13.1. Pendahuluan
Analisis regresi pada dasarnya merupakan studi mengenai ketergantungan variabel
dependent ( terikat ) dengan variabel independent (bebas ) dan hasil analisis regresi adalah
berupa koefisien masing-masing variabel independent. Dalam analisis regresi selain mengukur
kekuatan hubungan antara dua atau lebih variabel, juga menunjukkan arah hubungan antara
variabel dependent dengan variabel independent.
Teknik estimasi variabel independent terhadap dependent yang melandasi analisis regresi
disebut Ordinary Least square (pangkat kwadrat terkecil biasa ). Inti dari metode Ordinary Last
Square (OLS) adalah mengestimasi suatu garis regresi dengan jalan meminimalkan jumlah dari
kwadrat kesalahan setiap observasi terhadap garis tersebut. Regresi dengan metode estimasi
Ordnary Least Squares (OLS) akan memberikan hasil yang Best Linier Unbiased Estimator (
BLUE ), jika memenuhi syarat asumsi klasik.
Uji Hipotesis
a. Uji signifikansi individual ( t test )
Digunakan untuk menguji seberapa jauh signifikansi pengaruh variabel
penjelas/independent secara individual (parsial) dalam menerangkan variasi variabel
dependent.
Y= a + b1X
0 (x)
Contoh :
Manajer pemasaran ingin mengestimasi hasil penjualan pakaian bayi di daerah A. Data
historis jumlah kelahiran dan penjualan pakaian bayi yang diperoleh selama 12 bulan sbb :
BULAN PENJUALAN BAYI
PAKAIAN LAHIR XY X² Y²
BAYI (Y) (X)
1 30 40 1.200 1.600 900
2 20 30 600 900 400
3 45 35 1.575 1.225 2.025
4 35 40 1.400 1.600 1.225
5 30 42 1.260 1.764 900
6 60 41 2.460 1.681 3.600
7 40 50 2.000 2.500 1.600
8 50 52 2.600 2.704 2.500
9 45 44 1.980 1.936 2.025
....12
JUMLAH 525 524 23.500 23.460 24.925
X = dalam ribuan
Y = dalam ribuan
282.000 – 275.100
= = 0,99
281.520 – 274.576
∑Y ∑X 525 525
a = - b = - 0,99
n n 12 12
= 43,75 – 43,23
= 0,52 atau 0,36 ( selisih pembulatan )
ATAU
̅)
a = Y – b (X
= 43,75 – 0,99 (43,66) = 0,52
Coefficientsa
Standardi
zed
Unstandardiz ed Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Cons tant) .360 21.631 .017 .987
bayi lahir .994 .489 .540 2.031 .070
a. Dependent Variable: penjualan pakaian bayi
UJI t (T test ) :
Menguji koefisien independent variabel (x) = ( 0,99)
Ho : β = o….. tidak ada pengaruh yang signifikan bayi lahir (x) terhadap penjualan pakaian
bayi (Y)
Ha : β ≠ o…… ada pengaruh yang signifikan bayi lahir (X) terhadap penjualan pakaian bayi
(Y)
Langkah :
Mencari :
a. Standar Error of Estimate (SYX)
24925−(0,52)(525)−0,99(23500)
𝑆𝑌𝑋 = √ 12−2
= 11,77
b. Standar Error of the regression coefficient (Sb)
𝑆𝑌𝑋
𝑆𝑏 = 2
√∑ 𝑋 2−(∑ 𝑋)
𝑛
11,77
𝑆𝑏 = 2
= 0,49
√23460−524
12
Taraf signifikansi ( ) = 5 %
Degree of freedom (df) = n-2 = 12 – 2 = 10
b-
T hitung =
Sb
Kriteria pengujian :
Ho diterima bila: - t tabel t hitung t tabel
Ho ditolak bila: t hitung < - t tabel atau t hitung > t tabel
ATAU
Ho diterima bila probabilitas (sig) > 0,05
Ho ditolak bila probabilitas (sig) < 0,05
Penolakan Ho penolakan Ho
Penerimaan Ho
-2,228 2,228
0,99 - 0
t hitung =
0,49
= 2,02
t hitung (2,02) < t tabel 2,228 ATAU probabilitas (sig) = 0,07 > 0,05
Ho diterima , sehingga bayi lahir tidak mempunyai pengaruh yang signifikan terhadap
penjualan pakaian bayi.
Jenis Data:
a. Data kualitatif ( misal komitmen, motivasi, gaya hidup dll)
b. Data kuantitatif (misal: gaji, hasil produksi, hasil panen padi, dll)
H1
Nilai
Harga saham
Perusahaan
H1
Motivasi Kepuasan
kerja kerja
Comitment
affectif H1
Lingkungan Kinerja
kerja H2 karyawan
H3
Motivasi
kerja