ANALISIS

REGRESI SEDERHANA

Oleh:
A. Azis Laitupa, SE,M.Si
 SEJARAH REGRESI

Istilah Regresi diperkenalkan oleh Fancis

Galtom
“Meskipun ada kecenderungan bagi orang tua yang
tinggi mempunyai anak-anak yang tinggi, dan bagi
orang tua yang pendek mempunyai anak yang
pendek, distribusi tinggi dari suatu populasi tidak
berubah secara menyolok (besar) dari generasi ke
generasi”.

Regresi = “Kemunduran ke arah sedang”

ILUSTRASI
 Pengertian Regresi
 Analisis regresi merupakan studi
ketergantungan satu atau lebih
variabel bebas terhadap variabel tidak
bebas. Dengan maksud untuk
meramalkan nilai variabel tidak bebas.
 Contoh Penerapan
Analisis Regresi
1. Analisis Regresi antara tinggi orang tua terhadap
tinggi anaknya (Gultom).
2. Analisis Regresi antara pendapatan terhadap
konsumsi rumah tangga.
3. Analisis Regresi antara harga terhadap penjualan
barang.
4. Analisis Regresi antara tingkat upah terhadap tingkat
pengangguran.
5. Analisis Regresi antara tingkat suku bunga bank
terhadap harga saham
6. Analisis regresi antara biaya periklanan terhadap
volume penjualan perusahaan.
 KETERGANTUNGAN
STATISTIK VS. FUNGSIONAL
 Hubungan kausal (ketergantungan statistik)
– Konsumsi dengan pendapatan
– Masa kerja dengan produktifitas
– Iklan dengan penjualan
 Hubungan fungsional/Identitas
– Likuditas dengan aktiva lancar
– Produktivitas dengan hasil produksi
– Upah karyawan dengan jam kerja
 Perbedaan mendasar antara
korelasi dan regresi ?
 Korelasi hanya  Regresi menunjukkan
menunjukkan hubungan pengaruh.
sekedar hubungan.  Dalam regresi
 Dalam korelasi terdapat istilah
variabel tidak ada tergantung dan
istilah tergantung variabel bebas.
dan variabel bebas.
Istilah dan notasi variabel
dalam regresi ?
Y X
 Varaibel tergantung
(Dependent Variable)
 Variabel yang dijelaskan
(Explained Variable)
 Variabel yang diramalkan
(Predictand)
 Variabel yang diregresi
(Regressand)
 Variabel Tanggapan
(Response)
 Varaibel bebas (Independent
Variable)
 Variabel yang menjelaskan
(Explanatory Variable)
 Variabel peramal (Predictor)
 Variabel yang meregresi
(Regressor)
 Variabel perangsang atau
kendali (Stimulus or control
variable)
 Persamaan Regresi
Persamaan Regresi
linier Sederhana:
n( XY )  ( X )( Y )
Y = a + bX +  b
n(  X 2 )  (  X ) 2
Y = Nilai yang diramalkan
a = Konstansta
b = Koefesien regresi
a
 Y  b( X )
X = Variabel bebas
n
 = Nilai Residu
 Mencari nilai a dan b
 Rumus 1 a
(Y )(X 2 )  (X )(XY )
(n)(X 2 )  (X ) 2
(n)(XY )  (X )(Y )
b
(n)(X 2 )  (X ) 2

 Pendekatan Matriks
 n X  a   Y 
    
2  

 X X  b   XY 
det A1 det A2
a b
det A det A
 n X   Y X   n Y 
A   
2
A1   
2
A2   
 X X   XY X   X XY 
det A  (n)(X 2 )  (X )(X )
det A1  (Y )(X 2 )  (X )(XY )
det A2  (n)(XY )  (Y )(X )
 Rumus II
(n)(XY )  (X )(Y )
b 2 2
(n)(X )  (X )
__ ___
a  Y  b. X
 Contoh Kasus:
Seorang manajer pemasaran akan meneliti
apakah terdapat pengaruh iklan terhadap
penjualan pada perusahaan-perusahaan di
Kabupaten WaterGold, untuk kepentingan
penelitian tersebut diambil 8 perusahaan
sejenis yang telah melakukan promosi.
 Pemecahan
1. Judul
Pengaruh biaya promosi terhadap
penjualan perusahaan.
2. Pertanyaan Penelitian
– Apakah terdapat pengaruh positif biaya
promosi terhadap penjualan perusahaan ?
3. Hipotesis
– Terdapat pengaruh positif biaya promosi
terhadap penjualan perusahaan.
 4. Kriteria Penerimaan
Hipotesis
Ho : Tidak terdapat pengaruh positif biaya iklan
terhadap penjualan perusahaan.
Ha : Terdapat pengaruh positif biaya iklan terhadap
penjualan perusahaan.

 Ho diterima Jika
b ≤ 0, t hitung ≤ tabel

 Ha diterima Jika
b > 0, t hitung > t tabel.
5. Sampel
8 perusahaan
6. Data Yang dikumpulkan

Penjualan (Y) 64 61 84 70 88 92 72 77

Promosi (X) 20 16 34 23 27 32 18 22
 7. Analisis Data
Untuk analisis data diperlukan, perhitungan:
1.Persamaan regresi
2.Nilai Prediksi
3.Koefesien determinasi
4.Kesalahan baku estimasi
5.Kesalahan baku koefesien regresinya
6.Nilai F hitung
7.Nilai t hitung
8.Kesimpulan
Persamaan Regresi
Y X XY X2 Y2
64 20 1280 400 4096
61 16 976 256 3721
84 34 2856 1156 7056
70 23 1610 529 4900
88 27 2376 729 7744
92 32 2944 1024 8464
72 18 1296 324 5184
77 22 1694 484 5929
608 192 15032 4902 47094
 n( XY )  ( X )( Y )
b
n( X 2 )  ( X ) 2

8(15032)  (192)(608)
b  1,497
8(4902)  (192) 2

a
 Y  b( X )
n

(608)  1,497(192)
a  40,082
8

Y= 40,082 + 1,497X+e
 Nilai Prediksi
 Berapa besarnya penjualan jika promosi sebesar 20?
40,082 + (1,497*20)= 70,022
 Berapa besarnya penjualan jika promosi sebesar 16?
40,082 + (1,497*16)=64,034
 Berapa besarnya penjualan jika promosi sebesar 34?
40,082 + (1,497*34)= 90,98
 Berapa besarnya penjualan jika promosi sebesar 23?
40,082 + (1,497*23)= 74,513
 Berapa besarnya penjualan jika promosi sebesar 27?
40,082 + (1,497*27)=80,501
 Berapa besarnya penjualan jika promosi sebesar 32?
40,082 + (1,497*32)= 87,986
Dan seterusnya…………………….!!!
No Y X XY X2 Y2 Ypred (Y-Ypred)2 (Y-Yrata)2

1 64 20 1280 400 4096 70.022 36.264 144

2 61 16 976 256 3721 64.034 9.205 225

3 84 34 2856 1156 7056 90.98 48.720 64

4 70 23 1610 529 4900 74.513 20.367 36

5 88 27 2376 729 7744 80.501 56.235 144

6 92 32 2944 1024 8464 87.986 16.112 256

7 72 18 1296 324 5184 67.028 24.721 16

8 77 22 1694 484 5929 73.016 15.872 1

Jlh 608 192 15032 4902 47094 608.08 227.497 886

 Koefesien Determinasi
Koefesien determinasi:
 (Y  Yˆ ) 2
2
(227,497)
2
R  1 R  1  0,743
 (Y  Y ) 2
(886)

Koefesien Determinasi Disesuaikan (adjusted)

P (1  R 2
) 1(1  0,743)
Radj  R2  Radj  0,743   0,70
N  P 1 8 11
 Kesalahan Baku
Estimasi
Digunakan untuk mengukur tingkat
kesalahan dari model regresi yang dibentuk.

Se 
 (Y  Yˆ ) 2

Se 
(227,467)
 6,1576
nk 82
Standar Error Koefesien
Regresi
Digunakan untuk mengukur besarnya tingkat
kesalahan dari koefesien regresi:

Se 6,1576
Sb  Sb1   0,359
( X ) 2
(192) 2
2
X  (4902) 
n 8
 Uji F
Uji F digunakan untuk uji ketepatan model, apakah nilai prediksi
mampu menggambarkan kondisi sesungguhnya:

Ho: Diterima jika F hitung  F tabel

Ha: Diterima jika F hitung > F tabel
R 2 /( k  1) 0,743 /( 2  1)
F F  17,367
1  R 2 /(n  k ) 1  0,743 /(8  2)

Karena F hitung (17,367) > dari F tabel (5,99) maka persamaan

regresi dinyatakan Baik (good of fit).
 Uji t
Digunakan untuk mengatahui pengaruh variabel bebas
terhadap variabel tergantung.
Ho: Diterima jika t hitung  t tabel
Ha: Diterima jika t hitung > t tabel

bj 1,497
Thitung  t hitung   4,167
Sbj 0,359

Sb = Standar Eror
Karena t hitung (4,167) > dari t tabel (1,943) maka Ha diterima
ada pengaruh iklan terhadap penjualan.
SUMMARY
OUTPUT

Regression Statistics
Multiple R 0.862
R Square 0.743
Adjusted R Square 0.700
Standard Error 6.158
Observations 8

ANOVA
Significan
  df SS MS F ce F
Regression 1 658.503 658.503 17.367 0.006
Residual 6 227.497 37.916
Total 7 886     

Coefficien Standard
  ts Error t Stat P-value
Intercept 40.082 8.890 4.509 0.004
X 1.497 0.359 4.167 0.006
 Persamaan regresi linier:
Y = 40,082 + 1,497X

Kesalahan standar deviasi Sb = 0.359

Nilai t hitung = 4.167. nilai ini digunakan
dalam pengujian terhadap koefisien
regresi untuk mengetahui apakah
variable independen berpengaruh
secara signifikan terhadap perubahan
nilai variabel dependen
 Untuk kasus ini  5% nilai kritisnya
adalah (lihat tabel distribusi normal):

t(n-k; /2) = t(8-2;0.025) = + 2.447

t.Hitung = 4.167 lebih besar dari t.kritis =

2.447. keputusannya adalah menolak
H0. Artinya, secara statistik X
berpengaruh terhadap Y
 Pengaruh X terhadap Y dapat juga
dilihat melalui p-value

p-value = 0.00590 lebih kecil bila

dibandingkan dengan  0.05,
sehingga keputusannya menolak H0.
Artinya, secara statistik X berpengaruh
terhadap Y. ini konsisten dengan hasil
pengujian menggunakan nilai t.hitung.
 Koefisien determinasi r square =
0.743

Digunakan untuk mengetahui

presentase pengaruh variabel
independen terhadap perubahan
variabel dependen. Artinya, pengaruh
variabel X terhadap perubahan
variabel Y adalah 74.3%, sedangkan
sisanya 25.7% dipengaruhi variabel
lain selain variabel X.
 Nilai F ratio = 17.367

Dapat digunakan dalam pengujian untuk

mengetahui apakah variasi nilai
variabel independen secara statistik
dapat menjelaskan variasi nilai
variabel dependen.
 KESIMPULAN DAN
IMPLIKASI
KESIMPULAN
Terdapat pengaruh positif biaya
periklanan terhadap volume penjualan.

IMPLIKASI
Sebaiknya perusahaan terus
meningkatkan periklanan agar
penjualan meningkat.
 Uas
 Berikut ini data mengenai pengalaman kerja dan
penjualan
 X=pengalaman kerja (tahun)
 Y=omzet penjualan (ribuan)
X 2 3 2 5 6 1 4 1
Y 5 8 8 7 11 3 10 4

 Tentukan nilai a dan b

 Buatkan persamaan regresinya!
 Berapa omzet pengjualan dari seorang karyawan
yg pengalaman kerjanya 3,5 tahun
Penyelesaian :
X Y X2 Y2 XY (8)(198)  (24)(56)
2 5 4 25 10 b
3 8 9 64 24
(8)(96)  (24) 2
2 8 4 64 16 1.584  1.344
5 7 25 49 35 b  1,25
6 11 36 121 66 768  576
1 3 1 9 3
4 10 16 100 40 Cara 2.
1 4 1 16 4
24 56 96 448 198  8 24  a   56 
     
___
24 ___
56  24 96  b  198 
X  3 Y  7
8 8  8 24   56 24   8 56 
A    A1    A2   
 24 96  198 96   24 198 
Cara 1.
det A  (8)(96)  (24  24)  192
(56)(96)  (24)(198)
a 2
det A1  (56)(96)  (24)(198)  624
(8)(96)  (24)
det A2  (8)(198)  (56)(24)  240
5.376  4.752
a  3,25 a  624  3,25 b  240  1,25
768  576 192 192
Cara 3 (8)(198)  (24)(56)
b
(8)(96)  (24) 2
1.548  1.344
b  1,25
768  576
a  7  1,25(3)
a  3,25
a. Dari ketiga cara pengerjaan tersebut diperoleh
nilai a = 3,25 dan nilai b = 1,25

a. Persamaan regresi linearnya adalah

Y=3,25+1,25X

a. Nilai duga Y, jika X=3,5 adalah Y=3,25+1,25X

Y=3,25+1,25(3,5)
=7,625
 Koefisien Determinasi
(R2)
2 ((n)(XY )  (X )(Y )) 2
R 
( n ( X 2 )  ( X ) 2 ( n ( Y 2 )  ( Y ) 2 )
2 ((8)(198)  (24)(56)) 2
R 
(8(96)  (24) 2 (8(448)  (56) 2 )
2 (1.584  1.344) 2
R 
(768  576) (3.584  3.136)
2 (240) 2 57.600
R    0,6696
(192)(448) 86.016

Nilai determinasi (R2) sebesar 0,6696, artinya sumbangan atau

pengaruh pegalaman
Kerja terhadap naik turunnya omzet penjualan adalah sebesar
66,96%. Sisanya 33,04%
Disebabkan oleh faktor lain yang tidak dimasukkan dalam model.
Contoh kasus 3
Pabrik gelas “Kawung” mengklaim bahwa paling sedikit 95% gelas
yang diproduksinya berkualitas baik. Sebuah penelitian dari 200
sampel gelas memperlihatkan adanya gelas yang cacat sebanyak
18 buah. Apakah anda menerima pernyataan pabrik tersebut? Uji
dengan taraf signifikasi 5%
x / n 0
H0 :  = 0,95 z
Rumusan Hipotesis  0 (1   0 ) / n
H1 :  > 0,95

• Zα  Nilai z tabel pada α tertentu

 Z5% = Z0,05 = 1,645

 Z10% = Z0,10 = 2,33
 Z2,5% = Z0,025 = 1,96
 Z0,5% = Z0,005 = 2,575
 x / n 0
Statistik Uji z
 0 (1   0 ) / n

182 / 200  0,95 0,91  0,95

z   2,597
0,95(0,05) / 200 0,0154
Tentukan daerah kritis
(lihat tabel z dengan nilai p = 0,4500)

Daerah Tolak H0

Daerah Terima H0
/2
/2   0,05

1,65
z
-2,597

Karena z hitung < z tabel (terletak di daerah terima H0), maka dapat
disimpulkan bahwa pernyataan pabrik tersebut yang menyatakan bahwa
produk yang tidak baik paling sedikit 95% tidak dapat diterima.