KATA PENGANTAR

Puji syukur penulis panjatkan kehadapan Tuhan Yang Maha Esa, karena atas
berkat dan rahmat-Nya, sehingga penulis berhasil menyelesaikan makalah
Statistika yang berjudul “Regresi Linear Sederhana”.
Makalah ini berisikan informasi tentang pengertian dari regresi linear dan
jenis-jenis dari regresi linear.
Penulis menyadari bahwa makalah ini jauh dari kesempurnaan,oleh karena
itu kritik dan saran dari semua pihak yang bersifat membangun selalu penulis
harapkan demi kesempurnaan makalah ini.
Akhir kata kami ucapkan terima kasih kepada semua pihak yang telah
berperan serta dalam penyusunan makalah ini dari awal sampai akhir.semoga
Tuhan Yang Maha Esa meridhoi usaha kita.Amin

Singaraja,27 September 2019

Penulis

Kelompok 2

i
 DAFTAR ISI

KATA PENGANTAR ................................................................................................i

DAFTAR ISI............................................................................................................. ii
BAB I PENDAHULUAN ..........................................................................................1
1.1 Latar Belakang ................................................................................................1
1.2 Rumusan Masalah ...........................................................................................1
1.3 Tujuan .............................................................................................................1
BAB II PEMBAHASAN............................................................................................2
2.1 Pengertian Regresi Linear ...............................................................................2
2.2 Jenis- jenis Regresi Linier ................................................................................2
BAB III PENUTUP ................................................................................................. 11
3.1 Kesimpulan.................................................................................................... 11
3.2 Saran ............................................................................................................. 11
DAFTAR PUSTAKA .............................................................................................. 12

ii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Penggunaan istilah statistika berakar dari istilah istilah dalam bahasa
latin moderen statisticum collegium (”dewan negara”) dan bahasa Italia statista
(”negarawan” atau “politikus”). Gottfried Achenwall (1749)
menggunakanStatistik dalam bahasa Jerman untuk pertama kalinya sebagai
nama bagi kegiatan analisis data kenegaraan, dengan mengartikannya sebagai
“ilmu tentang negara (state)”. Di Indonesia, kajian statistika sebagian besar
masuk dalam fakultas matematika dan ilmu pengetahuan alam, baik di dalam
departemen tersendiri maupun tergabung dengan matematika.
Regresi artinya peramalan, penaksiran, atau pendugaan pertama kali di
perkenalkan pada tahun 1877 oleh Sir Francis Galton (1822 – 1911).
Sehubungan dengan penelitiannya terhadap tinggi manusia. Penelitian tersebut
membandingkan antara tinggi anak laki-laki dan tinggi badan ayahnya.
1.2 Rumusan Masalah
Dari latar belakang diatas maka dapat disimpulkan rumusan masalah dalam
makalah ini yaitu :
1. Apa yang dimaksud dengan regresi linear?
2. Apa saja jenis-jenis regresi linear?
1.3 Tujuan
Adapun tujuan penulisan makalah ini yaitu :
1. Untuk mengetahui pengertian dari regresi linear.
2. Untuk mengetahui jenis-jenis dari regresi linear.

1
 BAB II
PEMBAHASAN

2.1 Pengertian Regresi Linear

Regresi artinya peramalan penaksiran atau pendugaan pertama kali
diperkenalkan pada tahun 1877 oleh Sir Francis Galtoon (1822-1911). Analisis
regresi digunakan untuk menentukan bentuk dari hubungan antar variabel.
Tujuan utama dalam penggunaan analisis itu adalah untuk meramalkan atau
memperkirakan nilai dari suatu variabel dalam hubungannya dengan variabel
yang lain. Disamping hubungan linear dua variabel, hubungan linear dari dua
variabel bisa juga terjadi misalnya; hubungan antara hasil penjualan dengan
harga dan daya beli.
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.
2.2 Jenis- jenis Regresi Linier
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 dengan beberapa variabel bebas dan satu buah variabel terikat.
Regresi linear berganda adalah regresi dimana variabel terikatnya (Y)
dihubungkan atau dijelaskan lebih dari satu variabel, mungkin dua, tiga dan
seterusnya variabel bebas (x, x1, x2……..xn ) namun masih menunjukkan
diagram hubungan yang linear. Analisis regresi linear merupakan metode
statistik yang paling jamak dipergunakan dalam penelitian-penelitian sosial,
terutama penelitian ekonomi. Program komputer yang paling banyak digunakan
adalah SPSS (Statistical Package For Service Solutions).
1. Regresi Linear Sederhana
Regresi linier sederhana adalah suatu metode yang digunakan untuk
melihat bentuk hubungan antar satu variabel independent (bebas) dan

2
mempunyai hubungan garis lurus dengan variabel dependennya (terikat).
Sebuah variabel hasil observasi yang diperoleh sangat mungkin dipengaruhi oleh
variabel lainnya, misalkan tinggi badan dan berat badan seseorang. Untuk suatu
tinggi tertentu ada besaran berat badan yang mempengaruhi, demikian juga
sebaliknya. Contoh lain misalnya produksi padi yang dipengaruhi oleh luas
lahan yang ditanami, jenis pupuk yang dipakai, banyaknya pupuk yang dipakai
dll.
Namun kenyataanya hubungan antar variabel bebas dan variabel terikat
jarang sekali sesederhana itu. Biasanya banyak faktor atau dalam hal ini kita
sebut banyak variabel bebas yang menentukan atau dapat mempengaruhi
variabel terikat. Untuk kasus demikian maka akan diselesaikan dengan Regresi
linier Berganda.
Analisis regresi linear sederhana dipergunakan untuk mengetahui
pengaruh antara satu buah variabel bebas terhadap satu buah variabel terikat.
Persamaan umumnya adalah: Y = a + b X.
Dengan Y adalah variabel terikat dan X adalah variabel bebas. Koefisien
a adalah konstanta (intercept) yang merupakan titik potong antara garis regresi
dengan sumbu Y pada koordinat kartesius.
2. Cara mendapatkan garis regresi
Terdapat beberapa cara yang dapat digunakan untuk menentukan garis regresi,
yaitu;
a. Cara bebas (freehand methode)
Kelemahan : tidak ada metode baku yang dipercaya karena tiap orang bisa
beda
b. Menghubungkan dua titik yang terendah dan tertinggi
Kelemahan : Persamaan regresi ini hanya menggunakan dua titik terendah
dan tertinggi saja dan titik-titik yang lain tidak dihiraukan dan sangat
berbahaya jika ada nilai ekstrim
c. Membagi data menjadi dua kelompok yang sama, kemudian masing-
masing dicari rata-ratanya yaitu x1 dan x2
Kelebihan : Sudah mengikutkan semua titik karena dicari rata-ratanya, dan
ini adalah cara terbaik daripada 2 cara diatas. Rata-ratanya dipengaruhi nilai

3
 ekstrim masing-masing baik nilai ekstrim rendah maupun nilai ekstrim
tinggi,sehingga tidak menggambarkan regresi yang sebenarnya

d. Metode kuadrat terkecil

Metode ini diperkenalkan oleh Gauss
E=y^−y
Dalam regresi linear sederhana hubungan variabel tersebut dapat dituliskan
dalam bentuk model persamaan linear :
y^=a+bx

cara mencari nilai koefisien a pada regresi linier sederhanamaka didapat

bahwa a=y¯−bx¯

4
3. Variabel bebas dan terikat regresi linier sederhana (dependent and
independent variable)
a. Dependent Variable/Variabel Tak Bebas (Y): Variabel yang nilainya
ditentukan oleh variabel lain. Diasumsikan bersifat random/stochastic
b. Independent Variable/Variabel Bebas (X): Variabel yang nilainya ditentukan
secara bebas (variabel yang diduga mempengaruhi variabel tak bebas).
Diasumsikan bersifat fixed/non stochastic.
c. Syarat : Y: Berjenis data kuantitatif X: Berjenis data kuantitatif atau
kualitatif/kategorik
4. Konsep dasar regresi linier sederhana
a. Pada suatu nilai X tertentu akan terdapat banyak kemungkinan nilai-nilai Y
(Y akan terdistribusi mengikuti suatu fungsi peluang tertentu Distribusi
Normal) dengan Nilai rata-rata E(Y) dan Nilai varians σ2 tertentu
b. Nilai rata-rata E(Y) diasumsikan berubah secara sistematik mengikuti
perubahan nilai X, yang digambarkan dalam bentuk garis linier
c. Nilai varians σ2 pada setiap nilai X akan sama

5
5. Prosedur penting dalam regresi linier sederhana
Dalam prosedur regresi hal pertama yang harus dilakukan adalah
melakukan identifikasi model dengan menggunakan Scatter plot (diagram
pencar) yang berguna untuk mengidentifikasi model hubungan antara variabel
X dan Y. Bila pencaran titik-titik pada plot ini menunjukkan adanya suatu
kecenderungan (trend) yang linier, maka model regresi linier layak digunakan.
Setelah itu dapat dilakukan estimasi terhadap parameter model.

Grafik diatas merupakan contoh identifikasi model yang dilakukan dengan

variabel X adalah umur mobil dan variabel Y adalah harga mobil. Ternyata titik-
titik (plotting data) tersebut terlihat mengelompok di sekitar garis lurus dan

6
scatter plot tersebut, sebenarnya bisa ditarik beberapa garis yang dekat terhadap
titik-titik tersebut.

6. Model regresi linear sederhana

Yi = β0 + β1Xi + εi (i = 1, 2, …, n)
dimana :
Yi : merupakan nilai dari variabel dependent pada observasi ke-i
β0 dan β1 : merupakan parameter model
εi : merupakan komponen error (pengaruh variabel bebas lain selain
variabel X)
Xi : adalah nilai variabel bebas X pada observasi ke-i
N : adalah banyaknya data observasi (sampel)
Note: β0 dan β1 disebut juga koefisien regresi, β0 merupakan intercept dan
β1 merupakan slope (gradien garis) yang menyatakan perubahan nilai Y untuk
setiap kenaikan satu satuan X.
7. Asumsi regresi linier sederhana
Dalam aplikasinya terdapat beberapa asumsi yang harus terpenuhi untuk
melakukan analisis regresi sederhana. Beberapa asumsi tersebut sebagai berikut
a. Yi (Variabel Tak Bebas/Dependent Variable) merupakan random
variable/bersifat stochastic
b. Xi (Variabel bebas/Independent Variable) bersifat fixed/non stochastic
(bukan merupakan random variable)
c. E(εi) = 0
d. E(εi εj) = E(εi2) = σ2 untuk i = j (Homoscedastic)
e. E(εi εj) = 0 untuk i ≠ j (Non autocorrelation)
f. εi merupakan random variable yang terdistribusi secara bebas dan indentik
mengikuti distribusi normal dengan rata-rata 0 dan varian σ2
Metode estimasi yang digunakan pada regresi linier sederhana adalah Metode
Kuadrat Terkecil (Least Square Method) dengan prinsip meminimalkan ∑εi2
sehingga estimasi parameternya :

7
βˆ1=∑(X1−X¯¯¯¯¯)(Y1−Y¯¯¯¯)∑(X1−X¯¯¯¯¯)2
dan

βˆ0=Y¯¯¯¯−βˆ1X
Estimasi untuk Y jika X diketahui :

Yˆi=βˆ+βˆ1Xi
Sifat-sifat Estimator Least Squares
a. Jika semua asumsi yang diberlakukan terhadap model regresi terpenuhi, maka
menurut suatu teorema (Gauss Markov theorem) estimator tersebut akan
bersifat BLUE (Best Linear Unbiased Estimator).
b. Best = Terbaik, mempunyai varian yang minimum
c. Linear = Linear dalam Variabel Random Y
d. Unbiased = Tak bias
e. Artinya estimator tersebut akan unbiased, linier dan mempunyai varian yang
minimum diantara semua estimator unbiased & linier yang lain.
8. Cara menghitung koefisien determinasi regresi linier sederhana
Dalam regresi linier sederhana, koefisien determinasi (r2) diartikan sebagai
ukuran kemampuan semua variabel bebas dalam menjelaskan varians terikat.
Karena koefisien determinasi (r2) merupakan kuadrat dari koefisien korelasi (r)
maka dapat rumus koefisien determinasi (r2) sama dengan rumus koefisien
korelasi (r) yang dipangkatkan.
r2=[n∑xy–∑x∑yn∑x2−(∑x)2.∑y2−(∑y)2√]2
Misalkan jika diperoleh nilai koefisien korelasi sebesar 0.92 maka koefisien
determinasinya adalah 0.85 di dapat dari (0.92)2. Artinya, kemampuan variabel
bebas dalam menjelaskan varian-varian variabel terikatnya sebesar 85% atau
masih terdapat sekitar 15% varias variabel terikat yang dijelaskan oleh faktor
lain.
9. Langkah membuat regresi linear sederhana
a. Cari dulu apakah kedua variabel tersebut ada hubungan linear atau tidak
b. Tentukan terlebih dahulu variabel independent (x) dan variabel
dependennya(y)
c. Membuat diagram pencar dari data x dan y

8
d. Dari diagram pencar tersebut akan diperoleh gambaran pola tebaran x dan
y.apakah membentuk hubungan linear?jika ya,maka model regresinya adalah
regresi linear sederhana,kalau tidak linear bias dicari regresinya
e. Menghitung a dan b
f. Menghitung y^=a+bx, dimana y^= estimasi harga y jika x disubtitusikan
kedalam persamaan regresi
g. Membuat garis y^=a+bx pada sumbu x dan y
10. Istilah-istilah dalam regresi linier sederhana
a. Koefisien Korelasi (r) adalah nilai yang menyatakan kuat atau tidaknya
hubungan antara 2 variabel
b. Standar error koefisien regresi (E) adalah ukuran dari ketepatan koefisien
regresi dalam memprediksi nilai populasinya.Standar error diukur
berdasarkan akar kuadrat dari deviasi atau varians koefisien regresi sampel
dengan koefisien regresi populasi
c. Koefisien determinasi regresi(r 2) adalah a. Nilai yang menunjukkan
seberapa besar pengurangan variasi dalam Y (variabel dependent) saat satu
atau lebih X (variabel independent) masuk kedalam model
regresi. b. Besarnya sumbangan / andil dari variabel x terhadap variasi atau
naik turunnya y
d. Konstanta (a) adalah perpotongan garis regresi dengan sumbu Y (nilai
estimate jika x = 0)
e. Koefisien arah dari regresi linear (b) adalah nilai yang menunjukkan seberapa
besar perubahan nilai Y (variabel dependen) saat X (variabel independent)
bertambah satu-satuan

9
11. Contoh soal regresi linier sederhana

Tabel diatas menyajikan data dengan variabel X adalah umur mobil dan variabel
Y adalah harga. Hasil estimasinya adalah sebagai berikut :

sehingga persamaan regresinya menjadi

Yˆ=195.47−20.26X

Dari hasil estimasi yang diperoleh dapat disimpulkan bahwa setiap umur mobil
bertambah satu tahun maka harga mobil tersebut akan turun sebesar $2.026.

10
 BAB III
PENUTUP

3.1 Kesimpulan
Regresi artinya peramalan penaksiran atau pendugaan pertama kali
diperkenalkan pada tahun 1877 oleh Sir Francis Galtoon (1822-1911). Analisis
regresi digunakan untuk menentukan bentuk dari hubungan antar variabel.
Tujuan utama dalam penggunaan analisis itu adalah untuk meramalkan atau
memperkirakan nilai dari suatu variabel dalam hubungannya dengan variabel
yang lain. 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 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.
Program komputer yang paling banyak digunakan adalah SPSS (Statistical
Package For Service Solutions).
3.2 Saran
Agar strategi pembelajaran statistik berjalan dengan baik, harusnya setiap
materi di bahas dengan sedetail mungkin, agar perkuliahan ini berjalan dengan
lancar.

11
 DAFTAR PUSTAKA

Anto, Dajan, 1991. Pengantar Metode Statistik. Jilid 2. Jakarta : LP3 S

Arif, Karseno. 1995. Statistik I. Jakarta: Karunika

Hasan, Ikbal. 2003. Pokok-pokok Materi Statistik 2. Jakarta: Bumi Aksara.

http://www.jonathansarwono.info/regresi/regresi.htm

http://www.konsultanstatistik.com/2009/03/regresi-linear.htm

12