Abdul Malik, M.Pd.

PENDIDIKAN TEKNIK SIPIL DAN PERENCANAAN

FAKULTAS TEKNIK
UNIVERSITAS NEGERI YOGYAKARTA
 SEJARAH REGRESI

Istilah Regresi diperkenalkan oleh Fancis

Galtom
“Meskipun ada kecenderungan bagi orang tua yang
tinggi mempunyai anak-anak yang tinggi, dan bagi
orang tua yang pendek mempunyai anak yang
pendek, distribusi tinggi dari suatu populasi tidak
berubah secara menyolok (besar) dari generasi ke
generasi”.

Regresi = “Kemunduran ke arah sedang”

ILUSTRASI
 Pengertian Regresi
 Analisis regresi merupakan studi
ketergantungan satu atau lebih
variabel bebas terhadap variabel tidak
bebas. Dengan maksud untuk
meramalkan nilai variabel tidak bebas.
 Contoh Penerapan
Analisis Regresi
1. Analisis Regresi antara tinggi orang tua terhadap
tinggi anaknya
2. Analisis Regresi antara pendapatan terhadap
konsumsi rumah tangga.
3. Analisis Regresi antara harga terhadap penjualan
barang.
4. Analisis Regresi antara tingkat upah terhadap
tingkat pengangguran.
5. Analisis Regresi antara tingkat suku bunga bank
terhadap harga saham
6. Analisis regresi antara biaya periklanan terhadap
volume penjualan perusahaan.
Variable Y yang nilainya akan diramalkan
disebut variable tidak bebas (dependent
variable)

 sedangkan variable X yang nilainya

digunakan untuk meramalkan nilai Y disebut
variable bebas (independent variable) atau
variable peramal (predictor) dan sering kali
disebut variable yang menerangkan
(exsplanatory).
 Scatter Plot Examples

Hubungan yang kuat Hubungan yang lemah

y y

x x

y y

x x
Scatter Plot Examples
Tidak ada Hubungan

x
 Perbedaan mendasar antara
korelasi dan regresi ?

 Korelasi hanya  Regresi menunjukkan

menunjukkan hubungan pengaruh.
sekedar hubungan.  Dalam regresi
 Dalam korelasi terdapat istilah
variabel tidak ada tergantung dan
istilah tergantung variabel bebas.
dan variabel bebas.
Istilah dan notasi variabel
dalam regresi ?
Y X
 Varaibel tergantung
(Dependent Variable)
 Variabel yang dijelaskan
(Explained Variable)
 Variabel yang diramalkan
(Predictand)
 Variabel yang diregresi
(Regressand)
 Variabel Tanggapan
(Response)
 Varaibel bebas (Independent
Variable)
 Variabel yang menjelaskan
(Explanatory Variable)
 Variabel peramal (Predictor)
 Variabel yang meregresi
(Regressor)
 Variabel perangsang atau
kendali (Stimulus or control
variable)
 Persamaan Regresi
Persamaan Regresi
linier Sederhana:
n( XY )  ( X )( Y )
Y = a + bX b
n( X 2 )  ( X ) 2
Y = Nilai yang diramalkan
a = Konstansta
b = Koefesien regresi
a
 Y  b(  X )
X = Variabel bebas
n
 Uji Pengaruh Variabel Independen
terhadap Variabel Dependen

 Uji Pengaruh Variabel Independen
terhadap Variabel Dependen

 Uji Pengaruh Variabel Independen
terhadap Variabel Dependen
2. Menentukan taraf nyata dan nilai kritis
Nilai kritis menggunakan Tabel Distribusi t
dengan tingkat signifikansi 1%, 5% atau
10%.

Df = n – k
n jumlah sampel
k jumlah variabel (dependen dan
independen)
 Uji Pengaruh Variabel Independen
terhadap Variabel Dependen
3. Menentukan nilai hitung

b
thitung 
Sb
Se
Sb 
X2  
2
( X )
n

Se 
 (Y  ˆ
Y ) 2

nk
 Uji Pengaruh Variabel Independen
terhadap Variabel Dependen
4. Keputusan

Batas antara daerah penerimaan H0 dan

daerah penolakan H0 adalah nilai kritis.
 Daerah
Penolakan
H0
Daerah
penolakan H0
Daerah
penerimana H0

-t/2 0 t/2
 Daerah
Penolakan
H0
Daerah
penerimana H0

0 t/2
Daerah
penolakan H0
Daerah
penerimana H0

-t/2 0
 Uji Pengaruh Variabel Independen
terhadap Variabel Dependen

 Uji Pengaruh Variabel Independen
terhadap Variabel Dependen

 Contoh Kasus:
Seorang manajer pemasaran akan meneliti
apakah terdapat pengaruh iklan terhadap
penjualan pada perusahaan-perusahaan di
Kabupaten Water Gold, untuk kepentingan
penelitian tersebut diambil 8 perusahaan
sejenis yang telah melakukan promosi.
 Pemecahan

1. Judul
Pengaruh biaya promosi terhadap
penjualan perusahaan.
2. Pertanyaan Penelitian
– Apakah terdapat pengaruh positif biaya
promosi terhadap penjualan perusahaan ?
3. Hipotesis
– Terdapat pengaruh positif biaya promosi
terhadap penjualan perusahaan.
 4. Kriteria Penerimaan
Hipotesis

Ho : Tidak terdapat pengaruh positif biaya iklan

terhadap penjualan perusahaan.
Ha : Terdapat pengaruh positif biaya iklan terhadap
penjualan perusahaan.

 Ho diterima Jika
b ≤ 0, t hitung ≤ tabel
 Ha diterima Jika
b > 0, t hitung > t tabel.
5. Sampel
8 perusahaan
6. Data Yang dikumpulkan

Penjualan (Y) 64 61 84 70 88 92 72 77

Promosi (X) 20 16 34 23 27 32 18 22
 7. Analisis Data
Untuk analisis data diperlukan, perhitungan:
1. Persamaan regresi
2. Nilai Prediksi
3. Koefesien determinasi
4. Kesalahan baku estimasi
5. Kesalahan baku koefesien regresinya
6. Nilai F hitung
7. Nilai t hitung
8. Kesimpulan
Persamaan Regresi
Y X XY X2 Y2
64 20 1280 400 4096
61 16 976 256 3721
84 34 2856 1156 7056
70 23 1610 529 4900
88 27 2376 729 7744
92 32 2944 1024 8464
72 18 1296 324 5184
77 22 1694 484 5929
608 192 15032 4902 47094
 n( XY )  ( X )( Y )
b
n(  X 2 )  (  X ) 2

8(15032)  (192)(609)
b  1,497
8(4902)  (192) 2

a
 Y  b(  X )
n

(608)  1,497(192)
a  40,082
8

Y= 40,082 + 1,497X
 Nilai Prediksi
 Berapa besarnya penjualan jika promosi sebesar 20?
40,082 + (1,497*20)= 70,022
 Berapa besarnya penjualan jika promosi sebesar 16?
40,082 + (1,497*16)=64,034
 Berapa besarnya penjualan jika promosi sebesar 34?
40,082 + (1,497*34)= 90,98
 Berapa besarnya penjualan jika promosi sebesar 23?
40,082 + (1,497*23)= 74,513
 Berapa besarnya penjualan jika promosi sebesar 27?
40,082 + (1,497*27)=80,501
 Berapa besarnya penjualan jika promosi sebesar 32?
40,082 + (1,497*32)= 87,986
Dan seterusnya…………………….!!!
No Y X XY X2 Y2 Ypred (Y-Ypred)2 (Y-Yrata)2

1 64 20 1280 400 4096 70.022 36.264 144

2 61 16 976 256 3721 64.034 9.205 225

3 84 34 2856 1156 7056 90.98 48.720 64

4 70 23 1610 529 4900 74.513 20.367 36

5 88 27 2376 729 7744 80.501 56.235 144

6 92 32 2944 1024 8464 87.986 16.112 256

7 72 18 1296 324 5184 67.028 24.721 16

8 77 22 1694 484 5929 73.016 15.872 1

Jlh 608 192 15032 4902 47094 608.08 227.497 886

Koefesien Determinasi
Koefesien determinasi:

R 2
 1
 (Y  Yˆ ) 2
R  1
2 (227,497)
 0,743
 (Y  Y ) 2
(886)
 Kesalahan Baku
Estimasi
Digunakan untuk mengukur tingkat
kesalahan dari model regresi yang dibentuk.

Se 
 (Y  Yˆ ) 2

Se 
(227,467)
 6,1576
nk 82
Standar Error Koefesien
Regresi
Digunakan untuk mengukur besarnya tingkat
kesalahan dari koefesien regresi:

Se 6,1576
Sb  Sb   0,359
( X ) 2
(192) 2

X 
2
(4902) 
n 8
 Uji F
Uji F digunakan untuk uji ketepatan model, apakah nilai prediksi
mampu menggambarkan kondisi sesungguhnya:

Ho: Diterima jika F hitung  F tabel

Ha: Diterima jika F hitung > F tabel

R 2 /(k  1) 0,743 /(2  1)

F F  17,367
1  R 2 /(n  k ) 1  0,743 /(8  2)

Karena F hitung (17,367) > dari F tabel (5,99) maka persamaan

regresi dinyatakan Baik (good of fit).
 Uji t
Digunakan untuk mengetahui pengaruh variabel bebas
terhadap variabel tergantung.
Ho: Diterima jika t hitung  t tabel
Ha: Diterima jika t hitung > t tabel

b 1,497
Thitung  t hitung   4,167
Sb 0,359

Karena t hitung (4,167) > dari t tabel (1,943) maka Ha diterima

ada pengaruh iklan terhadap penjualan.
 Persamaan regresi linier:
Y = a + bX
Y = 40,082 + 1,497X

Kesalahan standar deviasi Sb = 0.359

Nilai t hitung = 4.167. nilai ini digunakan
dalam pengujian terhadap koefisien
regresi untuk mengetahui apakah
variable independen berpengaruh
secara signifikan terhadap perubahan
nilai variabel dependen
 Untuk kasus ini  5% nilai kritisnya
adalah (lihat tabel distribusi normal):

t(n-k; /2) = t(8-2;0.025) = + 2.447

t.Hitung = 4.167 lebih besar dari t.kritis =

2.447. keputusannya adalah menolak
H0. Artinya, secara statistik X
berpengaruh terhadap Y
 Koefesien Determinasi
Koefesien determinasi:
R  1
2  (Y  Yˆ )
2
R  1
2 (227,497)
 0,743
 (Y  Y )
2
(886)
 Koefisien determinasi r square =
0.743

Digunakan untuk mengetahui

presentase pengaruh variabel
independen terhadap perubahan
variabel dependen. Artinya, pengaruh
variabel X terhadap perubahan variabel
Y adalah 74.3%, sedangkan sisanya
25.7% dipengaruhi variabel lain selain
variabel X.
 KESIMPULAN DAN
IMPLIKASI
KESIMPULAN
Terdapat pengaruh positif biaya
periklanan terhadap volume penjualan.

IMPLIKASI
Sebaiknya perusahaan terus
meningkatkan periklanan agar
penjualan meningkat.
 Tugas:
LATIHAN 1
Carilah persamaan regresi dari data
berikut:

X 3 4 5 6 7 8 9
Y 12 11 13 12 13 14 16
Persamaan umum regresi linear sederhana:

Ŷ = a + bX
Ŷ = (baca Y topi), subjek dalam variabel terikat
(variabel Y) yang diprediksikan
nilai konstan harga Y jika X = 0, perpotongan dgn
a=
sumbu Y
angka arah atau koefisien regresi, yang
b=
menunjukkan peningkatan atau penurunan nilai
variabel Y yang didasarkan pada variabel X. Bila b
positif (+) maka naik, dan bila negatif (-) maka
terjadi penurunan/koefisien kemiringan /
Gradien garis
X = variabel bebas (variabel X) yang mempunyai nilai
tertentu
Harga a dan b dapat dicari dengan rumus berikut:

(Σ𝑌)(Σ𝑋 2 ) − (Σ𝑋)(Σ𝑋𝑌)
a=
𝑛. Σ𝑋 2 − (Σ𝑋)2

b= 𝑛. Σ𝑋𝑌 − (Σ𝑋)(Σ𝑌)
𝑛. Σ𝑋 2 − (Σ𝑋)2
Carilah persamaan regresi linear sederhana dari data
berikut
Data tentang hubungan antara
penguasaan kosakata (X) dan kemampuan membaca (Y)
No X Y X2 Y2 XY
1 75 68 5625 4624 5100
2 78 72 6084 5184 5616
3 38 63 1444 3969 2394
4 94 74 8836 5476 6956
5 83 68 6889 4624 5644
6 91 81 8281 6561 7371
7 87 72 7569 5184 6264
8 91 74 8281 5476 6734
9 38 58 1444 3364 2204
10 68 58 4624 3364 3944
Σ 743 688 59077 47826 52227
Dari tabel tersebut diperoleh nilai-nilai yang dapat
dimasukkan ke dalam rumus
a= b=

Dari perhitungan di atas diperoleh

harga a = 47,53 dan b = 0,29

sehingga persamaan regresi Ŷ = a + bX adalah

Ŷ = 47,53 + 0,29X
Persamaan regresi Ŷ = 47,53 + 0,29X tersebut dapat
digunakan untuk memprediksi bagaimana individu dalam
variabel terikat (Y) akan terjadi, jika individu dalam
variabel bebas (X) ditetapkan.
Misalnya ditetapkan nilai penguasaan kosakata (X) = 95,
Maka nilai kemampuan membaca (Y) diprediksikan:
Ŷ = 47,53 + 0,29(95)
= 47,53 + 27,20 = 74,73
Jadi diperkirakan nilai kemampuan membacanya = 74,73

Dengan persamaan tersebut dapat pula diartikan, bahwa:

Bila nilai kosakata bertambah 1 poin,
maka nilai kemampuan membaca akan bertambah 0,29.
 Diagram Pencar X dan Y
90
Kemampuan membaca (Y)

85

80

75

70

65

60

55
35 40 45 50 55 60 65 70 75 80 85 90 95 100
Penguasaan kosakata (X)
 Persamaan Garis Regresi
100
90
80 Titik temu antara
mean X dan Y
mean Y = 68,8
70
60
Persamaan garis regresi
50 Ŷ = 47,53 + 0,29X
40
30
a = 47,53
20
10
mean X = 74,3
0
0 20 40 60 80 100
LATIHAN 2

Misalnya ditetapkan jarak (X) = 50. Maka emisi (Y)

diprediksikan:
 LATIHAN 3
 Carilah persamaan regresi linear
sederhana dari data berikut,
Suatu sampel acak terdiri atas 20 keluarga di
suatu daerah, memberikan data berikut
X 15 20 25 20 25 30 16 15 25 20
Y 10 15 20 16 22 25 15 14 10 18
X 16 18 20 25 30 25 19 10 20 20
Y 12 15 15 20 25 23 16 8 15 17
X = pendapatan keluarga perbulan dalam ratusan
ribu rupiah
Y = pengeluaran keluarga perbulan dalam
ratusan ribu rupiah
 Misalnya ditetapkan pendapatan keluarga
perbulan(X) = 18,5. Maka pengeluaran keluarga
perbulan (Y) diprediksikan:
 LATIHAN 4
 Carilah persamaan regresi linear
sederhana dari data
 berikut
X 5,5 4,8 4,7 3,9 4,5 6,2 6,0 5,2 4,7 4,3
Y 3,1 2,3 3,0 1,9 2,5 3,7 3,4 2,6 2,8 1,6
X 4,9 5,4 5,0 6,3 4,6 4,3 5,0 5,9 4,1 4,7
Y 2,0 2,9 2,3 3,2 1,8 1,4 2,0 3,8 2,2 1,5
Suatu penelitian dilakukan terhadap 20
mahasiswa semester satu yang diambil secara
acak untuk menentukan apakah nilai mutu
rata-rata (NMR) pada akhir tahun pertama (Y)
dapat diprediksi dari nilai ujian masuk (X). Data
yang diperoleh sbb.
Misalnya ditetapkan nilai ujian masuk(X) =
5. Maka nilai mutu rata-rata pd akhir tahun
pertama(Y) diprediksikan: