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 1 1. . Garis regresi liniernya : 8 6 4 2 0 0 0.5 3 3.Persamaan Regresinya. menjadi : c.5 Series1 e.5 satuan. 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. Tafsiran Regresi pada no 1 b Setiap kenaikan pada peubah X akan dikuti kenaikan pada seubah Y sebesar 1.5 2 2.

7 -0.3 -3.85 -1.85 0.3 -2. 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 -0.95 0.7 3.9 ∑ .7 -1.62 74.3 0.92 8.62 0.85 1.7 2.00 7.15 -1.15 -1.15 -0.15 4.12 1.15 -0.32 0.85 -2.20 5.32 0.26 13.15 1.72 8.50 23.7 1.85 2.10 112.15 0 y -3.f.3 -4.12 3.26 -0.85 2.42 1.3 -2.72 9.92 0.72 0.40 2.7 2.15 10.85 1.7 2.3 -4.12 4.02 1.15 3.45 0.02 3.3 0 x2 0.85 3.35 13.32 9.3 7.10 Berdasarkan tabel di atas kita dapat menghitung persamaan regresi sebagai berikut : ∑ = 112.10/19 = 5.85 1.62 3.15 0.15 -2.80 1.55 xy 3.3 1.40 3.02 8.15 0.42 4.42 4.7 4.65 -0.15 -2.00 -0.7 3.85 2.40 7.70 9.3 -1.25 6.7 -1.

Jadi.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 4.29 Latar belakang 6 ( ) 9 Jadi nilai kinerja guru bagi yang latar belakangnya 6 adalah sebesar 11.b) menggunakan metode kuadrat besar dan yang lainnya (1.̅ ̅ ( ) Persamaan Regresinya. h. Kekeliruan prediksi bagi subjek no 3 ( ) Persamaan Regresinya.f) menggunakan metode kuadrat berdasarkan skor mentah. Yang satu (1.42 = 1. : Nilai Y bagi subjek no 3 adalah 9.42 2. Koefisien regresi yang diperoleh pada 1. Kekeliruan prediksi bagi subjek no 3. menjadi : g. 6 dan 9.58 Kekeliruan prediksi bagi subjek no 6 . Prediksi yang paling akurat. karena keduanya berdasarkan pada rumus standar. = 9 – 7.f. 6 dan 11.b sama dengan koefisien yang diperoleh pada 1. Nilai kinerja guru bagi yang latar belakang pendidikannya 4 ( ) Jadi nilai kinerja guru bagi yang latar belakangnya 4 adalah sebesar 8.

42 7.3 -3.42 .42 2. 5.42 10.42 16. Model regresi linier sederhana disebut kita peroleh.92 -0. 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.7 3. Perbedaan istilah model regresi linier dan persamaan regresi linier. Menghitung nilai prediksi ( )dan residu (e).42 1.42 ( ) = 10 – 11.7 4.92 = -1. ( ) = 13 – 13.3 0.3 . 6.42 14. : Nilai Y bagi subjek no 11 adalah 10.58 y -3.3 7. Persamaan regresi linier disebut juga koefisien regresi kali nilai predicted atau memprediksikan sesuatu.58.7 1. dan galat prediksi.Persamaan Regresinya.92 8.42 -1. dengan nilai positif 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’ 10.58 1. dan e. Pelajaran yang dapat diambil.92 Prediksi yang lebih akurat terdapat pada no 3. : Nilai Y bagi subjek no 6 adalah 13.42 = -0. Model regresi linier adalah satu model dimana setiap nilai pada peubah Y merupakah jumlah dari 3 komponen : intercept. e -2. Jadi. Kemudian masukkan nilai Y.92 13.42 16.3 -2. Galat prediksi merupakan variasi nilai pada peubah Y yang tidak dapat dijelaskan melalui persamaan regresi linier. Jadi. koefisien regresi kali nilai npada peubah X. Kekeliruan prediksi bagi subjek no 11 Persamaan Regresinya.08 -0.

58 -1.9 -0.3 Pelajaran yang dapat diambil adalah bahwa bila dibandingnya hampir semua nilai subjek yang memiliki nilai Y di atas rata-rata. 8.92 8. Y’ = 2 + 1.0 X c.5 X.3 -2.5 X b.42 8.7 -1. Gambar garis lurus regresi Y atas X untuk masing-masing persamaan berikut.3 -4. Y’ = 3.08 -0.92 -2.08 0.1 -4.42 -0.3 -1.42 2.08 0.3 1.5 X a.7 2.92 1.92 14.92 7. dapat dibuat gambar sebagai berikut : 14 12 10 8 6 4 2 0 0 2 4 6 8 Series1 b.08 -0.7 2.42 11. Y’ = -2 + 1.42 11.42 13. Y’ = -2 + 1.92 13. maka nilai residunya atau “e” nya cenderung positif.92 14. Sebaliknya subjek yang nilai Y nya di bawah rata-rata . maka nilai residunya atau “e” nya cenderung negarif.6 + 0.0 X.7 3.92 233. bandingkan dan buat kesimpulan : a.7 -1.7 -0.92 11.42 1.9 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. dapat dibuat gambar sebagai berikut : .42 0. Y’ = 2 + 1.08 0.42 10.7 2.

4 3 2 1 0 -1 -2 -3 0 1 2 3 4 5 6 Series1 c. dapat disimpulkan bahwa ketiga persamaan garis lurus tersebut menunjukkan regresi linier positif.5. Y’ = 3. . 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 0.6 + 0.5 X.5 satuan. artinya setiap kenaikan skor pada peubah X akan diikuti oleh kenaikan skor pada peubah Y sebesar 1.

Sign up to vote on this title
UsefulNot useful