STATISTIKA

ANALISIS REGRESI
ANALISIS REGRESI
 Regresi: kembali ke tahap perkembangan
sebelumnya (psi.).
 Analisis regresi: analisis yang digunakan untuk
mengetahui relasi dependensi (pengaruh) dari satu
atau beberapa variabel independen terhadap
sebuah variabel dependen.
 Analisis regresi:
 Analisis regresi linier → hubungan antar variabel
mengarah pada hubungan linier (garis lurus)
 Analisis regresi nonlinier → hubungan antar variabel
mengarah pada hubungan nonlinier.
ANALISIS REGRESI LINIER
   Analisis regresi linier:
 Analisis regresi linier sederhana (simple regression):
regresi linier dengan sebuah variabel independen.

Model:
 Analisis regresi linier berganda (multiple regression):
regresi linier dengan lebih dari 1 variabel independen.
Model:

 • X : Variabel
independen/prediktor/bebas
• Y : Variabel dependen /respon/terikat
• : Prediksi Y
• b0 : intersep regresi Koefisien regresi
• b1 , b2 ,.. bn : slope regresi
 ANALISIS
REGRESI LINIER SEDERHANA
REGRESI LINIER SEDERHANA
 Kegunaan (umum): mengetahui relasi dependensi
(pengaruh) sebuah variabel independen (X) terhadap
sebuah variabel dependen (Y).
 Kegunaan (khusus) untuk mengetahui:
 Apakah X berpengaruh terhadap Y.
 Apakah pengaruh tersebut positif ataukah negatif.
 Seberapa besar pengaruh tersebut.
 Prediksi nilai Y bilamana nilai X diketahui.
 Syarat data:
 Kedua variabel metrik (I,R), dan
 Ukuran sampelnya besar.
MODEL REGRESI LINIER
SEDERHANA
  Bagan:

X →Y
 Persamaan (Model):
 = a + bX
 Y = b0 + b1X + e
 = b0 + b1X
CONTOH PENERAPAN
 Apakah durasi belajar dalam seminggu berpengaruh
terhadap IPK mahasiswa? Seberapa besar pengaruh
tersebut? Jika seorang mahasiswa belajar 12 jam
seminggu, berapa prediksi IPKnya?
 Apakah besarnya upah berpengaruh terhadap tingkat
produktivitas? Jika upah sebesar Rp. 10.000 per jam,
berapa prediksi tingkat produktivitasnya?
 Apakah usia bangunan berpengaruh terhadap harga
rumah? Seberapa besar pengaruh tersebut? Jika sebuah
rumah berusia 5 tahun, berapa prediksi harga jualnya?
 Apakah profitabilitas berpengaruh terhadap return
saham? Seberapa besar pengaruh tersebut?
PENGEMBANGAN MODEL
REGRESI LINIER SEDERHANA
  = a + bX
   Jadi,
 Karena garis regresi (prediksi) selalu melalui titik
(, ), maka: = a + b → a = ‒ b
 Ternyata,

 Kaitan b dan r :
Karena r → b = r . ?? dan r = b . ??
INTERPRETASI KOEFISIEN
REGRESI
  Arah pengaruh:
 b > 0 → X berpengaruh positif terhadap Y.
 b < 0 → X berpengaruh negatif terhadap Y
 b = 0 → X tidak berpengaruh terhadap Y
 Besar pengaruh:
 b > 0 → untuk setiap X naik (turun) sebesar 1 satuan, maka Y
naik (turun) sebesar b satuan.
 b < 0 → untuk setiap X naik (turun) sebesar 1 satuan, maka Y
turun (naik) sebesar b satuan.
 Prediksi:
 Jika diketahui nilai X = c, maka prediksi nilai Y adalah:
= a + b.c
KOEFISIEN DETERMINASI (R2)
 Koefisien determinasi (R2) adalah ukuran kebaikan model
regresi (seberapa baik model regresi yang dihasilkan dalam
menjelaskan data).
 Nilai R2 : 0 ‒ 1
 R2 = 0 : model sama sekali tidak bisa menjelaskan data
 R2 = 1 : model regresi secara sempurna dapat menjelaskan data
 R2 = 0,87 → 87% variabilitas Y dapat dijelaskan oleh variabilitas X.
 3 cara menghitung R2: n

Sum Square Regression (SSR)  ( yˆ i  y)

R 
2
 i 1
n
Total Sum Square (TSS)
 (y
i 1
i  y)

R 2  rY2Yˆ
Jadi, untuk regresi linier sederhana
berlaku:
R 2    rXY R    rXY  rYYˆ
2 2 2 2
SOAL 1
Diketahui data sampel tentang insentif per pekan (X) dalam
ratusan ribu rupiah dan jumlah unit yang diproduksi (Y) dalam
ratusan unit sebagai berikut:
i X Y
1 1 2
2 2 4
3 3 5
4 4 7

1. Tentukan persamaan regresinya.

2. Bagaimana interepretasinya?
3. Jika seorang karyawan diberi insentif sebesar 500 ribu
rupiah per pekan, berapa prediksi dari jumlah unit yang
diproduksi oleh karyawan tersebut?
LATIHAN SOAL BACA OUTPUT
SPSS
 Diketahui output SPSS sebagai berikut:
Coefficientsa

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 280,154 28,811 9,724 ,000
usia bangunan
-1,263 ,540 -,382 -2,339 ,026
(dalam bulan)
a. Dependent Variable: harga rumah (dalam jutaan rupiah)

 Tentukanlah:
1. Persamaan regresinya.
2. Interpretasi dari persamaan regresi tersebut.
3. Jika diketahui usia bangunan rumah tersebut 10 tahun,
tentukanlah berapa perkiraan harga rumah tersebut.
 JAWABAN LATIHAN SOAL BACA OUTPUT SPSS
Coefficientsa
a/β0 Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 280,154 28,811 9,724 ,000
usia bangunan
-1,263 ,540 -,382 -2,339 ,026
(dalam bulan)
a. Dependent Variable: harga rumah (dalam jutaan rupiah)

b/β1 Interpretasi:
a/β0 = 280,154 artinya jika X (usia bangunan
dalam bulan) tidak mengalami
  Persamaan Regresi Linier perubahan/tetap/konstan (0) maka prediksi
Sederhana: Y sebesar a/b0 itu sendiri yaitu 280,154.
atau = a + bX
280,154 – 1,263X b/ β1 = -1,263; b< 0 (negatif) artinya jika X
( usia bangunan) naik (turun) sebesar 1
  Jika X = 10 tahun (120 bulan) maka bulan maka prediksi Y (harga rumah) turun
berapa (naik) sebesar 1,263 jutaan rupiah kalinya.
280,154 – 1,263 (120) = - 1,263 < 0 (negatif) artinya
SOAL 2
 Diketahui output SPSS sebagai berikut:
Coefficientsa

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 63,976 30,049 2,129 ,041
banyak kamar 46,580 7,989 ,718 5,830 ,000
a. Dependent Variable: harga rumah (dalam jutaan rupiah)

 Tentukanlah:
1. Persamaan regresinya.
2. Interpretasi dari persamaan regresi tersebut.
3. Jika diketahui banyaknya kamar 4 unit, tentukanlah berapa
perkiraan harga rumah tersebut.