P. 1
Soal-Jawab Statistik 3

Soal-Jawab Statistik 3

|Views: 451|Likes:
Published by suksesber3

More info:

Published by: suksesber3 on May 18, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

07/04/2014

pdf

text

original

Nama NIM Kelas Prodi

: Muhammad Andri Setiawan : 1102549 : IB : Bimbingan dan Konseling

BAB 5 Regresi Linear Sederhana 1. Penelitian bermaksud menggambarkan sumbangan pendidikan (X) terhadap kinerja Guru SD (Y) dan memperoleh data sebagai berikut : No 1 2 3 4 5 6 7 8 9 10 X 5 9 3 8 4 7 9 5 3 7 Y 8 15 9 16 8 13 19 12 7 14 No 11 12 13 14 15 16 17 18 19 20 X 6 7 5 6 3 4 8 6 4 8 Y 10 11 10 14 7 10 14 13 9 15

a. Model regresi linier sederhana : Y = a + bx + e atau b. Nilai slope, intercept dan persamaan regresi Nilai slope : (∑ ) (∑ )(∑ ) ∑ (∑ ) ( ) ( )( ) ( ) ( )

Intercept : ̅

̅ (

)

Garis regresi liniernya : 8 6 4 2 0 0 0.5 3 3.5 satuan.Persamaan Regresinya.5 Series1 e.5 2 2. menjadi : c. Berikut ini adalah diagram pencarnya : Y 20 18 16 14 12 10 8 6 4 2 0 0 2 4 6 8 10 Y d.5 1 1. . Tafsiran Regresi pada no 1 b Setiap kenaikan pada peubah X akan dikuti kenaikan pada seubah Y sebesar 1.

85 1.85 3.40 7.62 3.00 7.12 1.32 9.3 7.26 -0.95 0.10 Berdasarkan tabel di atas kita dapat menghitung persamaan regresi sebagai berikut : ∑ = 112.92 0.3 0 x2 0.20 5.85 -1.25 6.02 1.15 0 y -3.15 3.12 3.85 1.7 1.15 -2.85 2.65 -0.85 2.85 -2.15 0.3 1.3 -2.9 ∑ .15 -0.85 1.02 8.3 -2.3 -1.7 -0.7 -1.15 0.42 4.45 0.72 8. Persamaan regresi linier dengan menggunakan skor baku : No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 X 5 9 3 8 4 7 9 5 3 7 6 7 5 6 3 4 8 6 4 8 117 Y 8 15 9 16 8 13 19 12 7 14 10 11 10 14 7 10 14 13 9 15 234 x -0.3 -3.40 2.3 -4.15 1.3 -4.70 9.92 8.7 3.15 4.32 0.62 0.42 4.15 -1.85 2.26 13.00 -0.15 -2.35 13.32 0.42 1.62 74.7 2.85 0.80 1.50 23.55 xy 3.7 4.40 3.10 112.7 2.10/19 = 5.3 0.f.7 3.12 4.7 2.15 -1.7 -1.72 0.02 3.15 10.72 9.15 -0.

Kekeliruan prediksi bagi subjek no 3 ( ) Persamaan Regresinya.92 Latar Belakang 9 ( ) Jadi nilai kinerja guru bagi yang latar belakangnya 9 adalah sebesar 16. Nilai kinerja guru (Y) bagi mereka yang latar belakang pendidikannya 4. : Nilai Y bagi subjek no 3 adalah 9.b sama dengan koefisien yang diperoleh pada 1. Yang satu (1. 6 dan 11. Koefisien regresi yang diperoleh pada 1.29 Latar belakang 6 ( ) 9 Jadi nilai kinerja guru bagi yang latar belakangnya 6 adalah sebesar 11.f. = 9 – 7. menjadi : g. Prediksi yang paling akurat. Jadi.42 = 1. karena keduanya berdasarkan pada rumus standar. Kekeliruan prediksi bagi subjek no 3.58 Kekeliruan prediksi bagi subjek no 6 .f) menggunakan metode kuadrat berdasarkan skor mentah. Nilai kinerja guru bagi yang latar belakang pendidikannya 4 ( ) Jadi nilai kinerja guru bagi yang latar belakangnya 4 adalah sebesar 8.b) menggunakan metode kuadrat besar dan yang lainnya (1.42 2. h. 6 dan 9.̅ ̅ ( ) Persamaan Regresinya.

3 . Jadi. koefisien regresi kali nilai npada peubah X.42 7.92 = -1.58. ( ) = 13 – 13. dan e.7 1.3 -3.42 14. Model regresi linier sederhana disebut kita peroleh. e -2.42 16.08 -0.42 10.7 4. 6.42 2.92 Prediksi yang lebih akurat terdapat pada no 3. : Nilai Y bagi subjek no 6 adalah 13. Jadi. dan galat prediksi.42 16. Galat prediksi merupakan variasi nilai pada peubah Y yang tidak dapat dijelaskan melalui persamaan regresi linier. Model regresi linier adalah satu model dimana setiap nilai pada peubah Y merupakah jumlah dari 3 komponen : intercept. juga observed atau hasil yang Sedangkan persamaan regresi linier adalah satu bentuk persamaan dimana setiap nilai pada peubah Y merupakan jymlah dari 2 komponen yaitu : intercept dan pada peubah X.42 ( ) = 10 – 11. Perbedaan istilah model regresi linier dan persamaan regresi linier.92 13.42 -1. Kekeliruan prediksi bagi subjek no 11 Persamaan Regresinya.58 1.42 .92 8.42 = -0. No 1 2 3 4 5 6 7 8 X 5 9 3 8 4 7 9 5 Y 8 15 9 16 8 13 19 12 Y’ 10. Kemudian masukkan nilai Y.92 -0. Pelajaran yang dapat diambil. dengan nilai positif 1.58 1.42 1.58 y -3.Persamaan Regresinya. Persamaan regresi linier disebut juga koefisien regresi kali nilai predicted atau memprediksikan sesuatu.7 3. : Nilai Y bagi subjek no 11 adalah 10. Menghitung nilai prediksi ( )dan residu (e).3 0.3 7.3 -2. 5.

5 X a. Y’ = -2 + 1.0 X c.3 -2. Gambar garis lurus regresi Y atas X untuk masing-masing persamaan berikut.92 8.7 -0.5 X. Y’ = -2 + 1. Y’ = 3.92 233. Sebaliknya subjek yang nilai Y nya di bawah rata-rata .9 -0.7 2.42 13.7 3.92 14.42 2.08 0.3 -4.92 13. Y’ = 2 + 1. 8.42 -0.42 11.7 2.7 -1.08 -0. dapat dibuat gambar sebagai berikut : .08 -0.9 10 11 12 13 14 15 16 17 18 19 20 3 7 6 7 5 6 3 4 8 6 4 8 117 7 14 10 11 10 14 7 10 14 13 9 15 234 7.08 0.42 0.7 2.5 X b.92 -2.3 1.7 -1.0 X. maka nilai residunya atau “e” nya cenderung positif.1 -4.92 1.42 11.58 -1.3 Pelajaran yang dapat diambil adalah bahwa bila dibandingnya hampir semua nilai subjek yang memiliki nilai Y di atas rata-rata.92 14. maka nilai residunya atau “e” nya cenderung negarif.42 10.92 11.42 1.92 7.08 0. Y’ = 2 + 1.42 8.6 + 0. dapat dibuat gambar sebagai berikut : 14 12 10 8 6 4 2 0 0 2 4 6 8 Series1 b.3 -1. bandingkan dan buat kesimpulan : a.

dapat disimpulkan bahwa ketiga persamaan garis lurus tersebut menunjukkan regresi linier positif.5 X.5. dapat dibuat grafik sebagai berikut : 6 5 4 3 2 1 0 0 1 2 3 4 5 6 Series1 Kesimpulan: Berdasarkan tampilan pada ketiga tabel di atas. 1 dan 0.4 3 2 1 0 -1 -2 -3 0 1 2 3 4 5 6 Series1 c.5 satuan. artinya setiap kenaikan skor pada peubah X akan diikuti oleh kenaikan skor pada peubah Y sebesar 1. .6 + 0. Y’ = 3.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->