Di Susun Oleh :
Kelompok 6 B
BAUBAU
2020
Alhamdulillah, senantiasa kita ucapkan puji syukur kehadirat Allah SWT. Yang hingga
saat ini masih memberikan kita kesehatan, sehingga kami diberikan kesempatan yang luar
biasa untuk menyelesaikan tugas mata kuliah Komputer Statistik.
Terlepas dari semua itu, kami menyadari sepenuhnya bahwa masih ada kekurang baik
dari segi susunan kalimat maupun tata bahasanya. Oleh karena itu, dengan tangan terbuka
kami menerima segala saran dan kritik dari dosen dan teman-teman agar kami dapat
memperbaiki makalh ini.
Akhir kata kami berharap semoga makalah ini dapat memberikan manfaat maupun
inspirasi terhadap kita semua.
Kelompok 6 B
Cover..............................................................................................................i
Kata Pengantar...............................................................................................ii
Daftar Isi........................................................................................................iii
BAB I PENDAHULUAN..............................................................................1
A. Latar Belakang...................................................................................1
BAB II PEMBAHASAN...............................................................................2
A. Kesimpulan .......................................................................................13
DAFTAR PUSTAKA....................................................................................14
PENDAHULUAN
A. Latar Belakang
Analisis regresi telah lama dikembangkan untuk mepelajari pola dan mengukur
hubungan statistik antara dua atau lebih peubah (variabel). Teknik analisis yang mencoba
menjelaskan bentuk hubungan antara dua peubah atau lebih khususnya hubungan antara
peubah-peubah yang mengandung sebab akibat disebut analisis regresi.
Prosedur analisisnya didasarkan atas distribusi probabilitas bersama peubah-
peubahnya. Bila hubungan ini dapat dinyatakan dalam persamaan matematik, maka kita
dapat memanfaatkannya untuk keperluan-keperluan lain misalnya peramalan. Mengingat
pentingnya analisis ini, maka analisi regresi ini akan menjadi pokok pembahasan utama
dimana yang akan dibahas adalah regresi linear sederhana dan regresi linear berganda.
y i=( Y i−Y )
b: Koefisien regresi yang menunjukkan angka peningkatan atau penurunan variabel
dependen yang didasarkan pada variabel independen. Bila b (+) maka terjadi
kenaikan dan bila b (-) maka terjadi penurunan. Harga b dicari dengan rumus :
n (∑ X i Y i )−(∑ X i )( ∑ Y i )
b= 2
n ( ∑ X ) −(∑ X )
i2 i
n (∑ X i Y i )−(∑ X i )( ∑ Y i )
b= 2
n ( ∑ X ) −(∑ X )
i2 i
(∑ X )(∑ Y )
JK reg ( b/a )=b ( ∑ XY − N )
d. Jumlah kuadrat residu dengan rumus :
JK res=JK t −JK reg ( a )−JK reg ( b/a )
3. Menentukan derajat kebebasan
a. Dkreg (a) = 1
b. Dkreg (b/a) = k = 1
c. Dkres = n-k-1
4. Menentukan rata-rata jumlah kuadrat
JK reg ( a )
RJK reg ( a )=
a. 1
JK reg ( b/a )
RJK reg ( b/ a )=
b. 1
JK reg
RJK res=
c. n−2
5. Menghitung nilai Fhitungss
RJK reg ( b/a )
Fhitung =
RJK res
6. Membandingkan harga Fhitung dengan Ftabel
Ho diterima jika Fhitung<Ftabel
Ho ditolak jika Fhitung>Ftabel
7. Menguji keberatian koefisien regresi linear sederhana dengan uji t :
Kesalahan baku :
( JK res )2
S e=
√ n−2
Se
Sb=
2
√ ∑ X 2i − [ ( ∑ X i)
n ]
[Type text] Page 4
Rumus Thitung adalah sebagai berikut :
b
t=
Sb
8. Menghitung koefisien korelasi
N ∑ XY −( ∑ X )( ∑ Y )
r=
2 2
√( N (∑ X )−(∑ X ) )( N (∑ Y )−(∑ Y ) )
2 2
Jawab
Langkah-langkah menjawab regresi linear sederhana dengan spss
1. Buka aplikasi spss
2. Pilih menu data view, lalu copy data dari word atau exel setelah itu paste.
3. pilih menu analyze, lalu pilih regression kemudian klik linear
4. pilih X lalu masukkan ke kotak independent
5. pilih Y lalu masukkan ke kotak dependen
6. pada kotak mentod pilih enter
7. abaikan yang lain dan tekan ok
Model Summary
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 16.095 1 16.095 2.015 .194b
Residual 63.905 8 7.988
Total 80.000 9
a. Dependent Variable: y
b. Predictors: (Constant), x
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta T Sig.
1 (Constant) 45.286 11.809 3.835 .005
x 1.238 .872 .449 1.419 .194
a. Dependent Variable: y
Ho : Tidak ada pengaruh secara signifikan antara biaya promosi dengan volume
penjualan.
H1 : Ada pengaruh secara signifikan antara biaya promosi dengan volume penjualan
Dari hasil perhitungan didapatkan :
Y =a+bx
Konstanta (a) = 45.286; koefisien regresi (b) = 1.238 dan Thit = 1.419
Dengan menggunakan tingkat signifikansi 5% pengujian dua sisi dan derajat = 8 maka
diperoleh Ttab : 2.306004. karena Thit < Ttab, maka Ho ditolak kesimpulannya, terdapat
pengaruh yang signifikan antara biaya promosi dengan volume penjualan.
B. Regresi Berganda
Sampai saat ini, kita baru mempelajari analisis regresi yang terdiri dari dua peubah
saja, yakni sebuah peubah bebas dan sebuah peubah tak bebas yang didekati oleh garis
lurus. Tentu saja kita memahami bahwa aja juga analisis regresi dimana terdapat lebih dari
dua peubah, yakni analisis regresi bebas lainnya. Analisis ini sering disebut analisis regresi
ganda (multiple liniear regression analysis) (Yusuf Wibisino, 2005: 547).
Jika variabel bebas x lebih dari satu, diperlukan grafik yang lain untuk menunjukkan
hubungan antara variabel tak bebas y dengan semua variabel bebas x-nya. Misalnya,
pertumbuhan mikroba merupakan fungsi dari suhu, nutrien dan space. Jika total mikroba
disimbolkan dengan y, besarnya suhu dengan x1, jumlah nutrien x2 dan space dengan x3,
Regresi ganda digunakan untuk mengetahui linearitas hubungan dua atau lebih
variabel independen dengan satu variabel dependen dan dapat pula digunakan untuk
memprediksi harga variabel dependen jika harga-harga variabel independen diketahui.
Rumus umum persamaan linear regresi ganda adalah sebagai berikut (Dr. Rusydi Ananda,
M.Pd dan Muhammad Fadhli, M.Pd, 2018: 265) :
¿
Y =a+b1 x 1 +b 2 x 2
1. Sampel harus diambil secara acak (random) dari populasi yang berdistribusi normal.
2. Oleh karena sampel diambil dari populasi yang berdistribusi normal, maka sampel juga
harus berdistribusi normal. Normalitas daat diatasi dengan mengambil sampel banyak.
Disamping itu, normalitas dapat diuji dengan normalitas menggunkan uji Liliefors.
3. Data variabel terikat harus berskala interval atau skala rasio, sedangkan skala untuk
variabel bebas tidak harus interval atau rasio tetapi bisa juga untuk data yang berskala
lebih rendah.
4. Antara variabel bebas dan variabel terikat mempunyai hubungan secara teoritis dan
melalui perhitungan korelasi sederhana dapat diuji signifikansi hubungan tersebut.
5. Persamaan regresi yang terbentuk harus linear.
(∑ X 1 ) ( ∑ Y )
∑ x 1 y=∑ X 1 Y − N
(∑ X 2 ) ( ∑ Y )
∑ x 2 y=∑ X 2 Y − N
(∑ X 1)(∑ X 2 )
∑ x 1 x 2=∑ X 1 X 2 − N
b. Menentukan koefisien-koefisien dan konstanta persamaan regresi ganda :
Koefisien regresi X1
( ∑ x 22 ) ( ∑ x 1 y )−( ∑ x 1 x 2 )(∑ x2 y )
b1 =
(∑ x12 )(∑ x 22 )−( ∑ x 1 x 2)
Koefisien regresi X2
∑ Y −b ∑ X 1 −b ∑ X 2
a=
n 1 ( ) ( )
n 2
n
c. Menentukan persamaan umum regresi ganda sebagai berikut :
¿
Y =a+b1 x 1 +b 2 x 2
d. Menentukan jumlah kuadrat sumber varian sebagai berikut :
JKreg Y atas X1 dan X2 yaitu :
JK reg=b 1 ∑ x1 y +b2 ∑ x 2 y
JKres yaitu :
2
JK res=∑ y −JK reg
e. Menentukan derajat kebebasan sumber varian sebagai berikut :
Dkreg = k
Dkres = n - k – 1
Ket :
K = banyaknya variabel predictor
N = banyaknya pasang data (banyak subjek/sampel penelitian)
JK res
RJK res =
dk res
JK res
S e=
√ n−k−1
Kesalahan baku koefisien regresi berganda b1 dan b2 :
Se
Sb 1=
√ (∑ X 21 −n X 21 )( 1−r Y . 1 2 )
Se
Sb 2 =
2 2
√( ∑ X −n X ) (1−r
2 2 Y . 12 )
Xi=
∑ Xi
n
n ∑ X 1 X 2 −∑ X 1 ∑ X 2
r Y .1 =
2 2
√(n ∑ X −( ∑ X ) )(n ∑ X −( ∑ X ) )
2
1 1
2
2 2
Menentukan Thitung :
b1
T hitung=
Sb1
j. Menghitung Koefisien Determinasi (r2)
JK reg
r=
√∑
l. Membuat kesimpulan
y2
Variables Entered/Removeda
Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .606a .368 .210 593.961
a. Predictors: (Constant), X2, X1
Beradasarkan tabel diatas diperoleh angka R sebesar 0.606. Hal ini menunjukkan bahwa
terjadi hubungan yang sangat kuat antara X1 dan X2 terhadap Y.
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 1641769.089 2 820884.545 2.327 .160b
Residual 2822321.820 8 352790.228
Total 4464090.909 10
a. Dependent Variable: Y
a. Predictors: (Constant), X2, X1
Berdasarkan data diatas, di dapat nilai signifikan F sebesar 2.327 (P > 0,05) maka
dapat disimpulkan bahwa Ho diterima artinya variabel PER dan ROI tidak
a
berpengaruh secara signifikanCoefficients
terhadap harga saham.
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 7735.088 1052.561 7.349 .000
X1 328.618 152.348 .626 2.157 .063
X2 -104.002 185.548 -.163 -.561 .590
a. Dependent Variable: Y
Data diatas menunjukkan bahwa Thitung untuk X1 (PER) adalah sebesar 2.157 dan Ttabel adalah
sebesar 2.364. Karena Thit PER ≤ Ttab. Ho diterima artinya variabel harga PER tidak
berpengaruh secara signifikan terhadap harga saham.
Data diatas menunjukkan bahwa Thitung untuk X2 (ROI) adalah sebesar -0.561 dan Ttabel
adalah sebesar 2.364. Karena Thit ROI ≥ -Ttab, maka Ho diterima artinya variabel harga ROI
tidak berpengaruh secara signifikan terhadap harga saham.
Jika variabel bebas x lebih dari satu, diperlukan grafik yang lain untuk menunjukkan
hubungan antara variabel tak bebas y dengan semua variabel bebas x-nya. Misalnya,
pertumbuhan mikroba merupakan fungsi dari suhu, nutrien dan space. Jika total mikroba
disimbolkan dengan y, besarnya suhu dengan x1, jumlah nutrien x2 dan space dengan x3,
maka pendugaan nilai y diperoleh dengan menggunakan prosedur kuadrat terkecil
terhadap data hasil pengukuran suhu, nutrien dan space. Dalam bentuk variabel x dan y,
dapat diberikan bahwa y dipengaruhi oleh x1, x2, dan x3 .
Regresi ganda digunakan untuk mengetahui linearitas hubungan dua atau lebih
variabel independen dengan satu variabel dependen dan dapat pula digunakan untuk
memprediksi harga variabel dependen jika harga-harga variabel independen diketahui.
DAFTAR PUSTAKA
http://fatkhan.web.id/pengertian-dan-contoh-kasus-uji-regresi-linear-sederhana-dan-
berganda/ diakses 20 April 2020)
Wibisono, yusuf. 2005. Metode Statistik. Yoyakarta: Gajah Mada University Press.
Hamdani, M.Pd, Dr. A Saepul dan Maunah Setyawati, M.Pd. 2013. Statistik Terapan.
Surabaya: Iain Sunan Ampel Surabaya.
Ananda, M.Pd, Dr. Rusyadi dan Muhammad Fadhli, M.Pd. 2018. Statistik Pendidikan (Teori
dan Praktik dalam Pendidikan. Medan: CV. Widya Puspita.