Analisis Regresi Linear Sederhana

(Simple Linear Regression)

Dickson Kho Ilmu Statistika

Analisis Regresi Linear Sederhana – Regresi Linear Sederhana adalah Metode Statistik yang
berfungsi untuk menguji sejauh mana hubungan sebab akibat antara Variabel Faktor Penyebab
(X) terhadap Variabel Akibatnya. Faktor Penyebab pada umumnya dilambangkan dengan X atau
disebut juga dengan Predictor sedangkan Variabel Akibat dilambangkan dengan Y atau disebut
juga dengan Response. Regresi Linear Sederhana atau sering disingkat dengan SLR (Simple
Linear Regression) juga merupakan salah satu Metode Statistik yang dipergunakan dalam
produksi untuk melakukan peramalan ataupun prediksi tentang karakteristik kualitas maupun
Kuantitas.

Baca juga : Pengertian Analisis Korelasi Sederhana.

Contoh Penggunaan Analisis Regresi Linear Sederhana dalam Produksi antara lain :

1. Hubungan antara Lamanya Kerusakan Mesin dengan Kualitas Produk yang dihasilkan
2. Hubungan Jumlah Pekerja dengan Output yang diproduksi
3. Hubungan antara suhu ruangan dengan Cacat Produksi yang dihasilkan.
Model Persamaan Regresi Linear Sederhana adalah seperti berikut ini :

Y = a + bX

Dimana :
Y = Variabel Response atau Variabel Akibat (Dependent)
X = Variabel Predictor atau Variabel Faktor Penyebab (Independent)
a = konstanta
b = koefisien regresi (kemiringan); besaran Response yang ditimbulkan oleh Predictor.

Nilai-nilai a dan b dapat dihitung dengan menggunakan Rumus dibawah ini :

a = (Σy) (Σx²) – (Σx) (Σxy)

. n(Σx²) – (Σx)²
b = n(Σxy) – (Σx) (Σy)
. n(Σx²) – (Σx)²

Berikut ini adalah Langkah-langkah dalam melakukan Analisis Regresi Linear Sederhana :

1. Tentukan Tujuan dari melakukan Analisis Regresi Linear Sederhana

2. Identifikasikan Variabel Faktor Penyebab (Predictor) dan Variabel Akibat (Response)
3. Lakukan Pengumpulan Data
4. Hitung X², Y², XY dan total dari masing-masingnya
5. Hitung a dan b berdasarkan rumus diatas.
6. Buatkan Model Persamaan Regresi Linear Sederhana.
7. Lakukan Prediksi atau Peramalan terhadap Variabel Faktor Penyebab atau Variabel
Akibat.

Contoh Kasus Analisis Regresi Linear Sederhana

Seorang Engineer ingin mempelajari Hubungan antara Suhu Ruangan dengan Jumlah Cacat
yang diakibatkannya, sehingga dapat memprediksi atau meramalkan jumlah cacat produksi jika
suhu ruangan tersebut tidak terkendali. Engineer tersebut kemudian mengambil data selama
30 hari terhadap rata-rata (mean) suhu ruangan dan Jumlah Cacat Produksi.

Penyelesaian

Penyelesaiannya mengikuti Langkah-langkah dalam Analisis Regresi Linear Sederhana adalah

sebagai berikut :

Langkah 1 : Penentuan Tujuan

Tujuan : Memprediksi Jumlah Cacat Produksi jika suhu ruangan tidak terkendali
Langkah 2 : Identifikasikan Variabel Penyebab dan Akibat
Varibel Faktor Penyebab (X) : Suhu Ruangan,
Variabel Akibat (Y) : Jumlah Cacat Produksi
Langkah 3 : Pengumpulan Data

Berikut ini adalah data yang berhasil dikumpulkan selama 30 hari (berbentuk tabel) :

Tanggal Rata-rata Suhu Ruangan Jumlah Cacat

1 24 10

2 22 5

3 21 6

4 20 3

5 22 6

6 19 4

7 20 5

8 23 9

9 24 11

10 25 13

11 21 7

12 20 4

13 20 6

14 19 3

15 25 12

16 27 13
 17 28 16

18 25 12

19 26 14

20 24 12

21 27 16

22 23 9

23 24 13

24 23 11

25 22 7

26 21 5

27 26 12

28 25 11

29 26 13

30 27 14

Langkah 4 : Hitung X², Y², XY dan total dari masing-masingnya

Berikut ini adalah tabel yang telah dilakukan perhitungan X², Y², XY dan totalnya :

Rata-rata Suhu Ruangan Jumlah Cacat

Tanggal (X) (Y) X2 Y2 XY

1 24 10 576 100 240

2 22 5 484 25 110

3 21 6 441 36 126
4 20 3 400 9 60

5 22 6 484 36 132

6 19 4 361 16 76

7 20 5 400 25 100

8 23 9 529 81 207

9 24 11 576 121 264

10 25 13 625 169 325

11 21 7 441 49 147

12 20 4 400 16 80

13 20 6 400 36 120

14 19 3 361 9 57

15 25 12 625 144 300

16 27 13 729 169 351

17 28 16 784 256 448

18 25 12 625 144 300

19 26 14 676 196 364

20 24 12 576 144 288

21 27 16 729 256 432

22 23 9 529 81 207

23 24 13 576 169 312

24 23 11 529 121 253

 25 22 7 484 49 154

26 21 5 441 25 105

27 26 12 676 144 312

28 25 11 625 121 275

29 26 13 676 169 338

30 27 14 729 196 378

Total (Σ) 699 282 16487 3112 6861

Langkah 5 : Hitung a dan b berdasarkan rumus Regresi Linear Sederhana

Menghitung Konstanta (a) :

a = (1.410) (1.648.700) – (6.990) (343.050)

30 (1.648.700) – (6.990)²

a = (282) (16.487) – (699) (6.861)

30 (16.487) – (699)²

a = -24,38

Menghitung Koefisien Regresi (b)

b = 30 (343.050) – (6.990) (1.410)

30 (1.648.700) – (6.990)²

b = 30 (6.861) – (699) (282)

. 30 (16.487) – (699)²

b = 1,45
Langkah 6 : Buat Model Persamaan Regresi

Y = a + bX
Y = -24,38 + 1,45X

Langkah 7 : Lakukan Prediksi atau Peramalan terhadap Variabel Faktor Penyebab

atau Variabel Akibat

I. Prediksikan Jumlah Cacat Produksi jika suhu dalam keadaan tinggi (Variabel X), contohnya :
30°C

Y = -24,38 + 1,45 (30)

Y = 19,12

Jadi Jika Suhu ruangan mencapai 30°C, maka akan diprediksikan akan terdapat 19,12 unit
cacat yang dihasilkan oleh produksi.

II. Jika Cacat Produksi (Variabel Y) yang ditargetkan hanya boleh 4 unit, maka berapakah suhu
ruangan yang diperlukan untuk mencapai target tersebut ?

4 = -24,38 + 1,45X
1,45X = 4 + 24,38
X = 28,38 / 1,45
X = 19,57

Jadi Prediksi Suhu Ruangan yang paling sesuai untuk mencapai target Cacat Produksi adalah
sekitar 19,57°C