Regresi Linier Sederhana

Analisis regresi sederhana merupakan salah satu metodi uji regresi yang dapat dipakai
sebagai alat inferensi statistik untuk menentukan pengaruh sebuahvariabel bebas
(independen) terhadap variabel terikat (dependen).
Regresi linear sederhana ataupun regresi linier berganda pada intinya memiliki
beberapa tujuan, yaitu :

Menghitung nilai estimasi rata-rata dan nilai variabel terikat berdasarkan pada
nilai variabel bebas.
Menguji hipotesis karakteristik dependensi
Meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai variabel
bebas diluar jangkaun sample.
Pada analisis regresi sederhana dengan menggunakan SPSS ada beberapa
asumsi dan persyaratan yang perlu diperiksa dan diuji, beberapa diantaranya
adalah :
1. Variabel bebas tidak berkorelasi dengan disturbance term (Error). Nilai
disturbance term sebesar 0 atau dengan simbol sebagai berikut: (E (U /
X) = 0,
2. Jika variabel bebas lebih dari satu, maka antara variabel bebas
(explanatory) tidak ada hubungan linier yang nyata,
3. Model regresi dikatakan layak jika angka signifikansi pada ANOVA
sebesar < 0.05,
4. Predictor yang digunakan sebagai variabel bebas harus layak. Kelayakan
ini diketahui jika angka Standard Error of Estimate < Standard Deviation,
5. Koefisien regresi harus signifikan. Pengujian dilakukan dengan Uji T.
Koefesien regresi signifikan jika T hitung > T table (nilai kritis),
6. Model regresi dapat diterangkan dengan menggunakan nilai koefisiena
determinasi (KD = r2 x 100%) semakin besar nilai tersebut maka model
semakin baik. Jika nilai mendekati 1 maka model regresi semakin baik,
7. Data harus berdistribusi normal,
8. Data berskala interval atau rasio,
9. Kedua variabel bersifat dependen, artinya satu variabel merupakan
variabel bebas (variabel predictor) sedang variabel lainnya variabel terikat
(variabel response)

Contoh kasus:
Seorang mahasiswa bernama Hermawan ingin meneliti tentang pengaruh biaya
promosi terhadap volume penjualan pada perusahaan jual beli motor. Dengan ini di
dapat variabel dependen (Y) adalah volume penjualan dan variabel independen (X)
adalah biaya promosi. Dengan ini Hermawan menganalisis dengan bantuan program
SPSS dengan alat analisis regresi linear sederhana. Data-data yang di dapat
ditabulasikan sebagai berikut:

Tabel. Tabulasi Data Penelitian (Data Fiktif)

Biaya
Promosi
12,00

13,50

62,43

12,75

60,85

12,60

61,30

14,85

65,83

15,20

66,35

15,75

65,26

16,80

68,80

18,45

70,47

10

17,90

65,20

11

18,25

68,00

12

16,48

64,20

13

17,50

65,30

14

19,56

69,56

15

19,00

68,75

16

20,45

70,26

17

22,65

72,35

18

21,40

70,29

19

22,90

73,56

20

23,50

75,64

No

Volume Penjualan
56,00

Berikut ini contoh perhitungan regresi linier sederhana menggunakan software SPSS
19.
Pada Variabel View isikan :

Pada Data View :

Pilih menu Analyze, kemudian pilih Regression lalu pilih Linear,

Pilih variabel Y sebagai variabel dependen (terikat) dan X1 sebagai variabel

independen (bebas) lalu klik tombol OK,

Output SPSS akan menampilkan hasil berupa 4 buah tabel yaitu;

1.) tabel variabel penelitian,
2.) ringkasan model (model summary),
3.) Tabel Anova, dan
4.) Tabel Koefisien.

Cara membaca output spss hasil uji regresi linier tersebut adalah :
Tabel pertama menunjukkan variabel apa saja yang diproses, mana yang
menjadi variabel bebas dan variabel terikat.
Tabel kedua menampilkan nilai R yang merupakan simbol dari nilai koefisien
korelasi. Pada contoh diatas nilai korelasi adalah 0,933. Nilai ini dapat
diinterpretasikan bahwa hubungan kedua variabel penelitian ada di kategori kuat.
Melalui tabel ini juga diperoleh nilai R Square atau koefisien determinasi (KD)
yang menunjukkan seberapa bagus model regresi yang dibentuk oleh interaksi
variabel bebas dan variabel terikat. Nilai KD yang diperoleh adalah 87% yang
dapat ditafsirkan bahwa variabel bebas X memiliki pengaruh kontribusi sebesar
87% terhadap variabel Y dan 13% lainnya dipengaruhi oleh faktor-faktor lain
diluar variabel X.
Tabel ketiga digunakan untuk menentukan taraf signifikansi atau linieritas dari
regresi. Kriterianya dapat ditentukan berdasarkan uji F atau uji nilai Signifikansi
(Sig.). Cara yang paling mudah dengan uji Sig., dengan ketentuan, jika Nilai Sig.
< 0,05, maka model regresi adalah linier, dan berlaku sebaliknya. Berdasarkan
tabel ketiga, diperoleh nilai Sig. = 0,000 yang berarti < kriteria signifikan (0,05),

dengan demikian model persamaan regresi berdasarkan data penelitian adalah

signifikan artinya, model regresi linier memenuhi kriteria linieritas.
Tabel keempat menginformasikan model persamaan regresi yang diperoleh
dengan koefisien konstanta dan koefisien variabel yang ada di kolom
Unstandardized Coefficients B. Berdasarkan tabel ini diperoleh model
persamaan regresi :
Y = 44,905 + 1,258 X