Sederhana
Persamaan Regresi Linear
y
y (0)
(+)
y
y
(-)
(+)
y
(0) y
(-)
y
(+)
y
y (-)
(+) y
(-)
Regresi Linear
Analisis Regresi Linear
Contoh 1
Dari suatu praktikum aplikasi komputer diperoleh data yang menghubungkan
variabel bebas x dan variabel terikat y seperti ditunjukkan dalam tabel berikut.
Uji ke- x y
1 6 30
2 9 49
3 3 18
4 8 42
5 7 39
6 5 25
7 8 41
8 10 52
56 296
Regresi Linear
Analisis Regresi Linear
Jika berdasarkan kajian teoritis dan sifat dari fenomena yang menghubungkan x
dan y dapat diasumsikan mempunyai bentuk hubungan linier, maka persamaan
garis regresinya dapat ditentukan sebagai berikut.
Tabel perhitungan:
Uji ke- x y xy x2 y2
1 6 30 180 36 900
2 9 49 441 81 2401
3 3 18 54 9 324
4 8 42 336 64 1764
5 7 39 273 49 1521
6 5 25 125 25 625
7 8 41 328 64 1681
8 10 52 520 100 2704
56 296 2257 428 12920
x
x 56 7 y
y 296 37
n 8 n 8
Regresi Linear
Analisis Regresi Linear
Kolom y2 ditambahkan pada tabel meskipun
belum digunakan untuk perhitungan
persamaan garis regresi. Nilai tersebut akan
digunakan kemudian. Jadi dengan
menggunakan hasil pada tabel, nilai dari
konstanta a dan b dapat ditentukan:
n xy x y 8(2257) (56)(296) 1480
b 2
2
5,1389
2 8(428) (56) 288
n x x
a y bx 37 (5,1389)(7) 1,0277
Regresi Linear
Jadi persamaan garis regresi linier yang
menggambarkan hubungan antara variabel x dan y
dari data sampel pada percobaan/praktikum di atas
adalah:
yˆ a bx 1,0277 5,1389x
50 y = 5.1389x + 1.0278
40
y
30
20
10
0
0 2 4 6 8 10 12
Regresi Linear
Contoh Kasus:
Seorang manajer pemasaran akan
meneliti apakah terdapat pengaruh
iklan terhadap penjualan pada
perusahaan-perusahaan di Kabupaten
WaterGold, untuk kepentingan
penelitian tersebut diambil 8
perusahaan sejenis yang telah
melakukan promosi.
Pemecahan
1. Judul
Pengaruh biaya promosi terhadap
penjualan perusahaan.
2. Pertanyaan Penelitian
o Apakah terdapat pengaruh positif
biaya promosi terhadap penjualan
perusahaan ?
3. Hipotesis
o Terdapat pengaruh positif biaya
promosi terhadap penjualan
perusahaan.
4. Kriteria Penerimaan Hipotesis
Ho : Tidak terdapat pengaruh positif biaya iklan
terhadap penjualan perusahaan.
Ha : Terdapat pengaruh positif biaya iklan terhadap
penjualan perusahaan.
• Ho diterima Jika
b ≤ 0, t hitung ≤ tabel
• Ha diterima Jika
b > 0, t hitung > t tabel.
5. Sampel
8 perusahaan
Penjualan (Y) 64 61 84 70 88 92 72 77
Promosi (X) 20 16 34 23 27 32 18 22
-Tentukan persamaan
X Y
51 49 regresi liniernya!
53 54
-Bila x=7, berapa nilai y?
52 55
39 43 -Bila x adalah motivasi
38 43
dan y adalah kinerja,
47 46
35 39 interpretasikan hasil
47 49
50 50 penghitungan di atas!
49 50
KORELASI DAN
REGRESI LINEAR
BERGANDA
• Pendahuluan:
Hubungan Linear Lebih Korelasi dan
dari Dua Variabel Regresi Linear
• Korelasi Linear Berganda Berganda
M
• Regresi Linear Berganda A
T
E
R
I
William J. Stevenson
8th edition
Resista Vikaliana, S.Si. MM 2/23/2013 75
REGRESI LINEAR
BERGANDA
• Konsep
Terdapat dua variabel bebas X yang dapat
mempengaruhi variabel terikat Y.
• Contoh
Pola Asuh
X1 Prestasi
Belajar
Cara Belajar Y
X2
Resista Vikaliana, S.Si. MM 2/23/2013 76
Hubungan Linear lebih
dari dua variabel
• Pada hubungan linear lebih dari dua variabel ini,
perubahan satu variabel dipengaruhi oleh lebih
dari satu variabel lain.
• Secara fungsional Y = f (X1, X2, X3, ..., Xk) atau
dalam persamaan matematis dituliskan
• Y = a + b1X1 + b2X2 + b3X3 + ... + bkXk
William J. Stevenson
8th edition
Resista Vikaliana, S.Si. MM 2/23/2013 78
KORELASI LINEAR BERGANDA
n X 2Y ( Y )( X 2 )
rY 2
( n Y 2 ( Y ) 2 )(n X 22 ( X 2 ) 2 )
n X 1 X 2 ( X 1 )( X 2 )
r12
(n X 12 ( X 1 ) 2 )(n X 22 ( X 2 ) 2 )
79
2/23/2013 Resista Vikaliana, S.Si. MM
PENGELUARAN, DAN BANYAKNYA
ANGGOTA KELUARGA
RUMAH TANGGA
VARIABEL
I II III IV V VI VII
Pengeluaran (Y) 3 5 6 7 4 6 9
Pendapatan (X1) 5 8 9 10 7 7 11
Jumlah Anggota Keluarga (X2) 4 3 2 3 2 4 5
Pertanyaan :
1. Carilah Nilai Koefisien Korelasinya !
2. Jelaskan makna hubungannya !
Resista Vikaliana, S.Si. MM 2/23/2013 80
n X 2Y ( Y )( X 2 )
PENYELESAIAN rY 2
(n Y 2 ( Y ) 2 )(n X 22 ( X 2 ) 2 )
No Y X1 X2 Y2 X12 X22 X1Y X2Y X1X2 7(137 ) (40)(23)
rY 2
1 3 5 4 9 25 16 15 12 20 (7(252) (40) 2 )(7(83) (23) 2 )
2 5 8 3 25 64 9 40 15 24 39
rY 1 0,42
3 6 9 2 36 81 4 54 12 18 92,35
4 7 10 3 49 100 9 70 21 30 n X 1 X 2 ( X 1 )( X 2 )
r12
5 4 7 2 16 49 4 28 8 14 (n X 12 ( X 1 ) 2 )( n X 22 ( X 2 ) 2 )
6 6 7 4 36 49 16 42 24 28 7(189) (57 )(23)
r12
7 9 11 5 81 121 25 99 45 55 (7( 489) (57 ) 2 (7(83) (23) 2 )
Σ 40 57 23 252 489 83 348 137 189 12
r12 0,13
n X 1Y ( Y )( X 1 ) 95,12
rY 1
(n Y 2 ( Y ) 2 )(n X 12 ( X 1 ) 2 ) rY21 rY22 2rY 1rY 2 rY 12
RY .12
7(348) (40)(57 ) 1 rY212
rY 1
(7(252) (40) 2 )(7(489 ) (57 ) 2 (0,92) 2 (0,42) 2 2(0,92)(0,42)(0,13)
RY .12
156 1 (0,13) 2
rY 1 0,92
168,93 RY .12 0,9382 0,9686
81
Resista Vikaliana, S.Si. MM 2/23/2013
• Berdasarkan hasil perhitungan diperoleh nilai
Korelasi (R) = 0,9686 ATAU 0,97.
William J. Stevenson
8th edition
Resista Vikaliana, S.Si. MM 2/23/2013 85
REGRESI LINEAR
BERGANDA
• Rumus
Y ' b0 b1 X 1 b2 X 2 ... bk X k
Y 'i b0 b1 X 1i b2 X 2i ... bk X ki
Y’ = b0 + b1X1 + b2X2
b0 = nilai Y’, jika X1 = X2 = 0
b1 = besarnya kenaikan (penurunan) Y dalam
satuan, jika X1 naik (turun) satu satuan,
sedangkan X2 konstan
b2 = besarnya kenaikan (penurunan) Y dalam
satuan, jika X2 naik (turun) satu satuan,
sedangkan X1 konstan
b0 n b1 X 1 b2 X 2 ... bk Y
2
b0 X 1 b1 X 1 b2 X 1 X 2 ... bk X 1 X k X 1Y
2
b0 X 2 b1 X 2 X 1 b2 X 2 ... bk X 2 X k X 2Y
2
b0 X k b1 X k X 1 b2 X k X 2 ... bk X k X kY
Penyelesaiannya diperoleh nilai b0, b1, b2, …, bk.
b0 n b1 X 1 b2 X 2 Y
2
b0 X 1 b1 X 1 b2 X 1 X 2 X 1Y
2
b0 X 2 b1 X 2 X 1 b2 X 2 X 2Y
Resista Vikaliana, S.Si. MM 2/23/2013 89
REGRESI LINEAR
BERGANDA
• Penyelesaiannya digunakan persamaan matriks
n X 1 X2 b
0 Y
2
X 1 X 1 1
X X
2 b1 X 1Y
2
b2
X Y
X 2 X 2 X1 X2 2 Ab = H
b = A-1H
A B H
• A = matriks (diketahui)
• H = vektor kolom (diketahui)
• b = vektor kolom (tidak diketahui)
• A-1 = kebalikan (invers) dari matriks A
• Contoh
2 4
Matriks A
6 7
det (A) = | A | = a11a22 – a12a21 = 14 – 24 = -10
det A a11 a 22 a33 a12 a 23 a31 a13 a 21 a32 a31 a 22 a13 a32 a 23 a11 a33 a 21 a12
Resista Vikaliana, S.Si. MM 2/23/2013 92
REGRESI LINEAR
BERGANDA
• Contoh
2 4 6
A 3 2 3
1 4 9
2 4 6 2 4
A 3 2 3 3 2
1 4 9 1 4
det A 2.2.9 4.3.1 6.3.4 1.2.6 4.3.2 9.3.4
det A 36 12 72 12 24 108
Resista Vikaliana, S.Si. MM 2/23/2013 93
det A 24
Penggunaan matriks dalam 3 persamaan 3 variabel
REGRESI LINEAR
BERGANDA
• Jawaban
Y X1 X2 X1Y X2Y X 1X 2 Y2 X12 X22
23 10 7 230 161 70 529 100 49
7 2 3 14 21 6 49 4 9
15 4 2 60 30 8 225 16 4
17 6 4 102 68 24 289 36 16
23 8 6 184 138 48 529 64 36
22 7 5 154 110 35 484 49 25
10 4 3 40 30 12 100 16 9
14 6 3 84 42 18 196 36 9
20 7 4 140 80 28 400 49 16
19 6 3 114 57 18 361 36 9
170 60 40 1122 737 267 3162 406 182
98
REGRESI LINEAR
BERGANDA
• Jawaban
Persamaan normal adalah
b0 n b1 X 1 b2 X 2 Y
2
b0 X 1 b1 X 1 b2 X 1 X 2 X 1Y
2
b0 X 2 b1 X 2 X 1 b2 X 2 X 2Y
SPSS
Bahasa mudah dipahami
Tampilan output lebih menarik
Fasilitas analisis lengkap
Cara Kerja SPSS
1968 1984
Dibuat oleh tiga orang muncul dengan versi PC
mahasiswa Stanford dengan nama SPSS/ PC +
University dengan Windows.
2009
2011 2010
diakuisisi oleh IBM, versi 18,
dirilis versi IBM merilis
namanya menjadi PASW/
20 versi 19.
Predictive Analytical Software.
2014 2015
2012
IBM SPPS dirilis versi terbaru SPSS
dirilis versi
Statistics 22 IBM SPSS Statistics 23
21.
dirilis atau SPSS 23.
Tentang SPSS.....
107 25/03/2016
Resista Vikaliana
SPSS* PASW SPSS**
Input dan
Menyimpan Data
Resista Vikaliana 112 25/03/2016
Pengolahan Data dengan
SPSS 23
• Uji Validitas
• Uji Reliabilitas
• Uji Normalitas
• Analisis Statistik Deskriptif
• Uji Regresi Linier Sederhana
• Uji Koefisien Korelasi
• Uji Koefisien Determinasi
• Uji Hipotesis T
Uji Validitas Isi
• Uji Validitas adalah:
o Derajat ketepatan antara data di lapangan dengan data yang dilaporkan oleh periset
• Dengan SPSS
o Analyze-correlate-bivariate
o Pearson-two tailed
o Flag significant correlations (nilai-nilai yang signifikasn akan diberikan tanda sesuai
level signifikan)
o Tanda *
• Alpha Cronbach
o MS Excel
• Varian Item (VAR) Jumlah Varian Item Jumlah Varian Total
• Indeks reliabilitas (5/(5-1))*(1-(Jumlah varian item/ jumlah varian total))
o SPSS
• Analyze – Scale- Reliability Analysis
• Model Alpha dan Scale label (nama variabel)
• OK
• Koefisien Alpha Cronbach > 0,7 RELIABEL