Nama : ADHIBA ALYA FIRDAUS

NIM : 152011513004

Tugas pertemuan 14.  dikumpulkan hari ini, tgl. 7-6-2021 jam 23.59  di upload ke Aula dan kirim
ke email eto-w@fst.unair .ac.id dengan subject : Regresi

Carilah contoh untuk tipe regresi di bawah ini :

1. Regresi linier sederhana  Y dan X (satu variabel independent)

2. Regresi linier berganda  Y dan X1, X2 (2 variabel independent)

Dan untuk masing-masing buatlah kesimpulan dari analis regresinya :

a. keputusan uji serempak
b. keputusan uji individual
c. tulis persamaan regresinya
d. sebutkan nilai kesesuaian model (R2)

Jawaban No. 1

1. Regresi linier sederhana  Y dan X (satu variabel independent)

 Contoh soal yang dapat dipecahkan menggunakan regresi linier sederhana. Data
disajikan dalam bentuk tabel dimana X merupakan umur mobil sedangkan Y adalah
harga mobil tersebut sebagaimana terlihat dibawah ini:
  Tabel diatas menyajikan data dengan variabel X adalah umur mobil dan variabel Y
adalah harga. Hasil estimasinya adalah :

 Persamaan regresinya :

 Dari hasil estimasi yang diperoleh dapat disimpulkan bahwa setiap umur mobil
bertambah satu tahun maka harga mobil tersebut akan turun sebesar $2.026.

Jawaban No. 2
 Seorang mahasiswa bernama Bambang melakukan penelitian tentang faktor-faktor
yang mempengaruhi harga saham pada perusahaan di BEJ. Bambang dalam
penelitiannya ingin mengetahui hubungan antara rasio keuangan PER dan ROI
terhadap harga saham. Dengan ini Bambang menganalisis analisis regresi linear
berganda. Dari uraian di atas maka didapat variabel dependen (Y) adalah harga
saham, sedangkan variabel independen (X1 dan X2) adalah PER dan ROI. Data-data
yang di dapat berupa data rasio dan ditabulasikan seperti dibawah ini :

 Tabel. Hasil Analisis Regresi Linear Berganda.

  Persamaan regresinya sebagai berikut:

Y’ = a + b1X1+ b2X2
Y’ =  4662,491 + (-74,482)X1 + 692,107X2
Y’ =  4662,491 - 74,482X1 + 692,107X2

Keterangan:
Y’        = Harga saham yang diprediksi (Rp)
a          = konstanta
b1,b2    = koefisien regresi
X1        = PER (%)
X2        = ROI (%)

 Nilai kesesuaian model (R2)

 Tabel. Hasil analisis determinasi (R2)

- Berdasarkan tabel di atas diperoleh angka R2 (R Square) sebesar 0,772 atau

(77,2%). Hal ini menunjukkan bahwa prosentase sumbangan pengaruh variabel
independen (PER dan ROI) terhadap variabel dependen (harga saham) sebesar
 77,2%. Atau variasi variabel independen yang digunakan dalam model (PER dan
ROI) mampu menjelaskan sebesar 77,2% variasi variabel dependen (harga
saham). Sedangkan sisanya sebesar 22,8% dipengaruhi atau dijelaskan oleh
variabel lain yang tidak dimasukkan dalam model penelitian ini.

- Standard Error of the Estimate adalah suatu ukuran banyaknya kesalahan model
regresi dalam memprediksikan nilai Y. Dari hasil regresi di dapat nilai 870,80
atau Rp.870,80 (satuan harga saham), hal ini berarti banyaknya kesalahan dalam
prediksi harga saham sebesar Rp.870,80. Sebagai pedoman jika Standard error of
the estimate kurang dari standar deviasi Y, maka model regresi semakin baik
dalam memprediksi nilai Y.