NAMA : NUR AZIZAH

NIM : 1744201039

TUGAS ANALISIS REGRESI

1. Cari contoh penerapan analisis regresi sederhama

2. Cari artikel yang berhubungan dengan analisis regresi (3 artikel)
3. Buat ringkasan dari masing masing artikel tersebut

1. Kasus Regresi sederhana

Kasus : Seorang mahasiswa akan meneliti apakah terdapat pengaruh promosi

terhadap volume penjualan ada perusahaan-perusahaan di Kabupaten Malang, untuk
kepentingan penelitian tersebut diambil 10 perusahaan sejenis yang telah melakukan
kegiatan promosi
Alternatif Judul Penelitian : Pengaruh biaya promosi terhadap volume penjualan
perusahaan
Rumusan Masalah : Apakah terdapat pengaruh antara biaya promosi terhadap volume
penjualan perusahaan ?
Hipotesis : Terdapat pengaruh antara biaya promosi terhadap penjualan perusahaan
Kriteria Penerimaan Hipotesis
Ho : Tidak terdapat pengaruh antara biaya iklan terhadap penjualan perusahaan
Ha : Terdapat pengaruh antara biaya iklan terhadap penjualan

Data Regresi sederhana

Hasil Analisis

Maka persamaan regresi linier sederhana tersebut adalah :

Konstanta sebesar 45800,119; tanpa kegiatan promosi (X) atau biaya promosi sama
dengan nol (0), maka volume penjualan (Y’) nilainya sebesar 45800,119
Koefesien regresi variabel biaya promosi (X) sebesar 1,512; jika biaya promosi
mengalami kenaikan sebesar Rp 1, maka, volume penjualan (Y’) akan mengalami
peningkatan sebesar Rp 1,512. Sebaliknya jika biaya promosi mengalami penurunan
RP 1, maka volume penjualan (Y’) akan mengalami penurunan sebesar Rp 1,512

Hasil Analisis

Interpretasi hasil Uji t :

Uji t digunakan untuk mengetahui apakah variabel biaya promosi (X)
berpengaruh secara signifikan terhadap variabel volume penjualan (Y)

• Berdasarkan tabel coefisient diperoleh nilai uji t sebesar 4,785 dengan

nilai signifikansi sebesar 0,001 yang bermakna bahwa hasil
berpengaruh signifikan karena 0,001 < 0,05 (α = 5%) dan secara
otomatis Ha diterima dan Ho ditolak
• Nilai signifikansi sebesar 0,001 memberikan makna bahwa tingkat
kepercayaan yang diberikan sebesar 99,9%; tingkat kepercayaan ini
 lebih tinggi dibanding dengan tingkat kepercayaan yang diisyaratkan
yaitu 99% (α = 5%)
• Kesimpulan : Bahwa terdapat pengaruh secara signifikan antara biaya
promosi dengan volume penjualan. Jadi dalam kasus ini dapat
disimpilkan bahwa biaya promoi berpengaruh terhadap volume
penjualan pada perusahaan-perusahaan di Kabupaten Malang

2. 3 artikel

3. Ringkasan artikel

PENERAPAN ANALISIS REGRESI DAN KORELASI DALAM

MENENTUKAN ARAH HUBUNGAN ANTARA DUA FAKTOR
KUALITATIF PADA TABEL KONTINGENSI
Tulisan ini membahas tentang penerapan analisis regresi dan korelasi dalam
menentukan arah hubungan antara dua faktor kualitatif pada tabel kontingensi.
Sebagai alternatif yang dapat digunakan dalam analisis ketergantungan antara dua
faktor kualitatif adalah sebaran khi-kuadrat dan tabel kontingensi. Kadar
ketergantungan dan keeratan hubungan antara dua faktor kualitatif dapat dicirikan
oleh sebaran hasil amatan dalam tabel kontingensi. Jika semua hasil amatan ada
dalam diagonal tabel, dapat disimpulkan bahwa ada ketergantungan kuat antara kedua
faktor kualitatif. Namun jika hasil amatan menyebar merata atau sama untuk
setiap sel, akan didapat nilai khi-kuadrat sama dengan nol yang berarti tidak ada
ketergantungan antara kedua faktor kualitatif. Untuk hasil amatan yang
penyebarannya tidak merata dan tidak terkumpul dalam diagonal
tabel kontingensi, ada tidaknya ketergantungan tidak bisa secara langsung
disimpulkan dan perlu dilakukan uji khi-kuadrat. Sebaran khi-kuadrat dan tabel
kontingensi tidak mendeteksi arah hubungan di antara kedua faktor
tersebut, sehingga metode yang digunakan untuk mengetahui arah hubungannya,
apakah positif atau negatif, adalah analisis regresi dan korelasi. Bila koefisien arah
garis regresi atau koefisien korelasinya positif, dapat diartikan bahwa kedua faktor
tersebut mempunyai hubungan searah, sehingga jika salah satu faktor meningkat,
faktor lainnya juga meningkat. Berlaku sebaliknya jika koefisien regresi dan
korelasinya negatif. Dalam kajian ini, digunakan kedua faktor dengan skala ordinal
dan taraf dari salah satu faktor dianggap sebagai peubah bebas dan yang lainnya
sebagai peubah tak bebas. Untuk menelaah adanya ketergantungan antara kedua
faktor kualitatif dilakukan uji keberartian koefisien korelasi dan regresi dengan
Statistik t atau sebaran t.
Jadi (1) Bila Qii = c untuk semua i dan j dapat diperoleh Eii = c atau Eii= Qii = c dan nilai khi-
kuadratnya sama dengan 0 (nol). Koefisien korelasinya juga sama dengan nol sehingga dapat
disimpulkan tidak terdapat keterkaitan/ketergantungan di antara kedua fakktor. Tetapi apabila
Oij = c untuk i =j dan Oij=0 untuk i≠j atau hasil pengamatan mengelompok pada diagonal
tabel kontingensi dapat diperoleh nilai khikuadrat yang cukup besar yang berarti ada
ketergantungan di antara kedua factor; (2) dengan uji khikuadrat dan hasil pengamatan yang
tersaji dalam tabel kontingensi penelaahan kedua faktor, hanya dapat disimpulkan ada atau
tidak ada ketergantungannya, sedangkan arah hubungannya tidak dapat
dideteksi. Untuk maksud ini dapat digunakan koefisien korelasi dan analisis regresi; (3) untuk
hasil pengamatam yang tersebar dalam diagonal utama tabel kontingensi dan yang tersebar
pada diagonal tetapi bukan diagonal utama diperoleh nilai khi-kuadrat dan kesimpulannya
sama untuk keduanya serta tidak menunjukan arah dari hubungannya. Kasus ini jika
digunakan koefisien korelasi dan analisis regresi dapat diperoleh nilai koefisien korelasi r =
+1 untuk pengamatan yang tersebar dalam diagonal utama dan r = -1 untuk pengamatan yang
tersebar dalam diagonal (bukan diagonal utama) sehingga untuk r = +1 kedua faktor
membentuk hubungan searah, sedangkan untuk r = -1 berlaku sebaliknya (bentuk
hubungannya berlawanan); (4) dalam contoh JJFP dan JLR nampak bahwa pengujian dengan
khi-kuadrat dan koefisien korelasi menghasilkan kesimpulan yang sama, tetapi dengan
koefisien korelasi dapat diketahui arah hubungannya. Arah hubungan yang didapat dari
contoh kasus ini adalah negatif yang menunjukan bahwa bentuk hubungan antara kedua
faktor adalah negatif atau berlawanan tetapi nilai/kadarnya kecil sekali.
https://core.ac.uk>pdf

ANALISIS REGRESI LINIER PIECEWISE DUA SEGMEN

Regresi linier adalah metode statistika yang digunakan untuk membentuk model
atau hubungan antara satu atau lebih variabel bebas X dengan sebuah variabel respon
Y. Analisis regresi dengan satu variabel bebas X disebut sebagai regresi linier
sederhana, sedangkan jika terdapat lebih dari satu variabel bebas X, disebut sebagai
regresi linier berganda. Regresi linier piecewise dapat diterapkan di berbagai bidang,
salah satunya dibidang perairan yang menyangkut analisis pengaruh debit sungai
terhadap jumlahangkutan sedimen dasar. Dalam analisis regresi linier piecewise,
harus diestimasi nilaiX-knot optimum dengan sebuah nilai dugaan awal yang tersedia.
Selain itu, nilai- parameter regresi linier piecewise juga harus diestimasi sehingga
diperoleh model regresi yang dapat menjelaskan hubungan antara debit sungai
terhadap jumlah angkutan sediman dasar

Tujuan penulisan tulisan ini adalah :

Mengestimasi nilai X-knot optimum dan menguji signifikansinya.
Mengestimasi nilai-nilai parameter regresi sehingga diperoleh model regresi linier
piecewise dua segmen.
Menguji kecocokan model regresi pada masing-masing segmen.
Membandingkan hasil analisis regresi linier sederhana dan regresi linier piecewise
dua segmen pada kasus pengaruh debit sungai terhadap jumlah angkutan sediman
dasar dan memilih model terbaik berdasarkan kriteria RKS terkecil.

Regresi Linier Sederhana

Analisis regresi merupakan metode statistika yang banyak digunakan dalam
penelitian. Istilah regresi pertama kali diperkenalkan oleh Sir Francis Galton pada
tahun 1986. Secara umum, analisis regresi adalah kajian terhadap hubungan satu
variabel yang disebut sebagai variabel yang diterangkan dengan satu atau dua
variabel yang menerangkan. Variabel yang diterangkan selanjutnya disebut sebagai
variabel respon, sedangkan variabel yang menerangkan biasa disebut variabel bebas
(Gujarati, 2003). Model regresi linier sederhana yaitu :
Yi  0  1X i   i , i = 1, 2,…, n

Deret Taylor
Misalkan fungsi f adalah fungsi dari dua variabel X dan Y. Deret Taylor dapat
digunakan untuk mencari nilai suatu fungsi di titik x dan y jika nilainya di titik x0 dan
y0 yang berdekatan dengan titik tersebut diketahui, maka berlaku ekspansi dari f x, y
sebagai berikut :

Regresi linier piecewise adalah suatu metode dalam analisis regresi yang membagi
variabel bebas X menjadi beberapa segmen berdasarkan nilai tertentu yang disebut
Xknot (disimbolkan dengan X *), dimana pada setiap segmen data terdapat model
regresi
linier. X * merupakan suatu nilai pada variabel bebas X, dimana saat nilai X berada di
atas X *, maka akan terbentuk persamaan garis regresi linier yang berbeda
dibandingkan
saat nilai X berada di bawah X *

Setelah dilakukan analisis regresi linier piecewise dua segmen pada data pengaruh
debit sungai (m3/detik) terhadap jumlah angkutan sedimen dasar (kg/detik) dengan
nilai dugaan awal Xˆ * yang berbeda-beda, semua nilai dugaan awal tersebut
menghasilkan nilai-nilai parameter regresi dan Xˆ *optimum serta RKS yang sama
pada akhir iterasi. Perbedaannya hanya terletak pada jumlah iterasi
 Berdasarkan hasil analisis regresi linier piecewise dua segmen pada kasus tersebut,
diperoleh nilai Xˆ *optimum = 4.8375 dan model regresi linier piecewise pada
masingmasing segmen yaitu :
lnYˆi1 7.4411.858 lnX i  ; X i  4.8375 Yˆi2  0.51350  0.1093 X i ; X i 
4.8375
Model regresi linier sederhana pada kasus pengaruh debit sungai (m3/detik) terhadap
jumlah angkutan sedimen dasar (kg/detik) yaitu:
Yˆi  0.171 0.065X i dengan RKS = 0.031, R2 = 0.534
Berdasarkan perbandingan nilai Rataan Kuadrat Sesatan (RKS) pada kasus tersebut,
model regresi linier piecewise dua segmen merupakan model terbaik dibandingkan
model regresi linier sederhana karena menghasilkan nilai RKS yang lebih kecil.
http://media.neliti.com

TEORI REGRESI

Regresi dalam pengertian moderen menurut Gujarati (2009) ialah sebagai kajian terhadap
ketergantungan satu variabel, yaitu variabel tergantung terhadap satu atau lebih variabel lainnya
atau yang disebut sebagai variabel – variabel eksplanatori dengan tujuan untuk membuat estimasi
dan / atau memprediksi rata – rata populasi atau nilai rata-rata variabel tergantung dalam
kaitannya dengan nilai – nilai yang sudah diketahui dari variabel ekslanatorinya. Selanjutnya
menurut Gujarati meski analisis regresi berkaitan dengan ketergantungan atau dependensi satu
variabel terhadap variabel – variabel lainnya hal tersebut tidak harus menyiratkan sebab – akibat
(causation). Dalam mendukung pendapatnya ini, Gujarati mengutip pendapat Kendal dan Stuart
yang diambil dari buku mereka yang berjudul “The Advanced Statistics” yang terbit pada
tahun 1961 yang mengatakan bahwa,” suatu hubungan statistik betapapun kuat dan sugestifnya
tidak akan pernah dapat menetapkan hubungan sebab akibat (causal connection); sedang
gagasan mengenai sebab akibat harus datang dari luar statistik, yaitu dapat berasal dari teori atau
lainnya