Halo Sobat Sederhana, kamu pasti sudah tak asing lagi dengan perhitungan regresi sederhana di Excel. Namun, masih banyak yang belum memahami dengan benar cara menghitungnya. Oleh karena itu, pada artikel kali ini kita akan membahas cara menghitung regresi sederhana pada Excel dengan langkah-langkah yang mudah dipahami. Yuk simak!
Pengertian Regresi Sederhana
Sebelum memulai perhitungan, ada baiknya kita memahami terlebih dahulu apa itu regresi sederhana. Regresi sederhana adalah metode statistik yang digunakan untuk menentukan hubungan antara dua variabel. Variabel yang satu disebut variabel independen (X) dan variabel yang lain disebut variabel dependen (Y).
Contohnya, pada sebuah penelitian mengenai hubungan antara usia dan tinggi badan seseorang, usia merupakan variabel independen (X) dan tinggi badan merupakan variabel dependen (Y).
Langkah-Langkah Menghitung Regresi Sederhana pada Excel
Berikut adalah langkah-langkah untuk menghitung regresi sederhana pada Excel:
Step 1: Persiapkan Data
Langkah pertama yang harus dilakukan adalah mempersiapkan data yang akan dihitung. Pastikan data yang akan dihitung sudah lengkap dan bersih dari kesalahan. Misalnya, pada penelitian hubungan usia dan tinggi badan, data usia dan tinggi badan harus sudah terkumpul dan tidak ada data yang hilang atau salah.
Step 2: Buka Program Microsoft Excel
Setelah data siap, buka program Microsoft Excel pada komputer atau laptop kamu.
Step 3: Masukkan Data ke dalam Tabel
Setelah Excel terbuka, masukkan data ke dalam tabel. Data variabel independen (X) seperti usia harus diletakkan pada kolom A dan data variabel dependen (Y) seperti tinggi badan harus diletakkan pada kolom B. Pastikan data sudah diurutkan sesuai dengan variabel independen.
Usia (X) |
Tinggi Badan (Y) |
---|---|
20 |
170 |
25 |
175 |
30 |
180 |
35 |
182 |
40 |
185 |
Step 4: Hitung Nilai Mean (Rata-Rata)
Setelah data dimasukkan ke dalam tabel, hitung nilai mean (rata-rata) dari masing-masing variabel. Caranya adalah dengan menambahkan semua nilai pada kolom X atau Y dan dibagi dengan jumlah data yang ada. Misalnya, pada data usia di atas, nilai mean nya adalah:
Mean usia (X) = (20 + 25 + 30 + 35 + 40) / 5 = 30
Sedangkan pada data tinggi badan, nilai mean nya adalah:
Mean tinggi badan (Y) = (170 + 175 + 180 + 182 + 185) / 5 = 178.4
Step 5: Hitung Nilai Slope (Kemiringan Garis Regresi)
Setelah nilai mean terhitung, langkah selanjutnya adalah menghitung nilai slope (kemiringan garis regresi). Nilai slope ini menunjukkan seberapa curam atau datar garis regresi yang melambangkan hubungan antara variabel independen (X) dan variabel dependen (Y).
Rumus untuk menghitung nilai slope adalah:
Slope = Covariance (X,Y) / Variance (X)
Dimana:
Covariance (X,Y) = Σ [(Xi – Mean X) * (Yi – Mean Y)] / (n-1)
Variance (X) = Σ [(Xi – Mean X) * (Xi – Mean X)] / (n-1)
Dalam hal ini,
X = Variabel independen (usia)
Y = Variabel dependen (tinggi badan)
Σ = Jumlah total
n = Jumlah data yang ada
Berikut adalah contoh perhitungan slope:
Covariance (X,Y) = [(20-30) * (170-178.4)] + [(25-30) * (175-178.4)] + [(30-30) * (180-178.4)] + [(35-30) * (182-178.4)] + [(40-30) * (185-178.4)] / (5-1)
Covariance (X,Y) = 105.2
Variance (X) = [(20-30)^2 + (25-30)^2 + (30-30)^2 + (35-30)^2 + (40-30)^2] / (5-1)
Variance (X) = 125
Slope = Covariance (X,Y) / Variance (X)
Slope = 105.2 / 125
Slope = 0.8416
Step 6: Hitung Nilai Intercept (Potongan Garis Regresi)
Setelah nilai slope terhitung, langkah selanjutnya adalah menghitung nilai intercept (potongan garis regresi). Nilai intercept ini menunjukkan pada titik berapa garis regresi memotong sumbu Y (variabel dependen).
Rumus untuk menghitung nilai intercept adalah:
Intercept = Mean Y – (Slope * Mean X)
Dimana:
X = Variabel independen (usia)
Y = Variabel dependen (tinggi badan)
Berikut adalah contoh perhitungan intercept:
Intercept = 178.4 – (0.8416 * 30)
Intercept = 153.968
Step 7: Hitung Nilai R-Square
Setelah nilai slope dan intercept terhitung, langkah terakhir adalah menghitung nilai R-Square. Nilai R-Square ini menunjukkan seberapa baik garis regresi yang dihasilkan dapat menjelaskan hubungan antara variabel independen (X) dan variabel dependen (Y).
Rumus untuk menghitung nilai R-Square adalah:
R-Square = (Σ [Yi – (Slope * Xi + Intercept)]^2) / (Σ [Yi – Mean Y]^2)
Dimana:
X = Variabel independen (usia)
Y = Variabel dependen (tinggi badan)
Σ = Jumlah total
n = Jumlah data yang ada
Berikut adalah contoh perhitungan R-Square:
R-Square = [(170 – (0.8416 * 20 + 153.968))^2 + (175 – (0.8416 * 25 + 153.968))^2 + (180 – (0.8416 * 30 + 153.968))^2 + (182 – (0.8416 * 35 + 153.968))^2 + (185 – (0.8416 * 40 + 153.968))^2] / [(170 – 178.4)^2 + (175 – 178.4)^2 + (180 – 178.4)^2 + (182 – 178.4)^2 + (185 – 178.4)^2]
R-Square = 0.911
FAQ (Frequently Asked Questions)
1. Apa itu regresi sederhana?
Regresi sederhana adalah metode statistik yang digunakan untuk menentukan hubungan antara dua variabel. Variabel yang satu disebut variabel independen (X) dan variabel yang lain disebut variabel dependen (Y).
2. Bagaimana cara menghitung regresi sederhana pada Excel?
Berikut adalah langkah-langkah untuk menghitung regresi sederhana pada Excel:
Step 1: Persiapkan Data
Step 2: Buka Program Microsoft Excel
Step 3: Masukkan Data ke dalam Tabel
Step 4: Hitung Nilai Mean (Rata-Rata)
Step 5: Hitung Nilai Slope (Kemiringan Garis Regresi)
Step 6: Hitung Nilai Intercept (Potongan Garis Regresi)
Step 7: Hitung Nilai R-Square
3. Apa itu nilai slope pada regresi sederhana?
Nilai slope pada regresi sederhana adalah kemiringan garis regresi yang melambangkan hubungan antara variabel independen (X) dan variabel dependen (Y).
4. Apa itu nilai intercept pada regresi sederhana?
Nilai intercept pada regresi sederhana adalah potongan garis regresi yang menunjukkan pada titik berapa garis regresi memotong sumbu Y (variabel dependen).
5. Apa itu nilai R-Square pada regresi sederhana?
Nilai R-Square pada regresi sederhana adalah seberapa baik garis regresi yang dihasilkan dapat menjelaskan hubungan antara variabel independen (X) dan variabel dependen (Y).
Semoga Bermanfaat dan sampai jumpa di artikel menarik lainnya.