METODE KUANTITATIF BISNIS

ANALISIS REGRESI SEDERHANA

DOSEN PENGAMPU : Dr. Emilia Nurdin, S.E., M.Si

OLEH :
KELOMPOK 2
1. CINTA SUCI AULIA YUSUF (B1C122150)
2. DEA AULIA (B1C122151)
3. DEAN SEDEQ (B1C122152)
4. DHITO OCTARITO (B1C122153)
5. DIMAS WAHYU NUGRAHA SAPUTRA (B1C122154)
6. DINDA (B1C122155)
7. DITHA KUMARI (B1C122157)
8. DIVA NARAYANA (B1C122158)
9. EDA NUR INDAH (B1C122159)
10. ERINA MAHEO RAHMAISTIAZAH (B1C122160)
11. FAIZA ADHLIA PUTRI (B1C122161)

KELAS D

JURUSAN AKUNTANSI
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS HALU OLEO
2024
 KATA PENGANTAR

Assalamu’alaikum Warahmatullahi Wabarakatuh

Dengan menyebut nama Allah SWT yang maha pengasih lagi maha penyayang, kita
panjatkan puja dan puji syukur atas kehadirat-Nya, yang tiada henti memberikan rahmat dan
hidayah-Nya kepada kita. Salawat serta salam semoga tercurahkan baginda tercinta kita yaitu nabi
Muhammad SAW yang kita nanti-nantikan syafaatnya di akhirat nanti.

Kami sebagai penulis mengucapkan syukur kepada Allah SWT atas limpahan nikmat
sehat-Nya, baik itu berupa sehat fisik maupun akal pikiran, sehingga penulis mampu
menyelesaikan makalah ini sebagai Tugas Ujian mata kuliah Metode Kuantitatif Bisnis dengan
judul “ANALISIS REGRESI SEDERHANA”

Kami berterima kasih kepada Ibu Dr. Emilia Nurdin, S.E., M.Si selaku dosen mata kuliah
Metode Kuantitatif Bisnis Universitas Halu Oleo yang telah memberikan tugas ini kepada kami.
Kami berharap dengan adanya tugas yang di berikan ini dapat menambah wawasan dan
pengetahuan bagi kami.

Terima kasih

Kendari, Januari 2024

Penulis
 DAFTAR ISI

KATA PENGANTAR......................................................................................................................................... 2
DAFTAR ISI..................................................................................................................................................... 3
BAB I .............................................................................................................................................................. 4
PENDAHULUAN ............................................................................................................................................. 4
1.1 Latar Belakang..................................................................................................................................... 4
1.2 Rumusan Masalah ............................................................................................................................... 5
1.3 Tujuan Penulisan ................................................................................................................................. 5
BAB II ............................................................................................................................................................. 6
PEMBAHASAN ............................................................................................................................................... 6
2.1 Pengertian Regresi Sederhana ............................................................................................................ 6
2.2 Tujuan Analisis Regresi Sederhana ..................................................................................................... 6
2.3 Model Regresi Linear Sederhana ........................................................................................................ 8
2.4 Menganalisis Regresi Linear Sederhana.............................................................................................. 8
2.5 Metode Perhitungan Regresi Linear Sederhana ............................................................................... 12
2.6 Analisis Regresi Linear Sederhana Dengan SPSS ............................................................................... 14
BAB III……………………………………………………………………………………………………………………………………………………17

PENUTUP………………………………………………………………………………………………………………………………………………17

3.1 Kesimpulan………………………………………………………………………………………………………………………………….17

DAFTAR PUSTAKA………………………………………………………………………………………………………………………………….18
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Regresi merupakan suatu teknik statistika yang dapat digunakan untuk menggambarkan
hubungan fungsional antara suatu variabel tak bebas (respon) dengan satu atau beberapa variabel
bebas (deterministik).
Regresi linear merupakan suatu metode analisis statistik yang mempelajari pola hubungan
antara dua atau lebih variabel. Pada kenyataan sehari-hari sering dijumpai sebuah kejadian
dipengaruhi oleh lebih dari satu variabel, oleh karenanya dikembangkanlah analisis regresi linier
sederhana untuk menganalisi ssuatu persoalan.
Secara umum ada dua macam hubungan antara variabel atau lebih, yaitu bentuk hubungan dan
keeratan hubungan. Untuk mengetahui bentuk hubungan digunakan analisis regresi. Untuk
keeratan hubungan dapat diketahui dengan analisis korelasi. Analisis regresi digunakan untuk
menelaah hubungan antara dua variabel atau lebih, terutama untuk menelusuri pola hubungan yang
modelnya belum diketahui dengan sempurna, atau untuk mengetahui bagaimana variasi dari
beberapa variabel independen mempengaruhi variabel dependen dalam suatu fenomena yang
kompleks.

Model regresi linear merupakan model yang paling umum untuk menggambarkan hubungan
antara dua variabel yaitu variabel dependen dengan variabel independen. Aplikasinya sangat
banyak ditemui dalam berbagai bidang.

Dalam bidang sosial ekonomi, maupun bidang-bidang lainnya, sering kita ingin mengetahui
bagaimana hubungan pengaruh dari variabel yang satu terhadap variabel lainnya. Misalnya,
bagaimana pengaruh pendapatan terhadap konsumsi suatu barang, juga dapat dikembangkan lagi
misalnya bagaimana pengaruh pendapatan dan harga terhadap konsumsi, bagaimana pengaruh
harga terhadap hasil penjualan, dan sebagainya.
1.2 Rumusan Masalah

1. Apa yang dimaksud dengan Regresi sederhana?

2. Apa saja tujuan analisis Regresi Sederhana?
3. Apa saja Model Regresi Linear Sederhana?
4. Bagaimana Cara menganalisis Regresi Linear Sederhana?
5. Bagaimana Metode Perhitungan Regresi Linear Sederhana?
6. Bagaimana Cara Analisis Linear Sederhana dengan SPSS?

1.3 Tujuan Penulisan

1. Agar dapat mengetahui pengertian dari Regresi sederhana

2. Agar dapat memahami tujuan dari analisis Regresi Sederhana
3. Agar dapat memahami Model Regresi Linear Sederhana
4. Agar dapat menerapkan cara menganalisis Regresi Linear Sederhana
5. Agar dapat mengetahui metode perhitungan Regresi Linear Sederhana
6. Agar
 BAB II

PEMBAHASAN

2.1 Pengertian Regresi Sederhana

Regresi merupakan suatu alat ukur yang juga digunakan untuk mengukur ada atau tidaknya korelasi
antar variabelnya. Jika kita memiliki dua buah variabel atau lebih maka sudah selayaknya apabila kita ingin
mempelajari bagaimana variabel-variabel itu berhubungan atau dapat diramalkan. Istilah regresi itu sendiri
berarti ramalan atau taksiran. Persamaan yang digunakan untuk mendapatkan garis regresi pada data
diagram pencar disebut persamaan regresi. Analisis regresi mempelajari hubungan yang diperoleh
dinyatakan dalam persamaan matematika yang menyatakan hubungan fungsional antara variabel-variabel.
Hubungan fungsional antara satu variabel prediktor dengan satu variabel kriterium disebut analisis regresi
sederhana (tunggal), sedangkan hubungan fungsional yang lebih dari satu variabel disebut analisis regresi
ganda.
Regresi sederhana adalah metode analisis yang menguji hubungan antara satu variabel dependen dan
satu variabel independen. Regresi sederhana disebut linear jika hubungan antara kedua variabel tersebut
bersifat linear, yaitu dapat dinyatakan dengan persamaan garis lurus. Regresi sederhana dapat digunakan
untuk melakukan peramalan atau prediksi tentang suatu variabel berdasarkan variabel lainnya.
Regresi Linear Sederhana adalah Metode Statistik yang berfungsi untuk menguji sejauh mana
hubungan sebab akibat antara variabel faktor penyebab (X) terhadap variabel akibatnya. Faktor penyebab
pada umumnya dilambangkan dengan X atau disebut juga dengan predictor sedangkan variabel akibat
dilambangkan dengan Y atau disebut juga dengan Response. Regresi Linear Sederhana atau sering
disingkat dengan SLR (Simple Linear Regression) juga merupakan satu diantara metode statistik yang
dipergunakan dalam produksi untuk melakukan peramalan ataupun prediksi tentang karakteristik kualitas
maupun kuantitas.

2.2 Tujuan Analisis Regresi Sederhana

Analisis regresi merupakan metode yang digunakan untuk memahami hubungan antara variabel
dependen dan variabel independen dalam sebuah data. Tujuan dari analisis regresi mencakup beberapa
aspek berikut:
1. Deskripsi Hubungan Antara Variabel.
Tujuan pertama dari analisis regresi adalah mendeskripsikan hubungan antara dua atau lebih
variabel. Dengan melihat hubungan ini, kita bisa memahami bagaimana variabel-variabel tersebut
berinteraksi satu sama lain. Misalnya, jika variabel dependen adalah pendapatan individu, dan variabel
independen adalah tingkat pendidikan, analisis regresi dapat menunjukkan apakah peningkatan tingkat
pendidikan berhubungan dengan peningkatan pendapatan.
2. Membuat Model Respon Terhadap Variabel Dependen
Setelah mendeskripsikan hubungan antara variabel, tujuan berikutnya adalah menciptakan model
yang mampu merespon perubahan pada variabel dependen berdasarkan perubahan pada variabel
independen. Model ini bisa digunakan untuk memprediksi variabel dependen jika kita mengetahui nilai
dari variabel independen.
3. Prediksi atau Peramalan
Dengan menggunakan model yang telah dibuat, kita dapat menggunakan analisis regresi untuk
memprediksi nilai dari variabel dependen berdasarkan nilai dari variabel independen. Ini sangat berguna
dalam berbagai bidang, seperti ekonomi, sains, dan teknologi.
4. Mengontrol Secara Statistik Efek Variabel Sambil Meneliti Hubungan Antara Variabel
Independen dan Dependen
Analisis regresi juga bisa digunakan untuk mengendalikan efek dari variabel lain saat kita meneliti
hubungan antara variabel independen dan dependen. Dengan melakukan ini, kita dapat lebih akurat
dalam menentukan hubungan sebenarnya antara dua variabel tersebut.
5. Menentukan Seberapa Banyak Variasi (Ketidakpastian) pada Y yang Dapat Dijelaskan oleh
Hubungan Linier dengan X dan Seberapa Banyak Variasi yang Tetap Tidak Terjelaskan
Salah satu tujuan penting lainnya dari analisis regresi adalah untuk mengetahui berapa persen variasi
dalam variabel dependen yang bisa dijelaskan oleh variabel independen. Ini penting untuk untuk
memahami seberapa baik model kita dan seberapa banyak informasi yang kita miliki tentang variabel
dependen berdasarkan variabel independen.
6. Menguji dan Memvalidasi Model Regresi
Salah satu tujuan utama dari analisis regresi adalah untuk menguji dan memvalidasi model regresi
yang telah dibuat. Ini melibatkan pengecekan asumsi-asumsi yang digunakan dalam analisis, melakukan
uji hipotesis untuk parameter-parameter regresi, dan memeriksa kualitas dari model regresi, misalnya
dengan menghitung nilai R-squared atau melakukan uji residual.
7. Memahami Pengaruh Relatif Variabel Independen terhadap Variabel Dependen
Analisis regresi juga bertujuan untuk memahami pengaruh relatif variabel independen terhadap
variabel dependen. Misalnya, jika kita memiliki beberapa variabel independen, kita mungkin ingin tahu
mana yang memiliki pengaruh paling besar terhadap variabel dependen. Ini bisa membantu dalam
pengambilan keputusan, misalnya dalam menentukan alokasi sumber daya atau dalam merancang
intervensi.
 8. Membantu dalam Pengambilan Keputusan
Dengan memahami hubungan antara variabel dependen dan variabel independen, analisis regresi
dapat membantu dalam pengambilan keputusan di berbagai bidang. Misalnya, dalam bisnis, analisis
regresi bisa digunakan untuk memahami faktor-faktor apa saja yang mempengaruhi penjualan dan
bagaimana hal tersebut dapat digunakan untuk meningkatkan penjualan di masa mendatang.
9. Melakukan Interpolasi dan Ekstrapolasi Data
Analisis regresi juga dapat digunakan untuk melakukan interpolasi dan ekstrapolasi data. Interpolasi
melibatkan penggunaan model regresi untuk memprediksi nilai variabel dependen untuk nilai variabel
independen yang berada dalam rentang data yang ada, sedangkan ekstrapolasi melibatkan penggunaan
model untuk memprediksi nilai variabel dependen untuk nilai variabel independen yang berada di luar
rentang data yang ada.

2.3 Model Regresi Linear Sederhana

Model Persamaan Regresi Linear Sederhana adalah seperti berikut ini :

Y = a + bX

Dimana :
Y = Variabel Response atau Variabel Akibat (Dependent)
X = Variabel Predictor atau Variabel Faktor Penyebab (Independent)
a = konstanta
b = koefisien regresi (kemiringan); besaran Response yang ditimbulkan oleh Predictor.

Nilai-nilai a dan b dapat dihitung dengan menggunakan Rumus dibawah ini :

a = (Σy) (Σx²) – (Σx) (Σxy)

. n(Σx²) – (Σx)²

b = n(Σxy) – (Σx) (Σy)

. n(Σx²) – (Σx)²

2.4 Menganalisis Regresi Linear Sederhana

Contoh Kasus Analisis Regresi Linear Sederhana

Seorang Engineer ingin mempelajari Hubungan antara Suhu Ruangan dengan Jumlah Cacat yang
diakibatkannya, sehingga dapat memprediksi atau meramalkan jumlah cacat produksi jika suhu
ruangan tersebut tidak terkendali. Engineer tersebut kemudian mengambil data selama 30 hari terhadap
rata-rata (mean) suhu ruangan dan Jumlah Cacat Produksi.
 Berikut ini adalah Langkah-langkah dalam Analisis Regresi Linear Sederhana adalah sebagai
berikut :

1 : Penentuan Tujuan
Tujuan : Memprediksi Jumlah Cacat Produksi jika suhu ruangan tidak terkendala
2. Identifikasikan Variabel Penyebab dan Akibat
Varibel Faktor Penyebab (X) : Suhu Ruangan,Variabel Akibat (Y) : Jumlah Cacat Produksi
3. Pengumpulan Data
Berikut ini adalah data yang berhasil dikumpulkan selama 30 hari (berbentuk tabel) :

Tanggal Rata-rata Suhu Jumlah Cacat

Ruangan

1 24 10
2 22 5
3 21 6
4 20 3
5 22 6
6 19 4
7 20 5
8 23 9
9 24 11
10 25 13
11 21 7
12 20 4
13 20 6
14 19 3
15 25 12
16 27 13
17 28 16
18 25 12
19 26 14
20 24 12
21 27 16
22 23 9
23 24 13
24 23 11
25 22 7
26 21 5
27 26 12
28 25 11
29 26 13
30 27 14

4. Hitung X², Y², XY dan total dari masing-masingnya

Berikut ini adalah tabel yang telah dilakukan perhitungan X², Y², XY dan totalnya :
Tanggal Rata-rata Jumlah X2 Y2 XY
Suhu Cacat (Y)
Ruangan
(X)
1 24 10 576 100 240
2 22 5 484 25 110
3 21 6 441 36 126
4 20 3 400 9 60
5 22 6 484 36 132
6 19 4 361 16 76
7 20 5 400 25 100
8 23 9 529 81 207
9 24 11 576 121 264
10 25 13 625 169 325
11 21 7 441 49 147
12 20 4 400 16 80
13 20 6 400 36 120
14 19 3 361 9 57
15 25 12 625 144 300
16 27 13 729 169 351
17 28 16 784 256 448
18 25 12 625 144 300
19 26 14 676 196 364
20 24 12 576 144 288
21 27 16 729 256 432
22 23 9 529 81 207
23 24 13 576 169 312
24 23 11 529 121 253
25 22 7 484 49 154
26 21 5 441 25 105
27 26 12 676 144 312
28 25 11 625 121 275
29 26 13 676 169 338
30 27 14 729 196 378
Total (Σ) 699 282 16487 3112 6861

5. Hitung a dan b berdasarkan rumus Regresi Linear Sederhana

Menghitung Konstanta (a) :

a = (Σy) (Σx²) – (Σx) (Σxy)

. n(Σx²) – (Σx)²
a = (282) (16.487) – (699) (6.861)
30 (16.487) – (699)²

a = -24,38

Menghitung Koefisien Regresi (b)

b = n(Σxy) – (Σx) (Σy)

. n(Σx²) – (Σx)²

b = 30 (6.861) – (699) (282)

. 30 (16.487) – (699)²

b = 1,45

6. Buat Model Persamaan Regresi

Y = a + bX
Y = -24,38 + 1,45X

7. Lakukan Prediksi atau Peramalan terhadap Variabel Faktor Penyebab atau Variabel Akibat

I. Prediksikan Jumlah Cacat Produksi jika suhu dalam keadaan tinggi (Variabel X), contohnya : 30°C
Y = -24,38 + 1,45 (30)
Y = 19,12

Jadi Jika Suhu ruangan mencapai 30°C, maka akan diprediksikan akan terdapat 19,12 unit cacat yang
dihasilkan oleh produksi.

II. Jika Cacat Produksi (Variabel Y) yang ditargetkan hanya boleh 4 unit, maka berapakah suhu ruangan
yang diperlukan untuk mencapai target tersebut ?
4 = -24,38 + 1,45X
1,45X = 4 + 24,38
X = 28,38 / 1,45
X = 19,57

Jadi Prediksi Suhu Ruangan yang paling sesuai untuk mencapai target Cacat Produksi adalah sekitar
19,57°C
2.5 Metode Perhitungan Regresi Linear Sederhana

Y = a + bX
Keterangan :
Y = Variabel dependen (nilai yang diprediksikan)
X = Variabel independen
a = Konstanta (nilai Y’ apabila X=0)
b = Koefisien regresi (nilai peningkatan atau penurunan)

Selanjutnya, koefisien-koefisien regresi a dan b untuk regresi linier dapat dihitung dengan rumus
sebagai berikut :
a = (Σy) (Σx²) – (Σx) (Σxy)
nΣx² – (Σx)²
b = n Σxy – (Σx) (Σy)
n(Σx²) – (Σx)²

Berdasarkan rumus regresi diatas, dapat dihitung koefisien a atau b terlebih dahulu. Jika dihitung
koefisien b terlebih dahulu, maka selanjutnya koefisien a dapat dihitung dari koefisien b dengan rumus
sebagai berikut :
a = Y – bY

Tabel persiapan yang dibutuhkan untuk analiss regresi linier ternyata sama persis dengan tabel
persiapan yang dibutuhkan untuk analis korelasi. Demikian juga harga-harga yang dibutuhkan untuk
analisis keduanya teknik tersebut sama.

Ind ividu X Y X2 Y2 XY
A 8 10 64 100 80
B 8 9 64 81 72
C 7 9 49 91 63
D 7 9 49 91 63
E 6 9 36 91 54
F 6 8 36 64 48
G 5 8 25 64 40
H 5 7 25 49 35
I 4 6 16 36 24
J 4 5 16 25 20
N = 10 ∑X =60 ∑Y = 80 ∑X2 = 380 ∑Y2= 662 ∑XY=
499

Diketahui :

N = 10 ∑X2 = 380
∑X = 60 ∑Y2 = 662
∑Y = 80 ∑XY = 499
Cara menghitung :

1. Menghitung koefisien regresi a

a = (Σy) (Σx²) – (Σx) (Σxy)
nΣx² – (Σx)²

a = (80) (380) – (60) (499)

(10)(380) – (60)²

= 30400 – 29940
3800-3600

= 460
200

= 2,3

Jika koefisien b terlebih dahulu dihitung dengan rumus diatas, maka koefisien regresi a dapat
dihitung dengan rumus pendek sebagai berikut :

a = Y - bY

2. Menghitung koefisien regresi b

Kita dapat menggunakan rumus pendek, karen koefisien regresi a telah kita peroleh, yakni
2,3 Harga-harga yang diperlukan untuk menghitung koefisien b adalah nilai rata-rata X dan
nilai rata-rata Y. Nilai rata-rata X = 6 dan Y = 8. Selanjutnya kita masukkan saja harga-harga
tersebut kedalam rumusnya.
b = (Y - a) : X
b = (8-2,3) : 6
= 5,7 : 6
= 0,95
Jika kita ingin menghitung koefisien regresi b terlebih dahulu, maka harus digunakan
rumus panjang sebagai berikut :
b = n Σxy – (Σx) (Σy)
n(Σx²) – (Σx)²

b = (10)(499) – (60)(80)
(10)(380) – (60)²

= 4990-4800
3800-3600
 = 190
200

= 0,95

3. Menulis persamaan garis regresi

Setelah diperoleh koefisien regresi a dan b, maka kita dapat menulis persamaan garis
regresinya sebagai berikut :
Y = 2,3 + 0,95 X

2.6 Analisis Regresi Linear Sederhana Dengan SPSS

Adapun urutan langkah-langkah uji analisis regresi linear sederhana dengan SPSS adalah sebagai
berikut:

1. Buka lembar kerja SPSS lalu klik Variable View, selanjutnya pada kolom Name untuk baris pertama
tulis X, baris kedua Y. Lalu pada kolom Label baris pertama tulis Stres Kerja dan baris kedua tulis
Kinerja Pegawai [untuk pilihan lainnya biarkan tetap default]

2. Langkah berikutnya klik Data View [dari tampilan Data View terlihat ada dua nama variabel yakni X
dan Y], selanjutnya masukkan data penelitian dengan ketentuan X untuk data Stres Kerja dan Y untuk
Kinerja Pegawai [pada saat memasukkan data penelitian harus dilakukan dengan teliti dan cermat karena
jika terjadi kesalahan pada proses penginputan ini, maka output SPSS tidak akan mengeluarkan hasil
yang akurat sesuai dengan harapan anda
3. Jika sudah yakin di input dengan benar, langkah selanjutnya kita klik menu Analyze - kemudian klik
Regression - lalu klik Linear...

4. Setelah itu akan muncul kotak dialog Linear Regression, masukkan variabel Stres Kerja [X] ke kotak
Independent(s), dan masukkan variabel Kinerja Pegawai [Y] ke kotak Dependent, caranya dengan
mengklik tanda panah yang tersedia. Selanjutnya pada bagian Method: pilih Enter (abaikan pilihan yang
lainnya)

5. Langkah terakhir adalah klik Ok untuk mengakhiri perintah, maka akan keluar output SPSS regresi
linear sederhana sebagai berikut:
 BAB III
PENUTUP

A. Kesimpulan

Kesimpulan dari materi mengenai Regresi linear sederhana ini adalah Regresi linear sederhana
adalah metode statistik yang berfungi untuk menguji sejauh mana hubungan sebab akibat antara variabel
faktor penyebab terhadap variabel akibatnya. Dalam regresi linear sederhana dikenal istilah VA kertas
Tanggapan ( tak bebas) yang disimbolkan Y, Variabel prediktor ( bebas) yang disimbolkan dengan
huruf X, konstant, dan koefisien regresi linear sederhana secara matematik diekspresikan dengan
Y=A+bX. Regresi linear sederhana dapat diterapkan dalam berbagai bidang dengan kemajuan untuk
memprediksi suatu kemungkinan yang akan terjadi akibat nya dari suatu hal yang mempengaruhinya.
 DAFTAR PUSTAKA

https://imsparalel.esaunggul.ac.id/pluginfile.php?file=%2F194469%2Fmod_resource%2Fcontent%2F
1%2F06_7228_esa155_042019.pdf

https://blog.unnes.ac.id/aiomcik/2015/10/12/analisis-regresi-linear-sederhana/

Gaspersz, Vincent. 1990. Analisis Kuantitatif Untuk Perencanaan. Bandung. Tarsito

Muhidi, Sambas Ali. 2009. Analisis Korelasi Regresi dan Jalur Dalam Penelitian. Bandung. CV Pustaka
Setia.

https://www.spssindonesia.com/2017/03/uji-analisis-regresi-linear-sederhana.html?m=1