PENDAHULUAN
• Analisa regresi digunakan untuk mempelajari dan mengukur hubungan statistik
yang terjadi antara dua atau lebih varibel.
Variabel bebas / independen (yang mempengaruhi) variabel yang
diasumsikan memberikan pengaruh terhadap variasi variabel terikat
Nilai prediktor ditulis pada sumbu X (sumbu horizontal)
Variabel tak bebas (Y) dalam penelitian merupakan respon (outcome) yang
diukur akibat perlakuan dari variabel bebas (X)
CONTOH
Umur vs Tinggi Tanaman (X: Umur; Y: Tinggi)
Biaya Promosi vs Volume Penjualan (X: Biaya; Y: Volume)
METODE METODE
TANGAN KUADRAT
BEBAS TERKECIL
PENENTUAN
PERSAMAAN
REGRESI
LINIER
METODE TANGAN BEBAS
Metode tangan bebas merupakan cara paling mudah, tetapi sifatnya sangat
subjektif. Maksudnya, jika ada lebih dari satu orang menarik garis trend dengan
cara ini akan diperoleh garis trend lebih dari satu orang. Hal
inidisebabkanmasing-masing orang mempunyai pilihan sendiri sesuai dengan
anggapannya garis yang mewakili diagram pencar.
Metoda diagram pencar dapat dipakai menduga bentuk regresi apakah linier
atau tidak. Jika tidak betul-betul yakin, lebih baik ditentukan dengan cara lain,
misalnya dengan cara kuadrat terkecil (least squares). Adapun langkah-
langkah untuk menyelesaikan regresi linier adalah :
Ŷ a bX
b =
n xy x y
a =
y +b x
n x 2 ( x) 2 n n
1 1,5 3,6
2 1,0 2,8
3 2,0 4,3
4 2,8 5,4
5 0,4 1,9
6 1,3 2,9
Tentukanlah :
i. Persamaan garis regresinya
ii. Berapa keuntungan yang diperkirakan jika biaya promosi 10 Juta
Jawab :
Pertama kita tentukan variabel bebas (x) dan variabel takbebasnya (y).
Dari data tersebut kita dapat menentukan variabel bebasnya (x) adalah
biaya promosi sedangan variabel tak bebasnya (y) adalah keuntungan.
Buat tabel untuk menghitung nilai b dan a
x y x.y x2
1,5 3,6 5,4 2,25
1,0 2,8 2,8 1,00
2,0 4,3 8,6 4,00
2,8 5,4 15,12 7,84
0,4 1,9 0,76 0,16
1,3 2,9 3,77 1,69
∑x = 9 ∑y = 20,9 ∑xy = 36,45 ∑ x 2 = 16,94
n xy x y.
b =
n x 2 ( x ) 2
30,60
= = 1,48
20,64
a =
y + b
x
n n
20,9 9 7,56
= + ( 1,48 ) = = 5,7
6 6 6
i. Jadi persamaan garis regresinya adalah y = 5,7 + 1,48 x
Karena Sig < taraf nyata maka terima H1. Minimal satu variabel
bebas ‘berpengaruh’ thd variabel terikat. YANG MANA?
Lanjutan Kasus: Multiple Regression, Metode Enter
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 1.242E9 3 4.139E8 54.402 .000a
Residual 5.326E7 7 7608262.177
Total 1.295E9 10
a. Predictors: (Constant), Jenis Kelamin, Pengalaman Kerja, Usia
b. Dependent Variable: Income
Karena Sig < taraf nyata maka terima H1. Minimal satu independent
variable ‘berpengaruh’ thd dependent variable. YANG MANA?
Lanjutan Kasus: Multiple Regression, Metode Enter
Coefficientsa
Standardize
Unstandardized d
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -9071.764 5331.943 -1.701 .133
Usia 1148.913 204.717 .620 5.612 .001
Pengalaman Kerja 1513.691 650.596 .246 2.327 .053
Jenis Kelamin 5239.227 2826.196 .240 1.854 .106
a. Dependent Variable: Income
• Model Geometrik
Yˆ a . X b log Yˆ log a b.(log X )
log Yi Xi
log a b .
n n
n. ( X i . log Yi ) (log X i ).( log Yi )
b
n.( log 2 X i2 ) (log X ) i2
• Model logistic
1 1
Yˆ log log a (log b) . X
a .b X Yˆ 1
log
Yi Xi
log a (log b).
n n
1 1
n. ( X i . log ) ( X i ).( log )
Yi Yi
log b
n. X i ( X ) i
2 2
• Model Hiperbola
1
Yˆ (
1 1
).(X i2 ) (X i )( X i . )
a b. X Yi Yi
a
n.X i2 (X i ) 2
1 1
n. X i (X i ).( )
Yi Yi
b
n.X i2 (X i ) 2
CONTOH SOAL Parabola Kuadratik
Yˆ a b . X c. X 2