BAB16
16
ANALISIS
ANALISISREGRESI
REGRESIDAN
DANKORELASI
KORELASIBERGANDA
BERGANDA
1
Analisis Regresi dan Korelasi Linier 16
OUTLINE
Bagian
Bagian III
III Statistik
StatistikInduktif
Induktif
Metode dan Distribusi Sampling Pengertian Korelasi Berganda dan
Metode dan Distribusi Sampling Pengertian Korelasi Berganda dan
Kegunaannya
Kegunaannya
Y = a + b1 X1 + b2 X2
Y = a + b1X1 + b2 X2 + b3 X3
Y = a + b1 X1 + b2 X2 + b3X3 + … + bk Xk
3
Analisis Regresi dan Korelasi Linier 16
PERSAMAAN UNTUK MENDAPATKAN
KOEFISIEN REGRESI
Prinsip metode ordinary least square (OLS) adalah meminimumkan jumlah kuadrat
deviasi di sekitar garis regresi. Nilai koefisien regresi a, b 1, dan b2 dapat dipecahkan
secara simultan dari tiga persamaan berikut:
4
Analisis Regresi dan Korelasi Linier 16
5
Analisis Regresi dan Korelasi Linier 16
CONTOH: PERMINTAAN DIPENGARUHI HARGA
DAN PENDAPATAN
Untuk mendapatkan koefisien regresi, sesuai dengan persamaan (a), (b) dan
(c), perlu dihitung lebih dahulu dari nilai-nilai sebagai berikut: Y, X1, X2,
6
Analisis Regresi dan Korelasi Linier 16
CONTOH: PERMINTAAN DIPENGARUHI HARGA
DAN PENDAPATAN
Untuk mendapatkan nilai koefisien regresi a, b1, dan b2 dapat dilakukan dengan
substitusi antarpersamaan.
7
Analisis Regresi dan Korelasi Linier 16
CONTOH: PERMINTAAN DIPENGARUHI HARGA
DAN PENDAPATAN
Untuk mendapatkan nilai b2 , gabungkan Persamaan (4) dan (5). Kalikan Persamaan (4) dengan –
Dari Persamaan (6), maka nilai b2 adalah = –8,62/21,01 = –0,41. Setelah menemukan nilai b2, maka
8
Analisis Regresi dan Korelasi Linier 16
CONTOH: PERMINTAAN DIPENGARUHI HARGA
DAN PENDAPATAN
Setelah nilai koefisien regresi b1 dan b2 diketahui, maka nilai a dapat dicari dengan memasukkan
nilai koefisien regresi b1 dan b2 ke dalam Persamaan (1) atau (2), dan (3). Hasilnya adalah sebagai
berikut.
Dengan menemukan nilai koefisien regresi a, b1, dan b2 maka persamaan regresinya dapat
dinyatakan sebagai berikut:
9
Analisis Regresi dan Korelasi Linier 16
1. Aktifkan program MS Excel. Anda mulai dari menghidupkan komputer, klik Start, klik
Program, dan pilih MS Excel.
2. Setelah MS Excel terbuka, klik pada File, dan pilih New. Anda akan mendapatkan sheet kosong,
masukkan data Y ke kolom A, data X1 ke kolom B, dan data X2 ke kolom C seperti gambar
berikut.
10
Analisis Regresi dan Korelasi Linier 16
3. Setelah selesai melakukan entry data, klik Tools dan pilihlah Data Analysis, sehingga keluar
kotak dialog “Data Analysis” seperti gambar pada langkah dua.
4. Setelah keluar kotak dialog “data analysis”, pilih Regression hingga keluar kotak dialog berikut.
11
Analisis Regresi dan Korelasi Linier 16
5. Setelah keluar kotak dialog Regression, masukkan range data ke dalam kolom input yang
tersedia. Masukkan range data Y pada kotak “Input Y Range”, misalkan di kolom A dari baris 2
sampai 11, maka ditulis $A$2:$A$11, atau Anda blok saja di kolom A dari baris 2 sampai 11.
Sedangkan data X1, dan X2 dimasukkan ke kolom “Input X Range”, yaitu dari Kolom B baris 2
sampai Kolom C baris 11, maka ditulis $B$2:$C$11 atau blok data X1 dan X2. Setelah selesai,
blok data input dan tekan OK.
6. Setelah Anda tekan OK, maka hasil regresi akan keluar, seperti gambar di bawah ini.
Perhatikan pada kolom Coefficients terdapat nilai intercept untuk a, sebesar 15,086166, X
Variable 1 untuk b1 sebesar –1,0152403 dan X Variable 2 untuk b2, sebesar –0,4109027. Dengan
demikian, dengan mudah kita dapat menuliskan persamaan regresi adalah Y = 15,086166 –
1,0152403X1 – 0,4109027X2.
12
Analisis Regresi dan Korelasi Linier 16
13
Analisis Regresi dan Korelasi Linier 16
OUTLINE
Bagian
BagianIII
III Statistik
StatistikInduktif
Induktif
Metode dan Distribusi Sampling Pengertian Korelasi Berganda dan
Metode dan Distribusi Sampling Pengertian Korelasi Berganda dan
Kegunaannya
Kegunaannya
Teori Pendugaan Statistik Analisis Regresi Berganda: Pendugaan
Teori Pendugaan Statistik Analisis Regresi Berganda: Pendugaan
Koefisien Regresi
Koefisien Regresi
Pengujian Hipotesis Sampel Besar Koefisien Determinasi, Korelasi
Pengujian Hipotesis Sampel Besar Koefisien Determinasi, Korelasi
Berganda, dan Korelasi Parsial
Berganda, dan Korelasi Parsial
Pengujian Hipotesis Sampel Kecil Kesalahan Baku dalam Regresi Berganda
Pengujian Hipotesis Sampel Kecil Kesalahan Baku dalam Regresi Berganda
KOEFISIEN DETERMINASI
Koefisien Determinasi menunjukkan suatu proporsi dari varian yang dapat diterangkan oleh
persamaan regresi (regression of sum squares—RSS) terhadap varian total (total sum of squares—
TSS). Besarnya koefisien determinasi dirumuskan sebagai berikut:
15
Analisis Regresi dan Korelasi Linier 16
16
Analisis Regresi dan Korelasi Linier 16
17
Analisis Regresi dan Korelasi Linier 16
OUTLINE
Bagian
BagianIII
III Statistik
StatistikInduktif
Induktif
Metode dan Distribusi Sampling Pengertian Korelasi Berganda dan
Metode dan Distribusi Sampling Pengertian Korelasi Berganda dan
Kegunaannya
Kegunaannya
Teori Pendugaan Statistik Analisis Regresi Berganda: Pendugaan
Teori Pendugaan Statistik Analisis Regresi Berganda: Pendugaan
Koefisien Regresi
Koefisien Regresi
Pengujian Hipotesis Sampel Besar Koefisien Determinasi, Korelasi
Pengujian Hipotesis Sampel Besar Koefisien Determinasi, Korelasi
Berganda, dan Korelasi Parsial
Berganda, dan Korelasi Parsial
Pengujian Hipotesis Sampel Kecil Kesalahan Baku dalam Regresi
Pengujian Hipotesis Sampel Kecil Kesalahan Baku dalam Regresi
Berganda
Berganda
Analisis Regresi dan Korelasi Linier Pengujian Hipotesis pada Regresi
Analisis Regresi dan Korelasi Linier Pengujian Hipotesis pada Regresi
Berganda
Berganda
Asumsi dan Pelanggaran Asumsi dalam
Analisis Regresi dan Korelasi Berganda Asumsi dan Pelanggaran Asumsi dalam
Analisis Regresi dan Korelasi Berganda Regresi Berganda
Regresi Berganda
19
Analisis Regresi dan Korelasi Linier 16
15
15
10
10
55
00
11 22 33 44 5
n – (k+1)
5 106– (2+1)
6 77 88 99 10
10
YY Y'
Y'
21
Analisis Regresi dan Korelasi Linier 16
22
Analisis Regresi dan Korelasi Linier 16
23
Analisis Regresi dan Korelasi Linier 16
PENGGUNAAN MS EXCEL UNTUK MENCARI
KESALAHAN BAKU
24
Analisis Regresi dan Korelasi Linier 16
OUTLINE
Bagian
BagianIII
III Statistik
StatistikInduktif
Induktif
Metode dan Distribusi Sampling Pengertian Korelasi Berganda dan
Metode dan Distribusi Sampling Pengertian Korelasi Berganda dan
Kegunaannya
Kegunaannya
Teori Pendugaan Statistik Analisis Regresi Berganda: Pendugaan
Teori Pendugaan Statistik Analisis Regresi Berganda: Pendugaan
Koefisien Regresi
Koefisien Regresi
Pengujian Hipotesis Sampel Besar Koefisien Determinasi, Korelasi
Pengujian Hipotesis Sampel Besar Koefisien Determinasi, Korelasi
Berganda, dan Korelasi Parsial
Berganda, dan Korelasi Parsial
Pengujian Hipotesis Sampel Kecil Kesalahan Baku dalam Regresi Berganda
Pengujian Hipotesis Sampel Kecil Kesalahan Baku dalam Regresi Berganda
1. Menyusun Hipotesis berapa pun nilai variabel bebas tidak akan berpengaruh
terhadap variabel terikat. Persamaan pada contoh satu, yaitu Y
= 15,086 – 1,015X1 – 0,41 X2, variabel bebas X1, dan X2
26
Analisis Regresi dan Korelasi Linier 16
2. Menentukan daerah taraf nyata. Diketahui ada tiga variabel , yaitu Y, X1, dan X2, jadi k=3, sedangkan
jumlah n=10. Jadi derajat pembilang k ‒ 1=3 ‒ 1 = 2, sedangkan derajat
keputusan
penyebut n ‒ k= 10 ‒ 3 = 7 dengan taraf nyata 5%. Nilai F-tabel dengan derajat
pembilang 2, penyebut 7 dan taraf nyata 5% adalah 4,74
27
Analisis Regresi dan Korelasi Linier 16
R 2 /( k 1)
F
( 1 R 2 ) /( n 3 )
3. Menentukan Dari soal diketahui bahwa R2 = 0,933 dan n = 10, sehingga nilai
F-hitung adalah:
nilai F-hitung
0 ,933 /( 3 1)
F 0 ,4665 / 0 ,0096 48 ,73881
( 1 0 ,933 ) /( 10 3 )
28
Analisis Regresi dan Korelasi Linier 16
Terima H1
4. Menentukan
F-Hitung= 48,74
daerah keputusan
Terima Ho
F-Tabel=4,74 Skala F
29
Analisis Regresi dan Korelasi Linier 16
Nilai F-hitung > dari F-tabel dan berada di daerah terima H 1. Ini
menunjukkan bahwa terdapat cukup bukti untuk menolak Ho dan
menerima H1. Kesimpulan dari diterimanya H1 adalah nilai koefisien
5. Memutuskan
Hipotesis regresi tidak sama dengan nol, dengan demikian variabel bebas dapat
menerangkan variabel terikat, atau dengan kata lain variabel bebas
yaitu X1 dan X2 pengaruhnya secara bersama-sama nyata terhadap
variabel terikatnya, yaitu Y.
30
Analisis Regresi dan Korelasi Linier 16
31
Analisis Regresi dan Korelasi Linier 16
OUTLINE
Bagian
BagianIII
III Statistik
StatistikInduktif
Induktif
Metode dan Distribusi Sampling Pengertian Korelasi Berganda dan
Metode dan Distribusi Sampling Pengertian Korelasi Berganda dan
Kegunaannya
Kegunaannya
Teori Pendugaan Statistik Analisis Regresi Berganda: Pendugaan
Teori Pendugaan Statistik Analisis Regresi Berganda: Pendugaan
Koefisien Regresi
Koefisien Regresi
Pengujian Hipotesis Sampel Besar Koefisien Determinasi, Korelasi
Pengujian Hipotesis Sampel Besar Koefisien Determinasi, Korelasi
Berganda, dan Korelasi Parsial
Berganda, dan Korelasi Parsial
Pengujian Hipotesis Sampel Kecil Kesalahan Baku dalam Regresi Berganda
Pengujian Hipotesis Sampel Kecil Kesalahan Baku dalam Regresi Berganda
33
Analisis Regresi dan Korelasi Linier 16
34
Analisis Regresi dan Korelasi Linier 16
Heteroskedastisitas untuk menunjukkan nilai varians (Y – Ŷ) antar nilai Y tidaklah sama atau
hetero.
a. Metode grafik, menghubungkan antara Y dan e2, di mana apabila hubungan Y dan e2 tidak sistematis
seperti makin membesar atau mengecil seiring bertambahnya Y, maka tidak terjadi
heteroskedasitisitas.
b. Uji korelasi rank Spearman, digunakan untuk menguji heteroskedasititas apabila nilai korelasi rank
Spearman lebih besar dari nilai t-tabel.
35
Analisis Regresi dan Korelasi Linier 16
Autokorelasi merupakan korelasi antara anggota observasi yang disusun menurut urutan waktu.
Ada beberapa penyebab autokorelasi yaitu: (a) kelembamam. Kelembaman biasanya terjadi dalam
fenomena ekonomi di mana sesuatu akan memengaruhi sesuatu mengikuti siklus bisnis atau saling
berkaitan. (b) terjadi bias dalam spesifikasi, yaitu ada beberapa variabel yang tidak termasuk
dalam model, dan (c) bentuk fungsi yang dipergunakan tidak tepat, seperti semestinya bentuk non-
Linier digunakan Linier atau sebaliknya.
36
Analisis Regresi dan Korelasi Linier 16
OUTLINE
Bagian
BagianIII
III Statistik
StatistikInduktif
Induktif
Metode dan Distribusi Sampling Pengertian Korelasi Berganda dan
Metode dan Distribusi Sampling Pengertian Korelasi Berganda dan
Kegunaannya
Kegunaannya
Teori Pendugaan Statistik Analisis Regresi Berganda: Pendugaan
Teori Pendugaan Statistik Analisis Regresi Berganda: Pendugaan
Koefisien Regresi
Koefisien Regresi
Pengujian Hipotesis Sampel Besar Koefisien Determinasi, Korelasi
Pengujian Hipotesis Sampel Besar Koefisien Determinasi, Korelasi
Berganda, dan Korelasi Parsial
Berganda, dan Korelasi Parsial
Pengujian Hipotesis Sampel Kecil Kesalahan Baku dalam Regresi Berganda
Pengujian Hipotesis Sampel Kecil Kesalahan Baku dalam Regresi Berganda
Bersambung ke hlm
selanjutnya 38
Analisis Regresi dan Korelasi Linier 16
Y = a + b1X1 + b2X2
Di mana
Y : Keuntungan perusahaan (miliar/tahun)
X1 : Total aset (miliar/tahun)
39
Analisis Regresi dan Korelasi Linier 16
40
Analisis Regresi dan Korelasi Linier 16
41
Analisis Regresi dan Korelasi Linier 16
Persamaan Y = ‒2,928 + 0,017X1 + 0,4X2 menyatakan bahwa apabila aset (X1) meningkat 1 miliar rupiah,
maka keuntungan (Y) meningkat 0,017 miliar rupiah, dengan demikian return on asset diperbankan dapat
diperkiran sebesar 1,7% dan hal ini sudah sesuai dengan data ROA seluruh perbankan yaitu 1,32% pada
tahun 2013. Apabila harga saham (X2) naik 1 rupiah, maka keuntungan perusahaan meningkat 0,4 miliar.
Nilai R2= 0,946 ini menunjukkan kemampuan variabel aset dan harga saham menjelaskan perilaku
keuntungan perusahaan sebesar 96,5% dan sisanya atau residu sebesar 3,5% dijelaskan oleh variabel lain
yang tidak dimasukkan dan diteliti dalam persamaan tersebut. ini menunjukkan spesifikasi model yang
sangat baik, karena kemampuan menjelaskannya relatif besar. 42
TERIMA KASIH
43