TUGAS MAKALAH

REGRESI DATA STATISTIK

DosenPengampu: Raicha Oktafiani,M.Pd

Mata Kuliah: Statistik Pendidikan

DisusunOleh:
Kelompok13
Khoirul Ma’rub (Npm 2111060123)
M Renaldy Gapima S
(Npm1711060060)

JURUSAN PENDIDIKAN BIOLOGI

FAKULTAS TARBIYAH DAN
KEGURUAN
UNIVERSITA SISLAM NEGERI RADEN INTAN
LAMPUNG TAHUN 2022/2023
 KATAPENGANTAR

Puji syukur kami panjatkan kehadiran Allah SWT yang atas rahmat-Nya dan
karunianya kami dapat menyelesaikan makalah ini tepat pada waktunya. Adapun tema dari
makalah ini adalah “REGRESI DATA STATISTIK”.

Makalah ini diajukan untuk memenuhi salah satu tugas Mata Kuliah Media Pembelajaran
PAI Shalawat beserta salam semoga tercurah limpah kepada junjungan alam yakni Habibana
Wanabiyyana kariim Nabi Muhammad SAW. Kami menyampaikan rasa terimakasih yang
sebanyak-banyaknya kepada Ibu Raica Oktafiani,M.Pd selaku dosen mata Kuliah Statistik
Pendidikan yang telah menyerahkan kepercayaannya kepada kami untuk menyelesaikan
makalah ini dengan tepat waktu.

Kami ucapkan terimakasih yang sebanyak-banyaknya pula kepada semua pihak yang telah
mendukung serta membantu kami dalam proses penyelesaian makalah ini. Kami juga
berharap semoga makalah ini dapat memberikan manfaat bagi setiap pembaca. Selanjutnya,
kami mengharapkan saran dan kritik dari pembaca untuk makalah ini supaya selanjutnya
dapat saya revisi kembali. Karena kami menyadari bahwa makalah yang telah kami buat ini
masih memiliki kekurangan.

BandarLampung,13Mei2023

Kelompok13

ii
 DAFTARISI

KATAPENGANTAR........................................................................................ii

DAFTARISI......................................................................................................iii

BABIPENDAHULUAN

A. LatarBelakang..........................................................................................1
B. RumusanMasalah.....................................................................................1
C. TujuanMasalah.........................................................................................1

BABIIPEMBAHASAN

A. Pengertian Analisis Regresi.....................................................................2

B. Tujuan dan Kegunaan Analisis Regresi...................................................2
C. Jenis-jenis Analisis Regresi.....................................................................3
D. Rumus Regresi........................................................................................4
E. Contoh Penyelesaian Regresi..................................................................6

BABIIIPENUTUP

A. Kesimpulan.............................................................................................11
B. Saran.......................................................................................................11

DAFTARPUSTAKA........................................................................................12

iii
 BAB I
PENDAHULN

A. LatarBelakang
Regresi data statistik adalah metode analisis yang digunakan untuk
memodelkan hubungan antara variabel dependen (variabel yang ingin
diprediksi) dan satu atau lebih variabel independen (variabel yang
digunakan untuk memprediksi variabel dependen). Metode regresi
memungkinkan kita untuk memahami bagaimana perubahan dalam variabel
independen mempengaruhi variabel dependen.
Dalam regresi data statistik, tujuan utama adalah mengembangkan
model matematika yang dapat digunakan untuk memprediksi nilai variabel
dependen berdasarkan nilai-nilai variabel independen. Model regresi dapat
membantu menjelaskan hubungan sebab-akibat antara variabel-variabel
tersebut dan juga digunakan untuk memprediksi nilai-nilai variabel
dependen di luar kumpulan data yang digunakan untuk memprediksi nilai-
nilai variabel dependen di luar kumpulan data yang digunakan untuk
membangun model.
Ada beberapa jenis regresi data statistik yang umum digunakan,
termasuk regresi linier sederhana, regresi bergenda, regresi logistik, regresi
polinominal, dan lain sebagainya. Setiap jenis regresi memiliki asumsi dan
metode estimasi yang berbeda untuk menghasilkan model yang paling
sesuai dengan data yang ada.
Dalam praktiknya, regresi data statistik sering digunakan dalam berbagai
bidang termasuk ekonomi, ilmu sosial, ilmu alam, kedokteran, dan bisnis.
Metode ini membantu analisis dan peneliti untuk memahami hubungan
antara variabel-variabel dan melakukan prediksi yang berguna berdasarkan
data yang ada. Ada beberapa jenis regresi data statistik yang umum
digunakan, termasuk regresi linier sederhana, regresi linier berganda, regresi
logistik, regresi polinominal, dan lain sebagainya, setiap jenis regrsi
memiliki asumsu dan metode yang berbeda untuk menghasilkan model yang
paling sesuai dengan data yang ada.

iii
 B. RumusanMasalah

Adapunrumusanmasalahyangakandibahasdalammakalahiniyaitu:
1. Jelaskan Pengertian Analisis Regresi ?
2. Jelaskan Tujuan dan Kegunaan Analisis Regresi ?
3. Sebutkan dan Jelaskan Jenis-jenis Analisis Regresi
4. Sebutkan Langkah-langkah dalam Melakukan Analisis Regresi Linier Sederhana ?

C. Tujuan
Adapuntujuandalammakalahiniyaitu:
1. Untuk mengetahui Pengertian dari Analisis Regresi
2. Untuk Mengetahui Tujuan dan Kegunaan Analisis Regresi
3. Untuk Mengetahui Jenis-jenis Analisis Regresi
4. Untuk Mengetahui Langkah-langkah Analisis Regresi

iii
 BABII

PEMBAHASAN

A. PengertianAnalisis Regresi
Analisis regresi merupakan metode statistika yang amat banyak digunakan
dalam peneltian. Istilah regresi pertama kali diperkenalkan oleh Sir Francis Galton
pada tahun1886. Galton menemukan adanya hubungan bahwa orang tua yang
memeliki tubuh tinggimemiliki anak-anak yang tinggi pula, orang tua yang pendek
memiliki anak-anak yang pendek pula. Kendati demikian ia mengamati bahwa adanya
kecenderungan tinggi anak,cenderung bergerak menuju rata-rata tinggi populasi
secara menyeluruh. Dengan kata lain,ketinggian anak yang amat tinggi atau orang tua
yang amat pendek cenderung bergerakkearah tinggi populasi.Secara umum regresi
adalah studi mengenai ketergantungan satu variabel (variabel tak bebas/ variabel
respon) dengan satu atau lebih variabel bebas/ variabel penjelas. Hasil darianalisi
regresi merupakan suatu persamaan, yaitu persamaan matematika. Persamaan
tersebutdigunakan sebagai prediksi. Dengan demikian analisis regresi sering disebut
dengan analisis prediksi. Karena merupakan prediksi, maka nilai prediksi tidak selalu
tepat dengan nilairealnya, semakin kecil tingkat penyimpangannya antar prediksi
dengan nilai riilnya, makasemakin tepat persamaan regresi yang dibentuk.Persamaan
regresi adalah suatu persamaan matematika yang mendefinisikan hubunganantara dua
variabel yaitu hubungan keterkaitan antara satu atau beberapa variabel yangnilainya
sudah diketahui dengan satu variabel yang nilainya belum diketahui, sifat
hubunganantara dalam persamaan meruoakan hubungan sebab akibat. Oleh karena itu,
sebelummenggunakan persamaan regresi dalam menjelaskan hubungan antara dua
atau lebihvariabel, perlu diyakini terlebih dahulu bahwa secara teoritis atau perkiraan
sebelumnya, bahwa variabel-variabel tersebut memiliki hubungan sebab akibat.
Variabel yang nilainyaakan mempengaruhi variabel tersebut disebut variabel bebas
(X). sedangkan variabel yangnilainya dipengaruhi oleh variabel lain adalah variabel
tergantung (Y).Analisis regresi dikelompokkan menjadi dua bagian yaitu analisis
regresi sederhana(analisis regresi tunggal) dan analisis regresi ganda. Regresi
sederhana dimaksudkan untukmenganalisis hubungan antara satu variabel bebas (X)
dengan satu variabel terikat (Y) . Regresi berganda digunakan untuk
analisis hubungan dua atau lebih variabel bebas(misalnya X1 dan X2) dengan satu
variabel terikat (Y).
B. Tujuan dan Kegunaan Analisis Regresi
Analisis regresi dalam statistika adalah salah satu metode untuk menentukan
hubungansebab akibat antara satu variabel dengan variabel yang lain. Analisis regresi
adalah salah satuanalisis yang paling populer dan luas pemakaiannya. Hampir semua
bidang ilmu yangmemerlukan analisis. Analisis regresi dan analisis korelasi
dikembangkan untuk mengkajidan mengukur hubungan antara dua variabel atau lebih.
Dalam analisis regresidikembangkan persamaan estimasi untuk mendeskripsikan pola
atau fungsi hubungan antaravariabel-iviiariabel. Sesuai dengan namanya,
persamaan
estimasi atau persamaan regresi itudigunakan untuk mengestimasi nilai dari suatu
variabel berdasarkan nilai variabel lainnya.Variabel yang di estimasi itu disebut
variabel dependen (atau variabel terikat) sedangkanvariabel yang diperkirakan
memengaruhi variabel dependen itu disebut variabel independen(atau variabel
bebas).Ada beberapa tujuan penggunaan analisis regresi, antara lain :
a. Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasari pada
nilai variabel bebas.
b. Menguji hipotesis karakteristrik dependensi
c. Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai
variabel bebas diluar jangkauan sampel.
C. Jenis-jenis Analisis Regresi

1. Analisis Regresi Linier

Teknik analisis regresi linier adalah salah satu teknik permodelan yang
paling dikenal, karena merupakan salah satu metode analisis regresi elit
pertama yang diambil oleh orang-orang pada saat memperlajari permodelan
prediktif. Dalam regeresi linier berganda terdapat lebih dari satu variabel
independen dan dalam regresi linier sederhana hanya terdapat satu variabel
independen, dengan demikian, regresi linier sederhana hanya terdapat satu
variabel independen. Dengan demikian, regresi linier paling baik digunakan
hanya jika ada hubungan linier antara variabel ebas dan variabel terikat

2. Analisis Regresi Logistik

Regresi logistik biasanya digunakan untuk menentukan probabilitas
even=Success and event=Failure. Setiap kali variabel dependen adalah biner
seperti 0/1, Benar/Salah/, Ya/Tidak, regresi logistik digunakan. Dengan
demikian, dapat dikatakan bahwa regresi logistik digunakan untuk menganalisis
pertanyaan tertutup dalam survei atau pernyataan yang menuntut respons
numerik dalam survei, regresi logistik tidak memerlukan hubungan linier antara
variabel dependen dan variabel independen seperti halnya regresi linier. Rgersi
logistik menerapkan translormasi long non-linier untuk memprediksikan rasio
peluang. Oleh karena itum ia dengan mudah menangani berbagai jenis
hubungan antara variabel dependen dan variabel independen.

3. Analisis Regresi Polinominal

Regresi Polinominal biasanya digunakan untuk menganalisis data
lengkung dan ini terjadi ketika kekuatan variabel independen lebih dari1.
Dalam metode analisis regresi ini, garis yang paling cocok tidak pernah
menjadi ‘garis lurus’ tetapi selalu ‘garis kurva’ cocok dengan poin data, regresi
polinominal lebih baik digunakan ketika beberapa variabel memiliki eksponen
dan sedikit yang tidak. Selain itu, dapat memodelkan data yang dapat
dipisahkan secara non-linier yang menawarkan kebebasan untuk memilih
ekspomen yang tepat untuk setiiiaip variabel dan itu juga dengan kontrol penuh
atas fitur pemodelan yang tersedia
 4. Analisis Regresi Bertahap
Analisis regresi bertahap adalah proses semi-otomatis yang dengannya
model statistik dibangun baik dengan menambahkan atau menghapuskan
variabel yang bergabung pada statistik-t dari koefisien estimasi mereka. Jika
digunakan dengan benar, regresi betahap akan memberi kita data yang lebih
kuat daripada metode apapu. Ini berfungsi dengan baik saat kita bekerja dengan
sejumlah besar variabel independen.

5. Analisis Regresi Ridge

Regresi ridge didasarkan pada metodekuadrat terkecil biasanya yang
digunakan untuk menganalisis data multikolinearitas (data dimana variabel
independen sangat berkorelasi). Kolinearitas dapat dijelaskan sebagai hubungan
yang hampir liner antara variabel. Setiap kali terajadi multikolinearitas
perkiraan kuadrat terkecil tidak akan bias tetapi, jika perbedaan di anatara
keduanya lebih besar, maka itu mungkin jauh dari nilai sebenarnya, namum
regresi ridge menghilangkan kesalaan standar dengan menambahkan beberapa
tingkat bias ke perkiraan regresi dengan motif untuk memberikan perkiraan
yang lebih dapat dikendalikan.

D. Rumus Regresi
Regresi dibedakan menjadi beberapa macam. Adapun jenis dan rumus regresi
adalah sebagai berikut.

1. Regresi Linier Sederhana

Regresi linier merupakan model regresi yang menunjukkan hubungan
antara satu variabel dependen dengan satu variabel independen dimana
keduanya merupakan data kuantitatif, seperti berikut :
Rumus : Y = a + bX
Y = Variabel dependen
X = Variabel
Independen a =
Konstanta
b = Koefisien regresi

2. Regresi Linear Berganda

Regresi Linear berganda pada dasarnya memiliki kesamaan dengan linier
sederhana, hanya saja jumlah variabel independen pada liniear terdapat lebih
dari satu variabel, Berikut rumus model regresi berganda :
Rumus : Y = a + b1X1 + b2X2 + ... + e
Y = Variabel dependen
X = Variabel independen
a = Konstanta
b = koefisien regresi
e = error atau iii
residu
 3. Regresi Non-Linier
Sementara itu, non linear adalah jenis regresi yang menghubungkan antara
variabel yang tidak berhubungan secara linear. Ada berbagai macam bentuk
umum regresi non linear, diantaranya :
- Eksponensial : Y = a + bX + c𝐗𝟐
Y = Variabel Terikat
X = Variabel Bebas
a,b,c = Konstanta
E. Contoh penyelesaian Regresi
a. Contoh regresi linier sederhana
Seorang Mahasiswa ingin melakukan analisis regresi terhadap data hasil
penelitiannya yang berjudul Hubungan antara kompetensi (X) dan kinerja pegawai
(Y) kita ambil sampel acak 15 0rang pegawai sebagai berikut :

𝑿 𝒀
40 4
55 16
32 12
55 24
50 15
52 24
61 22
44 17
30 4
22 14
40 24
64 26
58 20
48 9
44 14

Akan ditentukan persamaan regresi 𝑌𝑎𝑡𝑎𝑠𝑋 maka didapat :

𝑿 𝒀 𝑿𝟐 𝑿𝒀
22 14 484 308
30 4 900 120
32 12 1024 384
40 4 1600 160
40 24 1600 960
44 17 1936 748iii
44 14 1936 616
48 9 2304 432
 50 15 2500 750
52 24 2704 1248
55 16 3025 880
55 24 3025 1320
58 20 3364 1160
61 22 3721 1342
64 26 4096 1664
695 245 34219 12092

Dari rumus diperoleh harga-harga :

(∑ 𝑌)(∑ 𝑋2) − (∑ 𝑋)(∑ 𝑋𝑌)

𝑎=
𝑛 ∑ 𝑋2 − (∑ 𝑋)2 (245)
(34219) − (695)(12092)
𝑎=
15(34219) − (695)2

8383655 − 8403940
𝑎=
513285 − 483025

𝑎 = −0,670

𝑛 ∑ 𝑋𝑌 − (∑ 𝑋)(∑
𝑏=
𝑌)
𝑛 ∑ 𝑋2 − (∑ 𝑋)2

15(12092) − (695)(245)
𝑏=
15(34219) − (695)2

181380 − 170275
𝑏=
513285 − 483025

𝑏 = 0,367

Dengan demikian, persamaan regresi linear 𝑌 atas 𝑿 untuk soal diatas adalah :

𝒀̂ = 𝒂 + 𝒃𝑿

𝒀̂ = −𝟎, 𝟔𝟕 + 𝟎, 𝟑𝟔𝟕𝑿

𝒀̂ = −𝟎, 𝟑𝟎𝟑𝑿

iii
 b. Contoh regresi linier berganda
Penelitian dilakukan untuk mengetahui pengaruh kemampuankerja
pegawai dan kepemimpinan direktif terhadap produktivitas kerja pegawai.
Berdasarkan 10 responden yang digunakan sebagai sumber data
penelitian,hasilnya adalah sebagai berikut :

NO X1 X2 Y
Responden
1 10 7 23
2 2 3 7
3 4 2 15
4 6 4 17
5 8 6 23
6 7 5 22
7 4 3 10
8 6 3 14
9 7 4 20
10 6 3 19

Untuk menghitung harga harga a, b1, b2, dapat digunakan persamaan berikut: (untuk regresi dua
prediktor)

Tabel Penolong Untuk Menghitung

Persamaan Regresi Ganda Dua Prediktor
NO Y X1 X2 X1Y X2Y X1X2 X1^2 X2^2
Responden
1 23 10 7 230 161 70 100 49
2 7 2 3 14 21 6 4 9
3 15 4 2 60 30 8 16 4
4 17 6 4 102 68 24 36 16
5 23 8 6 184 138 48 64 36
6 22 7 5 154 110 35 49 25
7 10 4 3 40 30 12 16 9
8 14 6 3 84 42 18 36 9
9 20 7 4 140 80 28 49 16
10 19 6 3 114 57 18 36 9
Jumlah 170 60 40 1122 737 267 406 182

Keterangan :
Y = Produktivitas kerja
X1 = kemampuan kerja
pegawai X2 = kepemimpinan
direktif Dari data tabel
iii
diperoleh
∑Y = 170 ∑X2Y = 737
∑X1 = 60 ∑X1X2 = 267
∑X2 = 40 ∑X12 = 406
∑X1Y = 1122 ∑X22 = 182

Untuk menghitung harga harga a, b1,b2 dapat menggunakan persamaan berikut :

∑Y = an+b1∑X1 + b2∑X2
∑X2Y = a∑X1 + b2∑X12 + b2∑X1X2
∑X2Y = a∑X2 + b2 ∑X1X2 + b2∑X22

Bila harga-hara dari data diatas dimasukkan dalam persamaan tersebut

maka 170= 10a + 60b1 + 40b2. (1)
1.122 = 60a – 406 b1 – 267 b2.....(2)
737 = 40a + 267b1 + 182b2.....(3)
Persamaan (1) dikalikan 6, persamaan (2) dikalikan 1 :
1.020 = 60a + 360b1 + 240b2
1.122 = 60a + 406 b1 + 267b2
(-)
-102 = 0a + (-46) b1 + (-27) b2
-102 = -46 b1 – 27 b2.........(4)
Persamaan (1) dikalikan dengan 4, persamaan (3) dikalikan dengan 1 hasilnya menjadi :
680 = 40a + 240b1 + 160 b2
737 = 40a + 267b1 + 182 b2

(-)
-57 = 0 a + (-27) b1 + (-22) b2
-57 = -27b1 – 22b2.........(5)
Persamaan (4) dikalikan 27, persamaan % dikalikan 46, hasilnya menjadi :
-2.754 = -1.242b1 + -729 b2
-2.622 = -1242 b1 + -1.012b2
(-)
-132 = 0+283 b2
b2 = 283 – 132 = -0,466

harga b2 dimasukkan dalam salah satu persamaan (4) atau (5). Dalam hal ini dimasukkan
dalam persamaan (4), maka :
-102 = -46b1 – 27(0,466)
-102 = -46 b1 – 12.582
46 b1 = 114,582
B1 = 114,582/46= 2.4909

Harga b1 dan b2 dimasukkan dalam persamaan 1, maka

: 170 = 10a + 60 (2,4909) + 40(-0,446)
170 = 10a + 149,454....18,640
10a = 170 – 149, 454 + 18,640
A + 39,186/10 = 3,9186 iii

Jadi :
a = 3,9186
b1 = 2,4909
h2 = -0,466

jadi persamaan regresi ganda linier untuk dua prediktor (kemampuan kerja pegawai, dan
kepemimpinan derektif) adalah :
Y = 3,9186 +2,4909 X1 + 0,466 X2
Y = 6,4185X1 + 0,466X2
Y = 6,8845

c. Contoh Regresi Non-Linier

i
i
 BAB III
PENUTUP

3.1 Kesimpulan
Analisis regresi digunakan untuk melihat pengaruh variable bebas terhadap
variable tergantung serta memprediksi nilai variable tergantung dengan
menggunakan variable bebas. Dalam analisis regresi variable bebas berfungsi untuk
menerangkan (explanatory) sedang variabel tergantung berfungsi sebagai yang
diterangkan (the explained). Dalam analisis regresi data harus berskala interval atau
rasio. Hubungan dua variabel bersifat dependensi. Untuk menggunakan anlisis
regresi diperlukan beberapa persyaratan yang harus dipenuhi.
Ada dua macam linieritas dalam abalisis regresi, yaitu linieritas dala variabel dan
linieritas dalam parameter. Yang pertama, linier dalam variabel merupakan nilai rata-
rata kondisional variabel tergantung yang merupakan fungsi linier dari variabel
bebas. Sedang yang kedua, linier dalam parameter merupakan fungsi linier parameter
dan dapat tidak linier dalam variabel.

i
 Daftar Pustaka

Nur, Sundari. Pengantar Statistika. Jakarta: Bumi Aksara.2009

Arnita. Pengantar Statistika. Bandung: Ciptapustaka Media Perintis, 2013