VI.a.

AnalisisKorelasidanRegresi
A. Pendahuluan
IlmuEkonomibanyakmempelajarihubunganantaraberbagaivariabelekonomi.Dari
adanya hubungan tersebut dipergunakan untuk mempredeksi pengaruh satu variabel
terhadapvariabellainnya.
Contoh:Jumlahbarangyangdimintamerupakanfungsidarihargaq=f(p)
PenawaranmerupakanfungsidarihargaS=f(p)
Fungsi tersebut menunjukkan fakta yang muncul sebagai akibat atau disebabkan
munculnyasesuatuyanglainKitadihadapkanpadafaktakausalitas.Daricontohdiatas
dapatdijelaskanbahwajumlahbarangyangdimintaakanberubahsebagaiakibatadanya
perubahanharga.
Hubunganhubunganfungsionaltersebutmenjelaskanketergantunganvariabelterikat
(dependent variable) pada variabelvariabel bebas (independent variable) dalam bentuk
yang spesifik. Hubungan fungsional tersebut bisajadi merupakan hubungan yang
sederhana antar variabel. Dalam prakteknya lebih sering dijumpai hubungan fungsional
yangrumitdansulituntukdijelaskan.
Alat yang sering dipergunakan untuk mendekati kejadian diatas adalah regresi.
Analisis regresi ada berbagai macam jenis dan yang akan dibahas disini dua jenis yang
seringdipergunakan,yaituanalisisregresisederhanadan analisisregresiberganda.
B. AnalisisKorelasiSederhana
Langkah awal yang harus dilakukan (sebelum menganalisis regresi) adalah mengetahui
bahwa dua variabel yang akan dianalisis memiliki hubungan yang kuat. Hal ini dapat
dilakukandenganmelakukananalisiskorelasi.Kitaperluhatihatidengankorelasipalsu,
yaituapabiladianalisisdinyatakanmemilikikorelasikuat,akantetapisebenarnyasama
sekali tidak berhubungan. Misal : penjualan TV meningkat seriing dengan peningkatan
penjualancelanajeans.
Analisiskorelasiadalahsekumpulanteknikstatistikayangdipergunakanuntukmengukur
keeratanhubungan(korelasi)antaraduavariabel.
Contoh : Suatu perusahaan berpendapat bahwa dengan mendemostrasikan cara
pemakaianprodukakanmendorongpeningkatanpenjualan.Manajerperusahaantersebut
inginmengetahuihubunganantarajumlahdemostrasidenganjumlahbarangyangterjual
dari 10 kelompok salesforce. Berdasarkan laporan masingmasing kelompok salesforce
diperolehdata.
Kelompok Jumlahdemonstrasi Jumlahbarangterjual
Amir
20
30
Ali
15
18
Bambang
18
20
Dodo
28
25
Endang
24
29
Endro
12
22
Farid
10
12
Fajar
30
29
Yuni
35
34
Zainul
26
24
Daripermasalahanpadacontohdiatasdiperolehketeranganbahwajumlahbarangterjual
tergantungpadajumlahdemostrasiyangdilakukan.Berartijumlahbarangterjualberlaku
sebagai variabel terikat (dependent variable). Sedangkan jumlah demonstrasi adalah
variabel yang mempengaruhi jumlah barang terjual. Berarti jumlah demostrasi berlaku
sebagaivariabelbebas(independentvariable).
Langkahyangdijalankanuntukmenganalisiskorelasiadalah:
1. Buat diagram pencar (scatter plot diagram) dengan sumbu datar adalah variabel
bebas (jumlah demonstrasi) disebut sumbu X dan sumbu tegaknya adalah variabel

terikat (jumlah barang terjual) disebut sumbu Y. Hasilnya seperti gambar dibawah
ini.

JmlBarangterjual

40

2. HitungKoefisienKorelasi
Koefisien korelasi dinotasikan dengan r
dengan sebutan r Pearson atau korelasi
productmomentPearson
Koefisien korelasi memiliki nilai 1
sampaidengan+1.
Data yang dapat diolah adalah data yang
berskalaintervalataurasio.
Kekuatan dan arah korelasi terlihat pada
gambardibawahini

35
30
25
20
15
10
5
0
0

5 10 15 20 25 30 35 40
Jmldemostrasi

Korelasi
negatif
sempurna

Korelasi
negatif
kuat

Korelasi
negatif
sedang

1,00

Korelasi
negatif
lemah

Korelasi
positif
sempurna

Tidakada
korelasi

0,5

Korelasi
positif
lemah

Korelasi
positif
sedang

0,5

Korelasinegatif

Korelasi
positif
kuat

1,0

Korelasipositif

Rumus:KoefisienKorelasi(r)
n( XY)- (X)(Y)

r=

2
2
n(

)- (
X X)

2
2
n(

)- (
Y Y)

Daripermasalahandiatasdiperolehhasilperhitungansbb:
Kelompok
Amir
Ali
Bambang
Dodo
Endang
Endro
Farid
Fajar
Yuni
Zainul
Total

r =

r =

20
15
18
28
24
12
10
30
35
26
218

30
18
20
25
29
22
12
29
34
24
243

X2
400
225
324
784
576
144
100
900
1225
676
5354

Y2
900
324
400
625
841
484
144
841
1156
576
6291

XY
600
270
360
700
696
264
120
870
1190
624
5694

10(5694)- (218)(243)

[10(5354)- (218) ] [10(6291)- (243) ]

2

3966

[6016 ][3861 ]

= 0,822903

Riset Bisnis Rahmad Wijaya

68

3. Interpretasi.
Koefisien korelasinya positif, berarti terdapat hubungan langsung dan positif antara
dua variabel tersebut. Nilai korelasi 0,822903 berarti hubungan antara dua variabel
tersebuttermasukkuat.
C. KoefisienDeterminasi(R2):
KoefisienDeterminasiadalahbagiandarikeragamantotalvariabelterikat(Y)yangdapat
diterangkan oleh keragaman variabel bebas (X). Koefisien ini dihitung dengan
mengkuadratkankoefisienkorelasi
Dari contoh diatas berarti R2 = (0,822903)2 = 0,67717. Kita dapat mengatakan bahwa
67,71 % keragaman dari jumlah barang terjual dapat diterangkan oleh keragaman dari
jumlahdemostasiyangdilakukankelompoksalesforce.
D. AnalisisRegresiLinierSederhana
Dari gambar diagram pencar diatas dapat dikembangkan suatu persamaan yang
menyatakan hubungan antara dua variabel dan memperkirakan nilai variabel terikat Y
berdasarkannilaivariabelbebasX.
Kita dapat membuat suatu garis (persamaan) untuk mewakili data yang terdapat pada
diagram pencar tersebut. Garis yang baik adalah garis yang paling sesuai (fit) terhadap
data.
Garisyangpalingsesuai(bestfitting)dapatdiperolehmelaluimetodematematikayang
disebut kaidah kuadrat terkecil. Kaidah ini juga meminimumkan jumalah kuadrat
jarakdeviasivertikalterhadapgaris.
Rumus:Regresi
Y=a+bX
dimana
Y =adalahnilaiprediksi(perkiraan)darivariabelYberdasarkannilaivariabelXyang
dipilih.
a =titikpotongY.MerupakannilaiperkiraanbagiYketikaX=0
b =kemiringangarisatauperubahanrataratapadaYuntuksetiapsatuunitperubahan
(naikatauturun)padavariabelbebasX.
X =sembarangnilaivariabelbebasyangdipilih.
Nilaiadanbdiperolehdarirumus:
b =

n( XY ) - ( X )( Y)
n( X 2 ) - ( X )2
a =

- b

X
n

Daricontohdiatasdapatdihitungsbb:
Kelompok
Amir
Ali
Bambang
Dodo
Endang
Endro
Farid
Fajar
Yuni
Zainul
Total

X
20
15
18
28
24
12
10
30
35
26
218

Y
30
18
20
25
29
22
12
29
34
24
243

X2
400
225
324
784
576
144
100
900
1225
676
5354

Riset Bisnis Rahmad Wijaya

XY
600
270
360
700
696
264
120
870
1190
624
5694

Y2
900
324
400
625
841
484
144
841
1156
576
6291

69

10(5694)- (218)(243)
b=
10(5354)- (218)2

a=

b=0,659242

243
218
- 0,659242
10
10

a=9,928524

sehinggadiperolehpersamaanregresi:
Y=a+bX
Y=9,928524+0,659242X
Interpretasi:
Nilaia=9,928524berartijikatidakdilakukandemostrasisamasekali(X=0),maka
jumlahbarangterjualsebanyak9,928524unit.
Nilai b = 0,659242 berarti setiap penambahan jumlah demostrasi diharapkan akan
menaikkanjumlahbarangterjualsebanyak0,659242unit
Caramenggambargarisregresi:
Kelompok
Amir
Ali
Bambang
Dodo
Endang
Endro
Farid
Fajar
Yuni
Zainul

X
20
15
18
28
24
12
10
30
35
26

Y'
23,113
19,817
21,795
28,387
25,75
17,839
16,521
29,706
33,002
27,069

Y'=
Y'=
Y'=
Y'=
Y'=
Y'=
Y'=
Y'=
Y'=
Y'=

Persamaan
9,92852 + 0,659242(
9,92852 + 0,659242(
9,92852 + 0,659242(
9,92852 + 0,659242(
9,92852 + 0,659242(
9,92852 + 0,659242(
9,92852 + 0,659242(
9,92852 + 0,659242(
9,92852 + 0,659242(
9,92852 + 0,659242(

20)
15)
18)
28)
24)
12)
10)
30)
35)
26)

DarinilaiXdanYdiatasdiperolehdiagrampencarsbb:

JmlBarangterjual

40
35
30
25
20
15
10
5
0
0

5 10 15 20 25 30 35 40
Jmldemostrasi

KesalahanBakuPendugaan
Jika semua titik terletak pada garis, maka
jumlah barang yang terjual dapat diduga
dengankebenaran100%.DariGambardiatas
ternyata tidak semua titik terletak pada garis
regresi.Semakinbanyakjumlahpengam,atan,
makatitiktitikakansemakinmendekatigaris.
Besarnya ketidakakuratan pendugaan dapat
hitung dengan kesalahan baku pendugaan
(StandartErrorofEstimation)dengankonsep
yangsamadenganstandartdeviasi.
Rumusnya:
(Y - Y')2
Sy , x =

Kelompok
Amir
Ali
Bambang
Dodo
Endang
Endro
Farid
Fajar
Yuni
Zainul

Y
20
15
18
28
24
12
10
30
35
26

30
18
20
25
29
22
12
29
34
24

Riset Bisnis Rahmad Wijaya

Y'
23,1134
19,8172
21,7949
28,3873
25,7503
17,8394
16,5209
29,7058
33,0020
27,0688

n - 2

(YY')
(YY')
6,8866 47,4258
1,8172
3,3020
1,7949
3,2216
3,3873 11,4738
3,2497 10,5603
4,1606 17,3104
4,5209 20,4389
0,7058
0,4981
0,9980
0,9960
3,0688
9,4176
0,0000 124,6446

70

Jadi:kesalahanbakupendugaansebesar:
(124,6446)2
= 15,5806
10- 2
Ataudapatpulamenggunakanrumus:
Sy, x =

Sy , x =
E.
1.
2.
3.
4.

- a(Y)- b( XY)
n- 2

AsumsiPokokRegresiLinier
UntuksetiapnilaiX,adasekumpulannilaiYyangmenyebarnormal.
SemuanilaitengahdistribusinormalYterletakpadagarisregresi.
Deviasistandardistribusidistribusinormalinisama.
NilainilaiYsecarastatistiksalingbeba.Artinyabahwapadapemilihansampel,nilai
Y yang terpilih untuk suatu X tertentu tidak tergantung pada nilai Y untuk X yang
lainnya.

Gambardibawahinimengilustrasikanasumsiasumsitersebut:

F. HubunganantaraKoefisienKorelasi,KoefisienDeterminasi,danStandartDeviasi

Jikakesalahanbakunyakecil,makahubunganantaravariabelbebasdanvariabelterikat
adalaherat.Kuncinyapada (YY)2
Koefisienkorelasijugamengukurkeeratanhubunganantaraduavariabeltersebut.
Kedua hal diatassamasama menjelaskankeeratan hubunganantaradua variabel,tetapi
memiliki skala yang berbeda dalam rangka memberitahukan kuatnya hubungan.
Sedangkankoefisiendeterminasidapatdikatakansebagaikuadratdarikoefisienkorelasi.
Hubungan ketiga hal diatas dapat dijelaskan dengan tabel ANOVA (analysis of
variance).
AdapaunformattabelANOVAsbb:
Sumberkeragaman
DF
SS
Regresi
1
SSR
Kesalahan(residual)
n 2
SSE
SST
Total
SST=SSR+SSE

MS
SSR/1
SSE/(n2)

Keragamantotal,yaitu (YY)dibagimenjadi duakomponen:

1. Komponenyangdijelaskanolehregresi(variabelbebas).
2. Komponenkesalahanataukeragamanyangtakterjelaskan.
Regresi=SSR= (YY)2
Kesalahan=SSE= (YY)2
KeragamanTotal=SST= (YY)2

Riset Bisnis Rahmad Wijaya

71

KoefisienDeterminasidapatdiperolehdenganrumus:
r

SSR
SST

= 1 -

SSE
SST

KesalahanbakupendugaanjugadapatdirumuskandaritabelANOVA

y , x

SSE
n - 2

G. PengukurandanSkala
Pemahamantentangskalapengukurandatasangatdiperlukanbagipenelitiuntuk
memilihalatanalisisyangseharusnyadipergunakansesuaidenganskaladatayangakan
diolah. Aplikasi analisis regresi mengasumsikan bahwa skala data yang dipergunakan
adalahrasioatauinterval.Skaladatapadaleveldibawahnya(nominaldanordinal)tidak
diperkenankanuntukdiolahdenganmenggunakanregresi.
Penyimpangan penggunaan skala diatas biasanya terjadi pada penelitian yang
mempergunakan kuesioner dengan skala likert dan skala semantik. Meskipun sebagian
penelitiberpendapatbahwajawabanresponden(sangatsetuju,setuju,netral,tidaksetuju,
sangat tidak setuju) bisa dikatakan masuk pada skala interval, tetapi makna matematis
dari data tersebut tidak ada. Misalkan : Data tersebut dioperasikan secara matematis
(dijumlahkan,dikalikan,dibagi,dsb),tidakakanmemilikimaknayangbenar.Apabilahal
inidipaksakandipergunakan,makapenelitiakankesulitanuntukmelakukanimplikasi.
H. KondisiDalamhubunganKausalitas
Regresi merupakan analisis kausalitas. Beberapa kondisi yang perlu dipahami
sebelummenariksuatukesimpulandarianalisisakusalitasadalah:
a. ConcomitantVariation.
Concomitant Variation adalah suatu kondisi yang menyangkut timbulnya sebab dan
akibat apakah bersamaan atau tidak. Pada analisis regresi, perubahan pada variabel
bebas (X) akan mengakibatkan perubahan pada variabel terikat (Y). Hal yang perlu
diperhatikan disini adalah elemen waktu yang melingkupi kedua variabel tersebut.
Perubahan variabel bebas (Xt) pada periode t akankah berakibat perubahan pada
varibel terikat (Y) pada periode yang sama (t) atau tidak. Pada beberapa kasus
bisajadikejadianpadaperiodetakanberdampakperubahanpadaperiodet+1,ataut
+ 2 dst. Contoh : Pemerintah percaya bahwa dengan melakukan reboisasi (luas
kawasan resapan air) akan mengurangi kerugian akibat banjir. Dalam kasus ini
variabelbebasluasresapanair(reboisasi)tidakberdampaklangsungpadatahunyang
sama.
b. TimeorderofOccurrenceofVariables
Kodisi urutan kejadian merupakan hal yang perlu diperhatikan. Apakah benar
variabel bebas (X) terjadi terlebih dahulu, abru kemudian berdampak pada variabel
terikat (Y) ? Beberapa kasus sangat mungkin terjadi hubungan resiprokal (saling
mempengaruhi).Contoh:Hubunganfrekuensibelanjakesupermarketdanfrekuensi
penggunaan kartu kredit. Mana yang benar ? (1) Orang yang sering berbelanja ke
supermarket sering dan suka menggunakan kartu kredit. (2) Orang yang memiliki
kartukreditseringberbelanjakesupermarket.
c. AbsenceofotherPossibleCausalFactors
Suatukejadianterkadangdisebabkantidakhanyasatusebab,namunbisalebihdari
satusebab.Perludicermati,sebaiknyasebab(variabelbebas)dihadirkanbersama
samaataukahsendirisendiri?.Kehadiranvariabelbebassecarabersamasama
terkadangjustrumenetralisirakibat(variabelterikat),sehinggaakibatyangmuncul
sulitdideteksi.

Riset Bisnis Rahmad Wijaya

72

RegresiBerganda
A. AnalisisRegresiBerganda
Regresibergandamerupakanperluasandariregresisederhana.RumusUmumregresi
bergandaadalah:
Y=a+b1X1 +b2X2 +b3X3 +..+bkXk
Dimana:
Y =adalahnilai prediksi(perkiraan)darivariabelYberdasarkannilaivariabelXyang
dipilih.
a =intersepY,yangmerupakantitikpotongdengansumbuY.
bk =perubahanbersihYperunitakibatadanyaperubahanXk dengan menggapX
liannyakonstan.Inidisebutkoefisienregresiparsial(koefisienregresi).
X1,X2,X3,Xk =variabelbebas
Contoh:Seorangpenelitipemasarantertarikuntukmenelitipengaruhfrekuensiiklandan
jumlahsalesforcepadaperusahaanmakananringanterhadapvolumepenjualannya.Data
yangdiperolehsebagaiberikut:
Namaproduk

Volume
Penjualan
(000unit)
Y

Frekuensi
Iklan
(tayangan/hari)
X1

20
15
48
52
35
29
41
33
12
25

5
4
10
13
9
11
14
13
8
16

Chiko
Zetset
DemiMie
Kraak
Jelly
Stiko
Waf
Kabo
Yippi
Gadon

Jumlah
Agen
(unit)
X2

Jml
salesforce
(orang)
X3

5
3
9
5
4
7
10
6
8
4

25
25
39
40
28
22
36
24
14
20

Padapembahasanregresisederhana,kitamasihdimungkinkanuntukmenggambarkan
secarafisikduadimensi,karenahanyaterdiridariduavariabel.Padaregresiberganda
jumlahvariabelyangterlibatlebihdaridua,sehinggasulituntukdigambarkandanakan
merupakanperhitunganyangmembosankanbiladihitungdengankalkulator.Banyak
paketprogramkomputeryangdapatdipergunakanuntukmenghitungregresiberganda,
seperti,SPSS,MINITAB,STATISTICA,SAS,dll.
SebagianhasilpengolahandatadenganmenggunakanSPSSver6.0sbb:
****MULTIPLEREGRESSION****
ListwiseDeletionofMissingData
EquationNumber1DependentVariable..Y
BlockNumber1.Method:EnterX1X2X3
Variable(s)EnteredonStepNumber
1..X3
2..X1
3..X2
MultipleR,95916
RSquare,91998
AdjustedRSquare,87997
StandardError4,65965
AnalysisofVariance
DFSumofSquaresMeanSquare
Regression31497,72590499,24197
Residual6130,2741021,71235
F=22,99346SignifF=,0011

Riset Bisnis Rahmad Wijaya

73

 VariablesintheEquation
VariableB
SEBBetaTSigT
X11,259634,420960,3642052,992,0242
X2,075768,711127,013131,107,9186
X31,272563,191369
,8066306,650,0006
(Constant) 17,1773946,424499
2,674,0368
EndBlockNumber1Allrequestedvariablesentered.
****MULTIPLEREGRESSION****
EquationNumber1DependentVariable..Y
ResidualsStatistics:
MinMaxMeanStdDevN
*PRED11,321750,479231,000012,900210
*RESID 6,02744,9058,00003,804610
*ZPRED 1,52541,5100,0000 1,000010
*ZRESID 1,29351,0528,0000,816510
TotalCases=10
DurbinWatsonTest=2,11892

Dariprintouttersebutdiperolehketerangan:
Sebelumkitamenginterpretasikanhasilpengolahanregresitersebut,sebaiknya
diperhatikanterlebihdahulunilaiR2,F,dansignifikansidarikoefisienregresinya(sigT).
DariprintoutdiatasterlihatbahwakoefisiendeterminasinyadannilaiFnyasignifikan.
DarisigTterlihatbahwavariabelX2 tidaksignifikan(tidakpenting/tidaknyata)
pengaruhnya,sehinggasebaiknyadatadiatasdiolahkembalidenganmeninggalkan
variabelX2. DanHasilnyasbb:
****MULTIPLEREGRESSION****
ListwiseDeletionofMissingData
EquationNumber1DependentVariable..Y
BlockNumber1.Method:EnterX1X3
Variable(s)EnteredonStepNumber
1..X3
2..X1
MultipleR,95908
RSquare,91983
AdjustedRSquare,89692
StandardError4,31808
AnalysisofVariance
DFSumofSquaresMeanSquare
Regression21497,47942748,73971
Residual7130,5205818,64580
F=40,15595SignifF= ,0001
VariablesintheEquation
VariableBSEBBetaTSigT
X11,270128,379274,3672393,349,0123
X31,277044,173006,8094707,382,0002
(Constant) 16,9456275,601900
3,025,0193
EndBlockNumber1Allrequestedvariablesentered.
****MULTIPLEREGRESSION****
EquationNumber1DependentVariable..Y

Riset Bisnis Rahmad Wijaya

74

ResidualsStatistics:
MinMaxMeanStdDevN
*PRED11,094050,647831,000012,899110
*RESID 5,80984,7572,00003,808210
*ZPRED 1,54321,5232 ,00001,000010
*ZRESID 1,34551,1017,0000,881910
TotalCases=10
DurbinWatsonTest=2,13191

Interpretasi:
MultipleR,95908

:menyatakanbahwakorelasibergandavaribelbebasterhadapvariabel
terikatsebesar95,92%yangberartihubungannyapositifyangkuat.
RSquare,91983 :menyatakanbahwa91,99%perubahanpadavariabelterikat(Y)dapat
dijelaskanolehvariabelbebas,sedangkansisanyadijelaskanolehvariabel
yangtidakdimasukkandalammodel.
AdjustedRSquare,87692 :samadenganRSquare,hanyasajanilaiAjustedRSquaretelah
disesuaikan(ajusted)(dikoreksidengandfnya)
StandardError4,31808 :Kesalahanbakubergandapendugaan(standarterrorodestimation).

B. TABELAVONA
Kemampuanmenyeluruh(secarabersamasama)darivariabelbebasuntukmenjelaskan
perubahanvariabelterikatdapatdiujidenganUjiF.
Formulasi:
H0 : b1 = b2 =0
H1 :tidaksemua b=0
Kriteria:
DaritabelFdengantingkatsignifikansi5%dfpembilang=2dandfpenyebut=7
diperolehnilaikritis4,74.NilaiinidibandingkandengannilaiFhitungdengankriteria:
JikaFhitung<Ftabel,makaHoditerima
JikaFhitung>Ftabel,makaHodiditolak
Kesimpulan:
Darihasilperhitungan(printout)diperolehinformasibahwaFhitungsebesar40,15595.
NilaiFhitunglebihbesardariFtabel,berartiHoditolak,artinyatidaksemua b=0.
Interpretasinya: frekuansiiklan(X1)danjumlahsalesforce(X3)mampumenjelaskan
keragamandarivariabelterikat.
Shortcut:kitadapatmembacadatatabelanovalebihcepatdenganmelihatnilai
SignifF.Apabilanilaitersebutlebihkecildaripadatingkatkepercayaan
yangdipergunakan,makaNilaiFsignifikan
C. PersamaanRegresi:
DariprintoutVariablesintheEquationkitamemperolehinformasitentangpersamaan
regresisbb:
Y=a+b1X1 +b3X3
Y=16,945627+1,270128X1 +1,277044X3
Konstantasebesar 16,945627dapatdiartikansebagaibesarnyavolumepenjualan
(Y)yangdiharapkanapabilaperusahaantidakmemasangiklan(frekuensiiklan=0),dan
tidakmempergunakansalesforcedalammemasarkanproduknya.Nilainegatifdisini
berbadadiluarsampel,untukitunilaitersebutdapatdianggapsebaginol.

Riset Bisnis Rahmad Wijaya

75

Nilaib1sebesar1,270128artinyaapabilafrekuensiiklan(X1)ditambah1kali
penayanganperhari,makadiharapkanadapeningkatanvolumepenjualan(Y)sebesar
1.270unit.
Nilaib3sebesar1,277044artinyaapabilajumlahsalesforce(X3)ditambah1orang,maka
diharapkanadapeningkatanvolumepenjualan(Y)sebesar1.277unit.
D. PengujiankoefisienRegresisecaraIndividual
Nilaikoefisienregresidiatasperludiujiapakannilaitersebutsamadengannolatau
bukan?.
Formulasi:
H0 : b1 =0 b3 =0
H1 : b1 0 b3 0
Kriteria:Daritabel tstudent dengantingkatsignifikasni5%dandf=n(k+1)=10
(2+1)=7diperolehttabel2,365.Pengujianyangdilakukandenganujianduaarah(two
tail).Kriteriayangdipergunakan:
Jika ttabel thitung ttabel,makaHoditerima
Jikathitung>ttabelatauthitung< ttabel,makaH0 ditolak
Kesimpulan:
Dariprintoutdiperolehinformasibahwa
Variabel
Thitung Ttabel Signifikansi
X1
3,349
2,365
Signifikan
X3
7,382
2,365
Signifikan
Konstanta 3,025
2,365
Signifikan
Interpretasinya:FrekuensiIklandanjumlahsalesforcepengaruhnyanyataterhadap
perubahanvolumepenjualan.
E. KesalahanBakuPendugaan
Volumepenjualanyangsecarapopulasidapatdidugadenganmenggunakanpersamaan
regresidiatasdenganmemasukkannilaivariabelbebasnya.Akantetapinilaiyang
diperolehakanmengandungsuatukesalahankarenamenggunakannilaistatistik.
Besarnyakesalahaninidapatdihitungdengan kesalahanbakubergandapendugaan.
2

Rumusnya:

Sy,12 =

(Y - Y')

n- (k- 1)

Langkahawaladalahdenganmenghitungresidu,yaituperbedaanantaranilaipendugaan
dengannilaiseesungguhnya.Kemudiannilaitersebutdikuadratkan.Danakhirnya
dijumlahkansbb:
Y

X1
20
15
48
52
35
29
41
33
12
25

X2
5
4
10
13
9
11
14
13
8
16

X3
5
3
9
5
4
7
10
6
8
4

25
25
39
40
28
22
36
24
14
20

Y'
21,33111
20,06099
45,56037
50,6478
30,24276
25,12075
46,80975
30,21509
11,09401
28,9173

(YY')
1,33111
5,06099
2,439631
1,352203
4,757243
3,879251
5,80975
2,784907
0,905987
3,9173

(YY')2
1,771862
25,61357
5,951799
1,828453
22,63136
15,04859
33,75318
7,755707
0,820812
15,34525
130,5206

Kemudiandimasukkanrumus:
S y,12 =

130 ,5206
= 4,318078
10 - (2 + 1)

Riset Bisnis Rahmad Wijaya

76

NilaitersebutadalahStandartErrorofEstimationsepertiketerangandiatas.

Riset Bisnis Rahmad Wijaya

77