X
Y Y
Y X X
X
Definisi Pengaruh
Maka plot data yang membentuk suatu pola tertentu
menunjukkan bahwa variabel X dan Y membentuk suatu
hubungan
X Y hubungan
X Y pengaruh
Regresi Linier Y Terhadap X
Jika pola yang membentuk hubungan X dan Y
membentuk suatu garis lurus, maka disebut
Pengaruh Linier
Dimana :
variabel X variabel bebas (independent)
variabel Y variabel terikat (dependent)
Nilai-nilai Y ditentukan oleh nilai-nilai X
Variabel Y dipengaruhi oleh variabel X
Variabel X mempengaruhi variabel Y
Perbedaan dengan korelasi
Korelasi : mengukur kekuatan atau tingkat hubungan antara
dua variabel (simple correlation) dan tiga variabel (multiple
correlation)
Dalam analisis regresi, ada asimetris antara variabel tak bebas
dan variabel bebas. variabel tak bebas bersifat acak atau
stokastik dimana variabel bebas diasumsikan mempunyai
nilai yang tetap dalam pengambilan sampel berulang
Dalam Korelasi, ada simetris variabel tak bebas dan variabel
bebas.
Regresi Linier Y Terhadap X
• Plot antara X dan Y
X
Intersep
Bila X = 0 maka Y = a
Bila a = 0 maka garis akan
melalui titik (0,0)
Y
Y
a .
X X
Slope
Slope = kemiringan
Y = a + bX
Perubahan 1 satuan pada X mengakibatkan perubahan b
satuan pada Y, sehingga Y mengukur kemiringan/slope garis
tersebut.
Y
b
satuan
1
satuan
X
Slope
Bila b positif
Bertambahnya nilai X mengakibatkan bertambahnya nilai Y
Bila b negatif
Bertambahnya nilai X mengakibatkan berkurangnya nilai Y
Regresi Linier Sederhana
Model regresi linier yang hanya melibatkan satu
variabel bebas (X). Model regresinya sbb:
Y X
Dimana :
Y = variabel terikat
X = variable bebas
, = parameter regresi
Model Regresi Sederhana
• Variabel Y disebut dengan variabel dependen. Variabel ini
disebut pula dengan beberapa nama yang serupa seperti
variabel terikat, variabel regressand, dan variabel endogen.
Perilaku atau variasi dari variabel Y akan dijelaskan oleh
model/fungsi regresi sederhana.
• notasi X mewakili variabel independen. Nama yang
ekuivalen untuk X adalah variabel bebas, variabel regressor,
dan variabel eksogen. Secara keseluruhan, variabel X akan
menjelaskan variasi dalam variabel Y
• Notasi a dan b keduanya disebut dengan parameter model.
Secara lebih spesifik, a adalah konstanta dan b adalah
koefisien regresi.
Metode Pendugaan Parameter Regresi
• Nilai dugaan a dan b diperoleh dari proses sbb :
1. Dilakukan turunan pertama terhadap a dan b
( ei )
2 n
2 Yi a bX i
a i 1
( ei )
2 n
2 Yi a bX i X i
b i 1
i 1 i 1 i 1
n
n n
n X iYi X i Yi
b i 1 n i 1 i 1 a Y bX
n
n X i X i
2
i 1 i 1
Persamaan Regresi Sederhana
• Manajemen musik ingin mengetahui hubungan
fungsional antara nilai penjualan album (Y) dengan
biaya promosi (X) yang diyakini bahwa biaya biaya
promosi dapat mempengaruhi nilai penjualan.
Buatlah persamaan regresi linear yang menunjukkan
hubungan antara nilai penjualan album (Y) dengan
biaya promosi (X) menggunakan data berikut dengan
metode kuadrat terkecil
Data nilai penjualan dan biaya promosi
64 20
61 16
84 34
70 23
88 27
92 32
72 18
77 22
Penyelesaiannya
Y X XY X2
64 20 1280 400
61 16 976 256
84 34 2856 1156
70 23 1610 529
88 27 2376 729
92 32 2944 1024
72 18 1296 324
77 22 1694 4843
608 192 15032 4902
Mencari nilai a dan b
a Y bX
n XY X Y
Y 608 b
Y 76
n X 2 X
2
n 8
X
X 192 24
8(15.032) (192)(608)
n 8 8(4.902) (192) 2
a 76 1,5( 24) 40 3520
2352
1,4965 1,5
Yˆ 40 1,5 X
Output SPSS
Model Summary
Kolom “Model”
Kolom ini menunjukkan jumlah model dalam cetak hasil (print
out). Angka “1” memberikan informasi bahwa hanya terdapat
satu model dalam print out. Jika kita menggunakan metode
lainnya, seperti metode forward atau backward, maka kita akan
mendapatkan lebih dari satu model.
Kolom “R”
Kolom ini berisikan angka koefisien korelasi. Angka ini
menunjukkan tingkat keeratan hubungan secara simultan antara
variabel independen dan variabel dependen.
• Kolom “R Square”
• Kolom ini berisikan angka koefisien determinasi. Angka ini menunjukkan
proporsi variasi variabel dependen yang bisa dijelaskan oleh variabel
independen yang ada dalam model.
• Kolom “Adjusted R Square”
• Kolom ini berisikan angka koefisien determinasi yang disesuaikan. Pada
prinsipnya angka ini bermakna seperti angka koefisien determinasi.
Namun, angka koefisien ini telah disesuaikan dengan banyaknya data
(n) dan banyaknya variabel dalam model (k).
• Kolom “ Standard Error of the Estimate”
• Kolom ini berisikan angka kesalahan standar dari model yang
diestimasikan. Kita bisa menilai keakurasian model dengan
menggunakan angka ini.
Anova
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 2.25E+08 1 224884849.5 27.543 .000a
Residual 1.06E+08 13 8164720.833
Total 3.31E+08 14
a. Predictors: (Constant), HARIKERJ
b. Dependent Variable: OUTPUT
Kolom “Model”.
Kolom ini menunjukkan jumlah model dalam cetak hasil (print out). Berdasarkan
tabel Anova ini, kita mengetahui bahwa hanya ada satu model saja dalam prinout.
Kolom “Sum of Square”
Kolom ini berisikan tiga angka, yaitu Regression Sum of Square, Residual Sum of
Square, dan Total Sum of Square. Regression Sum of Square menunjukkan variasi
dari nilai estimasi variabel dependen dari nilai meannya yang dapat dijelaskan oleh
variabel regressor. Residual Sum of Square menunjukkan nilai kuadrat dari variasi
nilai estimasi variabel dependen terhadap nilai aktualnya. Sedangkan Total Sum of
Square merupakan jumlah dari Regression Sum of Square dan Residual Sum of
Square.
• Kolom “df”
• Kolom ini mengindikasikan degree of freedom (derajat kebebasan).
Degree of freedom dari Regression Sum of Square adalah ditentukan
oleh formula k – 1. Degree of freedom dari Residual Sum of Square
adalah ditentukan oleh formula n – k. Dan degree of freedom dari Total
Sum of Square adalah ditentukan oleh formula n – 1.
• Kolom “Mean Square
• Kolom ini berisikan dua angka, yaitu Regression Mean of Square dan
Residual Mean of Square. Regression Mean of Square merupakan
Regression Sum of Square dibagi degree of freedomnya. Residual Mean
of Square merupakan Residual Sum of Square dibagi degree of
freedomnya.
• Kolom “ F”
• Kolom ini berisi nilai F hitung dari model yang kita miliki. Angka ini
merupakan Regression Mean of Square dibagi Residual Mean of
Square. Pebandingan nilai F pada kolom ini dengan nilai F pada tabel
akan memberikan indikasi apakah secara simultan variabel independen
pada model berpengaruh secara signifikan terhadap variabel dependen.
• Kolom “Sig.”
• Kolom ini adalah kolom siginifikansi (probabilitas) dari
terjadinya nilai F. Angka ini dapat digunakan untuk menguji
apakah secara simultan variabel independen pada model
berpengaruh secara signifikan terhadap variabel dependen
dengan cara membandingkannya dengan tingkat signifikansi
yang kita tetapkan (α).
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -53064.7 14838.710 -3.576 .003
HARIKERJ 270.690 51.578 .824 5.248 .000
a. Dependent Variable: OUTPUT
HIPOTESIS
• Mayor : Kualitas Produk dan Sikap terhadap Iklan
mendukung peningkatan Kesetiaan Konsumen
• Minor (A) : Kualitas Produk mendukung peningkatan
Kesetiaan Konsumen
• Minor (B) Sikap terhadap Iklan mendukung peningkatan
Kesetiaan Konsumen
Proses Regresi
Regresi adalah proses memasukkan Variabel Independen ke dalam
model untuk memprediksi Variabel Dependen, proses tersebut dapat
dilakukan secara simultan maupun satu persatu
b
Sikap terhadap Iklan (X2)
c
R = a+b+c | b1 = a+b | b2= c
Model Summary
Sum of
Model Squares df Mean Square F Sig. F=102,240 ;
1 Regression 112.693 2 56.347 102.240 .000a
Residual 3.307 6 .551
p<0,01
Total 116.000 8
a. Predictors: (Constant), Sikap terhadap Iklan, Kualitas Produk Hipotesis Mayor
b. Dependent Variable: Kesetiaan terhadap Produk
Diterima
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -4.084 1.727 -2.365 .056
Kualitas Produk .782 .116 .581 6.732 .001
Sikap terhadap Iklan .330 .055 .520 6.032 .001
a. Dependent Variable: Kesetiaan terhadap Produk
a
Kualitas Produk (X1)
b
Sikap terhadap Iklan (X2)
c
R = a+b+c | b1 = a+b | b2= c
PRINSIP REGRESI
SIAPA YANG YANG MASUK DULU DAPAT RUANG LEBIH BANYAK
Sum of
Model Squares df Mean Square F Sig.
1 Regression 107.381 2 53.691 37.38 .000a
Korelasi antar prediktor Residual 8.619 6 1.436
Total
terlalu besar
116.000 8
a. Predictors: (Constant), Self Confidence, Self Esteem
Coefficientsa
Unstandardized Std.
Coefficients Coefficients
Model B Std. Error Beta t Sig.
Tahun 1 2 3 4 5 6 7 8 9 10
X1 10 9 11 12 11 12 13 13 14 15
X2 3 4 3 3 4 5 6 7 7 8
Y 44 40 42 46 48 52 54 58 56 60
SIAPA YANG MASUK LEBIH DAHULU ?
• Peneliti yang menentukan sendiri
– Berdasarkan pertimbangan teori, relevansi dengan sampel,
kepentingan penelitian
• Program yang menentukan
– ENTER. Semua prediktor dimasukkan dalam satu waktu
– REMOVE. Semua prediktor dimasukkan lalu semua prediktor
dikeluarkan secara simultan
– STEPWISE. Prediktor yang memiliki daya prediksi yang besar
dimasukkan terlebih dahulu
– FORWARD. Prediktor yang memiliki daya prediksi yang besar
dimasukkan terlebih dahulu
– BACKWARD. Semua prediktor dimasukkan lalu prediktor yang
memiliki daya prediksi yang rendah dikeluarkan satu per satu
berdasarkan yang
MENU SPSS
1. MASUK KE MENU | ANALYZE REGRESSION LINEAR
2. OPTION | Masukkan variabel di dalam kotak
TUGAS
1. Ada 10 rumah tangga yang merupakan sampel random di
teliti. Ditanyakan banyaknya konsumsi suatu komoditi
tertentu (dalam satuan), harga komoditi (dalam satuan) dan
pendapatan (dalam satuan).
Kita ketahui bahwa permintaan terhadap komoditi tersebut
untuk keperluan konsumsi (Y) akan dipengaruhi oleh harga
(X1) dan pendapatan (X2). Hasil penelitian adalah sebagai
berikut :
X1 2 3 5 4 6 2 3 4 5 6
X2 3 4 6 5 7 6 4 5 4 3
Y 5 8 8 9 9 13 6 9 4 3
Cari persamaan regresi linier berganda Y = a + b1X1+b2X2