BAB V.

REGRESI LINEAR DAN KOEFISIEN KORELASI

A. Regresi Linear Sederhana

Salah satu tujuan analisis data yaitu untuk memperkirakan atau

untuk mengetahui pengaruh dari perubahan suatu kejadian terhadap
kejadian lainya. Selain itu juga ingin mengetahui pengaruh suatu
kejadian dengan kejadian lainya. Setiap kejadian bertujuan untuk
mengadakan perubahan. Sebagai contoh pemerintah manaikan gaji
pegawai negri agar prestasi kerja mereka meningkat, perusahaan
meningkatkan biaya untuk iklan atau promosi agas hasil penjualan
maningkat, tingkat pendidikan berpengaruh dengan besar gaji yang
diperoleh, dan sebagainya.

Analisis regresi adalah teknik statistik yang berguna untuk

memodelkan pengaruh antara variable-variable. Terapan regresi pada
umumnya dikaitkan dengan studi ketergantungan suatu variable
(variable tak bebas)=Y pada variable lainya (variable bebas)=X.

Jika ingin mengetahui pengaruh dua variabel antara satu variabel

bebas (X) terhadap variabel tdk bebas (Y), maka dapat menggunakan
teknik analisis Regresi Sederhana, dan jika ingin mengetahui pengaruh
lebih dari dua variabel, maka maka dapat menggunakan teknik analisis
Regresi Berganda.

Variable yang akan di ramalkan harus di tuliskan pada ruas kiri

persamaan dan di sebut variable tidak bebas (dependent variable),
sedangkan variable yang nilainya digunakan untuk meramalkan disebut
variable bebas (independent variable). Contoh Y = 6 + 3X. Y= variable
tidak bebas, sebab nilainya tergantung pada nilai X. kalau X=10, maka
Y=36 (Y=6+3(10)=36).

Untuk membuat ramalan (forecasting) Y dengan menggunakan

nilai darI X, maka X dan Y harus mempunyai hubungan atau pengaruh
yang kuat. Sedangkan Kuat tidaknya hubungan X dan Y diukur dengan
suatu nilai yang di sebut koefisien korelasi ( r), sedangkan besarnya
pengaruh X terhadap Y, diukur dengan koefisien Determinasi (R).

1. Model Regresi linear sederhana

Model Regresi linear sederhana yaitu model yang terdiri dari suatu
variable bebas (X) dan kalau digambarkan akan berbentuk garis
lurus, dengan ciri fungsi tersebut tidak mempunyai pangkat atas
hubungan atau pengaruh. Bentuk umum regresi linear sederhana,
yaitu:

Model : Y = a + bx + €

Y = variable tidak bebas (dependent varible)

X = variable bebas (independent variable)
a = konstanta (intersep = besar Y kalau X= 0)
b = koefisien regresi= besarnya pengaruh X terhadap Y, jika X naik
1 unit sering disebut “slope coefficient”.
€ = kesalahan pengganggu
Jika nilai parameter a dan b diketahui, kita dapat langsung
menggunakan persamaan di atas untuk memperkirakan nilai y
untuk suatu nilai X tertentu. Akan tetapi dalam prakteknya nilai a
dan b tidak pernah diketahui dan harus di perkirakan dengan data
 sample. Dengan demikian persamaan regresi perkiraan sebagai
berikut :

Y = a + bX

Tahapan awal penentuan regresi adalah memformulasikan

pemasalahan. Dalam hal teori menempati posisi sangat penting. Dari
teori dan hasil penelitian dapat diketahui variable yang harus di
masukan, dan bentuk fungsi yang sesuai dapat diperkirakan melalu
diagram pencar antara X dan Y, atau dapat diuji melalui kecocokan
model, sangat mudah dilakukan dengan bantuan program SPSS. Jika hasil
uji memang model linear bisa di gunakan atau cocok, maka model bisa
digunakan. Jika ternyata tidak cocok maka harus dipilih model yang
cocok.

2. Pengujian koefisien regresi

Untuk memperkirakan nilai a dan b, metode yang di gunakan

adalah metode kuadrat terkecil( metode least squares). Metode kuadrat
terkecil adalah metode untuk menghitung perkiraan nilai a dan b
berdasarkan data sample, sedemikian rupa sehingga jumlah kesalahan
kuadrat memiliki nilai terkecil.

Rumus dengan metode kuadrat terkecil atau least squares, untuk

mencari nilai a dan b yaitu:

n X i Yi − (X i )(Yi )
b= 2 2
n X − (X )
1 i

a = Y – bX
Untuk membuat keputusan, seringkali ada pendapat yang perlu diuji,
misalnya tidak ada pengaruh antara X dengan Y. kalau pendapat itu
benar, yaitu X tidak mempengaruhi Y, maka b atau B = 0, kalau
pengaruhnya negative, maka B < 0, dan kalau pengaruhnya positif maka
B > 0.. Perumusan hipotesis statistic sebagai berikut:

Ho:Bo=0( X tidak mempengaruhi Y)

Ha: Bo > 0( pengaruh X terhadap Y positif)
Bo < 0 (pengaruh X terhadap Y negative)
B ≠ 0 (X mempengaruhi Y)

b
T0 =
Sb

db atau d𝑓 (n-2) , ttabel= t (α)(n – 2)

∑ Yi2 - a∑ Yi – b ∑XiYi
n-2
Sb =
∑ Xi2 – (∑Xi)2
n
Jika T0 > tα HO Ditolak
T0 < - Tα H0 Ditolak
T0 < - Tα/2 atau T0 > Tα/2 H0 Ditolak.
Contoh Soal :

Seorang direktur pemasaran ingin mengetahui apakah biaya promosi

berpengaruh terhadap hasil penjualan (Milyar Rp). Untuk keperluan
tersebut dilakukan penelitian dengan menggunakan data biaya promosi
(X) dan hasil penjualan (Y), selama 5 tahun, yaitu:

Promosi (X) 1 2 4 6 7
Penjualan (Y) 3 5 7 8 10

a. Hitung a dan b dari regresi linear sederhana Y = a + bX dan buat

persamaan regresi sederhana ?
b. Dengan α = 5 % uji kofesien regresi , apakah promosi
berpengaruh signifikan terhadap penjualan?

Jawaban:

Untuk menghitung nilai a dan nilai b berdasarkan rumus diatas, yaitu

dicari terlebih dulu nilai b dengan rumus : namun sebenarnya dengan
program SPSS, nilai a, b, dapat langsung diperoleh, dan sangat cepat
sekali. (nanti kita wajib pratikum di Lab. Komputer)
 ƩX ƩY ƩXi2 Ʃ XiYi Ʃ Yi2
1 3 1 3 9
2 5 4 10 25
4 7 16 28 49
6 8 36 48 64
7 10 49 70 100
20 33 106 159 247

n Ʃ XiYi – ƩXi ƩYi 5 . 159 – 20 . 33

b= n ƩXi2 – (Ʃ Xi)2 = 5 . 106 – 202

= 795 – 660 = 135 = 1,04

530 – 400 130

a = Y – b X , Y = ƩY = 33 =6,6
n 5

X = ƩX = 20 = 4

n 5
a = 6,6 – 1,04 (4) = 6,6 – 4,16 = 2,44

maka Persamaan regresinya sebagai berikut Y = 2,44 + 1,04X

artinya : Jika Promosi ditambah 1 Milyar, maka Penjualan akan

bertambah sebesar 1,04 Milyar

Jawaban b sebagai berikut :

1.Rumuskan Hipotesis :
H0 : B0 = 0 (tidak ada pengaruh signifikan koefisien regresi promosi)

Ha : B0 ≠ 0 (ada pengaruh signifikan koefisien regresi promosi)

2.Cari Nilai : T0 = b
Sb

∑ Yi2 - a∑ Yi – b ∑XiYi
n–2

Sb =

ƩXi2 - (Ʃ Xi)2

247 – 2,44 (33) – 1,04 (159)

Sb = 3

106 – 202

5
 Sb = 0,1198 = 0,12

T0 = b = 1,04 = 8,67

Sb 0,12

3. Cari nilai Ttabel = T(α/2) (df) = T(0.05/2) (n-2) =T(0.025)(3) = 3,18

4. Bandingkan T0 dengan Ttabel : untuk mendapkan kesimpulan

Karena t0 > t tabel maka H0 di tolak dan Ha diterima

, artinyan biaya promosi

berpengaruh signifikan thd hasil penjualan

- 3, 18 0 3,18

8,67