Kumpulan Contoh Soal Persamaan Garis Regresi Beserta Pembahasan Lengkap

Persamaan garis regresi adalah salah satu konsep penting dalam statistika yang digunakan untuk memprediksi hubungan antara dua variabel. Dalam ilmu statistika dan matematika, garis regresi membantu kita mengetahui pola hubungan antara variabel bebas dan variabel terikat. Pada artikel ini, kita akan membahas kumpulan contoh soal persamaan garis regresi beserta pembahasan lengkap, mulai dari pengertian, rumus, hingga langkah-langkah penyelesaian soal. Materi ini sangat berguna untuk siswa, mahasiswa, maupun praktisi yang ingin menguasai analisis regresi dengan lebih mudah.

Pengertian Persamaan Garis Regresi

Persamaan garis regresi adalah persamaan yang menggambarkan hubungan linear antara variabel bebas dan variabel terikat. Biasanya dinyatakan dalam bentuk:

Baca juga:Belajar Mudah Kemiringan Tangga: Contoh Soal Lengkap dan Strategi Penyelesaian

$Y = a + bX$Y=a+bX

Di mana:

• $Y$Y adalah variabel terikat atau variabel yang diprediksi
• $X$X adalah variabel bebas atau variabel prediktor
• $a$a adalah konstanta atau intercept, yaitu nilai $Y$Y saat $X = 0$X=0
• $b$b adalah koefisien regresi atau slope, yaitu perubahan rata-rata $Y$Y untuk setiap perubahan satu unit $X$X

Persamaan garis regresi membantu kita memprediksi nilai $Y$Y jika nilai $X$X diketahui. Metode ini banyak digunakan dalam penelitian sosial, ekonomi, bisnis, dan bidang lainnya.

Rumus Persamaan Garis Regresi

Ada dua jenis garis regresi yang biasanya digunakan: garis regresi Y terhadap X dan garis regresi X terhadap Y. Rumus garis regresi Y terhadap X adalah:

$b = \frac{n \sum XY – \sum X \sum Y}{n \sum X^2 – (\sum X)^2}$b=n∑X2−(∑X)2n∑XY−∑X∑Y​
$a = \frac{\sum Y – b \sum X}{n}$a=n∑Y−b∑X​

Di mana:

• $n$n = jumlah data
• $\sum X$∑X = jumlah nilai X
• $\sum Y$∑Y = jumlah nilai Y
• $\sum XY$∑XY = jumlah hasil perkalian X dan Y
• $\sum X^2$∑X2 = jumlah kuadrat X

Setelah kita mengetahui nilai $a$a dan $b$b, persamaan garis regresi dapat langsung digunakan untuk memprediksi nilai Y berdasarkan X.

Contoh Soal Persamaan Garis Regresi 1

Misalkan terdapat data tinggi badan (X) dan berat badan (Y) dari 5 orang:

Langkah pertama, hitung semua komponen yang dibutuhkan:
$\sum X = 150+155+160+165+170 = 800$∑X=150+155+160+165+170=800
$\sum Y = 50+55+60+65+70 = 300$∑Y=50+55+60+65+70=300
$\sum XY = 150*50 + 155*55 + 160*60 + 165*65 + 170*70 = 48500 + 8525 + 9600 + 10725 + 11900 = 89250$∑XY=150∗50+155∗55+160∗60+165∗65+170∗70=48500+8525+9600+10725+11900=89250
$\sum X^2 = 150^2 + 155^2 + 160^2 + 165^2 + 170^2 = 22500 + 24025 + 25600 + 27225 + 28900 = 128250$∑X2=1502+1552+1602+1652+1702=22500+24025+25600+27225+28900=128250

Kemudian, hitung koefisien regresi $b$b:$$b = \frac{5(89250) – 800(300)}{5(128250) – 800^2} = \frac{446250 – 240000}{641250 – 640000} = \frac{206250}{1250} = 165$$b=5(128250)−80025(89250)−800(300)​=641250−640000446250−240000​=1250206250​=165

Kemudian hitung konstanta $a$a:$$a = \frac{300 – 165*800}{5} = \frac{300 – 132000}{5} = \frac{-131700}{5} = -26340$$a=5300−165∗800​=5300−132000​=5−131700​=−26340

Sehingga persamaan garis regresinya adalah:$$Y = -26340 + 165X$$Y=−26340+165X

Dengan persamaan ini, kita dapat memprediksi berat badan seseorang berdasarkan tinggi badannya.

Contoh Soal Persamaan Garis Regresi 2

Seorang peneliti ingin mengetahui hubungan antara jumlah jam belajar (X) dengan nilai ujian (Y) dari 6 siswa:

Hitung semua komponen:
$\sum X = 2+4+6+8+10+12 = 42$∑X=2+4+6+8+10+12=42
$\sum Y = 60+65+70+75+80+85 = 435$∑Y=60+65+70+75+80+85=435
$\sum XY = 2*60 + 4*65 + 6*70 + 8*75 + 10*80 + 12*85 = 120 + 260 + 420 + 600 + 800 + 1020 = 3220$∑XY=2∗60+4∗65+6∗70+8∗75+10∗80+12∗85=120+260+420+600+800+1020=3220
$\sum X^2 = 2^2+4^2+6^2+8^2+10^2+12^2 = 4+16+36+64+100+144 = 364$∑X2=22+42+62+82+102+122=4+16+36+64+100+144=364

Hitung koefisien $b$b:$$b = \frac{6(3220) – 42(435)}{6(364) – 42^2} = \frac{19320 – 18270}{2184 – 1764} = \frac{1050}{420} = 2.5$$b=6(364)−4226(3220)−42(435)​=2184−176419320−18270​=4201050​=2.5

Hitung konstanta $a$a:$$a = \frac{435 – 2.5*42}{6} = \frac{435 – 105}{6} = \frac{330}{6} = 55$$a=6435−2.5∗42​=6435−105​=6330​=55

Sehingga persamaan garis regresinya adalah:$$Y = 55 + 2.5X$$Y=55+2.5X

Dengan persamaan ini, jika seorang siswa belajar 7 jam, nilai prediksi ujian adalah:$$Y = 55 + 2.5*7 = 55 + 17.5 = 72.5$$Y=55+2.5∗7=55+17.5=72.5

Langkah-langkah Penyelesaian Soal Persamaan Garis Regresi

1. Buat tabel data lengkap dengan kolom X, Y, XY, dan X².
2. Hitung jumlah masing-masing kolom: $\sum X, \sum Y, \sum XY, \sum X^2$∑X,∑Y,∑XY,∑X2.
3. Gunakan rumus koefisien regresi $b$b dan konstanta $a$a.
4. Tulis persamaan garis regresi $Y = a + bX$Y=a+bX.
5. Gunakan persamaan untuk memprediksi nilai Y dari X tertentu.

Tips Cepat Menguasai Persamaan Garis Regresi

• Pahami konsep: Jangan hanya hafal rumus, pahami bahwa garis regresi menunjukkan pola hubungan linear.
• Latihan soal: Semakin banyak soal yang dikerjakan, semakin cepat menguasai langkah-langkahnya.
• Gunakan software statistik: Seperti Excel atau SPSS untuk memverifikasi hasil perhitungan.
• Perhatikan outlier: Nilai ekstrem dapat mempengaruhi garis regresi.
• Latihan interpretasi: Selain menghitung, pelajari bagaimana membaca arti koefisien regresi dalam konteks soal.

Contoh Soal Persamaan Garis Regresi 3

Data pengeluaran bulanan (X) dan tabungan (Y) dari 5 keluarga:

Hitung komponen:
$\sum X = 4+5+6+7+8 = 30$∑X=4+5+6+7+8=30
$\sum Y = 1+2+2.5+3+3.5 = 12$∑Y=1+2+2.5+3+3.5=12
$\sum XY = 4*1 + 5*2 + 6*2.5 + 7*3 + 8*3.5 = 4+10+15+21+28 = 78$∑XY=4∗1+5∗2+6∗2.5+7∗3+8∗3.5=4+10+15+21+28=78
$\sum X^2 = 16+25+36+49+64 = 190$∑X2=16+25+36+49+64=190

Koefisien regresi $b$b:$$b = \frac{5*78 – 30*12}{5*190 – 30^2} = \frac{390 – 360}{950 – 900} = \frac{30}{50} = 0.6$$b=5∗190−3025∗78−30∗12​=950−900390−360​=5030​=0.6

Konstanta $a$a:$$a = \frac{12 – 0.6*30}{5} = \frac{12 – 18}{5} = \frac{-6}{5} = -1.2$$a=512−0.6∗30​=512−18​=5−6​=−1.2

Persamaan garis regresi:$$Y = -1.2 + 0.6X$$Y=−1.2+0.6X

Jika pengeluaran 10 juta, prediksi tabungan:$$Y = -1.2 + 0.6*10 = -1.2 + 6 = 4.8 juta$$Y=−1.2+0.6∗10=−1.2+6=4.8juta

Manfaat Mempelajari Persamaan Garis Regresi

1. Prediksi: Memperkirakan nilai Y jika X diketahui.
2. Analisis hubungan: Mengetahui seberapa kuat pengaruh variabel bebas terhadap variabel terikat.
3. Pengambilan keputusan: Digunakan dalam bisnis dan penelitian untuk merancang strategi berdasarkan data.
4. Evaluasi kinerja: Misalnya hubungan jam kerja dengan produktivitas karyawan.

Baca juga:Universitas Teknokrat Indonesia Pamerkan Cookies Premium Bonava Karya Mahasiswa FEB di Teknokrat Academic Expo 2026

Kesimpulan

Menguasai persamaan garis regresi sangat penting untuk analisis data dan penelitian. Dengan memahami rumus, langkah penyelesaian, dan latihan soal yang konsisten, kita dapat memprediksi nilai variabel terikat dengan tepat. Artikel ini telah memberikan kumpulan contoh soal persamaan garis regresi beserta pembahasan lengkap mulai dari kasus tinggi badan, jam belajar, hingga pengeluaran dan tabungan. Latihan soal yang beragam akan membantu memperkuat pemahaman konsep dan keterampilan dalam menghitung serta menganalisis garis regresi.

penulis:bagas