Regresi Linear dengan Visual Basic

              Sir Francis Galton (1822 – 1911), memperkenalkan model peramalan, penaksiran, atau pendugaan, yang selanjutnya dinamakan regresi, sehubungan dengan penelitiannya terhadap tinggi badan manusia. Penelitian tersebut membandingkan antara tinggi anak laki-laki dan tinggi badan ayahnya. Galton menunjukkan bahwa tinggi badan anak laki-laki dari ayah yang tinggi setelah beberapa generasi cenderung mundur (regressed) mendekati nilai tengah populasi. Dengan kata lain, anak laki-laki dari ayah yang badannya sangat tinggi cederung lebih pendek dari pada ayahnya, sedangkan anak laki-laki dari ayah yang badannya sangat pendek cenderung lebih tinggi dari ayahnya. (Ronal E. Walpole). Analisis regresi digunakan untuk menentukan bentuk (dari) hubungan antar variabel. Tujuan utama dalam penggunaan analisis ini adalah untuk meramalkan atau menduga nilai dari satu variabel dalam hubungannya dengan variabel yang lain yang diketahui melalui persamaan garis regresinya.

               Dalam melakukan analisis regresi, sebagian besar mahasiswa biasanya tidak melakukan pengamatan populasi secara langsung. Hal itu dilakukan selain pertimbangan waktu, tenaga, juga berdasarkan pertimbangan biaya yang relatif besar jika melakukan pengamatan terhadap populasi. Dalam hal ini, lazimnya digunakan persamaan regresi linier sederhana sampel sebagai penduga persamaan regresi linier sederhana populasi dengan bentuk persamaan seperti berikut : y = a + bX. Dan karena antara Y dan X memiliki hubungan, maka nilai X dapat digunakan untuk menduga atau meramal nilai Y. X dinamakan variabel bebas karena variabel ini nilai-nilainya tidak bergantung pada variabel lain. Dan Y disebut variabel terikat juga karena variabel yang nilai-nilainya bergantung pada variabel lain. Hubungan antar variabel yang akan dipelajari disini hanyalah hubungan linier sederhana, yakni hubungan yang hanya melibatkan dua variabel (X dan Y) dan berpangkat satu.

Salah satu jenis dari regresi yaitu Regresi Linear,bentuk regresi dengan model yang bertujuan untuk mempelajari hubungan antara dua variabel, yakni variabel independen (bebas) dan variabel dependen (terikat). Jika ditulis dalam bentuk persamaan, model regresi sederhana adalah y = a + bx, dimana, y adalah variabel takbebas (terikat), X adalah variabel bebas, a adalah penduga bagi intercept (α), b adalah penduga bagi koefisien regresi (β). Atau dengan kata lain α dan β adalah parameter yang nilainya tidak diketahui sehingga diduga melalui statistik sampel.

Berikut langkah-langkah algoritma untuk membuat regresi linear dengan visual basic:

1.  Tentukan dulu banyak data yang akan d regresikan. dalam contoh yang akan saya tampilkan saya mencoba dengan menggunakan 7 data dengan simbol (n).

2.  Tentukan nilai X(temperatur) dan Y(distance)  lalu masukkan ke dalam tabel yang telah di sediakan

3.  Hitunglah jumlah keseluruhan nilai dari X yang di definisikan sebagai sum_X

4.  Hitunglah jumlah keseluruhan nilai dari Y yang di definisikan sebagai sum_Y

5.  Hitunglah kuadratic dari nilai X sehingga nilai dari X menjadi X^2 dan jumlahkan nilai dari kuadrtaic tersebut dengan simboli sum_X2

6.  Hitunglah perkalian dari nilai X dan Y sehingga menjadi nilai XY dan jumlahkan nilai dari perkalian tersebut dengan simbol sum_XY

7.  Persamaan dari regresi linear yaitu : y = a 1X + a0

8.  Untuk mencari nilai dari a1 dengan rumus a1 = ((n0 * sum_XY) - (sum_X * sum_Y)) / ((n0 * sum_X2) - (sum_X ^ 2))

9.  Untuk mencari nilai dari a0 dengan rumus a0 = ((sum_Y * sum_X2) - (sum_X * sum_XY)) / ((n0 * sum_X2) - (sum_X ^ 2))

10. Jika nilai a1 dan a0 didapatkan maka persamaan linear dapat diketahui.

Berikut tampilan dari userform yang telah dibuat

Tampilan dari syntac program visual basic

Untuk a0 dan a1 dicaption agar hasil nilai a1 dan a0 dapat muncul di simulasi.
 Berikut  hasil tampilan regresi linear: