SEDERHANA
Statistika Inferensial
Statistik Statistik
Parametrik Nonparametrik
Untuk
membandin Uji Chi
Uji t gkan antara Kuadrat
dua variabel
Regresi
Linier
Sederhana
Pendahuluan tentang Regresi
Analisis pada Regresi tidak jauh berbeda dengan analisis pada korelasi.
Setiap regresi pasti ada korelasinya, namun korelasi belum tentu dilanjutkan
hingga ke analisis regresi
Jika korelasi hanya melihat hubungan antara dua variabel antara x dan y, pada
analisis regresi kita akan meramalkan atau memprediksi bagaimana hubungan
antara dua variabel tersebut.
Regresi merupakan alat untuk meramal/ memprediksi suatu variabel dengan
variabel yang lain, peramalan tersebut dilakukan dengan menggunakan
persamaan regresi
Tujuan analisis regresi adalah untuk menentukan model matematika yang dapat
digunakan untuk memprediksi nilai – nilai variabel terikat (variabel Y) berdasarkan
nilai – nilai pada variabel bebas (variabel X)
Regresi termasuk ke dalam statistik parametrik sehingga data dalam analisis
regresi harus berdistribusi normal dan memenuhi asumsi homogenitas
Regresi Linier Sederhana
Pada regresi linier sederhana, hubungan antara variabel X (variabel bebas) dan
variabel Y (variabel terikat) digambarkan pada suatu persamaan linier yang
berbentuk garis lurus.
Hubungan antara variabel X dan variabel Y dituliskan dalam bentuk persamaan
linier
𝑌 = 𝑎 + 𝑏𝑋
Dimana :
Y = variabel terikat
a = parameter konstan populasi
b = parameter koefisien regresi populasi
X = variabel bebas
𝑌 = 𝑎 + 𝑏𝑋
𝑛 σ 𝑥𝑖 𝑦𝑖 −( σ 𝑥𝑖 )(σ 𝑦𝑖 )
𝑏 =
𝑛 σ 𝑥𝑖2 −(σ 𝑥𝑖 )2
𝑎 = 𝑌ത − 𝑏𝑋ത
Dimana
𝑌ത = rata – rata nilai Y
𝑋ത = rata – rata nilai X
n = jumlah data
Contoh
Seorang pengusaha ingin mengetahui pola hubungan antara nilai penjualan (Y)
dengan biaya promosi (X). Data nilai penjulalan (Y) dan X ternagkum pada
tabel di bawah ini.
Nilai Penjualan (Y) Biaya Promosi (X)
(dalam ribuan rupiah)
64 20
61 16
84 34
70 23
88 27
92 32
72 18
77 22
61 16 976 256
84 34 2856 1156
70 23 1610 529
88 27 2376 729
92 32 2944 1024
72 18 1296 324
77 22 1694 484
σ 𝑌 608
𝑛 σ 𝑥𝑖 𝑦𝑖 − ( σ 𝑥𝑖 )(σ 𝑦𝑖 ) 𝑌ത = = = 76
𝑛 8 Jadi, persamaan regresinya
𝑏=
𝑛 σ 𝑥𝑖2 − (σ 𝑥𝑖 )2 adalah
σ 𝑋 192
𝑌ത = = = 24
𝑛 8
𝑏=
8.15032 − 192.608
=
3520
= 1,5 Y = 40 + 1,5X
8.4902 − (192)2 2352
𝑎 = 𝑌ത − 𝑏𝑋ത = 76 − 1,5. 24 = 40
Penaksiran Nilai variabel dependen
Setelah kita mendapat persamaan regresi, maka kita dapat menaksir nilai variabel dependen
untuk suatu nilai variabel independen tertentu.
Contoh :
Pada soal sebelumnya kita telah mendapatkan persamaan regresinya adalah Y = 40+1,5 X. Bila
biaya promosi (X) adalah 80 ribu, estimasikan berapa nilai penjualan !
Jawab :
Y = 40 + 1,5 X
Untuk Biaya promosi (X) = 80
Y = 40 + 1,5 X
Y = 40 + 1,5. 80
Y = 40 + 120 = 160
Jadi, dengan biaya promosi 80 ribu, estimasi (perkiraan) nilai penjualan adalah 160
Menghitung Nilai Koefisien Korelasi dan
Koefisien Determinasi
• Koefisien korelasi (r) menggambarkan hubungan antara variabel X
dan variabel Y
• Koefisien Determinasi (𝑅2 ) menggambarkan seberapa besar
pengaruh variabel X terhadap variabel Y
𝑁 σ 𝑋𝑌 − (σ 𝑋)(σ 𝑌)
𝑟=
2 2 2 2
σ σ σ σ
{𝑁 𝑋 − 𝑋 }{ 𝑁 𝑌 − 𝑌 }
Contoh Dari soal yang sebelumnya tentukan koefisen korelasinya !
Jadi, koefisien korelasi antara biaya promosi dengan nilai penjualan adalah 0,862. Artinya terdapat
korelasi/ hubungan yang kuat antara variabel X dan variabel Y
Koefisien determinasi nya adalah 𝑅2 = (0,862)2 = 0,743 = 74,3%, Artinya biaya promosi mempunyai
pengaruh terhadap nilai penjualan sebesar 74,3%. Sedangkan sisanya sebesar 25,7 % dipengaruhi oleh
faktor yang lain.
Menghitung Persamaan Regresi
dengan SPSS
Masukkan data pada kolom variabel X dan variabel Y
Pilih Anayze, Regession, Linier
Masukkan variabel Y ke kotak dependent dan variabel
X ke kotak independent
Lalu tekan OK
Interpretasi Hasil dari SPSS
Nilai Sig nya adalah 0,006 = 0,6% < 5% (tingkat signifikan) artinya persamaan Y = 40,082 + 1,497
X ada;ah linier atau X mempunyai hubungan terhadap Y atau Variabel X mempunyai
pengaruh yang signifikan terhadap variabel Y
responden A B C D E F G H I J
Pendapatan 8 9 7 6 7 5 5 6 9 8
(X)
Pengeluaran 7 7 6 5 7 5 5 4 8 6
(Y)