y y
x x
y y
x x
Scatter Plot Examples
No
relationship
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
t hitung = b -
Sb
Se
Sb
( X ) 2
Se
(Y Yˆ ) 2
X
2
nk
n
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
Lets take a break . . .
Contoh Kasus:
Seorang manajer pemasaran akan meneliti
apakah terdapat pengaruh iklan terhadap
penjualan pada perusahaan-perusahaan di
Kabupaten WaterGold, 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
Y= 40,082 + 1,497X+e
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
P (1 R 2
) 1(1 0,743)
Radj R2 Radj 0,743 0,70
N P 1 8 11
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 Sb1 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:
R 2 /( k 1) 0,743 /( 2 1)
F F 17,367
1 R 2 /( n k ) 1 0,743 /(8 2)
bj 1,497
Thitung t hitung 4,167
Sbj 0,359
Regression Statistics
Multiple R 0.862
R Square 0.743
Adjusted R Square 0.700
Standard Error 6.158
Observations 8
ANOVA
Significan
df SS MS F ce F
Regression 1 658.503 658.503 17.367 0.006
Residual 6 227.497 37.916
Total 7 886
Coefficien Standard
ts Error t Stat P-value
Intercept 40.082 8.890 4.509 0.004
X 1.497 0.359 4.167 0.006
Persamaan regresi linier:
Y = 40,082 + 1,497X
IMPLIKASI
Sebaiknya perusahaan terus
meningkatkan periklanan agar
penjualan meningkat.
Tugas:
Carilah persamaan regresi dari data
berikut:
X 3 4 5 6 7 8 9
Y 12 11 13 12 13 14 16
ANALISIS
REGRESI BERGANDA
ANALISIS
REGRESI BERGANDA
Dalam kasus nyata, sering diinginkan
persamaan regresi yang akan digunakan
untuk mengistimasi suatu variabel yang
melibatkan lebih dari dua variabel
independen
ANALISIS
REGRESI BERGANDA
Persamaan regresi yang melibatkan lebih
dari dua variabel independen akan sulit
ditentukan dengan menggunakan cara
manual.
F.ratio = 55.440
Pengujian Terhadap Koefisien
Regresi (Uji Parsial)
Pengujian Terhadap Koefisien
Regresi (Uji Parsial) ….. lanjutan
3. Nilai t.test (t.hitung)
t.test untuk 1 = 3.484
t.test untuk 2 = 4.089
4. Pengambilan Keputusan
Nilai t.test dari setiap koefisien regresi
terletak di daerah penolakan H0. maka,
keputusannya adalah menolak H0 dan
menerima H1
Pengujian Terhadap Koefisien
Regresi (Uji Parsial) ….. lanjutan
5. Kesimpulan
Nilai koefisien regresi dari setiap persamaan
regresi berbeda dengan 0. sehingga dapat
disimpulkan bahwa kedua variabel
independen tersebut (X1 dan X2)
berpengaruh terhadap variabel dependen
(Y)
Pengukuran Persentase Pengaruh
Semua Variabel Independen
Koefisien determinasi (R square) adalah
0.9737. artinya, pengaruh semua variabel
independen terhadap perubahan nilai
variabel dependen adalah 97.37% dan
sisanya (2.63%) dipengaruhi oleh variabel
lain selain variabel independen yang
digunakan (X1 dan X2).
Pengukuran Persentase Pengaruh
Semua Variabel Independen …
lanjutan
1. Perumusan Hipotesis
H0: Variasi perubahan nilai variabel
independen tidak dapat menjelaskan variasi
perubahan nilai variabel dependen.
H1 : Variasi perubahan nilai variabel
independen dapat menjelaskan variasi
perubahan nilai variabel dependen.
Pengujian Terhadap Pengaruh
Variabel Independen Secara
Bersama (Uji Simultan) … lanjutan
2. Nilai Kritis
F(2;3;0.05) = 9.55
3. Nilai F.test
F.Test = 55.400 (lihat tabel anova, F.ratio)
4. Keputusan
Nilai F.test terletak di daerah penolakan H0,
sehingga keputusannya adalah menolak H0
dan menerima H1
Pengujian Terhadap Pengaruh
Variabel Independen Secara
Bersama (Uji Simultan) … lanjutan
5. Kesimpulan
Dapat disimpulkan bahwa variasi perubahan
nilai variabel dependen dapat dijelaskan oleh
variasi perubahan nilai semua variabel
independen. Artinya, semua variabel
independen (X1 dan X2) secara bersama-
sama (secara simultan) dapat berpengaruh
thd variabel dependen (Y)
KESIMPULAN