Analisis Regresi Linear Sederhana (Simple Linear Regression)

Regresi Linear Sederhana (Simple Linear Regression)

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 :

Tanggal Rata-rata Suhu Ruangan (X) Jumlah Cacat        (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 =   (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

1 Comment

Comments are closed.