STATISTIK

A 2
Regresi Linier Sederhana

http://www.free-powerpoint-templates-design.com
NAMA KELOMPOK
Pengertian
Analisis Regresi
Analisis regresi atau peramalan adalah suatu proses
memperkirakan secara sistematis tentang apa yang paling
mungkin terjadi dimasa yang akan datangberdasarkan
informasi masa lalu dan sekarang yang dimiliki agar
kesalahannya dapat diperkecil

Regresi Linear Sederhana

Analisis regresi linier sederhana adalah hubungan secara linear
antara satu variabel independen (X) dengan variabel dependen
(Y). Analisis ini untuk mengetahui arah hubungan antara
variabel independen dengan variabel dependen apakah positif
atau negatif dan untuk memprediksi nilai dari variabel dependen
apabila nilai variabel independen mengalami kenaikan atau
penurunan. Data yang digunakan biasanya berskala interval
atau rasio
Masalah dalam Analisis
Regresi dan Cara
Mengatasinya
Heterosekdastisitas
Multikolinearitas adalah kondisi terdapatnya hubungan linier atau korelasi yang tinggi antara masing-
masing variabel independen dalam model regresi. Multikolinearitas biasanya terjadi ketika sebagian besar
variabel yang digunakan saling terkait dalam suatu model regresi. Oleh karena itu masalah
multikolinearitas tidak terjadi pada regresi linier sederhana yang hanya melibatkan satu variabel
Indikasi terdapat masalah multikolinearitas dapat kita lihat dari kasus-kasus sebagai berikut:
1. Nilai R2 yang tinggi (signifikan), namun nilai standar error dan tingkat signifikansi masing-
masing variabel sangat rendah.
2. Perubahan kecil sekalipun pada data akan menyebabkan perubahan signifikan pada variabel
yang diamati.
3. Nilai koefisien variabel tidak sesuai dengan hipotesis, misalnya variabel yang seharusnya
memiliki pengaruh positif (nilai koefisien positif), ditunjukkan dengan nilai negative.

Memang belum ada kriteria yang jelas dalam mendeteksi masalah multikolinearitas dalam model
regresi linier. Selain itu hubungan korelasi yang tinggi belum tentu berimplikasi terhadap masalah
multikolinearitas. Tetapi kita dapat melihat indikasi multikolinearitas dengan tolerance value
(TOL), eigenvalue, dan yang paling umum digunakan adalah varians inflation factor (VIF).
Hingga saat ini tidak ada kriteria formal untuk menentukan batas terendah dari nilai toleransi
atau VIF. Beberapa ahli berpendapat bahwa nilai toleransi kurang dari 1 atau VIF lebih besar
dari 10 menunjukkan multikolinearitas signifikan, sementara itu para ahli lainnya menegaskan
bahwa besarnya R2 model dianggap mengindikasikan adanya multikolinearitas. Klein (1962)
menunjukkan bahwa, jika VIF lebih besar dari 1/(1 – R2) atau nilai toleransi kurang dari (1 – R2),
maka multikolinearitas dapat dianggap signifikan secara statistik.
Dalam regresi linear salah satu yang harus dipenuhi agar taksiran parameter dalam model
tersebut bersifat BLUE (Best, Linear, Unbiased, and Estimator) adalah var (ui) = σ2 mempunyai
variasi yang sama. Pada kasus-kasus tertentu terjadi variasi ui tidak konstan atau variabel
berubah-ubah. Untuk mendeteksi heteroskedastisitas dapat dilakukan pengujian dengan
metode grafik.
Dengan pengujian ini dapat dideteksi apakah kesalahan pengganggu dari model yang diamati
tidak memiliki varians yang konstan dari satu observasi ke observasi lainnya. Dengan metode
grafik, hasilnya dapat menunjukkan ada tidaknya pola-pola tertentu yang terbentuk seperti
bergelombang, melebar kemudian menyempit serta titik-titik menyebar di atas dan di bawah
angka 0 (nol) pada sumbu Y.
Autokorelasi
Autokorelasi adalah korelasi antara anggota serangkaian observasi yang diurutkan menurut waktu
seperti data deret waktu atau ruang seperti data cross-section. Untuk mengetahui autokorelasi
digunakan uji Durbin-Watson (DW-test). Adanya autokorelasi dalam regresi dapat diketahui dengan
menggunakan beberapa cara antara lain metode grafik dan uji Durbin-Watson.

Langkah-langkah Uji Durbin-Watson adalah sebagai berikut (Gujarati, 1999):

1. Regres model lengkap untuk mendapatkan nilai residual.
2. Hitung d (Durbin-Watson Statistik) dengan rumus: (Hasan, 1999)
3. Hasil rumus tersebut yaitu nilai d kemudian dibandingkan dengan nilai d tabel Durbin- Watson.

Pada tabel d tersebut terdapat dua nilai yaitu nilai batas atas (du) dan nilai batas bawah (dL) untuk
berbagai nilai n dan k. Untuk autokorelasi positif (0 < p < 1), hipotesis nol (H0) diterima jika d > du,
sebaliknya H0 ditolak jika d < dL. Untuk autokorelasi negatif, hipotesis nol (H0) diterima jika (4-d)>du,
sebaliknya H0 ditolak jika (4-d) < dL.
Multikolinearitas
Multikolinearitas muncul jika terdapat hubungan yang sempurna atau pasti di antara beberapa
variabel atau semua variabel independen dalam model. Pada kasus multikolinearitas yang serius,
koefisien regresi tidak lagi menunjukkan pengaruh murni dari variabel independen dalam model.
Terdapat beberapa metode untuk mendeteksi keberadaan multikolinearitas (Gujarati,
1995;Ramanathan, 1995). Untuk mendeteksi multikolinearitas digunakan pengukuran terhadap
nilai VIF (Variable Inflation Factor) dan nilai Tolerance

Berikut ini langkah-langkahnya:

a) Regres model lengkap untuk mendapatkan nilai R2 Y = f (x1 ....... x7)
b) Regres masing-masing variabel independen terhadap seluruh variabel independen lainnya,
dapatkan nilai R2. Regres ini disebut auxiliary regression. xi = f (xj)
c) Jika terdapat Ri2>R2 berarti terdapat masalah multikolinearitas yang serius
Rumus regresi linear sederhana sebagi berikut:

Y’ = a + bX

Keterangan:
Y’ = Variabel dependen (nilai yang diprediksikan)
X = Variabel independen
a = Konstanta (nilai Y’ apabila X = 0)
b = Koefisien regresi
(nilai peningkatan ataupun penurunan)
 Contoh kasus
Seorang mahasiswa bernama Mahessa ingin meneliti tentang
pengaruh biaya promosi terhadap volume penjualan pada
perusahaan jual beli motor. Dengan ini di dapat variabel dependen
(Y) adalah volume penjualan dan variabel independen (X) adalah
biaya promosi. Dengan ini Mahessa menganalisis dengan bantuan
program SPSS dengan alat analisis regresi linear sederhana

Data-data yang di dapat ditabulasikan sebagai berikut:

 Tabulasi Data Penelitian (Data Fiktif)

No. Biaya Promosi Volume Penjualan No. Biaya Promosi Volume Penjualan

1 12,000 56,000 11 18,250 68,000

2 13,500 62,430 12 16,480 64,200

3 12,750 60,850 13 17,500 65,300

4 12,600 61,300 14 19,560 69,562

5 14,850 65,825 15 19,000 68,750

6 15,200 66,354 16 20,450 70,256

7 15,750 65,260 17 22,650 72,351

8 16,800 68,798 18 21,400 70,287

9 18,450 70,470 19 22,900 73,564

10 17,900 65,200 20 23,500 75,642

Langkah-langkah pada program SPSS
Ø Masuk program SPSS

Ø Klik variable view pada SPSS data editor

Ø Pada kolom Name ketik y, kolom Name pada baris kedua ketik
x.

Ø Pada kolom Label, untuk kolom pada baris pertama ketik

Volume Penjualan, untuk kolom pada baris kedua ketik Biaya
Promosi.

Ø Untuk kolom-kolom lainnya boleh dihiraukan (isian default)

Ø Buka data view pada SPSS data editor, maka didapat kolom
variabel y dan x.

Ø Ketikkan data sesuai dengan variabelnya

Ø Klik Analyze - Regression - Linear

Ø Klik variabel Volume Penjualan dan masukkan ke kotak

Dependent, kemudian klik variabel Biaya Promosi dan masukkan
ke kotak Independent.

Ø Klik Statistics, klik Casewise diagnostics, klik All cases. Klik

Continue

Ø Klik OK, maka hasil output yang didapat pada kolom

Coefficients dan Casewise.
Diagnostics adalah sebagai berikut:
Hasil Analisis Regresi Linear Sederhana
Persamaan regresinya sebagai berikut:

Y’ = a + bX
Y’ = -28764,7 + 0,691X

Angka-angka ini dapat diartikan sebagai berikut:

- Konstanta sebesar -28764,7; artinya jika biaya promosi (X) nilainya adalah 0, maka volume penjulan (Y’)
nilainya negatif yaitu sebesar -28764,7.
- Koefisien regresi variabel harga (X) sebesar 0,691; artinya jika harga mengalami kenaikan Rp.1, maka
volume penjualan (Y’) akan mengalami peningkatan sebesar Rp.0,691. Koefisien bernilai positif artinya
terjadi hubungan positif antara harga dengan volume penjualan, semakin naik harga maka semakin
meningkatkan volume penjualan.
Nilai volume penjualan yang diprediksi (Y’) dapat dilihat pada tabel Casewise Diagnostics (kolom Predicted
Value). Sedangkan Residual (unstandardized residual) adalah selisih antara Volume Penjualan dengan
Predicted Value, dan Std. Residual (standardized residual) adalah nilai residual yang telah terstandarisasi
(nilai semakin mendekati 0 maka model regresi semakin baik dalam melakukan prediksi, sebaliknya
semakin menjauhi 0 atau lebih dari 1 atau -1 maka semakin tidak baik model regresi dalam melakukan
prediksi).
Uji Koefisien Regresi Sederhana (Uji t)
Uji ini digunakan untuk mengetahui apakah variabel independen (X) berpengaruh secara signifikan terhadap variabel dependen
(Y). Signifikan berarti pengaruh yang terjadi dapat berlaku untuk populasi (dapat digeneralisasikan).
Dari hasil analisis regresi di atas dapat diketahui nilai t hitung seperti pada tabel 2. Langkah-langkah pengujian sebagai berikut:
1. Menentukan Hipotesis
Ho : Ada pengaruh secara signifikan antara biaya promosi dengan volume penjualan
Ha : Tidak ada pengaruh secara signifikan antara biaya promosi dengan volume penjualan
2. Menentukan tingkat signifikansi
Tingkat signifikansi menggunakan a = 5% (signifikansi 5% atau 0,05 adalah ukuran standar yang sering digunakan dalam
penelitian)
3. Menentukan t hitung
Berdasarkan tabel diperoleh t hitung sebesar 10,983
4. Menentukan t tabel
Tabel distribusi t dicari pada a = 5% : 2 = 2,5% (uji 2 sisi) dengan derajat kebebasan (df) n-k-1 atau 20-2-1 = 17 (n adalah
jumlah kasus dan k adalah jumlah variabel independen). Dengan pengujian 2 sisi (signifikansi = 0,025) hasil diperoleh untuk t
tabel sebesar 2,110 (Lihat pada lampiran) atau dapat dicari di Ms Excel dengan cara pada cell kosong ketik =tinv(0.05,17) lalu
enter.
5. Kriteria Pengujian
Ho diterima jika –t tabel < t hitung < t tabel
Ho ditolak jika -thitung < -t tabel atau t hitung > t tabel
6. Membandingkan t hitung dengan t tabel
Nilai t hitung > t tabel (10,983 > 2,110) maka Ho ditolak.
7. Kesimpulan
Oleh karena nilai t hitung > t tabel (10,983 > 2,110) maka Ho ditolak, artinya bahwa ada pengaruh secara signifikan antara biaya
promosi dengan volume penjualan. Jadi dalam kasus ini dapat disimpulkan bahwa biaya promosi berpengaruh terhadap volume
penjualan pada perusahaan jual beli motor.
Thank You for
Your Attention