1.

Analisis regresi adalah metode statistik yang digunakan untuk mengevaluasi

hubungan antara satu atau lebih variabel independen dengan variabel dependen.
Tujuan utama dari analisis regresi adalah untuk menentukan apakah ada hubungan
linear antara variabel independen dan variabel dependen. Selain itu, analisis regresi
juga dapat digunakan untuk memprediksi nilai variabel dependen berdasarkan nilai
variabel independen.

Berikut adalah beberapa kegiatan yang perlu dilakukan untuk melakukan analisis
regresi:

1. Menentukan variabel independen dan dependen: Pertama-tama, tentukan

variabel independen dan dependen yang akan diuji untuk hubungannya.
Variabel independen biasanya ditempatkan pada sumbu X, sedangkan
variabel dependen pada sumbu Y.
2. Mengumpulkan data: Data yang diperlukan untuk analisis regresi harus
dikumpulkan dari sumber yang dapat diandalkan. Data yang dikumpulkan
harus mencakup nilai-nilai variabel independen dan variabel dependen yang
sesuai.
3. Menentukan jenis regresi: Analisis regresi dapat dilakukan dalam beberapa
jenis, termasuk regresi sederhana dan regresi berganda. Pilihan jenis regresi
tergantung pada jumlah variabel independen yang terlibat.
4. Menghitung nilai regresi: Setelah menentukan jenis regresi yang akan
digunakan, hitung nilai regresi untuk menentukan apakah ada hubungan
antara variabel independen dan variabel dependen.
5. Menentukan koefisien determinasi: Koefisien determinasi adalah pengukuran
yang menunjukkan seberapa baik model regresi cocok dengan data.
Koefisien determinasi dapat digunakan untuk mengevaluasi seberapa kuat
hubungan antara variabel independen dan variabel dependen.

2. Beberapa analisis yang diperlukan dalam melakukan regresi sederhana adalah:

1. Analisis korelasi: Analisis korelasi digunakan untuk menentukan apakah ada

hubungan antara variabel independen dan variabel dependen. Hasil analisis
korelasi digunakan untuk menentukan jenis regresi yang akan digunakan.
2. Analisis residual: Analisis residual digunakan untuk mengevaluasi kesalahan
antara nilai-nilai yang diprediksi oleh model regresi dan nilai-nilai yang
sebenarnya. Hasil analisis residual digunakan untuk menentukan seberapa
baik model regresi cocok dengan data.
3. Analisis outlier: Analisis outlier digunakan untuk menemukan nilai yang tidak
biasa atau tidak wajar dalam data. Nilai outlier dapat mempengaruhi hasil
analisis regresi, sehingga harus diidentifikasi dan diperlakukan secara
khusus.
3.Untuk menghitung persamaan regresi penduga, kita perlu terlebih dahulu
menghitung beberapa nilai statistik, yaitu:

r : koefisien korelasi antara variabel X dan Y

b : koefisien regresi (slope)

a : konstanta regresi (intercept)

Berikut adalah langkah-langkah perhitungan statistik yang dibutuhkan:

Hitung nilai r

r = (nΣXY - ΣXΣY) / sqrt((nΣX^2 - (ΣX)^2)(nΣY^2 - (ΣY)^2))

n = 8 (jumlah data) ΣX = 32 (jumlah X) ΣY = 160 (jumlah Y) ΣXY = 694 (jumlah X*Y)

ΣX^2 = 110 (jumlah X^2) ΣY^2 = 2884 (jumlah Y^2)

r = (8694 - 32160) / sqrt((8110 - 32^2)(82884 - 160^2)) = 0.9701

Hitung nilai b

b = r * (SDY / SDX)

SDX = sqrt((nΣX^2 - (ΣX)^2) / n-1) = sqrt((8110 - 32^2) / 7) = 1.49 SDY =

sqrt((nΣY^2 - (ΣY)^2) / n-1) = sqrt((82884 - 160^2) / 7) = 3.02

b = 0.9701 * (3.02 / 1.49) = 1.965

Hitung nilai a

a = mean(Y) - b * mean(X)

mean(X) = ΣX / n = 32 / 8 = 4 mean(Y) = ΣY / n = 160 / 8 = 20

a = 20 - 1.965 * 4 = 12.14

Dengan demikian, persamaan regresi penduga adalah:

Y = a + bX Y = 12.14 + 1.965X

Untuk menghitung keuntungan yang diperoleh perusahaan apabila melakukan

investasi sebanyak 10 milyar rupiah, kita dapat substitusikan nilai X = 10 ke dalam
persamaan regresi penduga tersebut:
Y = 12.14 + 1.965(10) Y = 31.6

Jadi, jika perusahaan melakukan investasi sebanyak 10 milyar rupiah di bidang

kuliner, maka diperkirakan perusahaan akan memperoleh keuntungan sebesar 31.6
milyar rupiah. Harap diingat bahwa ini hanya merupakan estimasi dan masih
tergantung pada banyak faktor lain yang tidak termasuk dalam analisis ini.