MAKALAH

RAMALAN PENJUALAN ANALISIS REGRESI

Makalah ini ditujukan untuk memenuhi tugas mata kuliah Penganggaran

Dosen Pengampu:

Dr. Wirmie Eka Putra, S.E., M.Si., CiQnR

Disusun Oleh :

Nama : Alvin Andika Putra

NIM : C1C020141

Kelas : R-011 Akuntansi

PROGRAM STUDI AKUNTANSI

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS NEGERI JAMBI
TAHUN AJARAN 2021/2022
 KATA PENGANTAR

Segala puji syukur saya panjatkan ke hadirat Allah swt. yang telah memberikan hikmah,
hidayah, kesehatan serta umur yang panjang sehingga makalah ini yang berjudul “Ramalan
Penjualan Analisis Regresi” ini dapat terselesaikan. Saya juga berterima kasih kepada Pak Dr.
Wirmie Eka Putra, S.E., M.Si, CiQnR yang memberikan tugas ini untuk dapat dijadikan
pembelajaran dan menambah pengetahuan mengenai mata kuliah Penganggaran untuk materi
Ramalan Penjualan bagian Analisis Regresi.

Dalam makalah ini saya akan membahas masalah mengenai “Ramalan Penjualan
Analisis Regresi”, lebih tepatnya bagaimana ramalan penjualan melalui analisis regresi itu
sendiri. Oleh karena itu, saya mengharapkan kritik maupun saran yang bisa membangun dari
para pembaca untuk kesempurnaan makalah saya selanjutnya.

Jambi, 04 Maret 2022

Penulis

Page | 2
 DAFTAR ISI

KATA PENGANTAR.......................................................................................................2

DAFTAR ISI.....................................................................................................................3

BAB I PENDAHULUAN...............................................................................................4

1.1 Latar Belakang....................................................................................................4

1.2 Rumusan Masalah...............................................................................................5

1.3 Tujuan..................................................................................................................5

BAB II PEMBAHASAN..................................................................................................6

2.1 Fungsi Analisis Regresi......................................................................................6

2.2 Manfaat dari Menerapkan Analisis Regresi........................................................6

2.3 Model Analisis Regresi Linear yang Ideal..........................................................7

2.4 Jenis Analisis Regresi.........................................................................................8

BAB III PENUTUP.........................................................................................................11

3.1 Kesimpulan.......................................................................................................11

3.2 Saran.................................................................................................................11

DAFTAR PUSTAKA......................................................................................................12

Page | 3
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Analisis Regresi adalah suatu metode analisis statistik yang digunakan untuk
melihat pengaruh antara dua atau lebih banyak variabel. Hubungan variabel tersebut
bersifat fungsional yang diwujudkan dalam suatu model matematis.
Pada analisis regresi, variabel dibedakan menjadi dua bagian, yaitu variabel
respons (response variable) atau biasa juga disebut variabel bergantung (dependent
variable), dan variabel explanatory atau biasa disebut penduga (predictor variable) atau
disebut juga variabel bebas (independent variable).
Umumnya, analisis regresi digunakan untuk melakukan prediksi atau ramalan.
Sedangkan, hubungan variabel tersebut bersifat fungsional yang diwujudkan dalam suatu
model matematis. Selain itu, analisis regresi juga dipakai untuk memahami variabel yang
berhubungan dengan variabel terkait untuk mengetahui bentuk-bentuk hubungan tersebut.
Secara umum, manfaat penggunaan analisis regresi untuk mengetahui variabel-variabel
kunci yang memiliki pengaruh terhadap suatu variabel bergantung pemodalan,
pendugaan, atau peramalan.
Salah satu tujuan dalam analisis regresi adalah untuk mengestimasi ratarata
populasi atau nilai rata-rata variabel dependen berdasarkan nilai variabel independen yang
diketahui. Hasil dari analisis regresi berupa koefisien regresi untuk masing-masing
variabel independen. Pada umumnya digunakan metode estimasi kuadrat terkecil untuk
mengestimasi koefisien regresi. Metode kuadrat terkecil adalah suatu metode yang
digunakan untuk mengestimasi koefisien garis 2 regresi dengan cara meminimumkan
jumlah kuadrat residual. Penggunaan metode kuadrat terkecil memerlukan beberapa
asumsi klasik yang harus dipenuhi. Beberapa asumsi itu antara lain:
(1) merupakan variabel random dan mengikuti distribusi normal;
(2) varians dari adalah konstan dan homoskedastisitas;
(3) tidak ada autokorelasi; dan
(4) tidak ada multikolinieritas di antara variabel independen.
Jika asumsi-asumsi klasik dalam metode kuadrat terkecil terpenuhi maka penduga
parameter yang diperoleh bersifat Best Linier Unbiased Estimation (BLUE). Pada
kenyataannya, asumsi ini tidak selalu terpenuhi sehingga penggunaan metode kuadrat
terkecil kurang tepat. Salah satu penyebab tidak terpenuhinya asumsi klasik adalah

Page | 4
 adanya outlier. Outlier adalah satu atau beberapa data yang terlihat jauh dari pola
kumpulan data keseluruhan.

1.2 Rumusan Masalah

2. Jelaskan fungsi analisis regresi!
3. Bagaimana manfaat dari menerapkan analisis regresi?
4. Jelaskan model regresi linear yang ideal!
5. Jelaskan jenis analisis regresi!

1.3 Tujuan
2. Untuk mengetahui fungsi analisis regresi.
3. Untuk mengetahui manfaat dari menerapkan analisis regresi.
4. Untuk mengetahui model regresi linear yang ideal.
5. Untuk mengetahui jenis analisis regresi.

Page | 5
 BAB II
PEMBAHASAN

2.1 Fungsi Analisis Regresi

1) Memperbaiki kesalahan
Salah satu fungsi regresi, yaitu bisa memperbaiki kesalahan. Kesalahan ini dapat
berhubungan dengan keputusan yang diambil untuk bisnis. Sebelum diaktualisasikan,
keputusan itu dapat dihitung dulu untuk mengetahui hasilnya. Apabila hasilnya keliru,
maka bisa diperbaiki.
Misalnya, pemilik bisnis memutuskan ingin menambah jam toko untuk
meningkatkan penjualan. Ternyata ketika dihitung menggunakan regresi, budget yang
pemilik bisnis keluarkan terlalu over, sehingga berpotensi merugikan. Pemilik bisnis
pun bisa mengubah keputusannya.

2) Memperkirakan masa depan

Fungsi kedua dari regresi, yaitu bisa memperkirakan masa depan yang
berhubungan dengan peluang. Rumus ini juga sering digunakan untuk mencoba
apakah peluang yang ada tepat diambil atau tidak.
Salah satu contohnya adalah perusahaan asuransi yang menghitung dana klaim
yang dilakukan oleh pasien melihat dari kasusnya. 

3) Meningkatkan efisiensi
Rumus regresi juga dapat digunakan supaya operasional bisnis lebih efisien dan
menghasilkan output yang diinginkan.

4) Memberikan insight baru

Fungsi selanjutnya dari regresi, yaitu dapat memberikan pengetahuan terbaru
untuk Anda. Misalnya, Anda ingin mengetahui stok produk yang harus disediakan
ketika sedang masuk musim ramai pembeli yang belanja di waktu tertentu.

2.2 Manfaat Menerapkan Analisis Regresi

Karena memiliki banyak manfaat, analisis regresi digunakan hampir pada semua
bidang kehidupan, baik dalam bidang ekonomi, industri dan ketenagakerjaan, sejarah,
pemerintahan, ilmu lingkungan, dan lain sebagainya.

Page | 6
 Kegunaan analisis regresi adalah untuk mengetahui variabel-variabel kunci yang
memiliki pengaruh terhadap suatu variabel bergantung, pemodelan, serta pendugaan
(estimation) atau peramalan (forecasting). Selain itu, masih ada beberapa kegunaan
lainnya, yakni:
1. Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasarkan pada nilai
variabel bebas.
2. Untuk menguji hipotesis karakteristik dependensi.
3. Meramalkan nilai rata-rata variabel bebas yang didasari nilai variabel bebas diluar
jangkauan sample.

Penggunaan Asumpsi didasarkan pada hal berikut :

a. Model regresi harus linier dalam parameter.
b. Variabel bebas tidak berkorelasi dengan disturbance term (Error).
c. Nilai disturbance term sebesar 0 atau dengan simbol sebagai berikut: (E (U / X) = 0
d. Varian untuk masing-masing error term (kesalahan) konstan.
e. Tidak terjadi otokorelasi
f. Model regresi hendaknya dispesifikasi secara benar. Tidak terdapat bias spesifikasi
dalam model yang digunakan dalam analisis empiris.
g. Jika variabel bebas lebih dari satu, maka antara variabel bebas (explanatory) tidak ada
hubungan linier yang nyata.

2.3 Model Regresi Linear yang Ideal

Model regresi linier sederhana yang ideal harus memenuhui beberapa asumsi-
asumsi seperti berikut:
1. Eksogenitas yang lemah
Dalam model regresi linier memberi syarat bahwa variabel X bersifat tetap,
sementara variabel Y bersifat acak atau berubah. Di mana satu nilai variabel X akan
memprediksi variabel Y sehingga ada kemungkinan beberapa variabel Y. Dengan
begitu, harus ada nilai kesalahan pada variabel Y.

2. Linieritas
Kenaikan variabel X harus diikuti dengan cara proporsional oleh kenaikan
variabel Y. Apabila dalam pengujian linieritas tidak terpenuhi, maka dapat melakukan

Page | 7
 transformasi data atau memakai bentuk kuadratik atau model lainnya yang sesuai
dengan bentuk hubungan non linier.

3. Varians error yang konstan

Varians eror perlu konstan karena jika konstan maka variabel error dapat
membentuk model sendiri dan menganggu model utama. Sehingga penanggulangan
permasalahan heteroskedastisitas bisa diatasi dengan menambahkan model varians
error ke dalam model ARCH/GARCH.

4. Autokorelasi untuk data time series

Apabila kita memakai analisis regresi sederhana untuk data time series atau data
yang disusun berdasarkan urutan waktu, maka terdapat asumsi yang harus dipenuhi,
yakni asumsi autokorelasi. Asumsi ini melihat pengaruh variabel lag waktu
sebelumnya terhadap variabel Y.

2.4 Jenis Analisis Regresi

1. Analisis Regresi Sederhana

Analisis ini digunakan untuk menganalisis satu variabel terikat (Y) dengan
menggunakan satu variabel bebas (X). Variabel bebas yang dipilih adalah yang
mempunyai hubungan (korelasi) dengan variabel terikat.
Di bawah ini adalah rumus yang digunakan untuk analisis sederhana:

Y      = Variabel dependen (variabel terikat) 

X      = Variabel independen (variabel bebas)
a      = Konstanta (nilai dari Y apabila X = 0) 
b      = Koefisien regresi (pengaruh positif atau negatif)
u      = Residual regresi
Untuk mengetahui bahwa variabel bebas (X) yang dipilih mempunyai korelasi
dengan variabel terikat (Y) dapat digunakan analisis korelasi.

Page | 8
  Analisis Kolerasi
Analisis yang digunakan untuk mengetahui hubungan sebab akibat antara
beberapa variabel. Perubahan variabel terikat ditentukan oleh faktor lain (bisa satu
faktor atau lebih). Jika faktor lain hanya berjumlah satu faktor maka bisa
menggunakan analisis regresi sederhana namun bila faktor lain lebih dari satu
berarti variabel bebasnya berganda dan menggunakan analisis regresi berganda.
Hubungan antara kedua variabel dapat diketahui setelah memasukan data
dan melakukan perhitungan rumus diatas. Hubungan itu di uji dengan koefisien
korelasi. Koefisien korelasi menunjukkan angka paling kecil -1 dan paling besar
+1. Bila koefisien korelasi mendekati satu berarti pengaruh variabel bebas (X)
terhadap variabel terikat (Y) adalah besar. Tidak peduli apakah koefisien korelasi
tersebut positif atau negatif. Apabila korelasi tersebut positif berarti semakin besar
X dan semakin kecil Y atau semakin kecil X dan semakin besar Y. Jika koefisien
korelasi mendekati nol berarti pengaruh dari variabel tersebut kecil sekali (tidak
berpengaruh). Guilford (1956, 145) mengemukakan pengaruh korelasi seperti
tampak pada tabel berikut:

Koefisien Korelasi (R) Tafsiran

<0,20 Sangat Lemah, dapat diabaikan
0,20 – 0,40 Lemah
0,40 – 0,70 Cukup
0,70 – 0,90 Kuat
0,90 – 1,00 Sangat Kuat

 Koefisien Determinan
Koefisien Determinan (R2) merupakan nilai terpenting karena koefisien
determinan menggambarkan seberapa jauh variabilitas Y dipengaruhi oleh
variabilitas X. Koefisien determinan bila diakarkan akan menjadi koefisien
korelasi dan koefisien korelasi (R) bila dikuadratkan akan menjadi koefisien
determinan (R2).

2. Analisis Regresi Berganda

Page | 9
 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 (dependen) dengan variabel bebas (independen)
yang lebih dari satu, yaitu analisis regresi berganda.
Regresi berganda adalah model regresi atau prediksi yang melibatkan lebih dari
satu variabel bebas atau prediktor. Istilah regresi berganda dapat disebut juga dengan
istilah multiple regression. Kata multiple berarti jamak atau lebih dari satu variabel.
Tidak sedikit orang yang salah kaprah dalam memahami istilah tersebut.
Dimana tidak bisa membedakan antara multiple regression dengan multivariat
regression. Perbedaannya adalah jika multiple regression atau regresi berganda
adalah adanya lebih dari satu variabel prediktor (variabel bebas/variabel independen.
Sedangkan multivariat regression atau regresi multivariat adalah analisis regresi
dimana melibatkan lebih dari satu variabel response (variabel terikat/variabel
dependen).
Di bawah ini merupakan cara untuk menghitungnya.

Y      = Variabel dependen (variabel terikat) 

X      = Variabel independen (variabel bebas)
a      = Konstanta (nilai dari Y apabila X = 0) 
b      = Koefisien regresi (pengaruh positif atau negatif)
u      = Residual regresi

Page | 10
 BAB III
PENUTUP

3.1 Kesimpulan
Analisis regresi berbeda dengan analisis korelasi. Jika analisis korelasi digunakan
untukmelihat hubungan dua variable; maka analisis regresi digunakan untuk melihat
pengaruhvariable bebas terhadap variable tergantung serta memprediksi nilai variable
tergantungdengan menggunakan variable bebas. Dalam analisis regresi variable bebas
berfungsi untukmenerangkan (explanatory) sedang variable tergantung berfungsi sebagai
yang diterangkan(the explained). Dalam analisis regresi data harus berskala interval atau
rasio. Hubungan duavariable bersifat dependensi. Untuk menggunakan analisis regresi
diperlukan beberapa persyaratan yang harus dipenuhi.
Ada dua jenis dari analisis regresi yaitu, Analisis Regresi Sederhana dan Analisi
Regresi Berganda. Analisis Regresi Sederhana digunakan untuk menganalisis satu
variabel terikat (Y) dengan menggunakan satu variabel bebas (X). Sedangkan analisis
regresi yang mampu menjelaskan hubungan antara variabel terikat (dependen) dengan
variabel bebas (independen) yang lebih dari satu, adalah analisis regresi berganda.

3.2 Saran
Setelah membaca makalah ini, diharapkan para pembaca untuk dapat lebih
memperbanyak pengetahuannya mengenai penganggaran perusahaan terutama mengenai
pemahaman ramalan penjualan untuk analisi regresi agar dapat diimplementasikan di
waktu yang akan datang.

Page | 11
 DAFTAR PUSTAKA

Nugraha, Jevi. (2020). Regresi Adalah Metode untuk Menentukan Sebab Akibat,
Kenali Jenis dan Contohnya.
https://feb.unmul.ac.id/uploads1manajemen/files/Buku_Forecasting_Rizky_Downloa
d.pdf. Diakses pada 04 Maret 2022.

Nafarin, M. (2007). Penganggaran Perusahaan. Edisi 3. Jakarta: Salemba Empat.

Wuisan, Pretty Angelia. (2021). Regresi adalah: Pengertian, Fungsi, Manfaat, dan
Rumusnya. https://www.modalrakyat.id/blog/regresi-adalah. Diakses pada 04 Maret 2022.

Articles, Investasi. (2021). Analisis Regresi: Definisi, Manfaat, dan Jenis-jenisnya.

https://zipmex.com/id/learn/analisis-regresi-definisi-manfaat-dan-jenis-jenisnya/.
Diakses pada 04 Maret 2022.

Unknown. https://lifepal.co.id/media/regresi/. Diakses pada 04 Maret 2022.

Unknown. https://eprints.uny.ac.id/43360/1/BAB%20I.pdf. Diakses pada 04 Maret 2022.

Page | 12