UNIVERSITAS PENDIDIKAN NASIONAL

(UNDIKNAS)

Dosen Pengampu :
I Putu Prana Wiraatmaja, ST.,M.Si.
simpangan rata-rata
berfungsi
untuk menganalisis
seberapa jauh suatu
data menyimpang
dari rata-ratanya.

menentukan
bagaimana sebaran
data dalam sampel,
serta seberapa
dekat titik data
individu ke mean
(rata-rata nilai)
sampel.
FUNGSI SIMPANGAN
REGRESI LINEAR
SEDERHANA
 SEJARAH REGRESI
Istilah Regresi diperkenalkan oleh Fancis Galtom
“Meskipun ada kecenderungan bagi orang tua yang tinggi mempunyai anak-
anak yang tinggi, dan bagi orang tua yang pendek mempunyai anak yang
pendek, distribusi tinggi dari suatu populasi tidak berubah secara menyolok
(besar) dari generasi ke generasi”.

Regresi =
“Kemunduran
ke arah sedang”
Pengertian Regresi
• Analisis regresi merupakan studi ketergantungan satu atau
lebih variabel bebas terhadap variabel tidak bebas. Dengan
maksud untuk meramalkan nilai variabel tidak bebas.
Contoh Penerapan Analisis Regresi
1. Analisis Regresi antara tinggi orang tua terhadap tinggi anaknya (Gultom).
2. Analisis Regresi antara pendapatan terhadap konsumsi rumah tangga.
3. Analisis Regresi antara harga terhadap penjualan barang.
4. Analisis Regresi antara tingkat upah terhadap tingkat pengangguran.
5. Analisis Regresi antara tingkat suku bunga bank terhadap harga saham
6. Analisis regresi antara biaya periklanan terhadap volume penjualan
perusahaan.
❑ Variable Y yang nilainya akan diramalkan
disebut variable tidak bebas (dependent
variable)

❑ Sedangkan variable X yang nilainya

digunakan untuk meramalkan nilai Y
disebut variable bebas (independent
variable) atau variable peramal
(predictor) dan sering kali disebut
variable yang menerangkan
(exsplanatory).
Scatter Plot Examples
Perbedaan mendasar antara korelasi dan
regresi ?
•Korelasi hanya •Regresi menunjukkan
menunjukkan sekedar hubungan pengaruh.
hubungan. •Dalam regresi terdapat
•Dalam korelasi variabel istilah tergantung dan
tidak ada istilah variabel bebas.
tergantung dan
variabel bebas.
Istilah dan notasi variabel dalam
regresi ?
Y X
• Varaibel tergantung (Dependent
Variable)
• Variabel yang dijelaskan (Explained
Variable)
• Variabel yang diramalkan (Predictand)
• Variabel yang diregresi (Regressand)
• Variabel Tanggapan (Response)
• Varaibel bebas (Independent Variable)
• Variabel yang menjelaskan
(Explanatory Variable)
• Variabel peramal (Predictor)
• Variabel yang meregresi (Regressor)
• Variabel perangsang atau kendali
(Stimulus or control variable)

Y X
10 80-95
23 60-79
27 <60
Persamaan Regresi
Persamaan Regresi linier
Sederhana: a=
 Y − b( X )
Y = a + bX +  n
Y = Nilai yang
diramalkan
a = Konstansta
b = Koefesien regresi
X = Variabel bebas n( XY ) − ( X )( Y )
b=
 = Nilai Residu n(  X ) − (  X )
2 2
Uji Pengaruh Variabel Independen
terhadap Variabel Dependen
Uji Pengaruh Variabel Independen
terhadap Variabel Dependen
Uji Pengaruh Variabel Independen
terhadap Variabel Dependen
2. Menentukan taraf nyata dan nilai kritis
Nilai kritis menggunakan Tabel Distribusi t dengan
tingkat signifikansi 1%, 5% atau 10%.

Df = n – k
n→ jumlah sampel
k→ jumlah variabel (dependen dan independen)
Uji Pengaruh Variabel Independen
terhadap Variabel Dependen
3. Menentukan nilai hitung

 (Y − Y )
ˆ
Se
Sb = 2
t hitung = b -  (  X ) 2
Se =
X −
2

Sb n n−k

4. Keputusan
Batas antara daerah penerimaan H0 dan daerah
penolakan H0 adalah nilai kritis.
Uji Pengaruh Variabel Independen
terhadap Variabel Dependen
Uji Pengaruh Variabel Independen
terhadap Variabel Dependen
Sampel
8 perusahaan
tingkat signifikansi
5%
Data Yang dikumpulkan
Penjualan
64 61 84 70 88 92 72 77
(Y)
Promosi
20 16 34 23 27 32 18 22
(X)
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.
Analisis Data
Untuk analisis data diperlukan, perhitungan:
1. Persamaan regresi
2. Nilai Prediksi
3. Koefesien determinasi
4. Kesalahan baku estimasi
5. Kesalahan baku koefesien regresinya (Standar Error)
6. Tentukan Nilai F hitung (Uji F)
7. Tentukan Nilai t hitung (Uji t)
8. Kesimpulan
1. Persamaan Regresi
Y X XY X2 Y2
64 20 1280 400 4096
61 16 976 256 3721
84 34 2856 1156 7056
70 23 1610 529 4900
88 27 2376 729 7744
92 32 2944 1024 8464
72 18 1296 324 5184
77 22 1694 484 5929
∑ 608 192 15032 4902 47094
b=
n( XY ) − ( X )( Y )
a=
 Y − b( X )
n( X ) − ( X )
2 2
n

8(15032) − (192)(609) a=
(608) − 1,497(192)
= 40,082
b= = 1,497
8(4902) − (192) 2 8

Y= 40,082 + 1,497X+e
2. Nilai Prediksi
• Berapa besarnya penjualan jika promosi sebesar 20?
40,082 + (1,497*20)= 70,022
• Berapa besarnya penjualan jika promosi sebesar 16?
40,082 + (1,497*16)=64,034
• Berapa besarnya penjualan jika promosi sebesar 34?
40,082 + (1,497*34)= 90,98
• Berapa besarnya penjualan jika promosi sebesar 23?
40,082 + (1,497*23)= 74,513
• Berapa besarnya penjualan jika promosi sebesar 27?
40,082 + (1,497*27)=80,501
• Berapa besarnya penjualan jika promosi sebesar 32?
40,082 + (1,497*32)= 87,986
Dan seterusnya…………………….!!!
 (Y- (Y-
No Y X XY X2 Y2 Ypred
Ypred)2 Yrata)2
1 64 20 1280 400 4096 70.022 36.264 144
2 61 16 976 256 3721 64.034 9.205 225
3 84 34 2856 1156 7056 90.98 48.720 64
4 70 23 1610 529 4900 74.513 20.367 36
5 88 27 2376 729 7744 80.501 56.235 144
6 92 32 2944 1024 8464 87.986 16.112 256
7 72 18 1296 324 5184 67.028 24.721 16
8 77 22 1694 484 5929 73.016 15.872 1
Jlh 608 192 15032 4902 47094 608.08 227.497 886
3. Koefesien Determinasi
4. Kesalahan Baku Estimasi
Digunakan untuk mengukur tingkat kesalahan dari
model regresi yang dibentuk.

Se =
 (Y − Y )
ˆ 2

n−k
(227,467)
Se = = 6,1576
8−2
5. Standar Error Koefesien Regresi

Digunakan untuk mengukur besarnya tingkat

kesalahan dari koefesien regresi:
Se
Sb =
( X ) 2

X − 2
6,1576
n Sb1 = = 0,359
2
(192)
(4902) −
8
6. Tentukan Nilai Uji F

df untuk pembilang (N1)

Df (N1) = k-1

Jumlah variable (k) = 2

Maka N1 = 2-1 = 1

df untuk pembilang (N2)

Df (N2) =
jumlah sampel – variabel

Maka N2 = 8 – 2 = 6
Tentukan Uji F
Uji F digunakan untuk uji ketepatan model, apakah nilai prediksi mampu
menggambarkan kondisi sesungguhnya:

Ho: Diterima jika F hitung  F tabel

Ha: Diterima jika F hitung > F tabel

R /(k − 1) 2
0,743 /(2 − 1)
F= F=
1 − 0,743 /(8 − 2)
= 17,367
1 − R /(n − k )
2

Karena F hitung (17,367) > dari F tabel (5,99) maka persamaan regresi
dinyatakan Baik (good of fit).
7. Tentukan Nilai Uji t
Tingkat Signifikansi = 5%

df untuk pembilang (N2)

Df (N2) =
jumlah sampel – variabel

Maka N2 = 8 – 2 = 6
Uji t
Digunakan untuk mengatahui pengaruh variabel bebas terhadap
variabel tergantung.
Ho: Diterima jika t hitung  t tabel
Ha: Diterima jika t hitung > t tabel

bj 1,497
Thitung = t hitung = = 4,167
Sbj 0,359
Karena t hitung (4,167) > dari t tabel (1,943) maka Ha diterima ada
pengaruh iklan terhadap penjualan.
•Persamaan regresi linier:
Y = 40,082 + 1,497X

Kesalahan standar deviasi Sb = 0.359

Nilai t hitung = 4.167.
nilai ini digunakan dalam pengujian terhadap
koefisien regresi untuk mengetahui apakah
variable independen berpengaruh secara signifikan
terhadap perubahan nilai variabel dependen
•Untuk kasus ini  5% nilai kritisnya adalah
(lihat tabel distribusi normal):

t(n-k; /2) = t(8-2;0.025) = + 2.447

t.Hitung = 4.167 lebih besar dari t.kritis =

2.447. keputusannya adalah menolak H0.
Artinya, secara statistik X berpengaruh
terhadap Y
• Koefisien determinasi r square = 0.743

•Digunakan untuk mengetahui presentase

pengaruh variabel independen terhadap
perubahan variabel dependen. Artinya,
pengaruh variabel X terhadap perubahan
variabel Y adalah 74.3%, sedangkan sisanya
25.7% dipengaruhi variabel lain selain
variabel X.
8. KESIMPULAN DAN IMPLIKASI
KESIMPULAN
Terdapat pengaruh positif biaya periklanan
terhadap volume penjualan.

IMPLIKASI
Sebaiknya perusahaan terus meningkatkan
periklanan agar penjualan meningkat.
Tugas:
Analisis data berikut:

X 3 4 5 6 7 8 9

Y 12 11 13 12 13 14 16