Regresi linear digunakan untuk memprediksi jumlah cacat produksi berdasarkan suhu ruangan dengan mengumpulkan data selama 30 hari dan menghitung konstanta serta koefisien regresi untuk membentuk model persamaan regresi linear sederhana. Model ini kemudian digunakan untuk memprediksi jumlah cacat pada suhu tertentu atau menentukan suhu agar jumlah cacat mencapai target.
0 penilaian0% menganggap dokumen ini bermanfaat (0 suara)
116 tayangan15 halaman
Regresi linear digunakan untuk memprediksi jumlah cacat produksi berdasarkan suhu ruangan dengan mengumpulkan data selama 30 hari dan menghitung konstanta serta koefisien regresi untuk membentuk model persamaan regresi linear sederhana. Model ini kemudian digunakan untuk memprediksi jumlah cacat pada suhu tertentu atau menentukan suhu agar jumlah cacat mencapai target.
Regresi linear digunakan untuk memprediksi jumlah cacat produksi berdasarkan suhu ruangan dengan mengumpulkan data selama 30 hari dan menghitung konstanta serta koefisien regresi untuk membentuk model persamaan regresi linear sederhana. Model ini kemudian digunakan untuk memprediksi jumlah cacat pada suhu tertentu atau menentukan suhu agar jumlah cacat mencapai target.
Regresi linear digunakan untuk memprediksi jumlah cacat produksi berdasarkan suhu ruangan dengan mengumpulkan data selama 30 hari dan menghitung konstanta serta koefisien regresi untuk membentuk model persamaan regresi linear sederhana. Model ini kemudian digunakan untuk memprediksi jumlah cacat pada suhu tertentu atau menentukan suhu agar jumlah cacat mencapai target.
Unduh sebagai PPTX, PDF, TXT atau baca online dari Scribd
Unduh sebagai pptx, pdf, atau txt
Anda di halaman 1/ 15
Regresi Linear
Re g resi Linear Regresi Linear Analisis regresi pada dasarnya adalah studi mengenai ketergantungan satu variabel dependen (terikat) dengan satu atau lebih PENGERTIA variabel independent (variabel
N REGRESI penjelas/bebas), mengestimasi dengan tujuan dan/atau memprediksi untuk rata- rata populasi atau niiai rata-rata variabel dependen berdasarkan nilai variabel independen yang diketahui. Syarat kelayakan yang harus terpenuhi : 1. Jumlah sampel yang digunakan harus sama. 2. Jumlah variabel bebas (X) adalah 1 (satu) 3. Nilai residual harus berdistribusi normal. 4. Terdapat hubungan yang linear antara variabel bebas (X) dengan variabel tergantung (Y). JENIS – JENIS REGRESI a. REGRESI LINEAR SEDERHANA
Regresi yang hanya terdiri dari satu variabel
dependen dan satu variabel independen . Regresi linear sederhana digunakan untuk mengetahui hubungan nilai satu variabel bebas dan satu variabel terikat melalui persamaan regresi. Bentuk dari persamaaan regresi linear sederhana adalah:
Y = a+ bX ket: Rumus a b = konstanta (atau intersep) populasi = koefisien regresi populasi a= : (Σy) (Σx²) – (Σx) (Σxy) Y = variabel terikat n(Σx²) – (Σx)² X = variabel bebas
n(Σxy) – (Σx) (Σy)
b= n(Σx²) – (Σx)² ket: Σ = sigma (jumlah) b. REGRESI LINEAR DOUBLE GANDA Re g re s i d i m a n a va r i a b e l t e r i k a t n y a (Y) dihubungkan atau dijelaskan lebih dari satu va r i a b e l b e ba s (X1,X2,…., Xn) namun masih menunjukkan diagram hubungan y a n g l i n e a r. Re g re s i l i n e a r b e rg a n d a digunakan untuk mengetahui hubungan n i l a i b e b e r a pa va r i a b e l b e ba s d a n s a t u va r i a b e l te r i k a t m e l a l u i p e r s a m a a n re g re s i . Bentuk dari persamaaan regresi linear berganda adalah:
Y = a + b1X1+b2X2……+ bn Xn
ket: a = Konstanta (atau intersep) populasi b = Koefisien regresi populasi Y = Variabel terikat X = Variabel bebas n = Jumlah variable bebas 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
• 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) : Langkah 4 : Hitung X², Y², XY dan total dari masing-masingnya Berikut ini adalah tabel yang telah dilakukan perhitungan X², Y², XY dan totalnya : Langkah 5 : Hitung a dan b berdasarkan rumus Regresi Linear Sederhana • Menghitung Konstanta (a) : • a = (Σy) (Σx²) – (Σx) (Σxy) n(Σx²) – (Σx)² • a = (282) (16.487) – (699) (6.861) 30 (16.487) – (699)² • a = -24,38 • Menghitung Koefisien Regresi (b) • b = n(Σxy) – (Σx) (Σy) n(Σx²) – (Σx)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
