SOAL

ANALISIS REGRESI LINIER SEDERHANA

Tabulasi hasil penelitian variabel kualitas layanan dengan volume penjualan sabun cuci
diperoleh data sebagai berikut :

n X Y
1 45 120
2 48 173
3 63 149
4 46 166
5 56 170
6 52 174
7 56 156
8 47 158
9 56 150
10 55 160
11 52 157
12 50 177
13 60 166
14 55 160
15 45 155
16 47 159
17 53 159
18 49 172
19 57 168
20 58 159

Hitunglah :

a. Nilai Korelasi dan Determinasi

b. Persamaan regresi linier sederhana
c. Kesimpulan apa yang diperoleh dari hubungan dua variabel tersebut
 JAWAB
Diketahui :

Hasil suatu penelitian variabel kualitas layanan dengan volume penjualan sabun cuci
diperoleh data sebagai berikut :

n X Y
1 45 120
2 48 173
3 63 149
4 46 166
5 56 170
6 52 174
7 56 156
8 47 158
9 56 150
10 55 160
11 52 157
12 50 177
13 60 166
14 55 160
15 45 155
16 47 159
17 53 159
18 49 172
19 57 168
20 58 159

Pertanyaan :

a. Mencari nilai korelasi dan determinasi

 Mencari nilai korelasi

Menunjukkan keeratan hubungan linear anatara dua variabel dalam penelitian atau
yang sedang di teliti. Koefisien korelasi menunjukan kekuatan antara hubungan linear
dan arah hubungan dua variabel acak. Nilai berkisar antara -1 hingga +1. Jika
koefisien korelasi positif  kedua variabel mempunyai hubungan searah. Artinya jika
nilai variabel X tinggi, maka nilai variabel Y akan tinggi pula.

Untuk memudahkan melakukan interprestasi mengenai kekuatan hubungan antara

dua variabel kriteria yang diberikan sebagai berikut :

 0 : tidak ada korelasi antara dua variabel

 > 0 – 0,25 : korelasi sangat lemah
 0,25 – 0,5 : korelasi cukup
 > 0,5 – 0,75 : korelasi kuat
  > 0,75 – 0, 99 : korelasi sangat kuat
 1 : korelasi sempurna

Rumus Koefisien Korelasi :

(∑ 𝑿𝒀) − (∑ 𝑿)(∑ 𝒀)
𝒓=
√𝒏 (∑ 𝒙𝟐 ) − (∑ 𝒙)𝟐 . √𝒏 (∑ 𝒀𝟐 ) − (∑ 𝒀)𝟐

Tabulasi hasil penelitian

n X Y XY X2 Y2
1 45 120 5400 2025 14400
2 48 173 8304 2304 29929
3 63 149 9387 3969 22201
4 46 166 7636 2116 27556
5 56 170 9520 3136 28900
6 52 174 9048 2704 30276
7 56 156 8736 3136 24336
8 47 158 7426 2209 24964
9 56 150 8400 3136 22500
10 55 160 8800 3025 25600
11 52 157 8164 2704 24649
12 50 177 8850 2500 31329
13 60 166 9960 3600 27556
14 55 160 8800 3025 25600
15 45 155 6975 2025 24025
16 47 159 7473 2209 25281
17 53 159 8427 2809 25281
18 49 172 8428 2401 29584
19 57 168 9576 3249 28224
20 58 159 9222 3364 25281
996 3208 168532 55646 517472

20 (168532) − (𝟑. 𝟏𝟗𝟓. 𝟏𝟔𝟖)

𝒓=
√𝟐𝟎 (55646) − (𝟗𝟗𝟐𝟎𝟏𝟔 )√𝟐𝟎 (517472) − 10291264)

𝟑𝟑𝟕𝟎𝟔𝟒𝟎 − 𝟑𝟏𝟗𝟓𝟏𝟔𝟖
𝒓=
(√𝟏𝟏𝟏𝟐𝟗𝟐𝟎 − 𝟗𝟗𝟐𝟎𝟏𝟔)(√𝟏𝟎𝟑𝟒𝟗𝟒𝟒𝟎 − 𝟏𝟎𝟐𝟗𝟏𝟐𝟔𝟒)

𝟏𝟕𝟓𝟒𝟕𝟐
𝒓=
𝟑𝟒𝟕, 𝟕𝟏𝟐𝟓𝟐𝟒𝟗𝟑𝟗 − 𝟐𝟒𝟏, 𝟏𝟗𝟕𝟎𝟏𝟒𝟗𝟎𝟔

𝒓 = 1314, 24431481
  Mencari nilai determinasi

Koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model
dalam menerangkan variasi variabel dependen. Nilai koefisiensi determinasi adalah
antara 0 dan 1. Nilai R2 = yang kecil berarti kemampuan variabel-variabel independen
dalam menjelaskan variansi variabel dependen amat terbatas. Nilai yang mendekati 1
berarti variabel-variabel independen memberikan hampir semua informasi yang di
butuhkan untuk memprediksi variasi variabel depeden.

Rumus Koefisiensi determinasi (R2) =

∑(𝒀(𝒂) − 𝒀(𝒃)))𝟐
𝑹𝟐 =
∑(𝒀 − 𝒀(𝒃))𝟐

Dimana Y(a) adalah hasil Persamaan regresi linier sederhana yaitu Yi (a) = a + bx

Y (b) adalah rata-rata jumlah nilai Y

Hasil persamaan regresi linier sederhana yang di dapat dari penelitian tersebut adalah
Y(a) = 88,123602197 + 1,45133328922𝑥

Maka nilai Y(a) yang terdapat pada tabulasi data diatas yaitu

n X Y Y(a)
1 45 120 Y(a) = 88,123602197 + 1,45133328922 (45) =
153,433600211
2 48 173 Y(a) = 88,123602197 + 1,45133328922 (48) =
157,787600079
3 63 149 Y(a) = 88,123602197 + 1,45133328922 (63) =
179, 557599417
4 46 166 Y(a) = 88,123602197 + 1,45133328922 (46) =
154,884933501
5 56 170 Y(a) = 88,123602197 + 1,45133328922 (56) =
169, 398266393
6 52 174 Y(a) = 88,123602197 + 1,45133328922 (52) =
163, 592933236
7 56 156 Y(a) = 88,123602197 + 1,45133328922 (56) =
169, 398266393
8 47 158 Y(a) = 88,123602197 + 1,45133328922 (47) =
156, 33626679
9 56 150 Y(a) = 88,123602197 + 1,45133328922 (56) =
169, 398266393
10 55 160 Y(a) = 88,123602197 + 1,45133328922 (55) =
167, 946933104
11 52 157 Y(a) = 88,123602197 + 1,45133328922 (52) =
163, 592933236
12 50 177 Y(a) = 88,123602197 + 1,45133328922 (50) =
160, 690266658
13 60 166 Y(a) = 88,123602197 + 1,45133328922 (60) =
173, 04359955
14 55 160 Y(a) = 88,123602197 + 1,45133328922 (55) =
167, 946933104
15 45 155 Y(a) = 88,123602197 + 1,45133328922 (45) =
153,433600211
16 47 159 Y(a) = 88,123602197 + 1,45133328922 (47) =
156, 33626679
17 53 159 Y(a) = 88,123602197 + 1,45133328922 (53) =
165, 044266525
18 49 172 Y(a) = 88,123602197 + 1,45133328922 (49) =
159, 238933368
19 57 168 Y(a) = 88,123602197 + 1,45133328922 (57) =
170, 849599682
20 58 159 Y(a) = 88,123602197 + 1,45133328922 (58) =
172, 300932971
Tabulasi hasil penelitian

n X Y Y(a) Y(a) – Y(b)2 Y – Y(b)2

1 45 120 153,433600211
2 48 173 157,787600079
3 63 149 179, 557599417
4 46 166 154,884933501
5 56 170 169, 398266393
6 52 174 163, 592933236
7 56 156 169, 398266393
8 47 158 156, 33626679
9 56 150 169, 398266393
10 55 160 167, 946933104
11 52 157 163, 592933236
12 50 177 160, 690266658
13 60 166 173, 04359955
14 55 160 167, 946933104
15 45 155 156, 33626679
16 47 159 156, 33626679
17 53 159 165, 044266525
18 49 172 159, 238933368
19 57 168
20 58 159
Total 996 3208
Rata- 49,8 160,4
rata
 b. Mencari Persamaan Regresi linier sederhana

Tabulasi hasil penelitian

n X Y XY X2 Y2
1 45 120 5400 2025 14400
2 48 173 8304 2304 29929
3 63 149 9387 3969 22201
4 46 166 7636 2116 27556
5 56 170 9520 3136 28900
6 52 174 9048 2704 30276
7 56 156 8736 3136 24336
8 47 158 7426 2209 24964
9 56 150 8400 3136 22500
10 55 160 8800 3025 25600
11 52 157 8164 2704 24649
12 50 177 8850 2500 31329
13 60 166 9960 3600 27556
14 55 160 8800 3025 25600
15 45 155 6975 2025 24025
16 47 159 7473 2209 25281
17 53 159 8427 2809 25281
 18 49 172 8428 2401 29584
19 57 168 9576 3249 28224
20 58 159 9222 3364 25281
996 3208 168532 55646 517472

 Rumus Persamaan Regresi Linier Sederhana

𝑌(𝑎) = 𝑎 + 𝑏𝑥

 Penetapan Persamaan Regresi Linier Sederhana

𝑛. ∑ 𝑥𝑦 − (∑ 𝑥) (∑ 𝑦)
𝑏=
𝑛. ∑ 𝑥 2 − (∑ 𝑥)2

∑𝑦 ∑𝑥
𝑎= −𝑏
𝑛 𝑛
Sehingga,

20(168532) − (3195168)
𝑏=
20(55646) − (992016)

175472
𝑏=
120904
𝑏 = 1,45133328922

Untuk nilai a,

3208 996
𝑎= − 1,45133328922
20 20
𝑎 = 160,4 − 72,2763978031

𝑎 = 88,123602197

Jadi, persamaan regresi linier sederhana penelitian tersebut adalah Y(a) = 88,123602197 +
1,45133328922𝑥