Contoh Soal Regresi Linear Sederhana: Memahami Hubungan Dua Variabel
Dalam dunia statistik, regresi linear sederhana merupakan salah satu metode yang banyak digunakan untuk menganalisis hubungan antara dua variabel. Metode ini bertujuan untuk menemukan hubungan linier antara variabel dependen (variabel yang dipengaruhi) dan variabel independen (variabel yang mempengaruhi).
Berikut ini adalah beberapa contoh soal regresi linear sederhana yang dapat membantu Anda memahami penerapan metode ini:
- Menentukan Hubungan antara Berat Badan dan Tinggi Badan
Dalam penelitian kesehatan, sering kali dilakukan analisis hubungan antara berat badan dan tinggi badan seseorang. Berat badan sebagai variabel dependen dan tinggi badan sebagai variabel independen.
Misalnya, Anda memiliki data berat badan dan tinggi badan 10 orang sebagai berikut:
Nama |
Berat Badan (kg) |
Tinggi Badan (cm) |
|---|---|---|
Ani |
50 |
150 |
Budi |
60 |
160 |
Cici |
70 |
170 |
Didi |
80 |
180 |
Eni |
90 |
190 |
Fifi |
100 |
200 |
Gugun |
110 |
210 |
Hani |
120 |
220 |
Ijah |
130 |
230 |
Jajang |
140 |
240 |
Dari data tersebut, Anda dapat membuat plot pencar untuk melihat hubungan antara berat badan dan tinggi badan. Jika plot pencar menunjukkan pola linier, maka Anda dapat menggunakan regresi linear sederhana untuk menganalisis hubungan tersebut.
Persamaan regresi linear sederhana yang diperoleh dari data tersebut adalah:
Berat Badan = 20 + 10 * Tinggi Badan
Persamaan ini menunjukkan bahwa berat badan seseorang bertambah 10 kg untuk setiap penambahan tinggi badan sebesar 1 cm.
- Memprediksi Penjualan Berdasarkan Biaya Iklan
Dalam pemasaran, regresi linear sederhana dapat digunakan untuk memprediksi penjualan berdasarkan biaya iklan. Biaya iklan sebagai variabel independen dan penjualan sebagai variabel dependen.
Misalnya, Anda memiliki data biaya iklan dan penjualan 10 perusahaan sebagai berikut:
Nama Perusahaan |
Biaya Iklan (juta rupiah) |
Penjualan (juta rupiah) |
|---|---|---|
PT. A |
10 |
100 |
PT. B |
20 |
200 |
PT. C |
30 |
300 |
PT. D |
40 |
400 |
PT. E |
50 |
500 |
PT. F |
60 |
600 |
PT. G |
70 |
700 |
PT. H |
80 |
800 |
PT. I |
90 |
900 |
PT. J |
100 |
1.000 |
Dari data tersebut, Anda dapat membuat plot pencar untuk melihat hubungan antara biaya iklan dan penjualan. Jika plot pencar menunjukkan pola linier, maka Anda dapat menggunakan regresi linear sederhana untuk menganalisis hubungan tersebut.
Persamaan regresi linear sederhana yang diperoleh dari data tersebut adalah:
Penjualan = 100 + 10 * Biaya Iklan
Persamaan ini menunjukkan bahwa penjualan perusahaan meningkat sebesar 10 juta rupiah untuk setiap penambahan biaya iklan sebesar 1 juta rupiah.
- Menentukan Hubungan antara Suhu dan Kelembaban Udara
Dalam klimatologi, regresi linear sederhana dapat digunakan untuk menentukan hubungan antara suhu dan kelembaban udara. Suhu sebagai variabel independen dan kelembaban udara sebagai variabel dependen.
Misalnya, Anda memiliki data suhu dan kelembaban udara pada suatu lokasi selama 10 hari sebagai berikut:
Tanggal |
Suhu (°C) |
Kelembaban Udara (%) |
|---|---|---|
1 Januari |
20 |
60 |
2 Januari |
22 |
65 |
3 Januari |
24 |
70 |
4 Januari |
26 |
75 |
5 Januari |
28 |
80 |
6 Januari |
30 |
85 |
7 Januari |
32 |
90 |
8 Januari |
34 |
95 |
9 Januari |
36 |
100 |
10 Januari |
38 |
105 |
Dari data tersebut, Anda dapat membuat plot pencar untuk melihat hubungan antara suhu dan kelembaban udara. Jika plot pencar menunjukkan pola linier, maka Anda dapat menggunakan regresi linear sederhana untuk menganalisis hubungan tersebut.
Persamaan regresi linear sederhana yang diperoleh dari data tersebut adalah:
Kelembaban Udara = 50 + 5 * Suhu
Persamaan ini menunjukkan bahwa kelembaban udara meningkat sebesar 5% untuk setiap penambahan suhu sebesar 1 derajat Celcius.
Demikian beberapa contoh soal regresi linear sederhana yang dapat membantu Anda memahami penerapan metode ini. Semoga bermanfaat!
Sampai jumpa kembali di artikel menarik lainnya.
