DISUSUN OLEH :
Dosen Pengampu:
DWI WIDI PRATITO S.N.,SE.MM
UNIVERSITAS SEMARANG
TAHUN 2020
KATA PENGANTAR
Allhamdulillah, puji syukur kehadirat Allah SWT, karena atas rahmat serta karunia-Nya
sehingga kami dapat menyelesaikan makalah ini untuk memenuhi tugas mata kuliah TEKNIK
PROYEKSI BISNIS yang berjudul “REGRESI SEDEHANA”.
Kami menyadari sepenuhnya di dalam penulisan makalah ini masih banyak terdapat
kekurangan, oleh karena itu kami mengharapkan adanya kritik dan saran demi kesempurnaan
makalah ini.
Semoga makalah ini bisa bermanfaat bagi kita semua, khususnya bagi penyusun dan
dapat menambah wawasan kita dalam mempelajari tentang “REGRESI SEDERHANA”.
Penyusun
DAFTAR ISI
HALAMAN JUDUL........................................................................................................i
DAFTAR ISI....................................................................................................................ii
KATA PENGANTAR....................................................................................................iii
BAB I PENDAHULUAN
I. Latar Belakang......................................................................................................1
II. Rumusan Masalah.................................................................................................1
III. Tujuan Penulisan...................................................................................................1
BAB II PEMBAHASAN
1. Kesimpulan..............................................................................................................9
2. Saran........................................................................................................................9
DAFTAR PUSTAKA.......................................................................................................10
.
BAB I
PENDAHULUAN
1.1 Latar Belakang
Banyak suatu analisis bertujuan untuk mengetahui apakah ada hubungan antara dua atau lebih peubah.
Bila hubungan demikian ini dapat dinyatakan dalam bentuk rumus matematik, maka kita akan dapat
menggunakannya untuk keperluan peramalan.
Masalah peramalan dapat dilakukan dengan menerapkan persamaan regresi. mendekati nilai tengah
populasi. Sekarang ini, istilah regresi ditetapkan pada semua jenis peramalan, dan tidak harus berimplikasi suatu
regresi mendekati nilai tengah populasi. Sedangkan Teknik korelasi merupakan teknik analisis yang melihat
kecenderungan pola dalam satu variabel berdasarkan kecenderungan pola dalam variabel yang lain.
Maksudnya, ketika satu variabel memiliki kecenderungan untuk naik maka kita melihat kecenderungan
dalam variabel yang lain apakah juga naik atau turun atau tidak menentu. Jika kecenderungan dalam satu
variabel selalu diikuti oleh kecenderungan dalam variabel lain, kita dapat mengatakan bahwa kedua variabel ini
memiliki hubungan atau korelasi.
1.2 Rumusan Masalah
1. Apa yang dimaksud dengan regresi sederhana?
2. Bagaimana analisis dari regresi sederhana?
3. Apa saja macam-macam dari regresi sederhana?
4. Apa tujuan dari penggunaan regresi sederhana?
5. Apa saja karakteristik dari regresi sederhana?
Secara umum, analisis regresi pada dasarnya adalah studi mengenai ketergantungan satu variabel dependen
(terikat) dengan satu atau lebih variabel independent (variabel penjelas/bebas), dengan tujuan untuk
mengestimasi dan/ atau memprediksi rata-rata populasi atau niiai rata-rata variabel dependen berdasarkan nilai
variabe! independen yang diketahui. Pusat perhatian adalah pada upaya menjelaskan dan mengevalusi
hubungan antara suatu variabel dengan satu atau lebih variabel independen. Hasil analisis regresi adalah berupa
koefisien regresi untuk masing-masing variable independent. Koefisien ini diperoleh dengan cara memprediksi
nilai variable dependen dengan suatu persamaan.
2.2 Analisis Regresi Sederhana
Analisis regresi merupakan salah satu analisis yang bertujuan untuk mengetahui pengaruh suatu variabel
terhadap variabel lain. Dalam analisis regresi, variabel yang mempengaruhi disebut Independent Variable
(variabel bebas) dan variabel yang dipengaruhi disebut Dependent Variable (variabel terikat). Jika dalam
persamaan regresi hanya terdapat satu variabel bebas dan satu variabel terikat, maka disebut sebagai persamaan
regresi sederhana, sedangkan jika variabel bebasnya lebih dari satu, maka disebut sebagai persamaan regresi
berganda.
Untuk mencari persamaan garis regresi dapat digunakan berbagai pendekatan (rumus), sehingga nilai konstanta
(a) dan nilai koefisien regresi (b) dapat dicari dengan metode sebagai berikut :
a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2] atau a = (ΣY/N) – b (ΣX/N)
b = [N(ΣXY) – (ΣX . ΣY)] / [(N . ΣX2) – (ΣX)2]
Contoh :
Berdasarkan hasil pengambilan sampel secara acak tentang pengaruh lamanya belajar (X) terhadap nilai ujian
(Y) adalah sebagai berikut :
Dengan menggunakan rumus di atas, nilai a dan b akan diperoleh sebagai berikut :
a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2]
a = [(310 . 370) – (40 . 2.740)] / [(5 . 370) – 402] = 20,4
Contoh :
Sampel yang diambil secara acak dari 5 mahasiswa, didapat data nilai Statistik dan Matematika sebagai berikut :
Sampel X (statistik) Y (matematika) XY X2 Y2
1 2 3 6 4 9
2 5 4 20 25 16
3 3 4 12 9 16
4 7 8 56 49 64
5 8 9 72 64 81
Jumlah 25 28 166 151 186
2.3 Macam-Macam Regresi Sederhana
Macam-macam regresi itu terbagi lima antara lain sebagai berikut:
1. Regresi Linier Sederhana
2. Hubungan antara 2 variabel. Yaitu x (variabel bebas) dan y (variabel tak bebas). Kedua variable datanya
kuantitatif.
Misal: Berat badan seseorang dipengaruhi tinggi badannya
3. Regresi Linier Berganda
Hubungan antara variabel y dengan dua atau lebih variabel x. Semua variable datanya kuantitatif.
Misal : produksi padi dipengaruhi oleh jenis pupuk, suhu, lama penyinaran, dll
4. Regresi Nonlinier
Hubungan antara variabel y dan x yang tidak linier. Tidak linier maksudnya laju perubahan y akibat laju
perubahan x tidak konstan untuk nilai-nilai x tertentu.
5. Misal : Produksi padi akan meningkat saat diberi pupuk taraf rendah ke sedang. Tapi kalau diberi
dengan taraf tinggi, malah produksinya menurun.
6. Regresi Dummy
Hubungan antara variabel y (data kuantitatif) dan variabel x (data kualitatif).
Misal : Melihat pengaruh kemasan terhadap harga jual makanan. Kita coding 1 jika kemasan menarik dan 0
jika kemasan tidak menarik. 1 dan o adalah variabel dummy.
7. Regresi Logistik
Hubungan antara variabel y (data kualitatif) dan variabel x (data kuantitatif).
Misal :
Ingin diketahui apakah konsumen akan membeli makanan di rumah makan berdasarkan penilaian konsumen
terhadap lokasi, pelayanan, pendapatan. Dalam kasus ini hanya ada 2 kemungkinan respon konsumen, yaitu
konsumen membeli (1) dan tidak membeli (0).
3.2 Saran
Menyadari masih banyaknya kekurangan dalam penyusunan makalah ini, penyusun sangat mengharapkan
adanya kritik dan saran, yang sifatnya membangun atau memperbaiki makalah ini dari semua pihak.
DAFTAR PUSTAKA