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 : ̅

̅ (

)

5 3 3. menjadi : c.5 Series1 e. Tafsiran Regresi pada no 1 b Setiap kenaikan pada peubah X akan dikuti kenaikan pada seubah Y sebesar 1. . 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 2 2.5 satuan.5 1 1. Garis regresi liniernya : 8 6 4 2 0 0 0.Persamaan Regresinya.

f.32 0.42 1.7 2.55 xy 3.02 8.10 112.92 8.15 4.3 7.3 -1.10/19 = 5.35 13.15 -1.9 ∑ .02 1.7 3.00 -0.20 5.72 8.12 4.7 4.3 -4.26 -0. 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 -0.72 9.15 1.85 2.15 -1.7 3.95 0.3 -4.42 4.85 2.85 -2.40 3.10 Berdasarkan tabel di atas kita dapat menghitung persamaan regresi sebagai berikut : ∑ = 112.62 0.70 9.7 -1.00 7.12 3.45 0.85 3.15 0 y -3.15 -2.62 74.7 2.15 0.85 1.15 10.3 0.3 -2.40 2.15 -0.15 -0.02 3.85 2.85 1.72 0.15 -2.3 1.3 0 x2 0.12 1.85 1.85 0.25 6.62 3.32 0.7 1.3 -3.7 -0.92 0.7 -1.50 23.32 9.26 13.3 -2.7 2.80 1.15 3.42 4.40 7.65 -0.15 0.85 -1.

Nilai kinerja guru (Y) bagi mereka yang latar belakang pendidikannya 4.42 = 1.42 2. Prediksi yang paling akurat. karena keduanya berdasarkan pada rumus standar. 6 dan 11.58 Kekeliruan prediksi bagi subjek no 6 . Kekeliruan prediksi bagi subjek no 3. Kekeliruan prediksi bagi subjek no 3 ( ) Persamaan Regresinya.f.b sama dengan koefisien yang diperoleh pada 1. Koefisien regresi yang diperoleh pada 1. 6 dan 9. Yang satu (1.29 Latar belakang 6 ( ) 9 Jadi nilai kinerja guru bagi yang latar belakangnya 6 adalah sebesar 11.̅ ̅ ( ) Persamaan Regresinya. h. Nilai kinerja guru bagi yang latar belakang pendidikannya 4 ( ) Jadi nilai kinerja guru bagi yang latar belakangnya 4 adalah sebesar 8.f) menggunakan metode kuadrat berdasarkan skor mentah. : Nilai Y bagi subjek no 3 adalah 9. = 9 – 7. Jadi.b) menggunakan metode kuadrat besar dan yang lainnya (1.92 Latar Belakang 9 ( ) Jadi nilai kinerja guru bagi yang latar belakangnya 9 adalah sebesar 16. menjadi : g.

3 . Pelajaran yang dapat diambil. Model regresi linier adalah satu model dimana setiap nilai pada peubah Y merupakah jumlah dari 3 komponen : intercept.42 16. : Nilai Y bagi subjek no 6 adalah 13. Jadi. koefisien regresi kali nilai npada peubah X. Menghitung nilai prediksi ( )dan residu (e).7 3.7 4. 6.42 .42 ( ) = 10 – 11. Model regresi linier sederhana disebut kita peroleh. ( ) = 13 – 13.42 7.92 8.92 -0.58. Jadi.92 = -1.3 0.42 16.3 -2. : Nilai Y bagi subjek no 11 adalah 10.58 1.7 1. Kemudian masukkan nilai Y.92 13. dan e. 5.3 -3.42 1.08 -0. dan galat prediksi. 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. Persamaan regresi linier disebut juga koefisien regresi kali nilai predicted atau memprediksikan sesuatu.42 2.58 y -3.3 7.92 Prediksi yang lebih akurat terdapat pada no 3. e -2. dengan nilai positif 1.42 10.42 14. Kekeliruan prediksi bagi subjek no 11 Persamaan Regresinya.42 -1.58 1. 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.Persamaan Regresinya.42 = -0. Galat prediksi merupakan variasi nilai pada peubah Y yang tidak dapat dijelaskan melalui persamaan regresi linier. Perbedaan istilah model regresi linier dan persamaan regresi linier.

42 1.5 X b.7 -1.3 -4.42 11. dapat dibuat gambar sebagai berikut : 14 12 10 8 6 4 2 0 0 2 4 6 8 Series1 b.08 0. maka nilai residunya atau “e” nya cenderung negarif.3 1.3 Pelajaran yang dapat diambil adalah bahwa bila dibandingnya hampir semua nilai subjek yang memiliki nilai Y di atas rata-rata.42 11.92 14. Y’ = 2 + 1.7 -1.7 3. Y’ = -2 + 1.92 13.0 X c. Y’ = -2 + 1.9 -0.92 -2.9 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 7.92 7.08 0.7 -0.42 10.08 -0.6 + 0.7 2.3 -1. Y’ = 2 + 1.0 X.7 2.58 -1. bandingkan dan buat kesimpulan : a. dapat dibuat gambar sebagai berikut : . maka nilai residunya atau “e” nya cenderung positif.7 2.92 8.42 0.08 -0.92 233. 8.42 2.3 -2.92 11.08 0. Sebaliknya subjek yang nilai Y nya di bawah rata-rata .5 X.42 8.42 -0. Gambar garis lurus regresi Y atas X untuk masing-masing persamaan berikut.42 13.92 14.5 X a. Y’ = 3.92 1.1 -4.

4 3 2 1 0 -1 -2 -3 0 1 2 3 4 5 6 Series1 c.6 + 0.5. artinya setiap kenaikan skor pada peubah X akan diikuti oleh kenaikan skor pada peubah Y sebesar 1. 1 dan 0. .5 satuan. 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. Y’ = 3.5 X. dapat disimpulkan bahwa ketiga persamaan garis lurus tersebut menunjukkan regresi linier positif.

Sign up to vote on this title
UsefulNot useful