ANALISIS PENGARUH

Untuk menguji pengaruh (hubungan kausal) variabel bebas (X)

terhadap variabel terikat (Y) digunakan analisis Regresi. Analisis
regresi termasuk ke dalam statistik parametrik/inferensial,
sehingga mempunyai persyaratan yang harus dipenuhi yaitu:
1. Sampel berdistribusi normal (sehingga perlu adanya uji
Normalitas)
2. Skala pengukuran serendah-rendahnya interval
3. Sampel berasal dari populasi yang homogen (sehingga perlu
adanya uji Homogenitas)

A. Regresi Linier Sederhana

Regresi sederhana didasarkan pada hubungan fungsional
ataupun kausal satu variabel independen dengan satu variabel
dependen atau untuk menguji pengaruh variabel bebas (X) terhadap
variabel terikat (Y) dimana variabel bebasnya hanya satu peubah.
Persamaan umum regresi linier sederhana adalah:

Y '=a+bX Rumus 1

Dimana:
Y’ = Subyek dalam variabel dependen yang diprediksikan
a = Harga Y bila X = 0 (harga konstan)
b = Angka arah atau koefisien regresi, yang menunjukan angka
peningkatan ataupun penurunan variabel dependen yang
didasarkan pada variabel independen. Bila b (+) maka naik,
dan bila (-) maka terjadi penurunan.
X = Subyek pada variabel independen yang mempunyai nilai
tertentu.
 Jadi harga b merupakan fungsi dari koefisien korelasi. Bila
koefisien korelasi tinggi, maka harga b juga besar, sebaliknya bila
koefisien korelasi rendah maka harga b juga rendah (kecil). Selain
itu bila koefisien korelasi negatif maka harga juga negatif, dan
sebaliknya bila koefisien korelasi positif maka harga b juga positif.

Selain itu harga a dan b dapat dicari dengan rumus berikut :

(ΣY i)( Σ X i2)−( Σ X i )(Σ X i Y i )

a= 2 Rumus 2
nΣ X i −¿ ¿

nΣX i Y i−( ΣX i )( ΣY i )
b=
nΣX 2 −( ΣX i )2
i Rumus 3

PENGUJIAN HIPOTESIS REGRESI LINIER SEDERHANA:

Statistik yang digunakan adalah statistik t dengan rumus:

b
t o=
Sb
Keterangan:

to = nilai t observasi
b = koefisien arah b
Sb = Standard deviasi b
Dimana Sb dicari dengan rumus:

Se
S b=
√ Σxi 2
S e= S √ e2

Σy 2 −b2 . Σx 2
i i
S 2=
e n−2
2
( ΣX )
Σx 2 =ΣX 2 −
i n
2
( ΣY )
Σy 2 =ΣY 2 −
i n

Kriteria Pengujian Hipotesis:

Tolak H0 jika to hasil perhitungan > t tabel dengan dk = n-2 dan α

tertentu sebaliknya H0 diterima

Contoh perhitungan regresi linier sederhana

Data berikut adalah hasil pengamatan terhadap nilai kualitas

layanan (X) dan nilai rata-rata penjualan barang tertentu tiap
bulan (Y) pada salah satu mini market AB. Data kedua variabel
diberikan pada tabel 1 berikut:
 TABEL 1
NILAI KUALITAS LAYANAN DAN
NILAI RATA-RATA PENJUALAN BARANG
Nomor Kualitas Penjualan Nomor Kualitas Penjualan
Layanan (X) Barang (Y) Layanan (X) Barang (Y)
1. 54 167 18. 45 160
2. 50 155 19. 47 155
3. 53 148 20. 53 159
4. 45 146 21. 49 159
5. 48 170 22. 56 172
6. 63 173 23. 57 168
7. 46 149 24. 50 159
8. 56 166 25. 49 150
9. 52 170 26. 58 165
10 56 174 27. 48 159
11. 47 156 28. 52 162
12. 56 158 29. 56 168
13. 55 150 30. 54 166
14. 52 160 31. 59 177
15. 50 157 32. 47 149
16. 60 177 33. 48 155
17. 55 166 34. 56 160

Rumusan Masalah:

”Adakah pengaruh kualitas layanan terhadap rata-rata penjualan barang pada Mini
Market AB?”

Rumusan Hipotesis:

H0 : Tidak ada pengaruh kualitas layanan terhadap rata-rata penjualan barang

pada Mini Market AB

H1 : Ada pengaruh kualitas layanan terhadap rata-rata penjualan barang pada Mini
Market AB
Untuk menghitung persamaan regresinya, maka diperlukan tabel penolong seperti
terlihat pada tabel 2.

TABEL 2
TABEL PENOLONG UNTUK MENGHITUNG
PERSAMAAN REGRESI DAN KORELASI SEDERHANA
Nomor X Y XY X2 Y2
1. 54 167 9.018 2.916 27.899
2. 50 155 7.750 2.500 24.025
3. 53 148 7.844 2.809 21.904
4. 45 146 6.570 2.025 21.316
5. 48 170 8.160 2.304 28.900
6. 63 173 10.899 3.969 29.929
7. 46 149 6.854 2.116 22.201
8. 56 166 9.296 3.136 27.556
9. 52 170 8.840 2.704 28.900
10 56 174 9.744 3.136 30.276
11. 47 156 7.332 2.209 24.336
12. 56 158 8.848 3.136 24.964
13. 55 150 8.250 3.025 22.500
14. 52 160 8.320 2.704 25.600
15. 50 157 7.850 2.500 24.649
16. 60 177 10.620 3.600 31.329
17. 55 166 9.130 3.025 27.556
18. 45 160 7.200 2.025 25.600
19. 47 155 7.285 2.209 24.025
20. 53 159 8.427 2.809 25.281
21. 49 159 7.791 2.401 25.281
22. 56 172 9.632 3.136 29.584
23. 57 168 9.576 3.249 28.224
24. 50 159 7.950 2.500 25.281
25. 49 150 7.350 2.401 22.500
26. 58 165 9.570 3.364 27.225
27. 48 159 7.632 2.304 25.281
28. 52 162 8.424 2.704 26.244
29. 56 168 9.408 3.136 28.224
30. 54 166 8.964 2.916 27.556
31. 59 177 10.443 3.481 31.329
32. 47 149 7.003 2.209 22.201
33. 48 155 7.440 2.304 24.025
34. 56 160 8.960 3.136 25.600
X=1.782 Y=5.485 XY = 288.380 X = 94.098 Y = 887.291
2 2
Selanjutnya setelah diperoleh sigma-sigma, maka menghitung besaran a dan b
sbb:

1. Menghitung harga a dan b dengan rumus 2 dan rumus 3

(5. 485 )(94 . 098 )−(1 .782 )(288. 380 )

a= =93 , 85
(34 ).(94 .098 )−(1. 782)2

(34 ).(288 .380 )−(1. 782)−(5 . 485)

b= =1 , 29
(34 ).(94 . 098 )−(1 . 782)2

2. Menyusun Persamaan Regresi

Setelah haga a dan b ditemukan, maka persamaan regresi linier sederhana
dapat disusun. Persamaan regresi nilai layanan dan nilai rata-rata penjualan
barang tertentu tiap bulan adalah seperti berikut:

y'=93,85 + 1,29 X

Persamaan regresi yang telah ditemukan dapat digunakan untuk melakukan

prediksi (ramalan) bagaimana individu dalam variabel dependen akan terjadi bila
individu dalam variabel independen ditetapkan. Misalnya nilai kualitas layanan =
64, maka nilai rata-rata penjualan adalah :

y'=93,85 + 1,29(64 )=176 ,41

Jadi diperkirakan nilai rata-rata penjualan tiap bulan sebesar 176,41. Dari
persamaan regresi di atas dapat diartikan bahwa, bila nilai kualitas layanan
bertambah 1, maka nilai- rata-rata penjualan barang tiap bulan akan bertambah
1,29 atau setiap nilai kualitas layanan bertambah 10 maka nilai rata-rata
penjualan tiap bulan akan bertambah sebesar 12.9.
 Pengambilan harga-harga X untuk meramalkan Y harus dipertimbangkan secara
rasional dan menurut pengalaman, yang masih berada pada batas ruang gerak
X, mislkan kalau nilai kualitas layanan 100, nilai rata-rata penjualan tiap bulan
berapa? Apakah ada kualitas layanan yang nilainya sebesar 100?

3. Membuat Garis Regresi

Garis regresi dapat digambarkan berdasarkan persamaan yang telah ditemukan adalah :
Y=93,85 + 1,29 X

190

176,41
170 Y = 93,85 + 1,29

150
Nilai Pertemuan antara rata-rata
kual Y dan X
itas 130 Rata-rata Y = 176,41
laya Rata-rata X = 64
nan
110

93,85
90

0 50 60 64 70 80

penjualan barang
rata-ratanilai
Nilai regresi
Gambar 1. Garis kualitas layanan dan nilai
rata-rata penjualan barang tiap bulan

LATIHAN 2
 Seorang mahasiswa sedang mengadakan
peneltian mengenai pengaruh minat belajar siswa
(X) terhadap hasil belajar ekonomi (Y) SMP.
Avidya, diambilah sampel sebanyak 11 siswa,
kemudian hasil penelitian diperoleh sbb:
No 1 2 3 4 5 6 7 8 9 10 11
X 65 60 65 65 60 70 80 85 55 70 70
Y 60 70 75 65 70 60 80 75 85 90 80
Ditanyakan:

1. Rumusan masalah
2. Rumusan Hipotesis
3. Cari persamaan regresinya
4. Ramalkanlah berapa rata-rata skor hasil belajar
ekonomi siswa akan diperoleh apabila minat
belajar siswa naik sebesar 90
5. Ujilah hipotesis tersebut di atas dengan α =
0.05