Y = a + bx
Bila diberikan data contoh [(xi,yi); I = 1,2 … n], maka nilai dengan kuadrat
kecil bagi parameter dalam garis regresi, yaitu :
y’ = a + bx
n
b = ∑ xi yi−¿ ¿ ¿
i=1
Dan
a = ŷ - b ⃗x
b = Kemiringan
Berbeda dengan regresi linier maka regresi berganda lebih kompleks (sulit)
untuk mencari persamaan regresi. Analisa regresi linier berganda digunakan
untuk mengukur pengaruh antara lebih dari satu variabel predikitor (variabel
bebas) terhadap variabel terikat.
Rumus :
Y = a + b 1 X 1+ b 2 X 2 + … + b n X n
Y = Variabel terikat
A = konstanta
b 1 , b 2 = koefisien regresi
X 1 , X 2 = variabel bebas
∑ Y = an + b 1 ∑ X 1 + b 2 ∑ X 2
∑ Y = an + b 1 ∑ X 1 + b 2 ∑ X 2
∑ X 2 Y =a ∑ X 2 +¿ b 1 ∑ X 1 X 2 +b 2 ∑ X 22
Analisa Kolerasi linier
n
Sx
r = n ∑ xi yi−¿ ¿ ¿ = b
i=1 Sy
koefisien korelasi memiliki nilai -1 sampai 1 dan nilai itu dibagu menjadi
lima tingkatan, yaitu :
0,9 < 1,0 atau -0,9 < r < -1,0; korelasi sangat kuat
0,7 < r < 0,9 atau -0,7 < r < -0,9; korelasi kuat
0,5 < r < 0,7 atau -0,5 < r < -0,7; korelasi moderat / sedang
0,3 < r < 0,5 atau -0,3 < r < 0,5 ; korelasi lemah
0,0 < r < 0.3 atau -0,0 < r < -0,3 ; korelasi sangat lemah
S xy =
√ ∑ Y 2−a ∑ Y −b ∑ XY
n−2
Dimana :
S xy= standar estimasi variabel Y berdasarkan variabel X yang diketahui.
n = JUmlah sample, derajat bebas n-2 karena terdapat dua parameter yang
akan diduga yaitu a dan b
Sb = S x . y
¿¿
Sa = √ ¿ ¿ ¿
Hipotesis no (Ho) yang hendak di uji apakah suatu parameter (bi) sama
dengan nol.
r √ n−2
Rumus t hitung : t =
√ 1−r 2
Rumus t tabel ; t a df (n-2)
Dimana:
t = t hitung uji signifikan
r = koefisien korelasi
n = jumlah periode
dengan keriteria pengujian sebagai berikut :
H 0diterima apabila t test ≥ t tabel
H 0 ditolak apabila t test ≤ t tabel
6.3 Pengumpulan Data
6.3.1 Studi Kasus 1
3 124 342
4 150 340
5 152 238
6 134 320
7 135 325
8 100 700
9 148 297
10 125 344
11 118 462
12 105 548
1 50 90 2
2 60 70 9
3 70 80 5
4 100 86 8
5 80 94 8
6 80 78 4
7 108 68 12
8 70 83 6
9 70 84 5
10 60 91 3
11 80 96 8
12 70 84 2
13 85 77 7
14 114 89 15
15 100 83 9
16 105 98 7
17 90 75 7
18 80 80 3
19 90 94 4
20 100 96 9
X = NIM
Y = Nomer Kelompok
a. Buatlah persamaan regresi linier bergandanya
b. Ujilah keberartian model tersebut dengan uji F (ANOVA) α = 2,5%
c. Hitunglah koefisien korelasi, koefisien determinasi dan apa artinya
6. Kemudian pilih button Plots, lalu akan muncul kotak dialog Linear
Regression: Plots. Masukkan variabel ZPRED kedalam kotak Y
dan SDRESID kedalam kotak X, centang kotak Normal probability
plot, centang juga kotak Produce all partial plots kemudian pilih
Continue
Gambar 6.6Langkah-langkah
Interpretasi :
Dari output tabel statistik deskriptif diketahui jumlah data (N) volume
jual, dan harga jual adalah 12. Untuk rata-rata volume penjualan sebesar
400,42 dengan tingkat keseragaman adalah 129,188. Untuk rata-rata
harga produk sebesar 126,75 dengan tingkat keragaman sebesar 17,457.
Interpretasi :
Dari tabel tersebut memberikan informasi bahwa hanya ada 1 (satu)
model regresi yang dihasilkan. Kolom variables entered menunjukkan
variabel yang dimasukkan adalah variabel bebas, yaitu harga produk
dan biaya promosi dan variable tergantung yaitu volume penjualan.
Kolom variables removed menunjukkan varibel yang dibuang atau
dipindahkan, pada tabel diatas tidak ada variable yang dibuang.
Kolom method ini memperlihatkan metode yang digunakan dalam
pengolahan data yaitu enter.
Interpretasi :
Pada tabel diatas diperoleh angka R sebesar 0,885a yaitu kolerasinya
moderat/sedang. Hal ini menunjukkan bahwa jika semakin tinggi nilai
R maka nilai X akan mempengaruhi nilai Y. Dan angka R square
sebesar 0,782 atau 78,2%. Hal ini menunjukkan bahwa prosentase
pengaruh variabel bebas terhadap variabel terikat adalah sebesar
78,2%, sedangkan sisanya 22,12% dipengaruhi atau dijelaskan oleh
variabel lain yang tidak dimasukkan dalam model penelitian ini.
Standar error of estimate sebesar 8,541, artinya tingkat perkiraan
dalam meramal data kurang akurat karena penyimpangan yang terjadi
cukup besar.
Interpetasi :
Pada tabel diatas menjelaskan pada model regressions mempunyai
rata-rata sebesar 2622,679 dan mempunyai df dengan nilai 1. Pada
model residual mempunyai rata-rata sebesar 72,957 dan mempunyai
df dengan nilai 10. Dan kedua model tersebut memiliki F hitung
sebesar 35,948 dengan Sign 0,000b.
Interpetasi :
Hipotesis :
Ho: Koefisien regresi tidak signifikan.
Hi : koefisien regresi signifikan.
Constant : Berdasarkan tabel di atas dapat dilihat bahwa nilai t hitung
untuk nilai constant yaitu 20,900. Pada nilai signifikan juga diketahui
sebesar 0,000 < 0,000 sehingga Ho ditolak yang artinya koefisien
regresi signifikan. komplain : berdasarkan tabel diatas nilai T hitung
untuk volume penjualan -5,996. Dan nilai signifikan 0,000 < 0,000
maka Ho ditolak, yang artinya koefisien regresi signifikan.
Interprestasi :
Nilai CIP yang diprediksi (Y’) dapat dilihat (kolom Predicted
Value). Sedangkan Residual (unstandardized residual) adalah selisih
antara CIP dengan Predicted Value, dan Std. Residual (standardized
residual) adalah nilai residual yang telah terstandarisasi (nilai
semakin mendekati 0 maka model regresi semakin baik dalam
melakukan prediksi, sebaliknya semakin menjauhi 0 atau lebih dari 1
atau -1 maka semakin tidak baik model regresi dalam melakukan
prediksi).
Gambar 6.13 Hasil SPSS, Grafik Normal P-P Plot of Regression
Interprestasi :
Dari analisis kurva dapat dilihat bahwa data menyebar di sekitar
garis lurus dengan kemiringan positif.