Regresi linier sederhana adalah sebuah model statistik yang digunakan untuk menjelaskan hubungan dua variabel dalam bentuk fungsional. Dua variabel tersebut adalah variabel dependen (\(y\)) atau disebut juga dengan variabel respon dan variabel independen (\(x\)) atau disebut juga dengan variabel prediktor atau variabel penjelas. Skala data yang digunakan dalam regresi linier sederhana adalah interval atau rasio. Show Model Regresi Linier SederhanaJika terdapat pasangan data \((x_1,y_1),\) \((x_2,y_2),\) \(...,\) \((x_n,y_n),\) maka hubungan fungsional pasangan data tersebut dijelaskan dalam model regresi linier sederhana sebagai berikut. \[y = \beta_0 + \beta_1x + \varepsilon\] dimana parameter \(\beta_0\) (intercept) dan \(\beta_1\) (slope) adalah parameter-parameter yang tidak diketahui, sedangkan \(\varepsilon\) adalah error random yang mengikuti distribusi normal dengan \(\text{E}(\varepsilon)=0\)
dan \(\text{Var}(\varepsilon)=\sigma^2.\) Parameter \(\beta_0\) dan \(\beta_1\) dapat diestimasi dengan \(b_0\) dan \(b_1,\) sehingga estimasi garis regresi menjadi \[\hat{y}_i=b_0+b_1x_i\] dimana \(b_0\) dan \(b_1,\) dapat dihitung dari data sampel dengan rumus berikut: \[\begin{aligned} b_1 &= \frac {\displaystyle n\sum_{i=1}^n x_iy_i - \left(\sum_{i=1}^n x_i\right)\left(\sum_{i=1}^n y_i\right)} {\displaystyle n\sum_{i=1}^n x_i^2 - \left(\sum_{i=1}^n x_i\right)^2}\\ b_0 &= \bar{y} - b_1\bar{x} \end{aligned}\] Koefisien DeterminasiKoefisien determinasi adalah nilai yang menunjukkan seberapa besar variabel independen \((x)\) mampu menjelaskan variabel dependen \((y)\) dalam model regresi yang terbentuk. Koefisien determinasi \((R^2)\) dirumuskan oleh \[R^2=\frac{SSR}{SST},\] dimana \[\begin{aligned} SSR &= \sum_{i=0}^n(\hat{y}_i - \bar{y})^2\\ SST &= \sum_{i=0}^n(y_i - \bar{y})^2 \end{aligned}\] Nilai
koefisien determinan selalu bernilai positif dan berkisar antara 0 sampai dengan 1. Semakin besar nilai koefisien determinasi maka semakin besar kemampuan variabel independen \((x)\) dalam menjelaskan variabel dependen \((y)\) pada model regresi yang terbentuk. Contoh Soal Regresi Linier SederhanaSeorang manager ingin mengetahui hubungan antara lamanya tenaga penjualan melakukan penjualan dalam satuan jam \((x)\) dengan banyaknya produk yang berhasil terjual \((y)\). Dari
sampel sebanyak 5 orang tenaga penjualan, diperoleh data lamanya dan banyaknya penjualan sebagai berikut.
Buatlah model regresi hubungan lamanya melakukan penjualan dan banyaknya penjualan produk tersebut dan hitung koefisien determinasinya! Jawab: Untuk menyelesaikan soal tersebut buatlah tabel yang kolomnya adalah \(x_i,\) \(y_i,\) \(x_i^2\) dan \(x_iy_i\) terlebih dahulu.
Dari tabel tersebut dapat diperoleh \[\begin{aligned} \sum_{i=1}^n x_i &= 15\\ \sum_{i=1}^n y_i &= 18\\ \sum_{i=1}^n x_i^2 &= 55\\ \sum_{i=1}^n x_iy_i &= 60 \end{aligned}\] Selanjutnya hitung \(\bar{x},\) \(\bar{y}\) dan \(b_1.\) \[\begin{aligned} \bar{x} &= \frac{1}{n}\sum_{i=1}^n x_i\\ &= \frac{1}{5}(15)\\ &= 3\\ \\ \bar{y} & =\frac{1}{n}\sum_{i=1}^n y_i\\ &= \frac{1}{5}(18)\\ &= 3\text{,}6\\ \\ b_1 &= \frac{\displaystyle n\sum_{i=1}^n x_iy_i-\left(\sum_{i=1}^n x_i\right)\left(\sum_{i=1}^n y_i\right)}{\displaystyle n\sum_{i=1}^n x_i^2-\left(\sum_{i=1}^n x_i\right)^2}\\ &= \frac{(5)(60)-(15)(18)}{(5)(55)-(15^2)}\\ &= \frac{30}{50}\\ &= 0\text{,}6 \end{aligned}\] Selanjutnya dari nilai-nilai di atas, hitunglah \(b_0.\) \[\begin{aligned} b_0 &= \bar{y}-b_1\bar{x}\\ &= (3\text{,}6)-(0\text{,}6)(3)\\ &= 1\text{,}8 \end{aligned}\] Dengan demikian model yang terbentuk adalah \[\hat{y}_i=1\text{,}8+0\text{,}6x_i\] Untuk menghitung koefisien determinasi \((R^2),\) buatlah tabel yang kolom adalah \(y_i,\) \(\hat{y}_i,\) \(\hat{y}_i - \bar{y}\) dan \(y_i - \bar{y}.\)
\[\begin{aligned} SSR &= \sum_{i=0}^n(\hat{y}_i - \bar{y})^2\\ &= 3\text{,}6\\ SST &= \sum_{i=0}^n(y_i - \bar{y})^2\\ &= 11\text{,}2 \end{aligned}\] Dengan demikian, \[R^2=\frac{SSR}{SST} = \frac{3\text{,}6}{11\text{,}2} = 0\text{,}32\] Regresi Linier Sederhana dengan RLangkah pertama,
input data \(x\) dan \(y\) terlebih dahulu.
Hitung regresi linier sederhana menggunakan lm.
Tampilkan hasil regresi dengan perintah summary.
Bagaimana rumus regresi linier sederhana?Regresi linier sederhana, yaitu regresi linier yang hanya melibatkan 2 variabel (variabel x dan y). Persamaan regresi linier dari X terhadap Y dirumuskan: Y = a + bX dimana: Y = Variabel terikat X = Variabel bebas a = Intersep b = Koefisien regresi/slop.
LangkahLangkah Analisis dan Contohnya. Menentukan Tujuan Analisis. ... . Mencari Objek yang Menjadi Variabel Utama. ... . Mengumpulkan Data. ... . Mengelompokkan Variabel. ... . Menggunakan Rumus Regresi. ... . 6. Membuat Model Persamaan. ... . 7. Melakukan Prediksi.. Regresi linear sederhana menggunakan uji apa saja?Pada penelitian dengan menggunakan metode regresi linier sederhana ini data yang digunakan adalah data interval atau rasio. Uji asumsi klasik yang sering digunakan yaitu uji multikolinearitas, uji heteroskedastisitas, uji normalitas, uji autokorelasi dan uji linearitas.
4 Apa itu regresi linier sederhana?Analisis Regresi Sederhana adalah sebuah metode pendekatan untuk pemodelan hubungan antara satu variabel dependen dan satu variabel independen. Dalam Analisis Regresi Sederhana, hubungan antara variabel bersifat linier, dimana perubahan pada variabel X akan diikuti oleh perubahan pada variabel Y secara tetap.
|