REGRESI LINIER SEDERHANA

Dr. Suprapto, SE, MS

¿ ¿
Contoh 1 : Regresi dengan Metoda Deviasi (x = X - X ), dan (y = Y - Y )

Data di bawah ini menunjukkan data hubungan antara Pendapatan (X) dengan Pengeluaran
Konsumsi (Y) dari 10 rumah tangga sebagai berikut :
X Y
80 70
100 65
120 90
140 95
160 110
180 115
200 120
220 140
240 155
260 150

Pertanyaan :

a. Dari data di atas taksirlah Fungsi Konsumsi dalam bentuk

Y = a + bX?
b. Apa arti koefisien regresi a dan b?
c. Taksirlah pengeluaran konsumsi pada tingkat pendapatan sebesar 300 ?
d. Hitunglah berapa besar Koefisien korelasi r dan apa artinya?
e. Ujilah hipotesis yang menyatakan bahwa tingkat pendapatan berpengaruh terhadap
tingkat pengeluaran konsumsi ?
f. Berapa besar nilai Koefisien Determinasi R2 dan apa artinya?
g. Buktikan bahwa dalam model regresi linier sederhana, nilai t2=F
dan apa artinya?
 Jawab :
Dengan menggunakan Tabel penolong yaitu masing2 data X dikuadratkan, data Y juga
dikuadratkan dan data X dikalikan dengan data Y akhirnya diperoleh data jumlah2 sbb :
Y = 1.110
Y² = 132.100
X² = 322.000
X = 1.700
XY = 205.500
n = 10
¿
Y = 111
¿
X = 170

¿ ¿
Dengan cara Metoda Deviasi (x = X - X ), dan (y = Y - Y ) maka dari data di atas
diperoleh hasil akhir:
(ΣX ) ( ΣY )
Σxy=ΣXY− =16 . 800
n
2
( ΣX )
Σx 2 =ΣX2 − =33 . 000
n
2
2 ( ΣY )
2
Σy =ΣY − =8 . 890
n
Sehingga b dan a bisa diperoleh:
Σ xy 16 . 800
= =0 ,509090909
b = Σx
2 33 . 000
¿ ¿
a = Y - b X = 24,45454547 sehingga diperoleh
¿^
a. Taksiran fungsi konsumsi adalah Y ¿ = 24,45 + 0,509X

b. Arti a dan b :
a = 24,45 atau autonomous consumption artinya walaupun tidak berpendapatan, tetap
harus mengeluarkan konsumsi sebesar 24,45 satuan. Sedangkan b sebesar 0,509 atau
Marginal Propencity to Consume artinya apabila pendapatan naik sebesar satu satuan
maka pengeluaran konsumsi akan naik sebesar 0,509 satuan (besar MPC antara 0 dan 1
 tidak mungkin negatip dan tidak lebih besar dari 1).

c. Taksiran Pengeluaran konsumsi pada Tingkat Pendapatan sebesar 300 adalah :

¿^
Y ¿ = 24,45 + 0,509 (300)
= 177,15
Jadi pada tingkat pendapatan 300 maka tingkat konsumsinya diramalkan sebanyak
177,15 satuan.

d. Koefisien korelasi r (Tingkat Keeratan Hubungan) :

Σ xy 16 . 800
= =0 , 980847368
r = √ Σx ² Σy ² √ (33 . 000)(8890 )

Jadi tingkat keeratan hubungan antara pendapatan dengan pengeluaran konsumsi sebesar
r = 0,9808 atau 98,08% artinya hubungan antara data pendapatan dengan tingkat
konsumsi sangat kuat karena mendekati 100% atau 1.

e. Pengujian Hipotesis :
Uji t :
H0 :  = 0
H1 :   0 (Pengujian dua sisi)
 = 0,05
b
t = Sb ,
Koefisien regresi b sudah kita peroleh tinggal menghitung Simpangan baku Sb :

Sb = √ (n−2) Σx ²
= 0,035742806
√
Σy ²−bΣ xy 8890−0 , 509090909(16800)
=
(10−2)33 . 000

0 ,509090909
=14, 24317131
t = 0 ,035742806
Nilai t hitung 14,24 terletak di daerah H0 ditolak

H0 diterima
Ho ditolak

-2,306 0 2,306 14,24

Kesimpulan :
Variabel Pendapatan berpengaruh terhadap tingkat pengeluaran konsumsi.
Pengujian dengan Analisis Varians (ANOVA) atau Uji F:

H0 :  = 0
H1 :   0

SSR = bxy= 8.552,7272712

SST = y² = 8.890
SSE = SST – SSR = 337,2727288
SSR
MSR = df = 8552,7272712
SSE 2
=S
MSE = df = 42,1590911
MSR
F = MSE = 202,8679235734

TABEL ANALYSIS OF VARIANCE (ANOVA)

Sumber Df degree of Sum Square Mean Square F
Variasi freedom (SS) (MS)
Regresi 1 SSR = MSR = MSR
bxy= SSR/df = MSE
8.552,7272712 8552,727271 =202,867923
Residual n-2= 8 SSE =
(Error) SST- SSR MSE = SSE/df=
=337,2727288 S²=42,1590911
Total n-1= 9 SST = y²=8890

Keterangan :

Df = Degree of freedom (derajat bebas)

SS = Sum of Square
MSR = Mean Square Regression
SSE = Sum Square Error
MSE = Mean Square Error
SST = Sum Squre Total
S2 = Variance
Sb = Simpangan baku dalam regresi
 Ho diterima Ho ditolak

0 5,32 202,86

Nilai F hitung 202,86 terletak di daerah Ho ditolak artinya variable pendapatan berpengaruh terhadap
pengeluaran konsumsi (Kesimpulannya sama dengan uji t diatas).

SSR
f. Koef Determinasi R2 dapat dihitung dengan rumus R² = SST = 0.9620615603 atau 96,21%
artinya variasi varabel pengeluaran konsumsi dapat dijelaskan oleh variasi variable
pendapatan sebesar 96,21%, sedangkan sisanya 3,79% dapat dijelaskan oleh variable lain
yang tidak dimasukkan dalam model.
(Dalam Model Regresi Linier Sederhana Koef Determinasi R 2 = Koef Korelasi kuadrat r2
atau R2 = r2 ).

g. Bukti bahwa dalam model regresi linier sederhana t² = F

(t 14,24317131)2 = F 202,8679235734 Terbukti bahwa dalam model regresi linier

sederhana, maka nilai t hitung dikuadratkan akan sama dengan nilai F hitung. Artinya dalam
model regresi linier sederhana cukup digunakan salah satu uji saja yaitu kalau sudah
menggunakan uji t maka tidak perlu lagi menggunakan uji F krn memberikan kesimpulan
yang sama.

Catatan :
Mohon para Mhs punya Software SPSS 25 atau 26, EVIEWS 9 atau 10, Tabel t ; DW dan
Tabel F.