PENGANGGARAN BISNIS

Dade Nurdiniah, S.E., M.Ak.

Jl. Raya Siliwangi No. 6 Rawa Panjang – Bekasi

 PENGANGGARAN BISNIS
ANALISIS REGRESI

4
Dade Nurdiniah, S.E., M.Ak.
TUJUAN PEMBELAJARAN

Setelah mempelajari bab ini, mahasiswa diharapkan mampu :

1. Meramalkan jualan dengan regresi sederhana
2. Meramalkan jualan dengan regresi berganda
ANALISIS REGRESI SEDERHANA

Analisis regresi sederhana (simple regression analysis)

adalah analisis yang digunakan untuk menganalisis satu
variabel terikat (Y) dengan menggunakan satu variabel
bebas (X).

Variabel bebas yang dipilih adalah yang mempunyai

hubungan (korelasi) dengan variabel terikat. Untuk
mengetahui bahwa variabel bebas (X) yang dipilih
mempunyai korelasi dengan variabel terikat (Y) dapat
digunakan analisis korelasi.
Analisis Korelasi

Analisis korelasi (correlation analysis) adalah analisis yang

digunakan untuk mengetahui hubungan sebab akibat antara
beberapa variabel.

Perubahan variabel terikat ditentukan oleh faktor lain. Faktor

lain tersebut dapat terdiri atas satu faktor atau lebih. Faktor
lain yang hanya satu berarti variabel bebasnya hanya satu dan
menggunakan analisis regresi sederhana.

Sebaliknya, bila faktor lain lebih dari satu berarti variabel

bebasnya berganda dan menggunakan analisis regresi
berganda.
Analisis Korelasi

Rumus yang dapat digunakan dalam analisis korelasi berupa metode

kuadrat terkecil (least square), sbb :

Y = Variabel terikat
X = Variabel bebas
n = Jumlah data yang dianalisis
a = Jumlah pasang observasi = nilai konstan
b = Koefisien regresi
Analisis Korelasi

Apabila X = Jualan biskuit susu, variabel bebas (independen)

Y = Jualan susu, variabel terikat (dependen)

Tahun X Y XY X² Y²
2011 3 130 390 9 16.900
2012 4 145 580 16 21.025
2013 5 150 750 25 22.500
2014 6 165 990 36 27.225
2015 7 170 1.190 49 28.900
Σ 25 760 3.900 135 116.550
Analisis Korelasi

Berdasarkan rumus metode kuadrat terkecil dan Tabel sebelumnya,

maka dibuat perhitungan sbb :
Analisis Korelasi

Perhitungan tersebut dapat juga dihitung dengan metode momen,

sbb :

Dengan demikian : Y = a + bX
b = 10 Y = 102 + 10X
Analisis Korelasi

Kemudian hubungan saling ketergantungan antara kedua variabel,

yaitu jualan susu dan jualan biskuit susu harus diuji dengan
koefisien korelasi. Koefisien korelasi menunjukkan angka paling kecil
-1 dan paling besar +1. Bila koefisien korelasi mendekati satu
berarti variabel bebas (X) terhadap variabel terikat (Y)adalah besar,
tidak peduli apakah koefisien korelasi tersebut positif atau negarif.
Jika koefisien korelasi mendekati nol berarti pengaruh dari variabel
tersebut kecil sekali (tidak berpengaruh).
Koefisisen Korelasi (R) Tafsiran
<0,20 Sangat lemah
0,20 – 0.40 Lemah
0,40 – 0,70 Cukup
0,70 – 0.90 Kuat
0,90 – 1,00 Sangat Kuat
Analisis Korelasi

Rumus koefisien korelasi (R), sebagai berikut :

= 0,98533

Oleh karena koefisien korelasi positif 0,98533 mendekati angka 1,

berarti pengaruh jualan biskuit susu sangat besar terhadap jualan
susu. Apabila jualan biskuit susu meningkat berarti jualan susu juga
meningkat atau bila jualan biskuit susu menurun berarti jualan susu
juga menurun.
Analisis Korelasi

Berikut ini perhitungan ramalan jualan biskuit susu (Y) dengan metode
tren garis lurus, sbb :

n Tahun Y X XY X²
1 2011 3 0 0 0
2 2012 4 1 4 1
3 2013 5 2 10 4
4 2014 6 3 18 9
5 2015 7 4 28 16
  Σ 25 10 60 30
Analisis Korelasi

Berdasarkan tabel di atas, dibuat perhitungan ramalan jualan biskuit

susu sbb :

Persamaan tren garis lurus : Jadi ramalan jualan tahun :

Y = a + bX 2011 = 3 + 1 (0) = 3
Y = 3 + 1X
2012 = 3 + 1 (1) = 4
2013 = 3 + 1 (2) = 5
2014 = 3 + 1 (3) = 6
Analisis Korelasi

Ramalan jualan biscuit susu (Y) dengan metode parabola kuadrat

atau tren garis lengkung (tren bukan garis lurus), sbb :

Tahun Y X XY X² X²Y X⁴
2011 3 -2 -6 4 12 16
2012 4 -1 -4 1 4 1
2013 5 0 0 0 0 0
2014 6 1 6 1 6 1
2015 7 2 4 4 28 16
Σ 25 0 0 10 50 34
Analisis Korelasi

Berdasarkan tabel di atas dapat dibuat perhitungan sbb :

25 = 5 a + 10 c……….. X3,4 25 = 5 a + 10 c
50 = 10 a + 34 c 25 = 5 (5) + 10 c
25 = 25 + 10 c
85 = 17 a + 34 c 25-25 = 10 c
50 = 10 a + 34 c c=0
35 = 7 a
a = 35 : 7 = 5
Analisis Korelasi

Persamaan tren bukan garis lurus (parabola kuadrat) :

Y = a + bX + cX²
Y = 5 + 1X + 0X²

Jadi ramalan jualan tahun :

2011 = 5 + 1 (-2) + 0 (4) = 3

2012 = 5 + 1 (-1) + 0 (1) = 4

2013 = 5 + 1 (0) + 0 (0) = 5
2014 = 5 + 1 (1) + 0 (1) = 6
2016 = 5 + 1 (2) + 0 (4) = 7
Analisis Korelasi

Hasil perhitungan ramalan jualan menurut metode tren garis lurus

dan garis lengkung (parabola kuadrat) tersebut kemudian
dibandingkan dengan jualan aktual, sbb :

Jualan Ramalan Jualan

Tahun Tren Garis Tren Bukan
Aktual
Lurus Garis Lurus
2011 3 3 3
2012 4 4 4
2013 5 5 5
2014 6 6 6
2015 7 7 7
Dari data di atas, data jualan aktual sama dengan ramalan jualan,
dengan demikian metode ramalan jualan bisa menggunakan
metode tren garis lurus atau metode tren bukan garis lurus.
Koefisien Determinan

Koefisien determinan (R2) baru saja dikemukakan pada analisis

korelasi. Koefisien determinan bila diakarkan (√) akan menjadi
koefisien korelasi dan koefisien korelasi (R) bila dikuadratkan
menjadi koefisien determinan (R2).

Dalam analisis regresi, koefisien determinan (coefficient of

determination) ini merupakan nilai terpenting karena koefisien
determinan menggambarkan seberapa jauh variabilitas Y
dipengaruhi oleh variabilitas X.
Pengujian Hipotesis tentang Koefisien Korelasi

Sebelum memutuskan untuk menggunakan variabel bebas (X)

untuk meramalkan variabel terikat (Y), terlebih dahulu dibuat
hipotesis (anggapan dasar) bahwa variabel X dan Y mempunyai
hubungan yang kuat. Dalam merumuskan hipotesis nol (H0) harus
disertai dengan hipotesis alternatif (Ha) sebagai berikut.

H0 ÷ e = 0, X dan Y tidak berkorelasi

Ha ÷ e < 0, X dan Y mempunyai hubungan negatif
Ha ÷ e > 0, X dan Y mempunyai hubungan positif
Ha ÷ e ≠ 0, X dan Y berkorelasi

Bila hasil pengujian ternyata harus menerima H0 berarti X dan Y

tidak berkorelasi, maka tidak ada gunanya menggunakan regresi
Y = a + bX untuk meramalkan Y.
ANALISIS REGRESI BERGANDA

Teknik regresi sederhana hanya mampu menganalisis satu

variabel terikat dan satu variabel bebas. Dalam dunia nyata
variabel bebas tidak hanya satu.

Oleh karena itu, diperlukan analisis regresi yang mampu

menjelaskan hubungan antara variabel terikat (dependen) dengan
variabel bebas (independen) yang lebih dari satu, yaitu analisis
regresi berganda.
Persamaan Regresi Berganda

Persamaan regresi linear (garis lurus) berganda dengan variabel

bebas (X) digambarkan sebagai berikut

Y = aₒ + a₁X₁ + a₂X₂ + ….. +

anXn
di mana :
Y = variabel terikat (dependen)
aₒ = konstanta (intersep) dari Y
a₁, a₂ dan an = koefisien regresi parsial
X₁, X₂ dan Xn= variabel bebas (independen)
Koefisien aₒ, a₁, dan a₂ ditentukan dengan menggunakan metode
kuadrat terkecil seperti halnya menentukan koefisien a dan b untuk
regresi garis lurus (linear), Y = a + bX.
Persamaan Regresi Berganda

• Koefisien a0, a1 dan a2 ditentukan dengan menggunakan metode

kuadrat terkecil seperti halnya menentukan koefisien a dan b
untuk regresi garis lurus (linear), Y = a + bX

• Rumus yang digunakan untuk metode kuadrat terkecil dalam

regresi berganda dua variabel bebas adalah:
ƩY = a0 n +a1 ƩX1 +a2 ƩX2 (1)
ƩYX1 = a0 ƩX1 +a1 ƩX12 +a2 ƩX1X2 (2)

ƩYX2 = a0 ƩX2 +a1 ƩX1X2 +a2 ƩX22 (3)

• Tabel pembantu untuk menganalisis regresi berganda:

Contoh : Perusahaan susu
Persamaan Regresi Berganda

Tahun Y X1 X2 X12 X 22 X2 Y X 1 X2 X1 Y Y2

2011 130 3 7 9 49 910 21 390 16.900

2012 145 4 3 16 9 435 12 580 21.025
2013 150 5 2 25 4 300 10 750 22.500
2014 165 6 4 36 16 660 24 990 27.225
2015 170 7 6 49 36 1.020 42 1.190 28.900
Ʃ 760 25 22 135 114 3.325 109 3.900 116.500
Persamaan Regresi Berganda

Koefisien a0 , a1 dan a2 dapat dihitung sebagai berikut:

ΣX₂Y = ΣX₂Y – (ΣX₂ΣY) = 3.325 – (22 x 760) = -19

n 5

ΣX₁² = ΣX₁² - (ΣX₁)² = 135 – (25)² = 10

n 5
ΣX₁Y = ΣX₁Y - (ΣX₁ΣY) = 3.900 – (25x760) = 100
n 5
ΣX₁X₂ = ΣX₁X₂ - (ΣX₁ ΣX₂) = 109 – (25x22) = -1
n 5
Persamaan Regresi Berganda

ΣX₂² = ΣX₂² - (ΣX₂)² = 114 – (22)² = 17,2

n 5
ΣY² = ΣY² – (ΣY)² = 116.550 – (760)² = 1.030
n 5
a₂ = (ΣX₂Y ΣX₁²) – (ΣX₁Y ΣX₁X₂) = (-19x10) – (100x-1)
(ΣX₁² ΣX₂²) – (ΣX₁X₂)² (10x17,2) – (-1)²
= -109 – (100) = -0,52632
172 - 1
a₁ = (ΣX₁Y ΣX₂²) – (ΣX₂Y ΣX₁X₂) = (100x17,2) – (-19x-1)
(ΣX₁² ΣX₂²) – (ΣX₁X₂)² (10x17,2) – (-1)²
= 1.720 – 19 = 9,94737
172 - 1
Persamaan Regresi Berganda

aₒ = Ȳ - a₁Ẍ₁ - a₂Ẍ₂
aₒ = 152 – 9,94737 (5) + 0,52632 (4,4)
aₒ = 152 – 49,73685 + 2,31581 = 104,57896

Dengan demikian, persamaan regresi linear berganda menjadi :

Y = aₒ + a₁X₁ + a₂X₂
Y = 104,57896 + 9,94737X₁ – 0,52632X₂

Jika pada tahun 2016 X₂ diramalkan 4,10 dan X₁ diramalkan sebanyak 8,

maka jualan susu tahun 2016 diramalkan sebanyak 182 unit.
Koefisien Korelasi

Seperti halnya pada analisis regresi sederhana, untuk mengetahui kuat

atau lemahnya hubungan variabel terikat (Y) dengan variabel bebas (X)
diperlukan perhitungan koefisien korelasi.

Pada analisis regresi sederhana hanya satu perhitungan koefisien

korelasi karena variabel bebasnya juga satu.

Pada analisis regresi berganda perhitungan koefisien korelasi dihitung

secara parsial dan secara berganda.
Koefisien Determinasi

Koefisien determinasi parsial dihitung berdasarkan perhitungan

koefisien korelasi parsial yang dikuadratkan sebagai berikut.

R² X1 = (0,98740)² = 0,97496 = 97,50 unit, artinya bila X2 konstan

(tetap), maka sumbangan X1 terhadap variabilitas Y sebesar 97,50
unit.

R2 X2 = (-0,39739)2 = 0,15792 = 15,79 unit, artinya bila X1 konstan

(tetap) maka sumbangan X2 terhadap variabilitas Y sebesar 15,79
unit.
Koefisien Determinasi

Berdasarkan perhitungan diatas dibuat perhitungan koefisien

determinasi berganda (R2) sbb:

R2 = ( a1 ƩX1y + a2 ƩX2y) = (9,94737 x 100) + (-0,52632 x -19)

Ʃy2 1.030

R2 = 994,737 + 10,00008= 0,975473 = 97,55%

1.030

R2 = 97,55 unit artinya bahwa variabel X₁ dan X₂ dapat

menjelaskan variabilitas Y secara bersama-sama sebanyak 97,55 unit,
sedangkan yang tidak dapat dijelaskan sebanyak 2,45 unit. Sebesar
2,45 unit dijelaskan oleh faktor lain selain X₁ dan X₂.
REFERENSI

Nafarin. M (2018). Penganggaran Perusahaan, Edisi 3.

Salemba Empat: Jakarta.
THANK YOU
www.binainsani.ac.id