Regresi digunakan untuk memprediksi hubungan antara variabel-variabel berdasarkan data historis. Dokumen ini membahas regresi linear sederhana untuk memprediksi omzet penjualan berdasarkan pengalaman kerja, dan regresi linear berganda untuk memprediksi pengeluaran rumah tangga berdasarkan pendapatan dan jumlah anggota keluarga. Metode ini digunakan untuk peramalan dan pengambilan keputusan berdasarkan hubungan antara faktor-fak

1. DATA MINING
REGRESI
Elvi Rahmi, S.T., M.Kom.
elvizasri@gmail.com
November 2022

2. PENGUJIAN HIPOTESIS
Table Of
Content
Pengantar
Regresi Linear Sederhana
Regresi Linear Berganda

3. Regresi
Salah satu teknik data mining yang dimanfaatkan untuk memprediksi nilai-
nilai numerik yang ada dalam range sekumpulan data yang diketahui.

4. Penerapan Regresi
Pendidikan
Hukum
Industri
Perencanaan Pasar, Ramalan Keuangan, Analisis Tren

5. VS
Regresi Klasifikasi

6. VS
Regresi Klasifikasi
Regresi menggunakan
data numerik atau nilai
kontinu.
Klasifikasi menggunakan
data dalam bentuk
diskret atau data dalam
bentuk kategori.
Contoh:
Regresi memprediksi
nilai rumah berdasarkan
lokasi, luasnya, harga
ketika terakhir dijual,
harga rumah lain yang
serupa, dan faktor-faktor
lainnya.
Klasifikasi digunakan
jika ingin mengetahui
rumah dengan berbagai
kategori dan tipe.

7. Regresi Linear
Regresi
Digunakan untuk
memprediksi hubungan
antara dua variabel.
Regresi Berganda
Digunakan untuk
memprediksi hubungan
antara dua atau lebih variabel
Regresi Linear Sederhana
Regresi Linear Berganda

8. Regresi Linear Sederhana
Regresi Linear Sederhana (Simple Linear Regression) merupakan
salah satu metode statistik yang digunakan untuk melakukan
peramalan ataupun prediksi tentang kualitas maupun kuantitas.
Regresi Linear Sederhana juga biasa digunakan untuk menguji
sejauh mana hubungan sebab akibat antara Variabel Faktor
Penyebab (X) terhadap variabel akibatnya (Y).
Variabel Faktor Penyebab umumnya dilambangkan dengan X atau
disebut juga dengan P redictor.
Variabel Akibat dilambangkan dengan Y atau disebut juga dengan
Response.

9. Persamaan Regresi Linear
Y = a + bX
nilai a dan b diperoleh dari:

10. Contoh Kasus
Bagian personalia sebuah perusahaan ingin membuat sebuah penelitian
terkait dengan produktivitas bekerja karyawan lama dan baru. Perusahaan
ini melihat sejauh mana produktivitas karyawan lama dan baru berdasarkan
umur. Setelah ditelusuri, terdapat track record penjualan khususnya bagian
marketing yang dihubungkan berdasarkan pengalaman kerja karyawan.
Apabila ada karyawan 6 (baru) yang
memiliki pengalaman kerja selama
6,5 tahun,
maka berapa estimasi omzet
penjualannya?

11. Tentukan tujuan melakukan Analisis Regresi Linear
Sederhana!
1
Memprediksi omzet penjualan seorang karyawan yang memiliki
pengalaman kerja 6,5 tahun.

12. Identifikasi Variabel Faktor Penyebab (Predictor) dan
Variabel Akibat (Response)!
2
Variabel Faktor Penyebab (X)
Variabel Akibat (Y)
: Pengalaman Kerja
: Omzet Penjualan

13. Lakukan Pengumpulan Data!
Gunakan Tabel Pembantu
3

15. Menghitung nilai rata-rata

16. Menghitung nilai rata-rata

17. b =
a =
Hitung a (konstanta) dan b (koefisien regresi)!
4

18. Maka,
Hitung a (konstanta) dan b (koefisien regresi)!
4

19. Maka,
Persamaan Regresinya:
Y = a + bX
Buat Model Persamaan Regresi!
5

20. Maka,
Persamaan Regresinya:
Buat Model Persamaan Regresi!
5
Y = a + bX --> Y = (-1,339) + (0,928)(6,5) = 4,693

21. Dengan menggunakan rumus persamaan regresi, dapat
diambil kesimpulan bahwa seseorang dengan pengalaman
6,5 tahun diestimasi mendapatkan omset sebanyak 4.693.
Lakukan Prediksi atau Peramalan terhadap Variabel
Faktor Penyebab (X) atau Variabel Akibat (Y)!
6

22. Dengan menggunakan rumus persamaan regresi, dapat
diambil kesimpulan bahwa seseorang dengan pengalaman
6,5 tahun diestimasi mendapatkan omset 4.693.
Lakukan Prediksi atau Peramalan terhadap Variabel
Faktor Penyebab (X) atau Variabel Akibat (Y)!
6
Koefisien Determinasi

23. Koefisien Determinasi

24. Koefisien Determinasi

25. Koefisien Determinasi
Nilai Koefisien Determinasi = 0,9789
Artinya sumbangan untuk pengaruh pengalaman terhadap hasil
kinerja pegawai yang berhubungan dengan naik turunnya
omset penjualan perusahaan adalah 97,89 %.
Sisanya 2,11 % berhubungan dengan faktor lain yang tidak
dimasukkan dalam model.

26. Regresi Linear
Regresi
Digunakan untuk
memprediksi hubungan
antara dua variabel.
Regresi Berganda
Digunakan untuk
memprediksi hubungan
antara dua atau lebih variabel
Regresi Linear Sederhana
Regresi Linear Berganda

27. Regresi Linear Sederhana (Simple Linear Regression) memprediksi
fungsi dengan satu variabel predictor.
Regresi Linear Berganda melibatkan variabel-variabel predictor
lebih dari satu.
Persamaan Regresi Linear Berganda:
Regresi Linear Berganda (Polinomial)

28. Contoh Kasus
Dalam satu penelitian yang dilakukan terhadap 10 rumah tangga yang dipilih
secara acak, diperoleh data pengeluaran untuk pembelian barang-barang
tahan lama per minggu, pendapatan per minggu, dan jumlah anggota rumah
tangga.
Seandainya suatu rumah tangga mempunyai X1 dan X2 masing-masing 11 dan
8, berapa besarnya nilai Y? Berapa ratus rupiah yang dikeluarkan rumah
tangga tersebut untuk pembelian bahan-bahan tahan lama?

29. Contoh Kasus
Dalam satu penelitian yang dilakukan terhadap 10 rumah tangga yang dipilih
secara acak, diperoleh data pengeluaran untuk pembelian barang-barang
tahan lama per minggu (Y), pendapatan per minggu (X1), dan jumlah anggota
rumah tangga (X2).
Seandainya suatu rumah tangga mempunyai X1 dan X2 masing-masing 11 dan
8, berapa besarnya nilai Y? Berapa ratus rupiah yang dikeluarkan rumah
tangga tersebut untuk pembelian bahan-bahan tahan lama?

30. Tentukan tujuan melakukan Analisis Regresi Linear
Berganda!
1

31. Menentukan uang yang dikeluarkan rumah tangga yang
mempunyai pendapatan per Minggu Rp 11.000 dan jumlah
anggota rumah tangga 8 orang, untuk membeli bahan-bahan
tahan lama?
Tentukan tujuan melakukan Analisis Regresi Linear
Berganda!
1

32. Identifikasi Variabel Faktor Penyebab (Predictor) dan
Variabel Akibat (Response)!
2
Variabel Faktor Penyebab (X1)
Variabel Faktor Penyebab (x2)
Variabel Akibat (Y)
: Pendapatan per Minggu
: Jumlah Anggota Rumah Tangga
Pengeluaran untuk Membeli
Bahan-bahan tahan lama
:

33. Lakukan Pengumpulan Data!
3

34. Lakukan Pengumpulan Data dan
Buat Tabel Pembantu!
3

35. Tentukan nilai matriks A!
4

36. Tentukan nilai matriks A!
4

37. Tentukan nilai matriks H!
5

38. Tentukan nilai matriks H!
5

39. Tentukan nilai koefisien regresi (b)!
6

40. Tentukan nilai koefisien regresi (b)!
6

41. Tentukan nilai koefisien regresi (b)!
6

42. Hitung nilai persamaan regresi!
7

43. Hitung nilai persamaan regresi!
7

44. Hitung nilai persamaan regresi!
7
Ketika sebuah rumah tangga memiliki pendapatan 11.000 dengan anggota rumah
tangga sebanyak 8 orang , maka pengeluaran untuk pembelian barang-barang
tahan lama per minggu sebesar Rp 4.427 (nilai Y dikali 100).