Plot).
Bila hubungan kedua variable berpola linier, dapat
kita lihat lebih lanjut bagaimana kekuatan
hubungan kedua variable tersebut dengan
Koefisien Korelasi Pearson ( r ).
Bila nilai r = 0 berarti tidak ada hubungan linier
dan bila nilai r = 1 maka kedua variable
berhubungan linier sempurna. Bila diartikan
secara kualitatif, nilai r mendekati 1 berarti
semakin kuat hubungannya dan sebaliknya.

hubungan

variabel

dapat

digambarkan

dengan

persamaan matematis yang dinyatakan dalam bentuk

fungsi Y = f ( X ). Apabila bentuk fungsi hubungan dua
variabel diketahui, dengan mengetahui satu variabel (X),
maka variabel lainnya (Y) dapat diperkirakan
Mengetahui hubungan antara satu variabel Independen
dgn satu variabel dependen menggunakan Regresi Linier
Sederhana, bila dua atau lebih variabel independen dgn
satu variabel dependen dengan regresi linier ganda

KEGUNAAN REGRESI LINIER

Prediksi : Memperkirakan Y dengan informasi 1 <
Estimasi : Kuantifikasi hubungan 1 < X dengan 1 Y
Manfaat : Untuk Perencanaan

SYARAT / KONDISI :
X dan Y dependensi
Variabel Dependen : Numerik
1. Y : Numerik , X : Numerik atau
2. Y : Numerik , X1 : Numerik, X2 : Numerik atau
3. Y : Numerik , X1 : Numerik, X2 : kategorik
Memenuhi Asumsi :
1. Homocedasticity : Variasi Y sama untuk setiap X
2. Existence : Setiap X, Y mempunyai mean dan Variasi
3. Independence : Y saling independen
4. Linearity : Mean Y = Fungsi Garis Lurus X
5. Normality : Setiap X maka Y Distribusi normal

REGRESI LINIER SEDERHANA

Metode Statistik untuk 2 variabel numerik ( Dependen dan
Independen ) dgn persamaan matematis : Y = a + bX,
Y : Nilai variabel dependen
a : Intercept, yaitu konstanta nilai Y saat X = 0
b : Slope, yaitu Koefisien regresi = besarnya perubahan Y
bila X berubah 1 unit.

Penggunaan Regresi Linier sederhana mengikuti

langkah-langkah sebagai berikut :
Lihat keeratan hubungan variabel dengan Koefisien
Korelasi pearson ( r ) apakah erat hubungannya dan
linier (Lihat sebaran data pada scater plot )
Lakukan Uji hipoteis terhadap nilai r
Bila hubungan erat dan linier, selanjutnya hitung
koefisien regresi ( b/ Slope )
Menghitung Intercept ( a )
Hitung persamaan linier X dan Y
Hitung selang interval koefisien regresi

SCATER DIAGRAM
Y

REGRESI LINIER GANDA

DIAGNOSTIK RLG
Diagnostik Pemenuhan Asumsi
Homocedasticity : Buat plot residu, Lihat pola sebaran
titik disekitar garis titik nol , bila tidak berpola =
homogen
Existence : Lakukan analissis residu model, bila ada
mean dan variasi = existence
Independence : -2 < Durbin Watson > 2
Linearity : Uji F Overall, P value < 0,05 = Linier,
Normality : Gunakan Plot residu, bila menyebar disekitar
garis diagonal = normal.