PUSTAKA

PENULIS : J. Supranto, M.A.

TAHUN : 2009

JUDUL : Statistik Teori dan Aplikasi

PENERBIT : PT Erlangga, Jakarta

HALAMAN : 406

SITASI : J. Supranto, M.A. (2009) mengatakan

bahwa Model Regresi Linear Sederhana adalah tidak mungkin
untuk memperkirakan hubungan antara dua variabel tanpa
membuat asumsi terlebih dahulu mengenai bentuk hubungan
yang dinyatakan dalam fungsi tertentu. Dalam beberapa hal,
kita bisa mengecek asumsi tersebut setelah hubungan
diperkirakan. Fungsi linear, selain mudah interpretasinya, juga
dapat digunakan sebagai pendekatan (approximation) atas
hubungan yang bukan linear (non linear). Fungsi linear,
mempunyai bentuk persamaan sebagai berikut : Y = A + Bx.
Dimana A dan B adalah konstanta atau parameter, yang
nilainya harus diestimasi.
PENULIS : Sigit Nugroho, Ph.D.

TAHUN : 2008

JUDUL : Dasar-dasar Metode Statistika

PENERBIT : PT Grasindo, Jakarta

HALAMAN : 214

SITASI : Sigit Nugroho, Ph.D. (2008) mengatakan

bahwa Analisis Korelasi merupakan penentuan ukuran
numeric hubungan dua perubah bebas. Dapat digunakan
perubah, seperti tingkat pendidikan dan IQ; kelelahan dan laju
produksi; temperature dan tekanan. Seperti halnya regresi,
korelasi umumnya juga mempelajari tentang hubungan linier.
Sebagai hasil dari analisis korelasi ini adalah untuk
mengetahui bagaimana suatu persamaan regresi menerangkan
keragaman respon Y. Walapun dalam regresi peubah Y adalah
acak atau random dan peubah X adalah tetap, korelasi dapat
memberikan informasi yang berguna dalam mempelajari
regresi.
PENULIS : Prof. Dr. Suyono, M.Si

TAHUN : 2018

JUDUL : Analisis Regresi untuk Penelitian

PENERBIT : PT Deepublish, Yogyakarta

HALAMAN : 294

SITASI : Prof. Dr. Suyono, M.Si (2018) mengatakan

bahwa Mengestimasi Parameter 𝛽0 , 𝛽1 , 𝑑𝑎𝑛 𝜎 2 memiliki
realisasi data sampel pasangan variabel independen dan
variabel dependen (𝑋1 , 𝑌1 ), (𝑋2 , 𝑌2 ), … , (𝑋𝑛 , 𝑌𝑛 ). Pasangan
(𝑋1 , 𝑌1 ) berarti bahwa dari responden pertama telah diperoleh
data variavel independen 𝑋1 dan variabel dependen 𝑌1 ,
Pasangan (𝑋2 , 𝑌2 ) berarti bahwa dari responden kedua telah
diperoleh data variabel independen 𝑋2 dan variavel dependen
𝑌2 , dan seterusnya. Dengan data sampel ini selanjutnya dapat
diestimasi nilai-nilai parameter 𝛽0 dan 𝛽1 . Ada beberapa
metode untuk mendapatkan estimator atau penduga untuk
𝛽0 dan 𝛽1 . Dua di antara metode yang terkenal adalah metode
kuadrat terkecil (ordinary least square) dan metode
kemungkinan maksimum (maximum likelihood)
PENULIS : Nawari

TAHUN : 2010

JUDUL : Analisis Regresi dengan MS Excel 2007

dan SPSS 17

PENERBIT : PT Elex Media Komputindo, Jakarta

HALAMAN : 224

SITASI : Nawari (2010) mengatakan bahwa Model

fitting merupakan tahapan perhitungan dugaan parameter atau
koefisien-koefisien regresi berdasarkan model dan model
terpilih. Koefisien-koefisien tersebut kemudian diuji apakah
signifikan atau tidak menjadi parameter model. Koefisien
bersifat signifikan jika pada tingkat kepercayaan tertentu
nilainya dianggap tidak sama dengan nol. Jika koefisien dari
suatu variabel penduga dianggap sama dengan nol, dapat
disimpulkan bahwa variabel bergantungnya. Sebaliknya, jka
nilai koefisiennya dianggap tidak sama dengan nol maka
dapat disimpulkan bahwa varibel penduga tersebut memiliki
pengaruh terhadap variabel bergantung. Untuk keperluan
tersebut biasanya dilakukan uji statistik, baik secara
parameterik maupun non parameterik. Metode parameterik
banyak diterapkan untuk menguji koefisien hasil perhitungan
OLSE, yaitu analisis varian dan uji t. sedangkan metode non
parameterik banyak diterapkan terhadap koefisien hasil
perhitungan MLE, yaitu dengan Uji Wald, Chi-Square, dan
Uji Hosmer-Lameshow.
PENULIS : Christianus S

TAHUN : 2010

JUDUL : Seri Belajar Kilat SPSS 17

PENERBIT : CV. Andi Offset, Yogyakarta

HALAMAN : 147

SITASI : Christianus S (2010) mengatakan bahwa

Analisis varian merupakan suatu metode untuk menguraikan
keragaman total data menjadi komponen-komponen yang
mengukur berbagai sumber ragam dan dilakukan untuk
mengetahui seberapa besar variabel penduga mampu
menjelaskan variansi pada variabel bergantung. Secara umum
analisis varian diawali dengan menghitung jumlah kuadrat
total (MST), jumlah kuadrat regresi (SSR), dan jumlah
kuadrat sisa (SSE).
PENULIS : Dedi Suwarsito Pratomo,

Erna Zuni Astuti, M.Kom

TAHUN : 2015

JUDUL :Analisis Regresi Korelasi antara Pengunjung

dan Pembeli terhadap Nominal Pembelian di
Indomaret Kedungmundu Semarang dengan
Metode Kuadrat Terkecil

PENERBIT : Universitas Dian Nuswantoro, Semarang

HALAMAN : 50

SITASI : Dedi Suwarsito Pratomo, dan Erna Zuni

Astuti, M.Kom (2015) mengatakan bahwa Kesalahan Standart
Estimasi untuk mengetahui ketepatan persamaan estimasi
dapat digunakan kesalahan standart estimasi (Standard error
of estimaste). Besarnya kesalahan standard estimasi
menunjukkan ketepatan persamaan estimasi untuk
menjelaskan nilai variabel tidak bebas yang sesungguhnya.
Semakin kecil nilai kesalahan standard estimasi, makin tinggi
ketepatan persamaan estimasi yang dihasilkan untuk
menjelaskan nilai variable tidak bebas sesungguhnya.
Sebaliknya, semakin besar nilai kesalahan standard estimasi,
makin rendah ketepatan persamaan estimasi yang dihasilkan
untuk menjelaskan nilai variabel tidak bebas sesungguhnya.
Kesalahan standard estimasi dapat ditentukan dengan rumus:
Σ(𝑦𝑖 −𝑦̂)2
𝑆𝑦,1,2,..,𝑘 = √ 𝑛−𝑘−1
PENULIS : Eko Putra

TAHUN : 2014

JUDUL : Pengaruh Harga terhadap Kepuasan

Konsumen pada Citra Swalayan dengan
Variabel Intervening Service Quality

PENERBIT : Sekolah Tinggi Ilmu Ekonomi (STIE)

Pasaman Simpang Empat, Pasaman Barat

HALAMAN : Volume 2, Nomor 2

SITASI : Eko Putra (2014) mengatakan bahwa Uji

Multikolinearitas untuk mengetahui ada tidaknya
multikolinearitas dalam regresi dapat dilihat VIF (Varian
Inflation Faktor). Bila angka tolerance >1 atau nilai VIF >10,
maka terdapat gejala multikolinearitas.
PENULIS : Yuni Masdayani Harahap,

Faigiziduhi Bu’ulolo,

Henry Rani Sitepu

TAHUN : 2013

JUDUL : Faktor-faktor yang mempengaruhi

Permintaan Air Minum pada Perusahaan
daerah Air Minum (PDAM) Tirtanadi Medan

PENERBIT : Universitas Sumatera Utara, Medan

HALAMAN : Volume 1, No 4

SITASI : Yuni Masdayani, dkk (2015) mengatakan

bahwa Koefisien Determinasi dengan symbol 𝑅 2 digunakan
sebagai informasi mengenai kecocokan suatu model. Nilai
koefisien determinasi antara 0 sampai dengan 1. Dinamakan
koefisien determinasi karena pada variasi yang terjadi dalam
variabel tak bebas Y dapat dijelaskan oleh variabel bebas X
dengan adanya regresi linier Y atas X. Besarnya harga
koefisien determinasi adalah berkisar 0 ≤ 𝑅 2 ≤ 1 . Artinya
𝑅 2 mendekati 1 maka dapat dikatakan pengaruh variabel
bebas terhadap variabel terikat adalah besar. Berarti model
yang digunakan baik untuk menjelaskan pengaruh variabel
tersebut.
PENULIS : M. Syafruddin,

Lukmanul Hakim,

Dikpride Despa

TAHUN : 2014

JUDUL :Metode Regresi Linier untuk Prediksi

Kebutuhan Energi Listrik Jangka Panjang
(Studi Kasus Provinsi Lampung)

PENERBIT : Universitas Lampung, Bandar Lampung

HALAMAN : 66

SITASI : M. Syaifuddin, dkk (2014) mengatakan

bahwa Regresi Non Linier adalah bentuk hubungan atau
fungsi dimana variabel bebas X dan atau variabel tak bebas Y
dapat berfungsi sebagai factor atau varibel dengan pangkat
tertentu. Selain itu, variabel bebas X dan atau variabel tak
bebas Y dapat berfungsi sebagai penyebut (fungsi pecahan),
maupun variabel X dan atau variabel Y dapat berfungsi
sebagai pangkat fungsi eksponen=fungsi perpangkatan.
Regresi non linier dibedakan menjadi:

1. Regresi Polinomial
2. Regresi hiperbola
3. Regresi Eksponensial
4. Regresi Logaritmik
5. Regresi Fungsi Geometri
PENULIS : Sunanto

TAHUN : 2016

JUDUL :Pengaruh Penetapan Harga dan Kualitas

Layanan terhadap Kepuasan Pelanggan pada
Apotik Sunfarma Tangerang Selatan

PENERBIT : Universitas Pamulang, Tangerang Selatan

HALAMAN : 87

SITASI : Sunanto (2016) mengatakan bahwa Uji

Reliabilitas merupakan indeks yang menunjukkan sejauh
mana suatu alat ukur dapat dipercaya atau dapat diandalkan.
Uji Reliabilitas dilakukan dengan menggunakan metode
Alpha Cronbach, kriteria pengujian:
Rac hitung ≤ table : variabel tidak reliable
Rac hitung > table : variabel reliable