Artikel ini perlu diwikifikasi agar memenuhi standar kualitas Wikipedia. Anda dapat memberikan bantuan berupa penambahan pranala dalam, atau dengan merapikan tata letak dari artikel ini.
Untuk keterangan lebih lanjut, klik [tampil] di bagian kanan.
Tambahkan pranala wiki. Bila dirasa perlu, buatlah pautan ke artikel wiki lainnya dengan cara menambahkan "[[" dan "]]" pada kata yang bersangkutan (lihat WP:LINK untuk keterangan lebih lanjut). Mohon jangan memasang pranala pada kata yang sudah diketahui secara umum oleh para pembaca, seperti profesi, istilah geografi umum, dan perkakas sehari-hari.
Sunting bagian pembuka. Buat atau kembangkan bagian pembuka dari artikel ini.
Regresi merupakan suatu teknik statistik yang digunakan untuk mengukur ada atau tidaknya korelasi antar variabel. Jika kita memiliki dua buah variabel atau lebih maka dapat dipelajari bagaimana variabel-variabel itu berhubungan atau dapat diramalkan.[1]
Analisis regresi berguna untuk mendapatkan hubungan fungsional antara dua variabel atau lebih. Selain itu analisis regresi berguna untuk mendapatkan pengaruh antar variabel prediktor terhadap variabel kriteriumnya atau meramalkan pengaruh variabel prediktor terhadap variabel kriteriumnya (Usman & Akbar, 2006).
Analisis regresi mempelajari hubungan yang diperoleh dinyatakan dalam persamaan matematika yang menyatakan hubungan fungsional antara variabel-variabel. Hubungan fungsional antara satu variabel prediktor dengan satu variabel kriterium disebut analisis regresi sederhana (tunggal), sedangkan hubungan fungsional yang lebih dari satu variabel disebut analisis regresi ganda.
Istilah regresi (ramalan/taksiran) pertama kali diperkenalkan oleh Sir Francis Galton pada tahun 1877 sehubungan dengan penelitiannya terhadap tinggi manusia, yaitu antara tinggi anak dan tinggi orang tuanya. Pada penelitiannya Galton mendapatkan bahwa tinggi anak dari orang tua yang tinggi cenderung meningkat atau menurun dari berat rata-rata populasi. Garis yang menunjukkan hubungan tersebut disebut garis regresi.
Analisis regresi lebih akurat dalam melakukan analisis korelasiDiarsipkan 2010-07-10 di Wayback Machine., karena pada analisis itu kesulitan dalam menunjukkan slop (tingkat perubahan suatu variabel terhadap variabel lainnya dapat ditentukan). Dengan demikian maka melalui analisis regresi, peramalan nilai variabel terikat pada nilai variabel bebas lebih akurat pula.
Persamaan Regresi Linier dari Y terhadap X
Persamaan regresi linier dari Y terhadap X dirumuskan sebagai berikut:
Y = a + b X
Keterangan:
Y = variabel terikat
X = variabel bebas
a = intersep
b = koefisien regresi/slop
Pada persamaan tersebut di atas, nilai a dan b dapat ditentukan dengan cara sebagai berikut:
rumus regresi sederhana
regresi sederhana
Contoh latihan soal regresi sederhana
Berikut ini adalah data pengalaman kerja dan omzet penjualan dari 8 marketing pada PT Bang Toyib Gak Pulang-pulang
contoh latihan soal regresi sederhana
Pertanyaan:
1. Tentukan nilai a dan b !
2. Buatkan persamaan garis regresinya !
3. Berapa perkiraan omzet penjualan dari seorang marketing yang memiliki pengalaman kerjanya 3,5 tahun?
Penyelesaian:
tabel penolong regresiregresi linier sederhana
Dijawab:
1. nilai a = 3,25 dan b = 1,25
2. Persamaan regresi liniernya adalah
