ANALISIS REGRESI

SEDERHANA

Disajikan oleh:
ROBERT MARBUN, MA
Jurusan Ilmu Ekonomi FEB Uncen
Definisi

• Analisis regresi merupakan suatu metode analisis statistika yang

digunakan untuk melihat pengaruh antar variabel independen (bebas)
dengan satu variabel dependen (terikat).
• Analisis regresi merupakan analisis ketergantungan dari satu atau
lebih variabel bebas terhadap satu variable tergantung, dengan
tujuan untuk menduga atau memprediksi nilai rata-rata populasi
berdasarkan nilai-nilai variabel bebasnya.
Konsep Dasar

• Simbol yang akan kita gunakan untuk variabel independen (X) dan
untuk variabel dependen (Y). Analisis regresi sederhana adalah
analisis regresi antara satu variabel Y dan variabel X dapat linier atau
bukan linier.
• Adapun persamaan regresi sederhana yaitu:
𝑌! = 𝑎 + 𝑏𝑋 + 𝑒
Keterangan:
𝑌! : Nilai Y prediksi
a : Intercept atau nilai rata-rata Y prediksi jika X = 0
b : Slope atau rata-rata perubahan pada Y jika X berubah 1 satuan
X : Variabel bebas
e : Kesalahan prediktor
Konsep Dasar

• Cara menghitung konstanta dan koefisien

𝑛 Σ𝑋𝑌 − (Σ𝑋)(Σ𝑌)
𝑏=
𝑛 Σ𝑋 ! − (Σ𝑋)!

Σ𝑌 − 𝑏(Σ𝑋)
𝑎=
𝑛
Contoh
Lakukan analisis regresi pengaruh biaya iklan terhadap penjualan
produk pada perusahaan XYZ
No Biaya Iklan (X) Volume Penjualan Produk (Y)
1 1 4
2 3 6
3 4 8
4 5 10
5 6 12
6 7 14
Apakah terdapat pengaruh positif antara biaya iklan dengan volume
penjualan?
• Hipotesis
H0 : Tidak terdapat pengaruh positif antara biaya iklan dengan
volume penjualan produk
H1 : Terdapat pengaruh positif antara biaya iklan dengan volume
penjualan produk
• Kriteria Pengujian
H0 tidak dapat ditolak jika: t hitung ≤ t tabel, atau Sig. > alpha (α)
H1 diterima jika: t hitung > t tabel, atau Sig. ≤ alpha (α), arah koefisien
positif
Perhitungan
No Biaya Iklan (X) Volume Penjualan Produk (Y) X2 XY
1 1 4 1 4
2 3 6 9 18
3 4 8 16 32
4 5 10 25 50
5 6 12 36 72
6 7 14 49 98
Σ 26 54 136 274

n = 6 ΣX = 26 ΣY = 54 ΣX2 = 136 ΣXY = 274

Perhitungan

𝑛 Σ𝑋𝑌 − (Σ𝑋)(Σ𝑌) Σ𝑌 − 𝑏(Σ𝑋)

𝑏= 𝑎=
𝑛 Σ𝑋 ! − (Σ𝑋)! 𝑛
6 274 − (26)(54) 54 − 1,714(26)
𝑏= 𝑎=
6 136 − (26)! 6
9,43
1644 − 1404 𝑎= = 1,57
𝑏= = 1,714 6
816 − 676

𝑌! = 1,57 + 1,714𝑋 + 𝑒
Menghitung Koefisien Determinasi R2
Menghitung Standar Error of the Estimate

Se merupakan satuan yang digunakan untuk mengukur tingkat penyimpangan

antara persamaan regresi dengan nilai-nilainya.
Dengan formula sebagai berikut:
Menghitung kesalah baku koefisien regresi

• Kesalahan baku koefisien regresi digunakan untuk mengukur besarnya

penyimpangan dari masing-masing koefisien regresi yang terbentuk. Semakin
rendah kesalahan baku koefisien regresi, semakin berperan variabel tersebut
dalam model.
Menghitung nilai F

• Nilai F hitung digunakan untuk menguji ketepatan model (goodness of fit). Uji F
ini juga sering disebut sebagai uji simultan, untuk menguji apakah variabel bebas
yang digunakan dalam model mampu menjelaskan perubahan nilai variabel
tergantung atau tidak.

Dengan df: α, (k-1), (n-k) atau 0,05, (2-1), (6-4)

diperoleh besarnya nilai F tabel sebesar 7,709,
karena nilai F hitung (196,00) > nilai F tabel
(19,000), maka dapat disimpulkan bahwa
persamaan regresi yang terbentuk masuk
kriteria fit.
Menghitung nilai t

• Nilai t hitung digunakan untuk menguji apakah variabel tersebut berpengaruh

secara signifikan terhadap variabel tergantung atau tidak. Suatu variabel akan
memiliki pengaruh yang berarti jika nilai t hitung variabel tersebut lebih besar
dibandingkan dengan t tabel.

Dengan df: α,(n-k) atau 0,05 (6-2)

diperoleh nilai t tabel sebesar 2,132.
Karena nilai t hitung (13,811) > nilai t
tabel (2,132), maka dapat disimpulkan
bahwa variabel biaya iklan memiliki
pengaruh positif signifikan terhadap
variabel volume penjualan produk.
Terima kasih.