PERTEMUAN KE - 8

PERTEMUAN KE VIII

Simple Linier Regresi

 Simple Linier Regresi
Asumsi-asumsi Regresi Linier
Model Regresi Linier Dengan Metoda Ordinary
Least Square (OLS)
Penggunaan Model Regresi Untuk Estimasi dan
Prediksi
Koefisien Korelasi & Determinasi
Pengertian Linier Regresi
Hampir kebanyakan keputusan manajerial didasarkan atas
hubungan antara dua atau lebih variabel.
Contoh : hubungan antara advertising expenditures dan
sales, nilai tukar riil terhadap neraca perdagangan, money
supply dengan inflasi dsb.
Selain itu kadang-kadang seorang manajer akan
mengandalkan pada intuisi untuk menilai bagaimana
hubungan dua variabel tsb. hal ini memberikan hasil yang
kurang tepat (precision)
Jika data dapat diperoleh, maka hal tsb. diatas secara
prosedur statistik disebut regression analysis dapat
digunakan untuk membentuk suatu persamaan yang
memperlihatkan bagaimana hubungan antara variabel-
variabel tsb.
 Simple Linier Regresi Model
Simple Linear Regression Model
Atau Y = a + bX
Y : adalah merupakan variabel yang akan diprediksi
atau yang disebut dengan Dependent Variabel
(Prediksan)
X : adalah merupakan variabel yang digunakan untuk
memprediksi nilai dari variabel dependent atau yang
disebut Independent variabel (Prediktor).
o : disebut Intercept
1 : disebut Slope
Yang dimaksud dengan simpel regresi dari regresi
analis adalah yang hanya mengandung atau melibatkan
satu variabel independent (X).
 Simple Linear Regression Model
(continued)

Population regression line is a straight line that

describes the dependence of the average value
(conditional mean) of one variable on the other
Population Random
Population Error
Slope
Y Intercept Coefficient

Yi X i i
Dependent
Population Independent
(Response)
Variable
Regression
Y |X (Explanatory)
Line Variable
Bina Nusantara
(Conditional Mean)
 Simple Linear Regression Model
(continued)

Y (Observed Value of Y) = Yi X i i

i = Random Error

Y | X X i
(Conditional Mean)
X
Observed Value of Y
Bina Nusantara
(Lompat sedikit ke regresi)

8
METODE KUADRAT KECIL
( LEAST SQUARE METHOD )
Least Squeres Method adalah suatu
prosedur untuk menggunakan data sampel
yang tujuannya adalah untuk menemukan
suatu estimasi dari persamaan regresi
 Measures of Association Between Two Variables
(Asosiasi Dua Variabel)
Pada pertemuan sebelumnya kita telah mempelajari untuk data satu
variabel dalam satu saat. Sering seorang Manager membuat keputusan
hubungan antara dua variabel. Sebagai contoh Seorang Manager
menginginkan untuk menentukan hubungan antara Banyaknya komersial
TV akhir pekan yang ditayangkan hubungannya dengan Penjualan pada
Store selama minggu berikutnya dengan hasil sbb. :
No. of Commercials Sales Volume
Week
(X) (Y)
1 2 50
2 5 57
3 1 41
4 3 54
5 4 54
6 1 38
7 5 63
8 3 48
9 4 59
10 2 46
 Scatter Diagram
Dapat digunakan untuk menampilkan informasi hubungan yang
melibatkan dua fenomena yang berbeda dalam bentuk Grafik seperti
dibawah ini 70

60

50
SALES ($100s)
40
Sales Volume (Y)
30
Linear (Sales Volume
20 (Y))

10

0
0 1 2 3 4 5 6
Banyaknya Komersial TV

Dari grafik tsb. diatas kita bisa tahu menunjukan adanya hubungan yang Positif (+)
atau hubungan searah yang cukup signifikan antara tayangan iklan di TV terhadap
penjualan (Garis Menaik).
Akan tetapi jika titik-titik dalam grafik tsb. cenderung membentuk garis menurun
dari kiri ke kanan terjadi hubungan (-) atau berbanding terbalik, menunjukan
peubah yang satu naik sedangkan peubah lain menurun.
Axis Title 15
Contoh Hubungan Positif :
10
X=Pupuk ; Y = Produksi Padi
5 Y X=Biaya Advert. ; Y=Hasil Penjualan
Linear (Y) X=Berat Badan ; Y=Tekanan Darah
0 X=Investasi Nas. ; Y=Pendapatan Nas.
0 10 20
Axis Title

20
Contoh Hubungan Negatif :
Axis Title

15 X=Jml Akseptor ; Y=Jml Kelahiran.

10 X=Harga Brg ; Y=Permintaan Brg.
Y X=Income Masya ; Y=Kejahatan
5 Linear (Y)
0
0 10 20
Axis Title
Catatan :
Jika terdapat hubungan antara X dan Y maka Bentuk Scatter Plot terlihat teratur (mulus)
seperti diatas. Akan tetapi bentuk Scatter tidak teratur artinya kenaikan / penurunan X
pada umumnya tidak diikuti oleh naik turunya Y dikatakan X & Y tidak berkorelasi
 Types of Regression Models
Positive Linear Relationship Relationship NOT Linear

Negative Linear Relationship No Relationship

Bina Nusantara
Slope & Intercept Untuk Mengestimasi
Persamaan Regresi

ATAU

a y bx
Contoh
No. xi yi xi yi xi2
1 1 4 4 1
2 2 6 12 4
3 3 8 24 9
4 4 10 40 16
5 5 14 70 25
6 6 16 96 36
7 7 20 140 49
8 8 22 176 64
9 9 24 216 81
10 10 28 280 100
55 152 1058 385
Jawaban Soal :
n x i y i x i y i
b
n x i
2
x i
2

10 1058 55 152
b 2,6909
10 385 55
2

152 55
a y bx 2,6909 0,4
10 10
y a bx

y 0,4 2,6909 x
CONTOH SOAL

Restaurant Population Sales

1 2 58
2 6 105
3 8 88
4 8 118
5 12 117
6 16 137
7 20 157
8 20 169
9 22 149
10 26 202
 POPULATION & SALES DATA
250
200
150
100 Sales

50
0
0 10 20 30
POPULATION & SALES DATA
250

200 y = 5x + 60
R = 0.9027
150
SALES

Sales
100
Linear (Sales)
50

0
0 10 20 30
POPULATION
 Correlation Coefficient
Correlation Coefficient adalah ukuran yang menggambarkan kekuatan atas
hubungan antara variabel independent (x) dengan variabel dependent (y) dalam
regresi analisis. Nilai Koefisien Korelasi itu sendiri adalah -1 r 1

Interpretasi Korelasi
Ada tiga penafsiran hasil analisis korelasi, meliputi: pertama, melihat kekuatan
hubungan dua variabel; kedua, melihat signifikansi hubungan; dan ketiga, melihat arah
hubungan.
Untuk melakukan interpretasi kekuatan hubungan antara dua variabel dilakukan dengan
melihat angka koefesien korelasi hasil perhitungan dengan menggunakan kriteria sbb:
Jika angka koefesien korelasi menunjukkan 0, maka kedua variabel tidak mempunyai
hubungan
Jika angka koefesien korelasi mendekati 1, maka kedua variabel mempunyai
hubungan semakin kuat
Jika angka koefesien korelasi mendekati 0, maka kedua variabel mempunyai
hubungan semakin lemah
Jika angka koefesien korelasi sama dengan 1, maka kedua variabel mempunyai
hubungan linier sempurna positif.
Jika angka koefesien korelasi sama dengan -1, maka kedua variabel mempunyai
hubungan linier sempurna negatif.
 Sample Observations from
Various r Values
Y Y Y

X X X
r = -1 r = -.6 r=0
Y Y

Bina Nusantara X X
r = .6 r=1
Koefisien Korelasi
Mencari hubungan antara variabel X dan Y
Rumus :

nXY (X )(Y )
r
{nX 2 (X ) 2 }{nY 2 (Y ) 2 }

21
 Koefisien Korelasi : Spearman Rank
Koefisien Korelasi ini digunakan kedua variabel berskala
Ordinal (Korelasi Rank-Peringkat) :

n : Banyaknya data yang berpasangan

d : Selisih Peringkat
Contoh Soal :
Misalkan ada dua orang (Joni & Jono) Perokok, kedua orang
tsb. diminta untuk memberikan penilaian thd. 10 merek rokok.
Merek rokok yang paling digemari diberi nilai 1 dst. nya sampai
pada rokok yang tidak disenangi diberi nilai 10 (atau bisa
dibalik, 10 rokok yang paling digemari dst 1 rokok yang tidak
disenangi) dengan hasil pemberian rank tsb. adalah :
 No. Merek Rokok Rank Joni Rank Jono
Urut
1. Marlboro 9 8
2. Gudang Garam 5 3
3. Dunhill 10 9
4. Djarum 1 2
5. Sampoerna Mild 8 7
6. Kent 7 10
7. Philip Morris 3 4
8. Kansas 4 6
9. Bentoel 2 1
10. Daun Kawung 6 5

Cari Koefisien Korelasi Rank antara Joni & Jono pada Soal diatas !!
JAWAB : Rank Joni 8 3 9 2 7 10 4 6 1 5
Rank Jono 9 5 10 1 8 7 3 4 2 6
Selisih Rank -1 -2 -1 1 -1 3 1 2 -1 -1
d2 1 4 1 1 1 9 1 4 1 1
Analisis Regresi Sederhana
Dibawah ini adalah Rumus untuk mencari Koefisien Korelasi Linear :
 Uji signifikansi korelasi
H0 : = 0 (Tidak Terjadi atau tidak terdapat hubungan yang
erat
antara variabel X & Y)
H1 : 0 (Terdapat Hubungan Yang Erat X & Y)
r n2
t
1 r2
Jika t-Hitung > t tabel; Hipotesis alternatif diterima
Jika t-Hitung < t tabel; hipotesis alternatif ditolak

26
Perumusan Hipotesis
Jika diduga bahwa suatu variabel mempunyai hubungan yang positif
dengan variabel lain, maka rumusan hipotesisnya adalah
H0 : = 0 (tidak ada hubungan antara suatu variabel yang positif dengan
variabel lain)
H1 : 0 (terdapat hubungan yang positif dan signifikan anatara suatu suatu
variabel
dengan variabel lainnya)

2). Menentukan taraf nyata (level of signifance ) , misalnya 5%

3). Menetukan titik kritis (daerah penerimaan / penolakan Ho).

Titik kritis dicari dengan bantuan Tabel t (t distribution) Nilai t-tabel
ditentukan berdasarkan tingkat signifikansi () yang digunnakan dan
derajat bebas atau degree of freedom (df), dimana df = n-2, yang besarnya
tergantung pada jumlah sampel (n).
 Coefficient of Determination
Coefficient of Determination merupakan suatu
ukuran goodness of fit untuk estimasi persamaan
regresi dalam bentuk persentase (%).

Nilai dari koefisien determinan itu sendiri antara

0 s.d 1

Y Y 2
(Y
Y ) 2
2


Y Y
2

r
2 r
Y Y
ATAU
Y Y
2
2

ATAU

a Y b XY nY
2

r 2

Y nY
2 2
Contoh kasus
Seorang mhs jurusan agribisnis ingin mengetahui
apakah ada hubungan pengaruh antara biaya
iklan perusahaan (X) dgn tingkat laba bersih
perusahaan (Y), semua biaya dalam jutaan
rupiah
X 1,5 1,0 2,8 0,4 1,3 2,0
Y 3,6 2,8 5,4 1,9 2,9 4,3
Buatlah persamaan regresinya dan jelaskan
artinya
Berapa korelasinya
Ujilah pendapat bahwa biaya iklan tidak
berpengaruh terhadap laba bersih perush dgn
sebesar 5%
Diketahui hubungan IQ terhadap Prestasi
Siswa dengan data sbb. :
Siswa IQ Prestasi
A 140 92
B 135 95
Lalu, apakah ada korelasi C 130 90
Antara IQ dengan prestasi ? D 125 87
E 124 89
F 121 85
G 120 86
H 117 84
I 115 75
J 110 80
30
Tugas
Carilah kasus yang dapat dianalisis dengan
regresi.
Setiap mahasiswa harus berbeda kasus dan
angkanya.
Dikerjakan dengan Microsoft EXCEL,
Dilengkapi tabel dan grafiknya.
Dikumpulkan Minggu Depan.
 Al-Khawarizmi
Kata Aljabar diambil dari salah satu judul bukunya al-
Jabr wal-Muqabala, tentang perhitungan linear dan
kuadrat, bahkan kata Algoritma berasal dari
penyebutan namanya sendiri, Algorizm.
Lahir dalam suasana kekhalifahan yang sangat
mementingkan pendidikan, membuat Muhammad Ibnu
Musa al-Khawarizmi (780-850) mendedikasikan
waktunya di Bait al-Hikmah, Baghdad. Selain dijuluki
sebagai bapak aljabar dan logaritma, banyak kalangan
juga menyebutnya sebagai ahli matematika yang sangat
berpengaruh sepanjang masa.
Pada abad ke 12, beliau telah memperkenalkan pada dunia, sistem perhitungan
desimal dan penyusunan daftar logaritma dalam sebuah tabel rincian
trigonometri yang memuat fungsi sinus, kosinus, tangen dan kotangen serta
konsep diferensiasi. Karya Khawarizmi, al-Jabr wal-Muqabala digunakan sebagai
buku matematika rujukan berbagai perguruan tinggi di Eropa. Riset pengukuran
yang dilakukannya di Sanjar dan Palmyra berhasil menentukan ukuran dan
bentuk bundaran bumi yang kemudian melahirkan peta bumi yang kita kenal
sebagai Globe.
Sesungguhnya Allah telah menentukan jumlah mereka dan menghitung mereka
dengan hitungan yang teliti. (QS. Maryam: 94)