ANALISIS REGRESI

Disusun Guna Memenuhi Tugas

Mata Kuliah : Penganggaran Perusahaan
Dosen Pengampu : Indah Dewi Maharany

Disusun oleh :

Kelompok 2

1. Diva Juliantina (1950210123)

2. Sa’idatur Rohmania (1950210129)
3. M. Syamsul Haq Fardian (1950210136)
MBS-D5

PROGRAM STUDI MANAJEMEN BISNIS SYARIAH

FAKULTAS EKONOMI DAN BISNIS ISLAM
INSTITUT AGAMA ISLAM NEGERI KUDUS
2021

1
 BAB I
PENDAHULUAN

A. Latar Belakang
Korelasi dan regresi keduanya mempunyai hubungan yang sangat erat. Setiap
regresi pasti ada korelasinya, tetapi korelasi belum tentu dulanjutkan dengan regresi.
Korelasi yang tidak dilanjutkan dengan regresi adalah korelasi antara dua variabel yang
tidak mempunyai hubungan kausal atau fungsional.1
Hubungan antara panas dengan tingkat tingkt muai panjang, dapat diaktakan
sebagai hubungan yang kausal. Hubungan antar kepemimpinan dengan kepuasan kerja
pegawai dapat dikatakan sebagai hubungan fungsional.
Untuk mengetahui bagaimana variabel dependen atau kriteria dapat
diprediksikan melalui variabel independen atau predictor secara individual, dan
dampak dari penggunaan analisis regresi apakah dapat digunakan untuk memutuskan
apakah naik dan turunnya variabel dependen dapat dilakukan melalui menaikkan dan
menurunkan keadaan variabel independen atau sebaliknya. Oleh karena itu, pemakalah
melalui makalah ini ingin memberi sedikit pemahaman mengena analisis regresi kepada
pembaca.

B. Rumusan Masalah
1. Apa yang dimaksud dengan analisis regresi ?
2. Bagaimana penggunan analisis regresi sederhana ?
3. Bagaimana penggunan analisis regresi berganda ?

C. Tujuan Masalah
1. Untuk mengetahui apa itu analisis regresi.
2. Untuk mengetahui penggunaan analisis regresi sederhana.
3. Untuk mengetahui penggunaan analisis regresi berganda.

1
Prof. DR. Sugiyono, Statistika Untuk Penelitian, Bandung : ALFABETA, 2005, hlm 243

2
 BAB II

PEMBAHASAN

A. Pengertian Analisis Regresi

Analisis Regresi merupakan seperangkat prosedur statistic untuk menemukan

faktor-faktor nyata yang paling penting yang mempengaruhi penjualan. Umumnya
analisis regresi digunakan untuk melakukan prediksi atau ramalan. Sedangkan,
hubungan variabel tersebut bersifat fungsional yang diwujudkan dalam suatu model
matematis.

Analisis ini digunakan untuk menganalisis pengaruh variabel bebas

(independent variable / X) terhadap variabel terikat (dependent variable / Y). Tujuan
dari analisis regresi itu sendiri di antaranya adalah untuk meramalkan atau
memperkirakan nilai veriabel terikat dalam hubungannya dengan nilai variabel bebas
tertentu.

Regresi dapat dibagi dalam bentuk yaitu : regresi sederhana dan regresi
berganda.

1. Analisis Regresi Sederhana

Regresi sederhana dipergunakan untuk meramalkan sebuah variable terikat

(Y) atau dependen dengan menggunakan variabel bebas (X) atau independen.
variable yang dipilih adalah yang mempunyai hubungan (korelasi) dengan variable
terikat. Untuk mengetahui bahwa variabel bebas (X) yang dipilih mempunyai
korelasi dengan varibel terikat (Y) dapat digunakan analisis korelasi.2

Berikut ini merupakan rumus-rumus yang digunakan dalam metode regresi

sederhana :3

Y=a+bX

(Σ𝑌)(Σ𝑋 2 )−(Σ𝑋)(Σ𝑋𝑌)
a= n Σ𝑋 2 −(Σ𝑋)2

n ΣXY− ΣX ΣY
b= 𝑛 Σ𝑋 2 −(Σ𝑋)2

2
M. Nafarin, Penganggaran Perusahan, (Jakarta : Salemba Empat, 2007), hlm 73
3
Dr. I Made Adnyana, S.E., MM, Penganggaran Perusahaan, (Jakarta Selatan : LPU-UNAS, 2020), hlm 33

3
 Keterangan :

Y = nilai yang diukur (variabel terikat)

X = nilai yang mempengaruhi (variabel bebas)

a = nilai intercept (konstansta)

b = koefisien regresi

n = banyaknya observasi

Karena metode regresi sederhana mendasarkan pada hubungan antara

sebuah variable terikat (Y) atau dependen dengan menggunakan variabel bebas (X)
atau independen maka, untuk meyakinkan bahwa variabel bebas tersebut benar
mempunyai penngaruh yang cukup kuat terhadap variabel terikat, dapat digunkan
ukuran yang sering disebut dengan Koefisisen Korelasi (R)

a) Koefisien korelasi

Koefisien korelasi adalah angka yang menunjukkan tinggi rendahnya

tingkat keeratan (keakraban) hubungan antara suatu variabel dengan variabel
yang lain yang diperkirakan mempengaruhinya.4 Rumus yang digunakan untuk
menentukan keeratan hubungan adalah :

𝑛(Σ𝑋𝑌) −(Σ𝑋)(Σ𝑌)
R=
√𝑛(Σ𝑋 2 )−(Σ𝑋)2 √𝑛(Σ𝑌 2 )−(Σ𝑌)2

Analisis korelasi dipakai untuk mengetahui hubungan sebab akibat antar

beberapa variabel. Misalnya jualan susu ditentukan oleh factor tingkat jualan
susu, jualan kulit sepatu ditentukan oleh factor jualan sepatu.

Hasil perhitungan koefisien korelasi akan memberikan tiga alternatif

dari nilai R tersebut sebagai berikut :5

 Jika nilai R mendekati angka positif satu (+1), berarti bahwa variabel X
mempunyai pengaruh yang kuat dan positif terhadap perkembangan
variabel Y, ini berarti apabila variabel X bertambah, maka variabel Y akan
terdorong untuk bertambah juga, begitu sebaliknya.

4
Herispon, S.E., M.Si., Anggaran Perusahaan (Analisis dan Aplikasi), (Pekanbaru : AKBAR STIE RIAU, 2015),
hlm 37
5
Heripson, S.E., M.Si., Anggaran Perusahaan…., hlm 37

4
 Jika nilai R mendekati angka negatif satu (-1), berarti bahwa variabel X
mempunyai pengaruh yang kuat tapi negatif terhadap perkembangan
variabel Y, ini berarti apabila variabel X bertambah, maka variabel Y justru
akan terdorong untuk berkurang, begitu sebaliknya.
 Jika nilai R mendekati angka nol ( 0 ), berarti bahwa variabel X kurang
berpengaruh terhadap perkembangan variabel Y, ini berarti bahwa
bertambah atau berkurangnya variabel X tidak mempengaruhi perubahan
variabel Y atau sebaliknya.

Contoh :

PT. Tunas Jaya yang bergerak dalam produksi susu untuk konsumen khusus
(susu bayi) akan dapat melakukan prediksi untuk memproduksi susu bayi
dengan melihat tingkat kelahiran bayi pada daerah penjualannya. Adapun data
produksi susu bayi dari PT. tersebut yaitu :

Tahun Produksi susu bayi Kelahiran bayi

2014 240 140
2015 240 160
2016 300 250
2017 420 300
2018 300 350
Dari data tersebut tentukan fungsi regresinya dan tentukan perkiraan
penjualan untuk 3 tahun mendatang.

Jawab :

Langkah I

Untuk dapat memperkirakan produksi susu bayi oleh PT. Tunas Jaya dalam 3
tahun mendatang, perusahaan harus mempunyai data tentang tingkat
kelahiran bayi pada daerah penjualannya untuk tiga tahun mendatang pula.

Perkiraan tingkat kelahiran bayi ( dengan metode moment)

Kelahiran
Nilai
Tahun bayi XY X2
(X)
(Y)

5
 2014 140 0 0 0
2015 160 1 160 1
2016 250 2 500 4
2017 300 3 900 9
2018 350 4 1400 16
Σ1200 Σ10 Σ2960 Σ30

Σ𝑌 = n.a + bΣ𝑋 1200 = 5a + 10 b …(x2)

Σ𝑋𝑌 = aΣ𝑋 + bΣ𝑋 2 2960 = 10a + 30b …(x1)

2400 = 10a + 20b

2960 = 10a + 30b

-560 = -10b

b = 56

1200 = 5a + 10b

1200 = 5a + 10 (56)

1200 = 5a + 560

640 = 5a

128 = a

Jadi fungsi regresinya adalah Y = a + bX menjadi Y = 128 + 56X, berarti

prediksi kelahiran bayi 3 tahun mendatang adalah :

𝑌2019 = 128 + 56 (5) = 408 jiwa

𝑌2020 = 128 + 56 (6) = 464 jiwa

𝑌2021 = 128 + 56 (7) = 520 jiwa

Langkah II

Perkiraan tingkat produksi susu bayi

6
 Produksi Kelahiran
Tahun susu bayi bayi XY X2 Y2
(Y) (X)
2014 240 140 33600 19600 57600
2015 240 160 38400 25600 57600
2016 300 250 75000 62500 90000
2017 420 300 126000 90000 176400
2018 300 350 105000 122500 90000
Σ1500 Σ1200 Σ378000 Σ320200 Σ471600
Dengan bantuan metode trend moment fungsi regresi dapat ditentukan sebagai
berikut :

Y = n.a + bX 1500 = 5a + 1200 b ( x240 )

XY = aX + b Σ𝑋 2 378000 = 1200a + 320200 b ( x1 )

360000 = 1200a + 288000 b

378000 = 1200a + 320200 b

-18000 = -32200 b

0, 56 = b

1500 = 5a + 1200 b

1500 = 5a + 1200 (0,56)

1500 = 5a + 672

828
=a
5

165,6 = a

Jadi fungsi regresinya adalah Y = a + b X menjadi Y = 165,6 + 0,56 X,

berarti akan diketahui nilai trend dan prediksi produksi susu bayi 3 tahun
mendatang adalah :

𝑌2014 = 165,6 + 0,56 (140) = 244

𝑌2015 = 165,6 + 0,56 (160) = 255,2

7
 𝑌2016 = 165,6 + 0,56 (250) = 305,6

𝑌2017 = 165,6 + 0,56 (300) = 333,6

𝑌2018 = 165,6 + 0,56 (350) = 361,6

Dan prediksi produksi susu bayi 3 tahun mendatang yaitu :

𝑌2019 = 165,6 + 0,56 (408) = 394,08

𝑌2020 = 165,6 + 0,56 (464) = 425,44

𝑌2021 = 165,6 + 0,56 (520) = 456,8

Langkah III

Dengan bantuan perhitungan tabel pada langkah II maka dapat dilihat hubungan
(korelasi) antara tingkat kelahiran bayi dengan tingkat produksi susu sebagai
berikut :

𝑛(Σ𝑋𝑌) −(Σ𝑋)(Σ𝑌)
R=
√𝑛(Σ𝑋 2 )−(Σ𝑋)2 √𝑛(Σ𝑌 2 )−(Σ𝑌)2

5(Σ378000) −(Σ1200)(Σ1500)
R=
√5(320200)−(Σ1200)2 √5(Σ471600)−(Σ1500)2

90000
R=
√161000 √108000

R = 0,6817

Dari hasil perhitungan tersebut dapat diketahui bahwa nilai R adalah sebesar
0,6817 ini berarti bahwa tingkat kelahiran bayi mempunyai pengaruh yang
cukup kuat dan positif terhadap produksi susu untuk bayi.

b) Koefisien Determinan

Koefisien determinan (R2) baru saja dikemukakan pada analisis korelasi.

Koefisien determinan bila diakarkan (√) akan menjadi koefisien korelasi dan
koefisien korelasi (R) bila dikuadratkan menjadi koefisien determinan (R2).
Koefisien determinan (R2) mengukur persentase variabilitas Y yang dapat
dijelaskan dengan variabel bebas X. Dalam analisis regresi, koefisien
determinan (coefficient of determination) ini merupakan nilai terpenting karena
koefisien determinan menggambarkan seberapa jauh variabilitas Y dipengaruhi

8
 oleh variabilitas X. Rumus koefisien determinan (R2) dapat dihitung dengan
rumus :

𝑎 ∑ 𝑌 + 𝑏 ∑ 𝑋𝑌 − 𝑛𝑌̅ 2
𝑅2 =
∑ 𝑌 2 − 𝑛𝑌̅ 2

2
165,6(1500) + 0,56 (378.000) − 5(300)2
𝑅 =
471.600 − 5(300)2
248400 + 211.680 − 450000
𝑅2 =
471.600 − 450000
10.080
𝑅2 =
21.600
𝑅 2 = 0,467
𝑅 2 = 46.67%

c) Pengujian Hipotesisi tentang Koefisien Korelasi

Untuk menerima atau menolak jawaban yang dihasilkan dari perhitungan
akan dikaitkan dengan hipotesis yang dibuat (jika dalam sebuah penelitian).
Hipotesis adalah jawaban sementara atau praduga tentang hasil penelitian yang
akan dilakukan, dimana jawaban atau praduga ini perlu dibuktikan dengan
penelitian yang hasilnya benar sesuai dengan dugaan awal, atau tidak sesuai
dengan dugaan awla. Sehingga dalam kriteria jawaban hipotesis ini dapat ditulis
dalam.
a. H0 = tidak kuat hubungan atau tidak ada pengaruh antara variabel X dengan
variabel Y
b. Ha = kuat hubungan atau ada pengaruh antara variabel X dengan variabel Y
Untuk menguji atau membuktikan bahwa hipotesis dapat diterima atau
ditolak digunakan rumus atau uji t0 (thitung), dengan rumus :
𝑅√𝑛 − 2
𝑡0 =
√1 − (𝑅)2
Dimana n adalah jumlah data. Ketentuan yang harus dipenuhi dalam
menentukan thitung ini adalah; jika hasil perhitungan dari thitung lebih besar dari
ttabel berarti terdapat hubungan kuat antara variabel X dengan variabel Y, dengan
demikian H0 ditolak dan Ha diterima. Jika hasil perhitungan dari thitung lebih kecil
dari ttabel berarti terdapat hubungan yang lemah atau tidak ada hubungan antara

9
 variabel X dengan variabel Y, dengan demikian H0 diterima dan Ha ditolak. Dan
yang perlu diingat disini adalah uji t ini hanya uji yang sifatnya partial atau uji
partial.6
Sebagai contoh, pengujian hipotesis tentang koefisien korelasi dapat dilakukan
sebagai berikut.
𝑅√𝑛 − 2 0,6817 √5 − 2 1,1807
𝑡0 = = = = 1,6812
√1 − (𝑅)2 √1 − 0,4678 0,7296

Oleh karena t0 = 1,6812 > ttabel = 1,638 maka H0 ditolak dan Ha diterima, jadi
hubungan tersebut kuat atau ada hubungan antara variabel X dengan variabel Y.

2. Analisis Regresi Berganda

Teknik regresi sederhana hanya mampu menganalisis satu variabel terikat

dan satu variabel bebas. Dalam dunia nyata variabel bebas tidak hanya satu, tetapi
lebih dari satu. Oleh karena itu, diperlukan analisis regresi yang mampu
menjelaskan hubungan antara variabel terikat (defenden) dengan variabel bebas
(independen) yang lebih dari satu, yaitu analisis regresi berganda. Regresi berganda
merupakan model persamaan yang menjelaskan hubungan satu variabel tak bebas/
response (Y) dengan dua atau lebih variabel bebas/ predictor (X1, X2,…Xn). Tujuan
dari uji regresi linier berganda adalah untuk memprediksi nilai variable tak bebas/
response (Y) apabila nilai-nilai variabel bebasnya/ predictor (X1, X2,..., Xn)
diketahui. Disamping itu juga untuk dapat mengetahui bagaimanakah arah
hubungan variabel tak bebas dengan variabel - variabel bebasnya.7

Regresi berganda dapat digunakan untuk melakukan estimasi atau perkiraan

penjualan untuk periode mendatang dengan lebih dari satu variabel yang
mempengaruhi penjualan tersebut. Regresi berganda hanya dapat dilakukan
minimal 2 variabel bebasnya. Persamaan regresi untuk dua variabel bebas
(independent variabelnya) sebagai berikut :

Y = a + b1 X1 + b2 X2

6
Heripson, S.E., M.Si., Anggaran Perusahaan…., hlm 38
7
M. Nafarin, Penganggaran Perusahaan, (Jakarta : Salemba Empat, 2007), hlm 86

10
 Sedangkan persamaan regresi untuk variabel bebas lebih dari dua dapat
ditulis sebagai berikut :

Y = a + b1 X1 + b2 X2 + … + bnXn

Dimana :

Y = Subyek dalam variabel dependen yang diprediksikan / nilai yang dicari

a = Harga Y bila X = 0 (harga konstan)

b = Angka arah atau koefisien regresi yang menunjukkan angka peningkatan atau
penurunan variabel dependen yang didasarkan pada variabel independen, bilab
(+) maka naik, dan bila (-) maka terjadi penurunan.

X = Subjek pada variabel independen yang mempunyai nilai tertentu.8

Keadaan-keadaan bila koefisien-koefisien regresi, yaitu b1 dan b2

mempunyai nilai :

 Nilai = 0. Dalam hal ini variabel Y tidak dipengaruh oleh X1 dan X2

 Nilainya negative. Disini terjadi hubungan dengan arah terbalik antara variabel
tak bebas Y dengan variabel-variabel X1 dan X2
 Nilainya positif. Disni terjadi hubungan yang searah antara variabel tak bebas
Y dengan variabel bebas X1 dan X29

Contoh :

PT. Fardian selama 10 tahun terakhir memberikan data dari nilai penjualan,
nilai biaya produksi, dan nilai biaya promosi sebagai berikut :

Nilai Penjualan Biaya Produksi

Tahun Biaya Promosi (juta)
(juta) (juta)
1998 23 10 7
1999 17 12 3

8
Herispon, ANGGARAN PERUSAHAAN ANALISIS DAN APLIKASI, Buku Ajar akademi keuangan & Perbankan
Riau (AKBAR) Pekanbaru Sekolah Tinggi Ilmu Ekonomi Riau (STIE RIAU) Pekanbaru, Juni 2015, Hlm 44
9
I Made Yuliara, REGRESI LINIER BERGANDA, Modul Jurusan Fisika Fakultas Matematika dan Ilmu
Pengetahuan Alam Universitas Udayana, Tahun 2016, Hlm 3

11
 2000 15 14 2
2001 17 14 4
2002 23 18 6
2003 22 15 5
2004 23 15 7
2005 24 16 8
2006 27 16 8
2007 30 20 9
Dari data tersebut buatlah persamaan regresi, hubungannya, dan estimasi
penjualan untuk masa mendatang. Penjelasan nilai penjualan = Y, biaya produksi
= X1, biaya promosi = X2.

Jawab :

Tahun Y X1 X2 X1.Y X2.Y X1. X2 X12 X22

1998 23 10 7 230 161 70 100 49
1999 17 12 3 204 51 36 144 9
2000 15 14 2 210 30 28 196 4
2001 17 14 4 238 68 56 196 16
2002 23 18 6 414 138 108 324 36
2003 22 15 5 330 110 75 225 25
2004 23 15 7 345 161 105 225 49
2005 24 16 8 384 192 128 256 64
2006 27 16 8 432 216 128 256 64
2007 30 20 9 600 270 180 400 81
Σ221 Σ150 Σ59 Σ3387 Σ1397 Σ914 Σ2322 Σ397

Dari Tabel diperoleh :

 Y = 221  X2Y = 1397

 X1 = 150  X1X2 = 914

 X2 = 59  X12 = 2322

 X1Y = 3387  X22 = 397

12
 Untuk menghitung harga harga a, 𝑏1 , 𝑏2 dapat menggunakan persamaan berikut :

 Y = n.a + b1X1 + b2X2 (persamaan 1)

 X1Y = aX1 + b1X12 + b2X1X2 (persamaan 2)

 X2Y = aX2 + b1X1X2 + b2X22 (persamaan 3)

Nilai yang diperoleh dari hasil perhitungan tabel dimasukan dalam

persamaan untuk menentukan nilai a, 𝑏1 , 𝑏2 maka :

 Y = n.a + b1X1 + b2X2 221 = 10 a + 25 𝑏1 + 10 𝑏2

 X1Y = aX1 + b1X12 + b2X1X2 3387 = 150 a + 2322 𝑏1 + 914 𝑏2

 X2Y = aX2 + b1X1X2 + b2X22 ` 1397 = 59 a + 914 𝑏1 + 397 𝑏2

221 = 10 a + 25 𝑏1 + 10 𝑏2 (15)
3387 = 150 a + 2322 𝑏1 + 914 𝑏2 (1)
3315 = 150a + 2250 𝑏1 + 885 𝑏2
3387 = 150a + 2322 𝑏1 + 914 𝑏2
- 72 = 0a + -72 𝑏1 + -29 𝑏2 maka -72 = -72 𝑏1 – 29 𝑏2 (persamaan
4)

221 = 10 a + 150 𝑏1 + 59 𝑏2 (5,9)

1397 = 59a + 914 𝑏1 + 397 𝑏2 ( 1 )
1304 = 59a + 885 𝑏1 + 348 𝑏2
1397 = 59a + 914 𝑏1 + 397 𝑏2
-93 = 0a + -29 𝑏1 + -49 𝑏2 maka -93 = -29 𝑏1 - 49 𝑏2 (persamaan 5)

-72 = -72 𝑏1 – 29 𝑏2 ( 10 )
-93 = -29 𝑏1 - 49 𝑏2 (24,83)
-720 = -720 𝑏1 – 290 b2
- 2309 = -720 𝑏1 – 1217 𝑏2
1589 = 0 𝑏1 + 927 𝑏2
𝑏2 = 1589 / 927 = 1,714

13
Bila nilai 𝑏2 dimasukan dalam persamaan 4 maka diperoleh hasil yaitu :

-72 = -72 𝑏1 – 29 𝑏2

-72 = -72 𝑏1 – 29 (1,714)

-72 = -72 𝑏1 – 49,71 72

𝑏1 = 121,71

𝑏1 = 121,71 / 72 𝑏1 = 1,69

Harga 𝑏1 , 𝑏2 dimasukan dalam persamaan 1 maka diperoleh hasil yaitu :

 Y = n.a + b1𝑋1 + b2𝑋2

221 = 10 a + 150 𝑏1 + 59 𝑏2

221 = 10 a + 150 (1,69) + 59 (1,714)

221 = 10 a + 253,5 + 101,13

10 a = 221 - 253,5 – 101,13

10 a = -133,63

a = -133,63 / 10

a = -13,363

Jadi persamaan regresi linear berganda dari nilai penjualan, biaya produksi,
dan biaya promosi sebagai berikut :

Y = -13,363 + 1,69 𝑋1 + 1,714 𝑋2

Dapat dijelaskan bahwa Y = -13,363 + 1,69 𝑋1 + 1,714 𝑋2

Bila 𝑋1 dan 𝑋2 diberi harga 0 (nol) maka nilai penjualan menjadi negatif Rp.
13,363 juta. Kondisi ini dapat saja terjadi dalam periode tertentu perusahaan tidak
melakukan operasi (tidak ada biaya produksi atau tidak ada biaya promosi), tapi
perusahaan akan tetap mengeluarkan biaya-biaya lainnya seperti biaya gaji, beban
bunga, sewa. Dan bila 𝑋1 dan 𝑋2 diberi harga Rp 10 juta maka :

Y = -13,363 + 1,69 (10) + 1,714 (10)

Y = -13.363 + 16,9 + 17,14

14
 Y = Rp 20,677 juta

Ini berarti bila 𝑋1 dan 𝑋2 diberi nilai yang sama pada waktu bersamaan
akan memberikan kontribusi peningkatan nilai penjualan menjadi Rp 20,677 juta.
Bila pada tahun 2008 𝑋1 diberi nilai 30 dan 𝑋2 diberi nilai 15 maka kontribusi
terhadap nilai penjualan adalah :

Y = -13,363 + 1,69 (30) + 1,714 (15)

Y = -13.363 + 50,7 + 25,71

Y = Rp 63,05 juta

Yang berarti bahwa peningkatan pada biaya produksi dan biaya promosi
akan memberikan kenaikan terhadap nilai penjualan perusahaan yang
bersangkutan.10

a) Koefisien Determinasi (𝑹𝟐 )

 Untuk mengetahui prosentase pengaruh variable-variable 𝑋1 dan 𝑋2
terhadap variable Y digunakan koefisien determinasi.
 Besarnya r2 dihitung dengan rumus :
𝑏1 ∑ 𝑥1 𝑦)+(𝑏2 ∑ 𝑥2𝑦)
𝑅2 = ∑ 𝑦2

 Apabila 𝑅 2 bernilai 0, maka dalam model persamaan regresi yang terbentuk,

variasi variable tak bebas Y tidak sedikitpun dapat dijelaskan oleh variasi
variable-variable bebas 𝑋1 dan 𝑋2
 Apabila 𝑅 2 bernilai 1, maka dalam model persamaan regresi yang terbentuk,
variable tak bebas Y secara sempurna dapat dijelaskan oleh variasi variable-
variable bebas 𝑋1 dan 𝑋2.

b) Koefisien Korelasi Ganda (R)

 Untuk mengetahui seberapa besar korelasi secara serentak/ simultan antara
variable-variable 𝑋1, 𝑋2, ...., Xn dengan variabel Y dapat digunakan
koefisien korelasi ganda.
 Besarnya nilai koefisien korelasi ganda dapat dihitung dengan rumus :

10
Herispon, ANGGARAN PERUSAHAAN ANALISIS DAN APLIKASI, Buku Ajar akademi keuangan & Perbankan
Riau (AKBAR) Pekanbaru Sekolah Tinggi Ilmu Ekonomi Riau (STIE RIAU) Pekanbaru, Juni 2015, Hlm 44

15
 𝑏1 ∑ 𝑥1 𝑦)+(𝑏2 ∑ 𝑥2𝑦)
R = √𝑅 2 = ∑ 𝑦2

 Nilai R : -1 ≤ R ≤ +1.
Apabila nilai R mendekati nilai +1 atau – 1, maka dapat dikatakan bhawa
semakin kuatnya hubungan/korelasi yang terjadi. Sebaliknya, apabila nilai
R mendekati 0, maka semakin lemahnya hubungan/korelasi yang terjadi.

16
 BAB III

PENUTUP

A. Kesimpulan

Analisis Regresi merupakan seperangkat prosedur statistic untuk menemukan

faktor-faktor nyata yang paling penting yang mempengaruhi penjualan. Umumnya
analisis regresi digunakan untuk melakukan prediksi atau ramalan. Sedangkan,
hubungan variabel tersebut bersifat fungsional yang diwujudkan dalam suatu model
matematis.

Analisis ini digunakan untuk menganalisis pengaruh variabel bebas

(independent variable / X) terhadap variabel terikat (dependent variable / Y). Tujuan
dari analisis regresi itu sendiri di antaranya adalah untuk meramalkan atau
memperkirakan nilai veriabel terikat dalam hubungannya dengan nilai variabel bebas
tertentu.

Analisis Regresi ada 2 yaitu analisis regresi sederhana dan analisis regresi
berganda. Analisis regresi sederhana menggunakan bentuk persamaan Y = a + b X,
sedangkan untuk analisis regresi berganda menggunkan bentuk persamaan Y = a + b1
X1 + b2 X2 + … + bnXn.

B. Saran

Dengan adanya makalah ini, semoga membantu dan diharap dapat diambil
pelajarannya untuk kedepannya dalam aspek kehidupan yang sesungguhnya dan bukan
hanya sebagai wawasan.

17
 DAFTAR PUSTAKA

Nafarin, M. 2007. Penganggaran Perusahan. (Jakarta : Salemba Empat)

Adnyana, I Made. 2020. Penganggaran Perusahaan. (Jakarta Selatan : LPU-UNAS)
Herispon. 2015. Anggaran Perusahaan (Analisis dan Aplikasi). (Pekanbaru : AKBAR
STIE RIAU)
Yuliara, I Made. 2016. REGRESI LINIER BERGANDA. Modul Jurusan Fisika Fakultas
Matematika dan Ilmu Pengetahuan Alam Universitas Udayana
Sugiyono. 2005. Statistika Untuk Penelitian. Bandung : ALFABETA

18