Analisis Regresi Linier Sederhana dan Analisis Regresi untuk Dua

Variabel Bebas
1. Pengertian Regresi

Regresi adalah suatu metode statistika yang berguna untuk memeriksa atau
memodelkan hubungan diantara variabel-variabel. Variabel-variabel tersebut dengan
menggunakan analisis regresi dapat melihat adanya pengaruh suatu karakteristik terhadap
data lain. Dengan kata lain jika kita mempunyai dua atau lebih variabel maka kita dapat
mencari suatu cara bagaimana variabel-variabel itu berhubungan. Dan hubungan tersebut
secara matematika dinyatakan sebagai hubungan fungsional antara variabel-variabel.

Persamaan regresi adalah persamaan matematik yang memungkinkan peramalan nilai

suatu peubah tak bebas (dependent variabel) dari nilai peubah bebas (independent variabel).
Kegunaan dari analisis regresi adalah untuk memprediksi/meramalkan suatu kegiatan/
kejadian dimasa yang akan datang apabila variabel lain diketahui, umumnya ada hubungan
sebab akibat.

Beberapa contoh penggunaan korelasi dan regresi seperti di bawah ini.

1). Banyaknya anakan dengan produksi padi.

2). Kepadatan penduduk dengan upah buruh harian.

3). Berat induk sapi dengan berat anak yang baru dilahirkan.

4). Umur dengan berat badan anak balita.

5). Biaya advertensi dengan jumlah penjualan.

A. Regresi Linier Sederhana

Regresi linier sederhana digunakan untuk memperkirakan hubungan antara dua variabel di
mana hanya terdapat satu variabel bebas/peubah bebas X dan satu variabel tak bebas Y.
Persamaan umum regresi linier sederhana adalah:

Y= a +bX

Keterangan:
Y : variabel terikat/tak bebas (dependent)
 X : variabel bebas (independent)
a : konstanta (harga Y bila X = 0)
b : kemiringan/angka arah atau koefisien regresi, yang menunjukkan angka
peningkatan ataupun penurunan variabel dependen yang didasarkan pada variabel
independen. Bila b (+) maka naik, dan bila (-) maka terjadi penurunan.

Nilai b dapat positif (+) dapat negatif (-)

b : positif Y b : negatif Y

Y=a-bX
Y=a+bX

X X

Rumus mencari nilai koefisien a dan b yaitu:

a
Y X X XY
2

b
n XY X Y
n X ( X ) 2 2
n X 2 ( X ) 2

Keterangan:
n : banyak data
Y : Variabel takbebas
X : Variabel bebas

Jika terlebih dahulu dihitung koefisien b, maka koefisien a dapat pula ditentukan oleh
rumus:

a Y bX

dimana X dan Y masing-masing rata-rata untuk variabel-variabel X dan Y.

Contoh Perhitungan Regresi Linier Sederhana
Data berikut adalah hasil pengamatan terhadap biaya promosi (X) volume penjualan PT
BIMOLI perusahaan Minyak Goreng. Data kedua variabel diberikan pada tabel berikut.
 X Y
Tahun Biaya promosi Volume Penjualan XY X Y
(juta rupiah) (Ratusan Juta Liter)
1992 2 5 10 4 25
1993 4 6 24 16 36
1994 5 8 40 25 64
1995 7 10 70 49 100
1996 8 11 88 64 121
Jumlah x = 26 y = 40 xy = 232 x =158 y = 346

(40)(158) (26)( 232)

a 2,526
5(158) (26) 2
5(232) (26)( 40)
b 1,052
5(158) (26) 2
2. Menyusun Persamaan Regresi

Setelah harga a dan b ditemukan, maka persamaan regresi linier sederhana dapat
disusun dalam bentuk:

Y= 2,526 +1,052X
Persamaan regresi yang telah ditemukan itu dapat digunakan untuk
melakukan prediksi (ramalan) bagaimana individu dalam variabel dependen akan
terjadi bila individu dalam variabel independen ditetapkan. Misalnya biaya
promosi = 5,5 juta rupiah, maka volum penjualan adalah:
Y= 2,526 +1,052(5,5) = 8,312
Jadi diperkirakan volume penjualan tiap tahun sebesar 8,312. Dari persamaan
regresi diatas dapat diartikan bahwa, bila biaya promosi bertambah 1, maka
volume penjualan tiap tahun akan bertambah 3,578 atau setiap biaya promosi
bertambah 5, maka volume penjualan tiap tahun akan bertambah sebesar 7,786.
Pengambilan harga-harga X untuk meramalkan Y harus dipertimbangkan secara
rasional dan menurut pengalaman, yang masih berada pada batas ruang gerak X.

3. Membuat Garis Regresi

Garis regresi dapat digambarkan berdasarkan persamaan yang telah
ditemukan adalah:
 12

10 Y= 2,526 +1,052X
8,312
Volume Penjualan

6
pertemuan antara
4 garis Y dan X

0
0 2 4 6 8 10
Biaya Promosi Setiap Tahun

Contoh: Analisis Data

Pengujian Hipotesis
a. Membuat Ha dan Ho dalam bentuk kalimat
Ha : terdapat pengaruh kualitas layanan terhadap kepuasan pelanggan di
Pusat Perawatan Kecantikan VIVA di Jalan WR Supratman 37
Surabaya.
Ho : tidak terdapat pengaruh kualitas layanan terhadap kepuasan pelanggan
di Pusat Perawatan Kecantikan VIVA di Jalan WR Supratman 37
Surabaya. 2.
b. Membuat Ha dan Ho dalam bentuk statistik
Ha : Fhitung Ftabel
Ho : Fhitung < Ftabel
c. Mencari dan menghitung persamaan regresi dengan menggunakan bahan
dari persiapan kerja analisis regresi sebagai berikut :
 Tabel. Data terdapat pengaruh kualitas layanan terhadap kepuasan pelanggan
di Pusat Perawatan Kecantikan VIVA di Jalan WR Supratman 37
Surabaya.

X Y XY X2 Y2
102 7 714 10404 49
92 4 368 8464 16
99 6 594 9801 36
113 8 904 12769 64
113 8 904 12769 64
105 7 735 11025 49
93 8 744 8649 64
76 8 608 5776 64
102 8 816 10404 64
122 10 1220 14884 100
98 8 784 9604 64
96 8 768 9216 64
117 10 1170 13689 100
107 9 963 11449 81
119 8 952 14161 64
119 9 1071 14161 81
121 9 1089 14641 81
86 7 602 7396 49
94 7 658 8836 49
104 9 936 10816 81
97 9 873 9409 81
117 8 936 13689 64
105 10 1050 11025 100
106 8 848 11236 64
114 8 912 12996 64
113 8 904 12769 64
112 10 1120 12544 100
116 8 928 13456 64
116 9 1044 13456 81
106 9 954 11236 81
3180 245 26169 340730 2047

X 3180; Y 245; XY 26169; X 2

340730 Y 2
2047

d. Memasukkan angka-angka statistik dan membuat persamaan regresi.

Menghitung rumus a :
 (245)(340730) (3180)( 26169
a 2,387
30(340730) (3180) 2

Menghitung rumus b :
30(26169) (3180)( 245)
b 0,054
30(340730) (3180) 2

Menulis persamaan regresi dengan rumus:

Y= 2,387 +0,054X
Menguji signifikansinya dengan rumus dan langkah-langkah sebagai
berikut :
Menghitung Jumlah Kuadrat XY dengan rumus:

JK YX XY
X . Y
N
3180.245
26169 199
30
Menghitung Jumlah Kuadrat Total dengan rumus:
( Y ) 2
JK Y Y 2

N
(245) 2
2047 46,167
30
Menghitung Jumlah Kuadrat Regresi dengan rumus:
JK Re g b( JKXY )
(0,054)(199)
10,945
Menghitung Jumlah Kuadrat Residu dengan rumus:
JK R es JK Y JK R eg
46,167 10,945
35,222
e. Mencari Fhitung dengan rumus:
JK reg / k
Fhitung
JK res /( N k 1)
10,945 / 1
8,7003
35,222 /(30 1 1)
 f. Menentukan kriteria uji signifikansi
Jika Fhitung Ftabel maka tolak H0
Ha : signifikan
H0 : Tidak Signifikan

g. menentukan taraf signfikansi dan mencari nilai Ftabel menggunakan tabel F dengan
rumus:
Taraf signifikansi (= 0,05)
Ftabel = (0,05;1;28) = 4,24

Cara mencari tabel F

angka (1;28) artinya 1 sebagai pembilang dan angka 28 sebagai penyebut.

h. Membandingkan Fhitung dengan Ftabel

Ternyata Fhitung > Ftabel atau 8,7003 > 4,24, Maka H0 ditolah dan Ha diterima.
dengandemikian dapat dikatakan terdapat pengaruh kualitas layanan terhadap
kepuasan pelanggan di Pusat Perawatan Kecantikan VIVA di Jalan WR Supretman 37
Surabaya.

B. Analisis Regresi Linier untuk Dua Variabel Bebas

Regresi Ganda Analisis regresi ganda digunakan oleh peneliti, bila peneliti bermaksud
meramalkan bagaimana keadaan (naik turunnya) variabel dependen (kriterium), bila dua atau
lebih variabel independen sebagai prediktor dimanipulasi (dinaik-turunkan nilainya). Jadi
analisis regresi ganda akan dilakukan bila jumlah variabel independennya minimal 2.

Persamaan regresi untuk dua prediktor adalah :

Y = a + b1X1 + b2X2

Persamaan regresi untuk tiga prediktor adalah :

Y = a + b1X1 + b2X2 + b3X3

Persamaan regresi untuk n prediktor adalah :

Y = a + b1X1 + b2X2 + b3X3 + b4X4

Untuk bisa membuat ramalan melalui regresi, maka data setiap variabel harus tersedia.
Selanjutnya berdasarkan data itu peneliti harus dapat menemukan persamaan regresi melalui
perhitungan. Berikut ini diberikan tiga contoh analisis regresi ganda untuk dua, tiga dan
empat prediktor.

1. Regresi Ganda Dua Prediktor

Penelitian dilakukan untuk mengetahui pengaruh kemampuan kerja pegawai dan

kepemimpinan direktif terhadap produktivitas kerja pegawai. Berdasarkan 10 responden yang
digunakan sebagai sumber data penelitian, hasilnya adalah sebagai berikut :

Untuk mendapat meramalkan bagaimana produktivitas kerja pegawai bila kemampuan

pegawai dan kepemimpinan direktif dinaikkan atau diturunkan, maka harus dicari persamaan
regresinya terlebih dahulu. Untuk keperluan ini, maka data mentah dari hasil penelitian perlu
disusun ke dalam tabel.

Dari tiga instrumen yang dikembangkan untuk menjaring data tentang tingkat
kemampuan kerja pegawai, kepemimpinan direktif dan produktivitas kerjanya hasilnya
dapat diberikan pada tabel berikut :
 Untuk menghitung harga-harga a, b1, b2 dapat menggunakan persamaan berikut (untuk
regresi dua prediktor).
 Jadi persamaan regresi ganda linier untuk dua prediktor (kemampuan kerja
pegawai, dan kepemimpinan direktif) adalah :

Y = 3,9186 + 2,4909 X1 - 0,466 X2

Dari persamaan itu berarti produktivitas kerja pegawai akan naik, bila kemampuan
pegawai ditingkatkan, dan akan turun bila kepemimpinan direksi (otokrasi) ditingkatkan.
Tetapi koefisien regresi untuk kemampuan pegawai (2,4909) lebih besar daripada
koefisien regresi untuk kepemimpinan direktif (2,4909) lebih besar daripada koefisien
regresi untuk kepemimpinan direktif (diharga mutlak = 0,466) X. Jadi bila kemampuan
pegawai ditingkatkan sehingga sampai mendapat nilai 10, dan juga tingkat kepemimpinan
direktif sampai mendapat nilai 10, maka produktivitasnya adalah :

Y = 3,9186 + 2,4909 . 10 - 0,466 . 10 = 24,1676

Diperkirakan produktivitas kerja pegawai = 24,1676