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 : ̅

̅ (

)

. menjadi : c. 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 satuan.5 3 3.5 Series1 e.5 2 2. Garis regresi liniernya : 8 6 4 2 0 0 0.5 1 1.Persamaan Regresinya.

40 2.42 4.7 2.15 4.15 0 y -3.3 0 x2 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 -0.02 8.85 0.95 0.10 Berdasarkan tabel di atas kita dapat menghitung persamaan regresi sebagai berikut : ∑ = 112.7 -1.85 2.80 1.85 1.15 -2.3 -4.15 -0.15 10.15 -2.3 7.7 1.3 0.15 1.f.3 -4.26 -0.72 9.55 xy 3.00 7.85 -2.85 2.35 13.3 -2.85 3.70 9.7 3.42 1.32 0.3 -3.7 4.62 3.20 5.00 -0.3 -1.85 1.02 3.7 2.92 0.92 8.15 -1.9 ∑ .15 -0.85 -1.12 1.40 3.12 4.32 9.15 0.85 1.15 3.15 -1.40 7.7 2.15 0.7 -0.7 -1.45 0.50 23.10/19 = 5.10 112.85 2.3 -2.12 3.26 13.72 8.3 1.62 74.72 0.62 0.32 0.7 3.65 -0.02 1.42 4.25 6.

b) menggunakan metode kuadrat besar dan yang lainnya (1.b sama dengan koefisien yang diperoleh pada 1.f. Yang satu (1. Koefisien regresi yang diperoleh pada 1.42 = 1. 6 dan 9. Kekeliruan prediksi bagi subjek no 3 ( ) Persamaan Regresinya. Nilai kinerja guru bagi yang latar belakang pendidikannya 4 ( ) Jadi nilai kinerja guru bagi yang latar belakangnya 4 adalah sebesar 8. menjadi : g. h. karena keduanya berdasarkan pada rumus standar.58 Kekeliruan prediksi bagi subjek no 6 . Prediksi yang paling akurat. = 9 – 7. 6 dan 11.29 Latar belakang 6 ( ) 9 Jadi nilai kinerja guru bagi yang latar belakangnya 6 adalah sebesar 11. : Nilai Y bagi subjek no 3 adalah 9. Nilai kinerja guru (Y) bagi mereka yang latar belakang pendidikannya 4.̅ ̅ ( ) Persamaan Regresinya. Kekeliruan prediksi bagi subjek no 3.42 2.92 Latar Belakang 9 ( ) Jadi nilai kinerja guru bagi yang latar belakangnya 9 adalah sebesar 16.f) menggunakan metode kuadrat berdasarkan skor mentah. Jadi.

5. 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 8. koefisien regresi kali nilai npada peubah X.42 1. dan galat prediksi. : Nilai Y bagi subjek no 6 adalah 13.42 10.3 .92 Prediksi yang lebih akurat terdapat pada no 3. 6. Model regresi linier sederhana disebut kita peroleh. : Nilai Y bagi subjek no 11 adalah 10.58 1. dan e. Kekeliruan prediksi bagi subjek no 11 Persamaan Regresinya.42 . Jadi. Perbedaan istilah model regresi linier dan persamaan regresi linier. Kemudian masukkan nilai Y.42 16.42 2.42 7. Galat prediksi merupakan variasi nilai pada peubah Y yang tidak dapat dijelaskan melalui persamaan regresi linier. dengan nilai positif 1.7 1. Jadi.42 = -0.3 -2. Model regresi linier adalah satu model dimana setiap nilai pada peubah Y merupakah jumlah dari 3 komponen : intercept. ( ) = 13 – 13. 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’ 10.92 13.42 14.58 y -3. Menghitung nilai prediksi ( )dan residu (e).42 ( ) = 10 – 11.3 7.58.3 -3.7 4.42 16. Pelajaran yang dapat diambil. Persamaan regresi linier disebut juga koefisien regresi kali nilai predicted atau memprediksikan sesuatu.58 1.3 0.92 -0.7 3.92 = -1. e -2.08 -0.42 -1.Persamaan Regresinya.

92 1.92 11.42 13. dapat dibuat gambar sebagai berikut : .92 13.42 -0.5 X.08 0.7 -1. dapat dibuat gambar sebagai berikut : 14 12 10 8 6 4 2 0 0 2 4 6 8 Series1 b.7 -1.08 0.9 -0. Y’ = -2 + 1. Y’ = 2 + 1. Y’ = 2 + 1.3 -2.1 -4. Sebaliknya subjek yang nilai Y nya di bawah rata-rata . maka nilai residunya atau “e” nya cenderung positif.08 0.92 -2. Y’ = 3.7 2.92 8.5 X b.42 1. bandingkan dan buat kesimpulan : a.58 -1.5 X a.42 0.7 3.42 11.92 233.7 2.08 -0.0 X.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 7.42 8.3 Pelajaran yang dapat diambil adalah bahwa bila dibandingnya hampir semua nilai subjek yang memiliki nilai Y di atas rata-rata.3 1.92 14.3 -4.92 7.7 2. Y’ = -2 + 1.42 11.7 -0.3 -1. Gambar garis lurus regresi Y atas X untuk masing-masing persamaan berikut. maka nilai residunya atau “e” nya cenderung negarif.42 2.92 14. 8.08 -0.42 10.0 X c.6 + 0.

dapat disimpulkan bahwa ketiga persamaan garis lurus tersebut menunjukkan regresi linier positif.5.4 3 2 1 0 -1 -2 -3 0 1 2 3 4 5 6 Series1 c. artinya setiap kenaikan skor pada peubah X akan diikuti oleh kenaikan skor pada peubah Y sebesar 1.5 X. 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.6 + 0. 1 dan 0.5 satuan. Y’ = 3. .

Sign up to vote on this title
UsefulNot useful