Laporan Praktikum Regresi Linear
I. COVER
LAPORAN PRAKTKUM REGRESI LINEAR
L ABORATORIUM STATISTIKA DAN SOSIAL
DEPARTEMEN AGRIBISNIS FAKULTAS PERTANIAN
UNIVERSITAS SYIAH KUALA
DARUSSALAM-BANDA ACEH
2025
II. LATAR BELAKANG
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 sholutions).
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.
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 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. Penambahan variabel bebas ini
diharapkan dapat lebih menjelaskan karakteristik hubungan yang ada walaupun
masih saja ada variabel yang terabaikan.
III. TINJAUAN PUSTAKA
Regresi merupakan suatu alat ukur yang digunakan untuk mengukur ada tidaknya korelasi antar variabel. Metode regresi linier sendiri terdiri dari 2 jenis yaitu metode regresi linier sederhana dan metode regresi linier berganda. Analisis regresi lebih akurat dalam melakukan analisis korelasi, peramalan atau perkiraan nilai variabel terikat pada nilai variabel bebas lebih akurat pula karena pada analisis ini kesulitan dalam menunjukkan slop (tingkat perubahan suatu variabel terhadap variabel lain dapat ditentukan). Analisis regresi diartikan sebagai suatu analisis tentang ketergantungan suatu variabel kepada variabel lain yaitu variabel bebas dalam rangka membuat estimasi atau prediksi dari nilai rata-rata variabel tergantung dengan diketahuinya nilai variabel bebas (Almumtazah et al., 2021). Analisis Regresi linear (Linear Regression analysis) adalah teknik statistika untuk membuat model dan menyelidiki pengaruh antara satu atau beberapa variabel bebas (Independent Variables) terhadap satu variabel respon (dependent variable) (Agus Tribasuki, 2016). Analisis regresi terbagi menjadi regresi linear dan non-linear. Regresi linear dibagi menjadi dua bagian yaitu, regresi linear sederhana dan regresi linear berganda. Analisis regresi adalah salah satu analisis yang paling populer dan luas pemakaiannya. Hampir semua bidang ilmu yang memerlukan analisis sebab-akibat boleh dipastikan mengenal analisis ini (Raehan et al., 2021).
Analisis regresi linear adalah teknik statistik untuk memodelkan dan mempelajari hubungan dua variabel atau lebih. Yang paling sederhana dan paling umum adalah regresi linear sederhana. Ada satu atau lebih variabel independen atau prediktif dalam analisis regresi yang dapat diwakili oleh x. satu variabel respon yang dapat diwakili oleh y. Sesuai dengan namanya, hubungan antara kedua variabel ini bersifat linier, Dalam analisis regresi, variabel yang terpengaruh disebut variabel bebas atau independen, dan variabel yang terpengaruh disebut variabel terkait atau dependen. Tujuan utama dari analisis regresi linear adalah untuk menciptakan model hubungan antara variabel-variabel tersebut sehingga dapat digunakan untuk membuat prediksi atau estimasi nilai variabel dependen berdasarkan nilai variabel independen. (Sarbaini et al., 2022). Regresi linear juga suatu metode popular untuk berbagai macam permasalahan. Formula regresi linear untuk peramalan time series, cocok digunakan bila pola data adalah tren. Analisis regresi linear membutuhkan beberapa asumsi agar hasil estimasi koefisien regresi menjadi valid dan dapat diinterpretasikan dengan baik. Salah satu asumsi tersebut adalah sebagai berikut: hubungan antara variabel X dan Y bersifat linear, residual atau galat memiliki distribusi normal, varians residual konstan (homoskedastisitas), tidak ada autokorelasi antar residual, dan regresi linear berganda tidak menunjukkan multikolinearitas. Hasil regresi mungkin tidak akurat atau tidak efisien jika asumsi-asumsi ini dilanggar. (Arief Nurdini dan Anita, 2022).
Analisis regresi digunakan untuk
mengukur seberapa besar pengaruh antara variabel bebas dan variabel terikat.
Apabila hanya terdapat satu variabel bebas dan satu variabel terikat, maka
regresi tersebut dinamakan regresi linear sederhana (Padilah dan Adam,
2019). Sebaliknya, apabila terdapat lebih dari satu variabel bebas atau
variabel terikat, maka disebut regresi linear berganda. Regresi linear berganda
merupakan model regresi yang melibatkan lebih dari satu variabel independen.
Analisis regresi linear berganda dilakukan untuk mengetahui arah dan seberapa
besar pengaruh variabel independen terhadap variabel dependen (Ghozali,
2018). Analisis regresi linear sederhana merupakan suatu metode pendekatan
untuk memodelkan hubungan antara satu variabel terikat dengan satu variabel
bebas. Banyak bidang, termasuk teknik, ekonomi, agribisnis, kesehatan,
psikologi, dan sebagainya, menggunakan regresi linear. Misalnya, regresi linear
dapat digunakan dalam agribisnis untuk melihat bagaimana penggunaan pupuk memengaruhi
hasil panen. Dalam ekonomi, model ini sering digunakan untuk menghitung
konsumsi rumah tangga yang didasarkan pada pendapatan. Karena kesederhanaannya
dan kemampuan untuk menunjukkan pola hubungan antar variabel, regresi linear
menjadi alat analisis penting dalam penelitian kuantitatif.
Regresi linier berganda merupakan suatu algoritma yang
digunakan untuk menelusuri pola hubungan antara variabel terikat dengan dua
atau lebih variabel bebas (Uyanik dan Guler, 2013). Regresi Linear Berganda
adalah model regresi linear dengan melibatkan lebih dari satu variable bebas
atau predictor. Dalam bahasa inggris, istilah ini disebut dengan multiple
linear regression. Analisis regresi berganda digunakan oleh peneliti, bila
peneliti bermaksud meramalkan keadaan (naik turunnya) variabel dependen (kriterium), bila
dua atau lebih variabel independen sebagai faktor prediktor dimanipulasi (naik
turunnya) (Sudariana dan
Yoedani, 2022). Regresi linear dapat menghasilkan data kuantitatif
yang dapat digunakan untuk pengambilan keputusan, yang merupakan salah satu
keunggulannya. Peneliti dapat mengetahui seberapa besar pengaruh variabel
independen terhadap variabel dependen dengan melihat nilai koefisien regresi.
Selain itu, nilai probabilitas (p-value) dan statistik uji t
diberikan oleh analisis regresi untuk menunjukkan tingkat signifikansi dari
masing-masing variabel independen. Model yang baik biasanya ditunjukkan dengan
koefisien determinasi (R2) yang tinggi, yang menunjukkan bahwa
variabel independen sebagian besar bertanggung jawab atas variasi dalam
variabel dependen (Afifah Muhartini et al., 2021).
Namun, regresi linear juga memiliki keterbatasan. Model ini hanya efektif jika hubungan antar variabel benar-benar linear. Jika hubungan yang sebenarnya bersifat non-linear, maka penggunaan regresi linear bisa memberikan hasil yang menyesatkan. Selain itu, regresi linear sensitif terhadap outlier, yaitu nilai-nilai ekstrim yang dapat mempengaruhi garis regresi secara signifikan. Oleh karena itu, sebelum menggunakan regresi linear, peneliti perlu melakukan eksplorasi data secara menyeluruh, termasuk uji normalitas, homoskedastisitas, dan identifikasi data pencilan (Husdi dan Dalai, 2023). Secara keseluruhan, regresi linear adalah alat statistik yang sangat penting dalam analisis data karena aplikasinya yang luas, interpretasinya yang mudah, dan luasnya spektrum aplikasinya. Dengan memahami teori, asumsi, dan prosedur pelaksanaan regresi linear, peneliti dapat memperoleh hasil analisis yang dapat diandalkan, yang dapat digunakan untuk membuat prediksi atau mendukung pengambilan keputusan berbasis data. Oleh karena itu, regresi linear tetap menjadi komponen penting dari pembelajaran data (Yusuf Alwy et al., 2024).
IV. DATA
V. OUTPUT
VI. VIDEO
VII. REFERENSI
- Afifah Muhartini, A., Sahroni, O., Dwi Rahmawati, S., Febrianti, T., Mahuda, I., Saintek, F., dan Bina Bangsa, U. (2021). Analisis Peramalan Jumlah Penerimaan Mahasiswa Baru Dengan Menggunakan Metode Regresi Linear Sederhana. Jurnal Bayesian : Jurnal Ilmiah Statistika Dan Ekonometrika, 1(1), 17–23.
- Agus Tribasuki, N. P. (2016). ANALISIS REGRESI DALAM PENELITIAN EKONOMI dan BISNIS (DILENGKAPI APLIKASI SPSS dan EVIEWS). Jakarta RajaGrafindo Persada.
- Almumtazah, N., Azizah, N., Putri, Y. L., dan Novitasari, D. C. R. (2021). Prediksi Jumlah Mahasiswa Baru Menggunakan Metode Regresi Linier Sederhana. Jurnal Ilmiah Matematika Dan Terapan, 18(1), 31–40.
- Arief Nurdini, dan Anita. (2022). Analisis Peramalan Permintaan Tempe Gmo 450 Gram Dengan Menggunakan Metode Regresi Linear. Jurnal Ilmiah Teknik, 1(2), 131–142.
- Ghozali, Imam. (2018). Aplikasi Analisis Multivariate Dengan Program IBM SPSS 25. Semarang: Badan Penerbit Universitas Diponegoro.
- Husdi, H., & Dalai, H. (2023). Penerapan Metode Regresi Linear Untuk Prediksi Jumlah Bahan Baku Produksi Selai Bilfagi. Jurnal Informatika, 10(2), 129–135.
- Juliandi, A., Irfan dan Manurung, S. (2014). Metode Penelitian Bisnis. Medan: UMSU Press.
- Padilah, T. N., dan Adam, R. I. (2019). Analisis Regresi Linier Berganda Dalam Estimasi Produktivitas Tanaman Padi Di Kabupaten Karawang. FIBONACCI: Jurnal Pendidikan Matematika dan Matematika, 5(2), 117.
- Raehan, R., Sitti Aras Diana, dan Wahida Munir. (2021). Determinan Pernikahan Usia Muda di Kabupaten Polewali Mandar. Bina Generasi : Jurnal Kesehatan, 12(2), 36–41.
- Sarbaini, S., Zukrianto, Z., dan Nazaruddin, N. (2022). Pengaruh Tingkat Kemiskinan Terhadap Pembangunan Rumah Layak Huni di Provinsi Riau Menggunakan Metode Analisis Regresi Sederhana. Jurnal Teknologi Dan Manajemen Industri Terapan, 1(3), 131–136.
- Sudariana, dan Yoedani. (2022). Analisis Statistik Regresi Linier Berganda. Seniman Transaction, 2(2), 1–11.
- Yusuf Alwy, M., Herman, H, T., Abraham, A., dan Rukmana, H. (2024). Analisis Regresi Linier Sederhana dan Berganda Beserta Penerapannya. Journal on Education, 06(02), 13331–13344.
Komentar
Posting Komentar