Analisis Regresi merupakan alat statistik yang bermanfaat untuk mengetahui
hubungan antara dua variabel yaitu variable Independent (prediktor) yaitu variabel X dan variabel Dependent (respon) yaitu variabel Y dimana X diasumsikan mempengaruhi Y secara linier sehingga salah satu variabel dapat diduga dari variabel lainnya. Misalnya, jika kita mengetahui hubungan antara pengeluaran untuk iklan dengan hasil penjualan suatu produk, maka kita dapat menduga hasil penjualan melalui analisis regresi jika pengeluaran untuk iklan telah diketahui.
Metode least square
Metode yang digunakan untuk analisis time series adalah Metode Garis Linier Secara Bebas (Free Hand Method), Metode Setengah Rata-Rata (Semi Average Method), Metode Rata- Rata Bergerak (Moving Average Method) dan Metode Kuadrat Terkecil (Least Square Method). Dalam hal ini akan lebih dikhususkan untuk membahas analisis time series dengan metode kuadrat terkecil yang dibagi dalam dua kasus, yaitu kasus data genap dan kasus data ganjil. Secara umum persamaan garis linier dari analisis time series adalah : Y = a + b X. Keterangan : Y adalah variabel yang dicari trendnya dan X adalah variabel waktu (tahun). Sedangkan untuk mencari nilai konstanta (a) dan parameter (b) adalah : a = ΣY / N dan b =ΣXY / ΣX2 Contoh Kasus Data Ganjil : Tabel : Volume Penjualan Barang “X” (dalam 000 unit) Tahun 1995 sampai dengan 2003
Untuk mencari nilai a dan b adalah sebagai berikut :
a= 2.460 / 9 = 273,33 dan b = 775 / 60 = 12,92 Persamaan garis liniernya adalah : Y = 273,33 + 12,92 X. Dengan menggunakan persamaan tersebut, dapat diramalkan penjualan pada tahun 2010 adalah : Y = 273,33 + 12,92 (untuk tahun 2010 nilai X adalah 11), sehingga : Y = 273,33 + 142,12 = 415,45 artinya penjualan barang “X” pada tahun 2010 diperkirakan sebesar 415.450 unit