Laporan Praktikum Regresi Linear
Cover
LAPORAN PRAKTIKUM REGRESI LINEAR
Disusun Oleh:
Muhamad Yogie
NPM: 2305102010014
(No Komputer: 29)
Laboran:
Ridwan Saputra S.Pt., M.Si.
LABORATORIUM STATISTIKA DAN SOSIAL
DEPARTEMEN AGRIBISNIS
FAKULTAS PERTANIAN UNIVERSITAS SYIAH KUALA
DARUSSALAM-BANDA ACEH
2025
II. Tinjauan Pustaka
Regresi linear adalah metode statistik yang digunakan untuk memahami dan memodelkan hubungan antara dua variabel, yaitu satu variabel bebas (X) dan satu variabel terikat (Y), dengan asumsi hubungan keduanya berbentuk garis lurus. Tujuan utama dari regresi linear adalah untuk memprediksi nilai variabel terikat (Y) berdasarkan nilai variabel bebas (X), sekaligus mengetahui seberapa kuat hubungan antara keduanya.
Sebagai contoh, dalam ekonomi, regresi linear dapat digunakan untuk memperkirakan penghasilan seseorang berdasarkan tingkat pendidikan yang dimilikinya. Di bidang lingkungan, regresi ini bisa membantu memprediksi tingkat polusi udara berdasarkan jumlah kendaraan bermotor yang ada. Proses analisis regresi linear dimulai dari pengumpulan data, menghitung nilai koefisien regresi, merumuskan persamaan garis, hingga menginterpretasikan hasil yang didapat. Dengan menggunakan regresi linear, peneliti atau praktisi bisnis dapat membuat keputusan yang lebih baik dan tepat berdasarkan pola data yang dianalisis. Karena mudah dipahami dan cukup efektif, regresi linear menjadi salah satu metode analisis data yang paling banyak digunakan di berbagai bidang.
Regresi linear sederhana, atau sering disebut SLR (Simple Linear Regression), adalah bentuk regresi linear yang paling dasar dan sangat sering dipakai, terutama dalam produksi untuk meramalkan atau memprediksi kualitas maupun kuantitas suatu produk. Persamaan dasar dari regresi linear sederhana adalah:
𝑌 = 𝑎 + 𝑏X
Dimana:
- 𝑎 adalah nilai konstanta atau titik potong garis pada sumbu Y
- 𝑏 adalah koefisien regresi yang menunjukkan kemiringan garis
- 𝑋 adalah variabel bebas (yang mempengaruhi)
- 𝑌 adalah variabel terikat (yang diprediksi)
Dengan persamaan ini, kita bisa mengetahui bagaimana perubahan variabel X akan mempengaruhi variabel Y.
III. Data
Untuk memulai pengolahan data di SPSS, langkah pertama yang perlu dilakukan adalah menyiapkan data terlebih dahulu, baik dalam format Excel maupun di platform lain seperti Google Sheets. Ini akan memudahkan dalam membedakan antara data mentah dan data yang akan dimasukkan ke dalam aplikasi SPSS.
IV. Analisis
- Data yang ingin di pindahkan ke aplikasi SPSS.
- Cara menampilkan distribusi frekuensi pada SPSS dengan cara Klik menu analyze lalu tekan Regression setelah itu pilih Linear.
- Selanjurnya jika sudah muncul seperti ini lalu pilih lah sesuai yang ingin kita cari atau kita gunakan.
.jpeg)
- kemudian pemindahan data ke masing-masing variabel
- Selanjutnya Tekan Bagian Statistic Di bagian Ujung Kanan, Lalu Klik Beberapa Bagian Seperti Gambar Berukut.
.jpeg)
VI. Vidio
VII. Referensi
Azizah, N. L., Suarna, N., & Prihartono, W. (2024). Prediksi tingkat kemiskinan di Provinsi Jawa Barat menggunakan algoritma regresi linear. JATI (Jurnal Mahasiswa Teknik Informatika), 7(6).
Amin, M. R. F., Fitriani, R., Momon, A., Nasution, B. A., & Martin, R. (2024). Analisis kinerja karyawan dengan menggunakan metode regresi linear berganda di PT. EFG. Industri Inovatif: Jurnal Teknik Industri, 14(2), 261–267.
Bedatu, S. R., Ishak, I., & Taufik, F. (2023). Penerapan data mining dalam memprediksi produksi ikan air tawar di Kabupaten Pakpak Bharat menggunakan metode regresi linear berganda. Jurnal Cyber Tech, 3(6).
Lase, M., Saripurna, D., & Sari, V. W. (2023). Estimasi penjualan es krim Walls menggunakan metode regresi linear berganda. Jurnal Sistem Informasi Triguna Dharma (JURSI TGD), 1(5).
Ilmi, U. (2019). Studi persamaan regresi linear untuk penyelesaian persoalan daya listrik. Jurnal Teknika, 11(1), 1083–1088.
Komentar
Posting Komentar