Pertemuan 14-15 MKU 6210 Analisis Regresi PDF
Pertemuan 14-15 MKU 6210 Analisis Regresi PDF
y y
x x
y y
x x
Scatter Plot Examples
Tidak ada Hubungan
x
Perbedaan mendasar antara
korelasi dan regresi ?
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
nk
Uji Pengaruh Variabel Independen
terhadap Variabel Dependen
4. Keputusan
-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 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
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
nk 82
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:
b 1,497
Thitung t hitung 4,167
Sb 0,359
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=
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
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