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.5 1 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 3 3.5 2 2. Tafsiran Regresi pada no 1 b Setiap kenaikan pada peubah X akan dikuti kenaikan pada seubah Y sebesar 1. .5 Series1 e. Garis regresi liniernya : 8 6 4 2 0 0 0.5 satuan.Persamaan Regresinya.

15 0 y -3.45 0.3 0.92 8.9 ∑ .70 9.7 4.02 3.15 -1.15 1.02 1.20 5.00 -0.00 7.15 -2.3 -1.72 0.7 3.85 3.15 -0.50 23.7 2.15 -0.85 -1.85 2.62 74.15 10.7 2.62 0.15 0.7 1.3 -2.55 xy 3.3 -3.85 2.26 13.15 3.26 -0.15 -2.02 8.3 -2.3 -4.7 -0.62 3.80 1.7 2.72 9.40 7.3 7.40 2.10 Berdasarkan tabel di atas kita dapat menghitung persamaan regresi sebagai berikut : ∑ = 112.32 9. 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 -0.92 0.3 -4.35 13.32 0.42 1.12 3.10/19 = 5.15 -1.3 0 x2 0.85 -2.15 4.85 1.10 112.32 0.3 1.95 0.f.42 4.85 0.40 3.85 1.7 -1.15 0.7 -1.42 4.85 1.12 1.12 4.65 -0.85 2.7 3.25 6.72 8.

Jadi.b) menggunakan metode kuadrat besar dan yang lainnya (1. Yang satu (1.f. Prediksi yang paling akurat. 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. 6 dan 11. : Nilai Y bagi subjek no 3 adalah 9. = 9 – 7.f) menggunakan metode kuadrat berdasarkan skor mentah. Kekeliruan prediksi bagi subjek no 3.92 Latar Belakang 9 ( ) Jadi nilai kinerja guru bagi yang latar belakangnya 9 adalah sebesar 16.̅ ̅ ( ) Persamaan Regresinya.b sama dengan koefisien yang diperoleh pada 1. karena keduanya berdasarkan pada rumus standar. menjadi : g.42 = 1.58 Kekeliruan prediksi bagi subjek no 6 .42 2.29 Latar belakang 6 ( ) 9 Jadi nilai kinerja guru bagi yang latar belakangnya 6 adalah sebesar 11. Koefisien regresi yang diperoleh pada 1. h. Nilai kinerja guru (Y) bagi mereka yang latar belakang pendidikannya 4. 6 dan 9.

5. Perbedaan istilah model regresi linier dan persamaan regresi linier.92 13.Persamaan Regresinya.3 -2.58 1.42 7.08 -0. e -2. Menghitung nilai prediksi ( )dan residu (e). Galat prediksi merupakan variasi nilai pada peubah Y yang tidak dapat dijelaskan melalui persamaan regresi linier.42 14.3 -3. Model regresi linier sederhana disebut kita peroleh.42 -1.7 4.92 Prediksi yang lebih akurat terdapat pada no 3. Kemudian masukkan nilai Y.42 ( ) = 10 – 11. Jadi.3 . 6.42 2. Jadi. koefisien regresi kali nilai npada peubah X.42 10.42 . dengan nilai positif 1.92 8.58.3 7.42 = -0.58 1.7 3.92 = -1.42 16.42 1. : Nilai Y bagi subjek no 6 adalah 13.42 16.58 y -3. Kekeliruan prediksi bagi subjek no 11 Persamaan Regresinya. 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’ 10.3 0. dan e. dan galat prediksi. Pelajaran yang dapat diambil.7 1. ( ) = 13 – 13.92 -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. : Nilai Y bagi subjek no 11 adalah 10. Persamaan regresi linier disebut juga koefisien regresi kali nilai predicted atau memprediksikan sesuatu. Model regresi linier adalah satu model dimana setiap nilai pada peubah Y merupakah jumlah dari 3 komponen : intercept.

maka nilai residunya atau “e” nya cenderung negarif.6 + 0.08 0.1 -4.42 2.42 1. 8.0 X.42 11. dapat dibuat gambar sebagai berikut : .58 -1.42 10.7 -1.5 X a.5 X b.3 -2. Gambar garis lurus regresi Y atas X untuk masing-masing persamaan berikut.92 -2. Y’ = 2 + 1.7 2. maka nilai residunya atau “e” nya cenderung positif.42 8.0 X c. Y’ = -2 + 1.3 -1.7 2. Sebaliknya subjek yang nilai Y nya di bawah rata-rata . Y’ = 3.08 -0.08 0.3 Pelajaran yang dapat diambil adalah bahwa bila dibandingnya hampir semua nilai subjek yang memiliki nilai Y di atas rata-rata.42 -0.42 0.3 1.7 3.5 X.7 2.92 233.92 14.42 13.92 7. Y’ = -2 + 1. dapat dibuat gambar sebagai berikut : 14 12 10 8 6 4 2 0 0 2 4 6 8 Series1 b.7 -1.42 11.08 -0. Y’ = 2 + 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. bandingkan dan buat kesimpulan : a.08 0.92 14.7 -0.92 11.3 -4.92 13.9 -0.92 1.92 8.

5 X. 1 dan 0.5 satuan. Y’ = 3. dapat disimpulkan bahwa ketiga persamaan garis lurus tersebut menunjukkan regresi linier positif. 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. artinya setiap kenaikan skor pada peubah X akan diikuti oleh kenaikan skor pada peubah Y sebesar 1.5.6 + 0.4 3 2 1 0 -1 -2 -3 0 1 2 3 4 5 6 Series1 c. .

Sign up to vote on this title
UsefulNot useful