MAKALAH

PERAMALAN DENGAN REGRESI SEDERHANA

Mata Kuliah : Peramalan Bisnis
Dosen Pembimbing :
Abdul Rokib, S.Pd, MM

Disusun Oleh :
Kelompok I

Aji Fahrozi : AIB.17.0417

Yani Riyanto : AIB.17.0400
Dhita Agustina : AIB.17.0404
Dikara Rosa Dewi : AIB.170402
Raniti : AIB.17.0405
Nina Haryanti : AIB.17.0401
Suherman : AIB.17.0420
M Yuga Firdan Irawan : AIB.17.0008

Administrasi Bisnis
Semester 5
FAKULTAS ILMU ADMINISTRASI
UNIVERSITAS SUBANG
2019
 KATA PENGANTAR

Alahamdulillahirabbil ‘Alamin segala puji syukur kita panjatkan kehadirat

Allah SWT,Tuhan semesta alam yang hanya kepada-Nyalah kami berserah diri.
Dan atas izin dari-Nyalah kami mampu menyusun Makalah yang berjudul
“Peramalan Dengan Regresi Sederhana“ ini.
Dalam penyusunan Makalah ini penulis sadar masih banyak terdapat
kekurangan dan kelemahan.Untuk itu penulis mohon maaf dan sangat
mengharapkan adanya Kritik dan Saran yang membangun dari pembaca. Semoga
Makalah ini bisa bermanfaat khususnya kepada kami selaku penulis dan
umumnya kepada anda para pembaca. Akhirnya ,semoga Allah SWT senantiasa
memberikan rahmat dan hidayahnya kepada siapa saja yang mencintai pendidikan
Amin Ya Robbal Alamin .

Subang, 13 Desember 2019

Kelompok I

i
 DAFTAR ISI

KATA PENGANTAR.......................................................................................................i
DAFTAR ISI.....................................................................................................................ii
BAB I................................................................................................................................1
PENDAHULUAN.............................................................................................................1
1.1 LATAR BELAKANG............................................................................................1
1.2 RUMUSAN PEMBAHASAN................................................................................1
1.3 TUJUAN PEMBAHASAN....................................................................................1
1.4 MANFAAT PEMBAHASAN................................................................................1
BAB II...............................................................................................................................2
PEMBAHASAN...............................................................................................................2
2.1 Konsep Dasar Analisis Regresi..............................................................................2
2.2 Persamaan Regresi Liner Sederhana....................................................................3
a) Menghitung nilai α.............................................................................................4
b) Menghitung nilai β.............................................................................................4
c) Membuat persamaan regresi dan melakukan peramalan.....................................4
d) Menghitung kesalahan baku...............................................................................4
2.3 Menetapkan t hitung dan F hitung.......................................................................9
2.3.1 t hitung.............................................................................................................9
2.3.2 F hitung..........................................................................................................11
2.4 Perhitungan Korelasi dan Koefisien Determinasi..............................................12
BAB III...........................................................................................................................15
PENUTUP.......................................................................................................................15
3.1 KESIMPULAN.....................................................................................................15
DAFTAR PUSTAKA.....................................................................................................16

ii
 BAB I

PENDAHULUAN

1.1 LATAR BELAKANG

Memprediksi nilai variabel di masa mendatang adalah aktivitas
manajemen yang sangat penting. Petugas keuangan harus memprediksi arus kas
masa depan, manajer produksi harus memprediksi kebutuhan bahan baku, dan
manajer sumber daya manusia harus memprediksi kebutuhan personel masa
depan. Penjelasan variasi masa lalu juga penting. Menjelaskan variasi masa lalu
dalam jumlah biaya promosi dari salesman dapat membantu manajer pemasaran
memahami permintaan untuk peningkatan penjualan setiap unitnya. Menemukan
variabel yang menjelaskan penyimpangan dari spesifikasi komponen mobil dapat
membantu meningkatkan kualitas komponen itu. Ide dasar analisis regresi adalah
menggunakan data pada variabel independen kuantitatif untuk memprediksi atau
menjelaskan variasi dalam variabel dependen kuantitatif.

1.2 RUMUSAN PEMBAHASAN

1. Konsep Dasar Analisis Regresi
2. Persamaan Regresi Liner Sederhana
3. Menetapkan t hitung dan F hitung
4. Perhitungan Korelasi dan Koefisien Determinasi

1.3 TUJUAN PEMBAHASAN

1. Mengetahui Konsep Dasar Analisis Regresi
2. Mengetahui Persamaan Regresi Liner Sederhana
3. Mengetahui cara menetapkan t hitung dan F hitung
4. Mengetahui Perhitungan Korelasi dan Koefisien Determinasi

1.4 MANFAAT PEMBAHASAN

Penulis berharap makalah ini memiliki manfaat bagi kita semua sehingga
dapat menambah wawasan mengenai peramalan dengan regresi sederhana.

1
 BAB II

PEMBAHASAN

2.1 Konsep Dasar Analisis Regresi

Analisis regresi adalah bentuk hubungan antara variabel independen
terhadap variabel dependen yang persamaannya adalah Y = f(X). Artinya dapat
diestimasi nilai variabel dependen (Y) jika diketahui nilai variabel dependen (X)
beserta perubahannya. Bentuk hubungan ini harus sesuai dengan fenomena yang
dikaji atau didasarkan teori. Jika variabel independen yang dikaji berjumlah satu
maka disebut analisis regresi sederhana, dan jika lebih dari satu disebut analisis
regresi berganda. Varaiabel dependen adalah variabel yang akan diramalkan yang
akan ditulis pada ruas kiri persamaan, sedangkan variabel independen adalah
variabel yang dipergunakan untuk meramalkan dan berada diruas sebelah kanan
persamaan. Adapun model persamaan regresi liner sederhana berarti variabel yang
digunakan untuk meramalkan hanya menggunakan satu (1) variabel. Model
regresi liner sederhana dapat ditulis sebagai berikut:

Yi = α + βXi + ei ; i = 1, 2, 3, …n.

di mana

n = banyaknya data yang diobservasi

Analisis regresi dapat digunakan untuk mengetahui estimasi secara

kuantitatif perubahan variabel yang satu (misal X) terhadap variabel yang lain
(misal Y). Tentu saja, yang kita inginkan adalah nilai estmiasi mendekati nilai
observasinya (rillnya). Untuk itu, perlu dicari nilai α dan β agar garis persamaan
(Yi = α + βXi) terletak pada semua observasi. Namun dalam realitasnya tidak
mungkin seratus persen nilai estimasi sama dengan observasi (y). Jadi upaya
terbaiknya adalah bagaimana meminimalkan jarak (deviasi) antara nilai observasi
(y) dengan estimasi (Ŷ). Atau dengan kata lain, model yang dihasilkan memiliki
nilai error (ei) yang minimum, di mana ei = Yi – Ŷi = Yi - α + βXi. Hasil

2
signifikan menunjukan bahwa data estimasi mendekati data observasinya atau
berada di bawah batas error yang ditetapkan.

Untuk mencapai nilai error yang minimum maka metode yang dapat
digunakan adalah metode kuadrat terkecil (Ordinary Last Square/OLS). Metode
OLS adalah metode yang mencari Σei 2 minimum karena nilai ei dapat bernilai
positif dan negatif maka perlu dikuadratkan sehingga menjadi ei2 = (Yi - α + βXi
¿2 . Dari masing-masing ei2 maka akan diperoleh jumlah nilai error (Σ ei ¿2 . Jadi
hasil model yang ditunjukan pada kurva di bawah ini, harus mendekati tanda
bintang. Berikut gambarannya:

Dalam suatu penelitian, jarang sekali datanya berupa populasi karena

menghadapi keterbatasan dan efisiensi. Jadi data yang digunakan bukan data
populasi tetapi data estimasi. Jika data yang digunakan adalah data popluasi maka
modelnya disebut population regretion fungtion, sedangkan jika data yang
digunakan adalah data sempel maka modelnya disebut semple regretion function.
Lalu pertanyaannya adalah, apakah model semple regretion function dapat
digeneralisasikan/diberlakukan pada population regretion fungtion. Maka
jawabannya bisa, jika modelnya valid.

2.2 Persamaan Regresi Liner Sederhana

Metode kuadrat terkecil adalah metode untuk menghitung nilai α dan β
sedemikian rupa sehingga jumlah kesalahan kuadrat yang dihasilkan nilainya
kecil. Untuk membuat persamaan regresi maka hal yang dapat dilakukan sebagai
berikut:

3
a) Menghitung nilai α

Rumus untuk menghitung α sebagai berikut:

α=(Σy)(Σx²)– (Σx)(Σxy)
.        n(Σx²) – (Σx)

b) Menghitung nilai β

Rumus untuk menghitung β sebagai berikut:

β=n(Σxy)–(Σx)(Σy)
.     n(Σx²) – (Σx)²

c) Membuat persamaan regresi dan melakukan peramalan

Yi = α + βXi

d) Menghitung kesalahan baku

Kesalahan baku atau selisih taksir standar regresi adalah nilai menyatakan
seberapa jauh menyimpangnya nilai regresi tersebut terhadap nilai sebenarnya.
Nilai ini digunakan untuk mengukur tingkat ketepatan suatu pendugaan dalam
menduga nilai. Jika nilai ini sama dengan nol maka penduga tersebut memiliki
tingkat ketepatan 100%.

Berikut ini rumus-rumus yang secara langsung digunakan untuk menghitung

kesalahan baku regresi (standard error) dan koefisien regresi.

Untuk regresi, kesalahan bakunya dapat dirumuskan sebagai berikut:

Untuk koefisien regresi (penduga), kesalahan baku dari α dapat dirumuskan

sebagai berikut:

Untuk koefisien regresi (penduga), kesalahan baku dari β dapat dirumuskan

sebagai berikut:

4
Contoh kasus

Perusahaan PT Aisah yang bergerak dibidang penjulan obat memiliki data

penjualan dan biaya promosi dari Tahun 2015 –2019 sebagai berikut:

Tabel 4.1 Data Biaya Promosi dan Penjualan PT Aisah

Tahun 2010-2019
Tahun Tahun Penjualan (Unit) Biaya Promosi (Juta)
Y X

2015 10 2
2016 15 6
2017 17 9
2018 20 11
2019 25 15

Lakukan perhitungan dengan menggunakan persaman regresi sederhana dengan

menghitung:

a. Hitung nilai α dan β dengan persamaan regresi Ŷ = α + βXi

b. Buat peramalan jika terjadi kenaikan biaya promosi 1 juta rupiah dan 3
juta rupiah
c. Hitung kesalahan baku regresi.

Adapun langkah perhitungan sebagai berikut:

a. Hitung nilai α dan β

5
6
Jadi persamaan regresi yang dapat terbentuk adalah sebagai

berikut:

Ŷ = 7.68 + 1.13X

b. Peramalan jika terjadi kenaikan biaya promosi 1 juta dan 3 juta rupiah

Ŷ = 7.68 + 1.13Xi

X = 1 juta rupiah

Ŷ = 7.68 + 1.13(1)

= 8.81

X = 3 juta rupiah

Ŷ = 7.68 + 1.13(3)

= 7.68 + 3.39

= 11.07

7
Jadi jika terjadi kenaikan biaya promosi sebesar 1 dan 3 juta rupiah maka
diramalkan akan terjadi kenaikan penjulan sebesar 8.81 unit atau 9 (dibualatkan)
dan 11.07 unit atau 11 (dibualatkan).

c. Kesalahan baku regresi

Jadi kesalahan baku dari α sebesar 0.637 persen.

Jadi kesalahan baku dari β sebesar 0.066 persen .

8
2.3 Menetapkan t hitung dan F hitung
2.3.1 t hitung
Setelah menyusun persamaan regresi dan menghitung kesalahan baku,
maka selanjutnya perlu juga untuk melakukan pengujian hipotesis. Pengujian
hipotesis untuk mengetahui ada atau tidak pengaruh dari variabel independen
terhadap variabel dependen. Untuk lebih memudahkan gambaran pengujian
hipotesis maka dapat disimpulkan bahwa dalam penentapan adanya pengaruh
signifikan dapat menggunakan perbandingan antara t hitung dengan t table atau
dengan membandingkan dengan nilai signifikansi:

Berdasarkan t hitung dan t table:

1. Jika t hitung > t tabel maka variabel Independent memengaruhi variabel

dependen
2. Jika t hitung < t tabel maka variabel Independent tidak memengaruhi variabel
dependen

Berdasarkan nilai signifikansi (diasumsikan tingkat error 5%):

1. Jika nilai signifikansi < 0,05 maka variabel Independentmemengaruhi

variabel dependen
2. Jika nilai signifikansi < 0,05 maka variabel Independent tidak memengaruhi
variabel dependen

Rumus yang dapat digunakan untuk menghitung t hitung:

di mana

Untuk menghitung keberpengaruhan nilai konstanta dapat dihitung sebagai

berikut:

9
di mana

Contoh kasus

Menggunakan kasus I pada perusahaan PT Aisah dengan data pada table

4.1. dapat dihitung nilai t hitung sebagai berikut:

Untuk menghitung t hitung maka terlebih dahulu ditetapkan tingkat error yang
ditoleransi, misalnya 5% maka

karena t0 = 17.121 > t0.025(3) = 3.18 maka ada pengaruh variabel Independent
terhadap variabel dependen.

karena t0 = 12.05 > t0.025(3) = 3.18 maka nilai konstanta berpengaruh signifikan.

2.3.2 F hitung
Untuk mengetahui ada atau tidak pengaruh variabel Independent terhadap
dependen, selain menggunakan t hitung dapat menggunakan fungsi F, dengan
menggunakan table analisis varians (Anova) sebagai berikut:

10
 Untuk lebih memudahkan gambaran pengujian hipotesis maka dapat
disimpulkan bahwa dalam penentapan adanya pengaruh signifikan dapat
menggunakan perbandingan antara F hitung dengan F table atau dengan
membandingkan dengan nilai signifikansi:

Berdasarkan t hitung dan t table:

1. Jika F hitung > F tabel maka variabel Independent memengaruhi variabel

dependen

2. Jika F hitung < F tabel maka variabel Independent tidak memengaruhi variabel
dependen

Berdasarkan nilai signifikansi (diasumsikan tingkat error 5%):

1. Jika nilai sig < 0,05 maka variabel Independent memengaruhi variabel
dependen

2. Jika nilai sig < 0,05 maka variabel Independent tidak memengaruhi variabel
dependen

Contoh kasus

Menggunakan kasus I pada perusahaan PT Aisah dengan data pada table

4.1. dapat dihitung nilai F hitung sebagai berikut:

Untuk menghitung F hitung maka terlebih dahulu ditetapkan tingkat error yang
ditoleransi, misalnya 5% maka

11
karena F hitung = 17.121 > F0.05(1)(3) = 10.13 maka ada pengaruh variabel
Independent terhadap variabel dependen.

2.4 Perhitungan Korelasi dan Koefisien Determinasi

Analisis kolerasi adalah analisis untuk mengetahui tingkat keeratan
hubungan antar variabel secara liner. Tingkat keeratan dapat diperlakukan antara
variabel dependen dengan independen, antar variabel independen atau dependen.
Tingkat keeratan dapat dilihat dari koefisien korelasi yang dinyatakan dengan
lambang ρ (untuk populasi) atau r (untuk sampel). Besarnya koefisien kolerasi
akan berkisar antara -1 (negatif satu) sampai +1 (positif satu): -1 ≤ r ≤ dengan
penafsiran sebagai berikut:

12
0,00 – 0,199 = sangat lemah

0,20 – 0,399 = lemah

0,40 – 0,599 = sedang

0,60 – 0,799 = kuat

0,80 – 1,000 = sangat kuat

Korelasi positif berarti perubahan variabel yang satu akan diikuti

perubahan varaibel lain dengan arah yang sama atau berbanding lurus. Korelasi
negatif berarti perubahan variabel yang satu akan diikuti perubahan varaibel lain
dengan arah yang berlawanan atau berbanding terbalik.

Untuk menghitung korelasi digunakan formula sebagai berikut:

Untuk menghitung koefisien determinasi digunakan formula sebagai berikut:

Contoh kasus

Menggunakan kasus I pada perusahaan PT Aisah dengan data pada table

4.1. dapat dihitung nilai korelasi dan koefisien determinasi sebagai berikut:

13
Jadi dapat diinterpretasikan bahwa korelasi antara variabel Independent dan
dependen sangat kuat.

Dapat diinterpretasikan bahwa nilai R2 = 0,991 berarti 99,1 persen (0,991 x 100)
variasi variabel dependen dapat dijelaskan oleh variabel independen sedangkan
sisanya 0.9 persen (100 persen –99.1 persen) dijelaskan oleh variabel lain.

14
 BAB III

PENUTUP

3.1 KESIMPULAN

Analisis regresi merupakan suatu metode analisis statistik yang

mempelajari pola hubungan antara dua atau lebih variabel. Pada kenyataan sehari-
hari sering dijumpai sebuah kejadian dipengaruhi oleh lebih dari satu variabel,
oleh karenanya dikembangkanlah analisis regresi linier sederhana untuk
menganalisis suatu persoalan. Peramalan dengan regresi sederhana sangat
menguntungkan bagi banyak pihak, baik di bidang sains, sosial, industri maupun
bisnis. Salah satu manfaat adalah memperkirakan suatu kejadian yang akan
terjadi dengan menganalisis penyebab yang mungkin mempengaruhi kejadian
tersebut.

15
 DAFTAR PUSTAKA

Rizky Yudaruddin, Samarinda. 2019. Forecasting untuk kegiatan

ekonommi dan bisnis. Kalimntn timur : RV Pustaka Horizon

16