Makalah
Diajukan Untuk Memenuhi Tugas Mata Kuliah
“ Metode Statistika ”
Disusun oleh :
Susilowati (H022180 ) Nur Azizah (H722180)
Dosen Pengampu :
1
BAB II
PEMBAHASAN
Regresi linier (linier regression) adalah teknik yang digunakan untuk
memperoleh hubungan antara variabel dependen (variable terikat) dengan variabel
independen (variabel bebas). Regresi linier sederhana apabila hanya menggunakan
1 variabel independen dalam permodelan. Dan jika menggunakan 2 atau lebih
variabel independen, disebut regresi linier berganda.¹
Dalam regresi linier, terdapat 2 jenis variable yaitu :²
1. Variabel dependen (variable terikat) yaitu variabel yang dipengaruhi oleh
variabel lain dan dinotasikan dengan Y. Variabel independen digunakan
untuk tingkat leverage (jumlah hutang), ukuran perusahaan, provitabilitas,
dan kepemilikan manajerial.
2. Variabel independen (variabel bebas) yaitu variabel yang tidak
dipengaruhi variabel lainnya dan dinotasikan dengan X.
Pada dasarnya, terdapat macam-macam hubungan antara dua variabel
yaitu :³
a. Hubungan searah/positif
Apabila hubungan variabel Y dipengaruhi oleh variabel X. Jika X
bertambah, maka Y juga bertambah dan sebaliknya. Contoh,
penghasilan dan pengeluaran konsumsi.
b. Hubungan yang berkebalikan
Apabila variabel X mempengaruhi variabel Y yang berlawanan arah.
Dalam arti lain variabel X naik, maka Y turun. Contoh, hubungan usia
kendaraan dengan tingkat harga.
c. Tidak ada hubungan
Apabila variabel X tidak mempengaruhi variabel Y. Contoh, hubungan
produksi pangan dengan tinggi gedung.
Tujuan regresi adalah untuk memprediksi dimana, variabel dependen
dapat diprediksikan oeh varibel independen atau prediktor. Analisi regresi juga
harus memiliki korelasi atau hubungan garis lurus antar variabel.⁴
2
ANALISIS REGRESI SEDERHANA
I. Pengertian Analisis Regresi Sederhana
Regresi sederhana didasarkan hubungan antara variabel
independen (X₁, X₂,....., Xn) dan variabel dependen(Y). Persamaan umum
regresi linier sederhana.⁵
Y = a + bX
Keterangan :
Y = variabel dependen
a = harga konstan, jika X = 0
b = peningkatan/penurunan variabel dependen oleh variabel independen.
Apabila bernilai positif, maka terjadi kenaikan dan sebaliknya.
X = nilai variabel independen
3
Sesuai perumusan yang sudah ditentukan
Y = a + bX
g. Melakukan prediksiterhadap variabel independen.
∑ 𝑌𝑖−𝑏 ∑ 𝑋𝑖 31−0,0022(150)
a= = = 6,134
𝑛 5
𝑛 ( ∑ 𝑋𝑖 𝑌𝑖 ) – ∑ 𝑋𝑖 ∑ 𝑌𝑖 5(970)− 150(31)
b= = = 0.0022
𝑛 ∑ 𝑋𝑖²−( ∑ 𝑋𝑖 )² 5(22.500) –(150)²
Jadi, diperoleh nilai a = 6,314 dan b = 0,0022 sehingga diperoleh
juga persamaan regresi Y = 6,314 + 0,0022X. Dapat disimpulkan
bahwa, penjualan meningkat sebesar 0,0022 setiap kali promosi
dengan estimasi penjualan pertama 6,314.
Dari persamaan regresi tersebut, dapat digunakan dalam
memprediksi sebagaimana variabel dependen terjadi apabila variabel
independen telah ditetapkan. Misal penjualan X = 52 juta, maka nilai
rata-rata dari promosi barang adalah
Y = 6,314 + 0,0022(52) = 6,42
4
III. Kesalahan Estimasi Regresi
Dalam memprediksi suatu nilai pasti tidak lah tepat seutuhnya,
namun terdapat kesalahan kecil maupun besar dari nilai prediksi.
Untuk mengetahui ketepatan persamaan estimasi, dapat menggunakan
kesalahan standar estimasi. Kesalahan standar estimasi ini dapat
menunjukkan besar atau kecilnya kesalahan dari persamaan estimasi.
Semakin kecil nilai kesalahan estimasi, semakin tinggi ketepatan
persamaan estimasinya dan sebaliknya. Untuk dapat mengetahui
kesalahan estimasi (error) dapat menggunakan persamaan berikut.⁷
√∑(𝑌𝑖 − 𝑌 ^ )²
𝑆𝑦 − 𝑥 =
𝑛−𝑘−1
Keterangan :
Yi = nilai data hasil pengamatan
Y^ = nilai regresi
n = banyak data
k = koefisian variabel bebas
5
6. Dickson Kho, Op.cit
7. Dedi Suwarsito Pratomo dan Erna Zuni Astuti, ANALISIS REGRESI DAN KORELASI
ANTARA PENGUNJUNG DAN PEMBELI TERHADAP NOMINAL PEMBELIAN DI
INDOMARET KEDUNGMUNDU SEMARANG DENGAN METODE KUADRAT
TERKECIL, 56