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 2 2.5 Series1 e. . Tafsiran Regresi pada no 1 b Setiap kenaikan pada peubah X akan dikuti kenaikan pada seubah Y sebesar 1.5 satuan. Garis regresi liniernya : 8 6 4 2 0 0 0.5 3 3. 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.Persamaan Regresinya.

7 3.3 -1.72 9.25 6.40 3.42 4.92 0.3 -2.7 -1.3 7.20 5.15 0.55 xy 3.3 0 x2 0.3 0.02 1.72 8.00 -0.92 8.7 1.7 4.10 Berdasarkan tabel di atas kita dapat menghitung persamaan regresi sebagai berikut : ∑ = 112.15 -2.40 7.62 0.45 0.3 -3.40 2.85 2.10 112.26 13.15 0.7 2.12 3.f.15 -1.7 2.12 4.85 1.85 2.15 1.9 ∑ .72 0.62 74.15 -1.15 3.02 3.00 7.15 -2.85 0.80 1.32 0.15 4.62 3.3 -4.7 3.7 2.65 -0.42 4.15 10.95 0.12 1.85 1.3 -2.3 -4.15 0 y -3.35 13. 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 -0.15 -0.42 1.7 -0.85 3.02 8.26 -0.85 -1.10/19 = 5.85 -2.85 1.32 9.50 23.15 -0.3 1.7 -1.32 0.85 2.70 9.

menjadi : g. Yang satu (1. 6 dan 11.42 = 1.92 Latar Belakang 9 ( ) Jadi nilai kinerja guru bagi yang latar belakangnya 9 adalah sebesar 16.̅ ̅ ( ) Persamaan Regresinya.58 Kekeliruan prediksi bagi subjek no 6 .b sama dengan koefisien yang diperoleh pada 1. Jadi. Prediksi yang paling akurat.b) menggunakan metode kuadrat besar dan yang lainnya (1. : Nilai Y bagi subjek no 3 adalah 9. Koefisien regresi yang diperoleh pada 1. = 9 – 7. h. Nilai kinerja guru bagi yang latar belakang pendidikannya 4 ( ) Jadi nilai kinerja guru bagi yang latar belakangnya 4 adalah sebesar 8. Kekeliruan prediksi bagi subjek no 3 ( ) Persamaan Regresinya. Kekeliruan prediksi bagi subjek no 3.f.f) menggunakan metode kuadrat berdasarkan skor mentah.42 2. karena keduanya berdasarkan pada rumus standar. Nilai kinerja guru (Y) bagi mereka yang latar belakang pendidikannya 4. 6 dan 9.29 Latar belakang 6 ( ) 9 Jadi nilai kinerja guru bagi yang latar belakangnya 6 adalah sebesar 11.

42 16.42 7.3 -3. Jadi.3 .92 8. 6. dengan nilai positif 1. Menghitung nilai prediksi ( )dan residu (e).92 -0. : Nilai Y bagi subjek no 11 adalah 10. Model regresi linier adalah satu model dimana setiap nilai pada peubah Y merupakah jumlah dari 3 komponen : intercept.42 2. 5.58 y -3. Pelajaran yang dapat diambil. Kemudian masukkan nilai Y. 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’ 10.42 -1.Persamaan Regresinya. 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.92 13. Galat prediksi merupakan variasi nilai pada peubah Y yang tidak dapat dijelaskan melalui persamaan regresi linier. dan e. Model regresi linier sederhana disebut kita peroleh. Perbedaan istilah model regresi linier dan persamaan regresi linier.42 ( ) = 10 – 11.42 = -0. ( ) = 13 – 13.42 16.7 1. Persamaan regresi linier disebut juga koefisien regresi kali nilai predicted atau memprediksikan sesuatu.7 3.42 .7 4.58 1.42 1. Jadi. Kekeliruan prediksi bagi subjek no 11 Persamaan Regresinya.3 0. : Nilai Y bagi subjek no 6 adalah 13.42 14. dan galat prediksi.3 7.58 1. e -2.42 10.92 = -1.08 -0.58.3 -2.92 Prediksi yang lebih akurat terdapat pada no 3. koefisien regresi kali nilai npada peubah X.

7 3.08 0.3 1.42 11.42 2.92 14. bandingkan dan buat kesimpulan : a. maka nilai residunya atau “e” nya cenderung positif.92 8.3 -1.42 -0. 8.9 -0.42 11.7 -1.92 13.5 X a.0 X c.92 14.08 0.42 1.6 + 0.92 1. Y’ = 2 + 1. Sebaliknya subjek yang nilai Y nya di bawah rata-rata .5 X.7 2.5 X b.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 7.0 X.42 0.08 0.42 8. Y’ = -2 + 1.42 10.7 2.3 -2.08 -0.7 -1.92 233.7 -0.42 13.92 7.08 -0. maka nilai residunya atau “e” nya cenderung negarif.92 -2. dapat dibuat gambar sebagai berikut : 14 12 10 8 6 4 2 0 0 2 4 6 8 Series1 b.3 Pelajaran yang dapat diambil adalah bahwa bila dibandingnya hampir semua nilai subjek yang memiliki nilai Y di atas rata-rata. Y’ = 2 + 1.92 11. Y’ = -2 + 1.3 -4.1 -4. Y’ = 3. Gambar garis lurus regresi Y atas X untuk masing-masing persamaan berikut.58 -1. dapat dibuat gambar sebagai berikut : .7 2.

6 + 0. artinya setiap kenaikan skor pada peubah X akan diikuti oleh kenaikan skor pada peubah Y sebesar 1.5 X. Y’ = 3.5 satuan.4 3 2 1 0 -1 -2 -3 0 1 2 3 4 5 6 Series1 c. 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.5. dapat disimpulkan bahwa ketiga persamaan garis lurus tersebut menunjukkan regresi linier positif. . 1 dan 0.

Sign up to vote on this title
UsefulNot useful