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.
3). Berat induk sapi dengan berat anak yang baru dilahirkan.
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.
b : positif Y b : negatif Y
Y=a-bX
Y=a+bX
X X
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
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.
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
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
Menghitung rumus b :
30(26169) (3180)( 245)
b 0,054
30(340730) (3180) 2
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
Y = a + b1X1 + b2X2
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.
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 :
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 :