Anda di halaman 1dari 17

Daftar Isi

ANALISIS REGRESI

PE ND A H UL U AN

Bab ini ini menyajikan pembahasan tentang Analisis Regresi


Bab ini terdiri atas 2 (dua) sub bab:
1. Analisis Regresi
2. Regresi Linier
a. Regresi linier sederhana
b. Regresi linier ganda
3. Regresi Non Linier
a. Eksponensial

Setelah mempelajari bab ini diharapkan Anda dapat:


1. Menjelaskan Perhitungan Regresi Linier
2. Menjelaskan Perhitungan Regresi Non Linier

Agar Anda dapat mencapai hasil belajar yang optimum, ikutilah semua petunjuk
dalam bab ini dengan cermat. Baca semua uraian materi ini secara berulang,
aplikasikan contoh yang ada ke dalam situasi lain, kerjakan latihan dengan sungguh-
sungguh, dan baca rangkuman sebelum mengerjakan tes formatif!
Jika Anda melakukan disiplin yang tinggi dalam belajar, Anda pasti berhasil dan
secara berangsur-angsur akan menjadi mahasiswa yang mampu mandiri dalam
belajar.
Kegiatan Belajar I
Analisis Regresi

Assalamualaikum teman teman. Selamat siang. Hari ini yuk kita bersama-sama membaca dan
memahami materi bab 1 tentang analisis regresi. Yang akan dibahas di bab ini adalah istilah regresi
yang mungkin masih asing bagi kalian. Dari pada penasaran, yuk baca !

Gagasan perhitungan ditetapkan oleh Sir Francis Galton (1822 - 1911)


Persamaan regresi :Persamaan matematik yang memungkinkan peramalan nilai suatu peubah takbebas
(dependent variable) dari nilai peubah bebas (independent variable)

 Pengertian Regresi

Analisis regresi merupakan studi ketergantungan satu atau lebih variabel bebas terhadap
variabel tidak bebas. Dengan maksud untuk meramalkan nilai variabel tidak bebas.
Kita gunakan analisis regresi bila kita ingin mengetahui bagaimana variabel
dependen/kriteria dapat diprediksikan melalui variabel independen atau variabel prediktor, secara
individual. Dampak dari penggunaan analisis regresi dapat digunakan untuk memutuskan apakah
naik dan menurunnya variabel dependen dapat dilakukan melalui menaikan dan menurunkan
keadaan variabel independen, atau meningkatkan keadaan variabel dependen dapat dilakukan
dengan meningkatkan variabel independen/dan sebaliknya.
Gambar Ilustrasi
Kegiatan Belajar II
Analisis Regresi Linier

Assalamualaikum teman teman. Selamat siang. Hari ini yuk kita bersama-sama membaca dan
memahami materi bab 2 tentang analisis regresi linier sederhana. Yang akan dibahas di bab ini adalah
istilah yang mungkin masih asing bagi kalian serta pembahasan rumus dan soalnya. Dari pada
penasaran, yuk baca !

1. Analisis Regresi Linier


a. Regresi Linier Sederhana
Regresi sederhana didasarkan pada hubungan fungsional ataupun kausal antara satu
variabel independen dengan satu variabel dependen. Persamaan umum regresi linier
sederhana adalah :
Y = a + bX
Y=
Dimana :
Y = Nilai yang diramalkan
a = Konstansta
b = Koefesien regresi
X = Variabel bebas
Nilai b dapat positif (+) dapat negartif (-)
b : positif  Y b : negatif Y

Y = a + bX Y = a - bX
X X
Latihan
Seorang manajer pemasaran akan meneliti apakah terdapat pengaruh iklan terhadap
penjualan pada perusahaan-perusahaan di Kabupaten WaterGold, untuk kepentingan
penelitian tersebut diambil 8 perusahaan sejenis yang telah melakukan promosi.
 Pemecahan
1. Judul
Pengaruh biaya promosi terhadap penjualan perusahaan.
2. Pertanyaan Penelitian
Apakah terdapat pengaruh positif biaya promosi terhadap penjualan perusahaan ?
3. Hipotesis
Terdapat pengaruh positif biaya promosi terhadap penjualan perusahaan.
 Kriteria Penerimaan Hipotesis
Ho : Tidak terdapat pengaruh positif biaya iklan terhadap penjualan perusahaan.
Ha : Terdapat pengaruh positif biaya iklan terhadap penjualan perusahaan.
 Sampel
8 perusahaan
 Data yang dikumpulkan
Penjualan 64 61 84 70 88 92 72 77
(Y)
Promosi 20 16 34 23 27 32 18 22
(X)
 Analisis data
Untuk analisis data dibutuhkan perhitungan dari beberapa hal yaitu :
 Persamaan regresi
 Nilai Prediksi
 Koefesien determinasi
 Kesalahan baku estimasi
 Kesalahan baku koefesien regresinya
 Nilai F hitung
 Nilai t hitung
 Kesimpulan
 Persamaan regresi
Y X XY X2 Y2
64 20 1280 400 4096
61 16 976 256 3721
84 34 2856 1156 7056
70 23 1610 529 4900
88 27 2376 729 7744
92 32 2944 1024 8464
72 18 1296 324 5184
77 22 1694 484 5929
608 192 15032 4902 47094
Y X XY X2 Y2

Ʃ 608 192 15032 4902 47094

n( XY )  ( X )( Y )
b
n( X 2 )  ( X ) 2

8(15032)  (192)(608)
b  1,497
8(4902)  (192) 2

a
 Y  b( X )
n

(608)  1,497(192)
a  40,082
8

Y= 40,082 + 1,497X+e

 Nilai prediksi
Berapa besarnya penjualan jika promosi sebesar 20?
40,082 + (1,497*20)= 70,022
Berapa besarnya penjualan jika promosi sebesar 16?
40,082 + (1,497*16)=64,034
Berapa besarnya penjualan jika promosi sebesar 34?
40,082 + (1,497*34)= 90,98
Berapa besarnya penjualan jika promosi sebesar 23?
40,082 + (1,497*23)= 74,513
Berapa besarnya penjualan jika promosi sebesar 27?
40,082 + (1,497*27)=80,501
Berapa besarnya penjualan jika promosi sebesar 32?
40,082 + (1,497*32)= 87,986
no Y X XY X2 Y2 Ypred (Y-Ypred)2 (Y-Yrata)2

1 64 20 1280 400 4096 70.022 36.264 114


2 61 16 976 256 3721 64.032 9.205 225
3 84 34 2856 1156 7056 90.98 48.720 64
4 70 23 1610 529 4900 74.513 20.367 36
5 88 27 2376 729 7744 80.501 56.235 114
6 92 32 2944 1024 8464 87.986 16.112 256
7 72 18 1296 324 5184 67.028 24.721 16
8 77 22 1694 484 5929 73.016 15.872 1
jml 608 192 15032 4902 47094 608.08 227.497 886

 Koefisien determinasi
Koefisien determinasi:

R2  1
 (Y  Yˆ ) 2

 (Y  Y ) 2

(227,497)
R2  1  0,743
(886)
Koefesien Determinasi Disesuaikan (adjusted) :

P(1  R 2 )
Radj  R 2 
N  P 1

1(1  0,743)
Radj  0,743   0,70
8 11
 Kesalahan baku estimasi
Digunakan untuk mengukur tingkat kesalahan dari model regresi yang dibentuk :

Se 
 (Y  Yˆ ) 2
Se 
(227,467)
 6,1576
nk 82
 Standar eror koefisien regresi
Digunakan untuk mengukur besarnya tingkat kesalahan dari koefesien regresi:

Se 6,1576
Sb  Sb1   0,359
X2  
( X )2
(192) 2
n (4902) 
8

 Uji F
Uji F digunakan untuk uji ketepatan model, apakah nilai prediksi mampu menggambarkan
kondisi sesungguhnya:
Ho: Diterima jika F hitung  F tabel
Ha: Diterima jika F hitung > F table

R 2 /( k  1) 0,743 /( 2  1)
F F  17,367
1  0,743 /(8  2)
1  R 2 /( n  k )

Karena F hitung (17,367) > dari F tabel (5,99) maka persamaan regresi dinyatakan
Baik (good of fit).
 Uji T
Digunakan untuk mengatahui pengaruh variabel bebas terhadap variabel tergantung.
Ho: Diterima jika t hitung  t tabel
Ha: Diterima jika t hitung > t tabel

bj 1,497
Thitung  thitung   4,167
Sbj 0,359
Karena t hitung (4,167) > dari t tabel (1,943) maka Ha diterima ada pengaruh iklan terhadap
penjualan.
 Kesimpulan dan implikasi
KESIMPULAN
Terdapat pengaruh positif biaya periklanan terhadap volume penjualan.
IMPLIKASI
Sebaiknya perusahaan terus meningkatkan periklanan agar penjualan meningkat.
b. Regresi Linier 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 :

No Responden X1 X2 Y
1 10 7 23
2 2 3 7
3 4 2 15
4 6 4 17
5 8 6 23
6 7 5 22
7 10 4 3
8 6 3 14
9 7 4 20
10 6 3 19
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 8.3
Dari tiga instrumen yang dikembangkan untuk menjaring data tentang tingkat
kemampuan kerja pegawai, kepemimpinan direktif dan produktivitas kerjanya hasilnya
dapat diberikan pada tabel berikut :

TABEL 8.3 TABEL PENOLONG UNTUK MENGHITUNG


PERSAMAAN REGRESI GANDA DUA PREDIKTOR

no Y X1 X2 X1Y X2Y X1X2 X12 X22


1 23 10 7 230 161 70 100 49
2 7 2 3 14 21 6 4 9
3 15 4 2 60 30 8 16 4
4 17 6 4 102 68 24 36 16
5 23 8 6 184 138 48 64 36
6 22 7 5 154 110 35 49 25
7 10 4 3 40 30 12 16 9
8 14 6 3 84 42 18 36 9
9 20 7 4 140 80 28 49 16
10 19 6 3 114 57 18 36 9
jml 170 60 40 1122 737 267 406 182

Y = produktivitas kerja;
X1 = kemampuan kerja pegawai
X2 = kepemimpinan direktif
Dari data tabel diperoleh :
ƩY = 170 ƩX2Y = 737
ƩX1 = 60 ƩX1X2 = 267
ƩX2 = 40 ƩX12 = 406
ƩX1Y = 1122 ƩX22 = 182

Untuk menghitung harga-harga a, b1, b2 dapat menggunakan persamaan berikut : (untuk


regresi dua prediktor).
tersebut maka :
170 = 10a + 60 b1 + 40 b2 ………… (1)
1.122 = 60a + 406 b1 + 267 b2 ……. (2)
737 = 40a + 267 b1 + 182 b2 ……….(3)
Persamaan (1) dikalikan 6, persamaan (2) dikalikan 1 :
1.020 = 60 a + 360 b1 + 240 b2
1.122 = 60 a + 406 b1 + 267 b2
(-)
-102 = 0 a + -46 b1 + -27 b2
-102 = -46 b1 - - 27 b2 ……. (4)
Persamaan (1) dikalikan dengan 4, persamaan (3) dikalikan dengan 1 hasilnya menjadi :
680 = 40 a + 240 b1 + 160 b2
737 = 40 a + 267 b1 + 182 b2
(-)
-57 = 0 a + -27 b1 + -22 b2
-57 = -27 b1 - - 22 b2 ……. (5)
Persamaan (4) dikalikan 27, persamaan 5 dikalikan 46, hasilnya menjadi :
-2.754 = -1.242 b1 + -729 b2
-2.622 = -1.242 b1 + -1.012 b2
(-)
-132 = 0 + 283 b2
b2 = -132 = -0,466
283
Jadi :
a = 3,9186
b1 = 2,4909
b2 = -0,466
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

2. Analisis Regresi Tiga Prediktor


Dilakukan penelitian untuk mengetahui Persamaan Regresi hubungan antara
kemampuan kerja, pemahaman terhadap tugas, motivasi kerja secara bersama-sama
terhadap produktivitas kerja di Lembaga B.

LATIHAN
Untuk memperdalam pemahaman anda mengenai pengertian dimensia, kerjakanlah
latihan berikut!
Buatlah persamaan regresi liner sederhana !

RANGKUMAN

TES FORMATIF
1. Studi ketergantungan satu atau lebih variabel bebas terhadap variabel tidak bebas merupakan
perngertian dari . . .
a. regresi
b. regresi verbal sederhana
c. regresi ganda
d. regresi linier
e. eksponensial
2. Perhatikan data berikut
Diketahui suatu penelitian terhadap hubungan antara nilai biaya periklanan dengan tingkat
penjualan dari sebuah koperasi adalah sebagai berikut : (dalam ribuan rupiah)

Biaya periklanan Tingkat Penjualan


50 40
51 46
52 44
53 55
54 49

Tentukan persamaan regresinya

a. Y = -93,6 + 2,7 (X)


b. Y = 97,6 +3(Y)
c. Y = 50 -3 (X)
d. Y = -93,6 + 2,7 (Y)
e. Y = 50 – 3 (Y)
3. Tentukan nilai a dan b ! 2. Buatkan persamaan garis regresinya ! 3. Berapa perkiraan
omzet penjualan dari seorang marketing yang memiliki pengalaman kerjanya 3,5
tahun?
a. 4,800
b. 5,625
c. 6,008
d. 7,625
4. Diketahui hubungan Biaya Promosi (X dalam Juta Rupiah) dan Y
(Volume penjualan dalam Ratusan Juta liter) dapat dinyatakan dalam
persamaan regresi linier berikut:
Y = 2,530 + 1,053 X. Perkirakan Volume penjualan jika, dikeluarkan
biaya promosi Rp. 10 jt?
a. 10.00 x 200 000 liter
b. 12.51 x 300 000 000 liter
c. 13.06 x 100 000 000 liter
d. 14.50 x 500 000 000 liter
e. 15.00 x 600 000 000 liter
5. Berikut adalah data Biaya Promosi dan Volume Penjualan PT BIMOIL
perusahaan Minyak Gosok.
X Y
Thn Biaya Volume Penjualan xy x² y²
Promosi (Ratusan Juta
(Juta Rupiah) 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
 x = 26 y = 40 xy = 232 x² =158 y² = 346
n=5

Tentukan bentuk umum persaman regresi linier sederhana : Y = a + bX


a. Y = 1,250 + 0,50X
b. Y = 2,530 + 1,053X
c. Y = 3,50 + 2,125X
d. Y = 4,56 + 1,053X
e. Y = 5,25 + 1,053X
KEGIATAN BELAJAR III
REGRESI NON LINIER

1. Regresi Eksponensial
Regresi Eksponensial digunakan untuk menentukan fungsi eksponensial
yang paling sesuai dengan kumpulan titik data (Xn,Yn) yang diketahui.

Regresi Eksponensial merupakan pengembangan dari regresi linier dengan


memanfaatkan fungsi logaritmik untuk fungsi Y=eax+b
Dapat dilogaritma-kan menjadi In Y= In (eax+b) atau In= ax+b
Jika Z= ax+b maka: Z= In y

Bentuk umum Regresi Eksponensial


Y = abX
log Y = log a + (log b) x
LATIHAN
RANGKUMAN
TES FORMATIF
1. Yang termasuk dalam analisis regresi adalah . . .
a. Analisis bilangan
b. Analisis logaritma
c. Analisis eksponensial
d. Validitas dan realibilitas
e. Uji hipotesis
Table data
Xi Yi Zi= In y
1 0.5 -0.6931
2 1.7 0,5306
3 3.4 1.2238
4 5.7 1.7405
5 8.4 2.1282
2. Carilah nilai a dari data diatas . . .
a. 0.685
b. 0.687
c. 0.75
d. 0.857
e. 0.865
3. Carilah nilai b dari data diatas . . .
a. 1.75
b. -1.75
c. 1.069
d. -1.069
e. 1.59
4. Tentukan persamaan kurve eksponensial dari data diatas . . .
a. Y= e0.687+1.75
b. Y= e0.685-1.069
c. Y= e0.75+1.59
d. Y= e0.857-1.75
e. Y= e1.59+0.865
5. Tentukan bentuk umum regresi eksponensial . . .
a. log Y = log a + b
b. log Y = log a + b X
c. log Y = log a + (log b) x
d. log Y = log (a+b) x
e. log Y = log ax+bx