METODE KUANTITATIF

REGRESI LINIER
Sumber: Mudrajad Kuncoro, Metode Kuantitatif, hal. 75-128

Dr. Hasmin, S.E., M.Si.

hasmintamsah@gmail.com
+628124298762 atau +6282344149617
Dosen DPK pada STIE Nobel Indonesia
Ketua Program Studi (KPS) Magister Manajemen PPs. STIE AMKOP
 LMS
• Untuk user mahasiswa Akses
pelita.stieamkop.ac.id
• Nama Pengguna : Stambuk Masing-Masing
• Pass : Pasca@2021pjj
 Apa itu Regresi Linier ?
• Regresi merupakan alat ukur yg
digunakan untuk mengetahui ada
tidaknya korelasi antarvariabel.
• Analisis regresi lebih akurat dlm
analisis korelasi karena tingkat
perubahan suatu variabel terhdp
variabel lainnya dpt ditentukan). Jadi
pada regresi, peramalan atau
perkiraan nilai variabel terikat pada
nilai variabel bebas lebih akurat
pula.
• Regresi linier adalah regresi yang
variabel bebasnya (variabel X)
berpangkat paling tinggi satu. Utk
regresi sederhana, yaitu regresi
linier yg hanya melibatkan dua
variabel (variabel X dan Y).
Persamaan Regresi Linear dari X terhadap Y
Y = a + bX
Keterangan :
Y = variabel terikat
X = variabel bebas
a = intersep / konstanta
b = koefisien regresi /
slop
Persamaan regresi linear
di atas dpt pula dituliskan
dlm bentuk
 xy 
Y   2 x
 x 
 Regresi Linier Sederhana

Kompensasi
+ Kedisiplinan

Kompensasi
- Kedisiplinan

Alat olah data SPSS

 Regresi Linier Sederhana

Kedisiplinan
+

Kompensasi

+
Kinerja

Alat olah data SPSS

 Regresi Linier Berganda

Kompensasi
+

Kinerja

+
Kedisiplinan

Alat olah data SPSS

 Analisis Jalur (Path Analysis)

Kompensasi
+
+
Kedisiplinan + Kinerja

+
+
Pelatihan

Alat untuk mengolah data SPSS atau SEM-Amos

 Analisis Jalur (Path Analysis)

Kompetensi
+
+
Pelatihan + Kinerja

+
+
Kedisiplinan

Alat untuk mengolah data SPSS atau SEM-Amos

 Analisis Jalur (Path Analysis)

Kompetensi
+
+
Pelatihan + Kinerja

+
+
Kreativitas Kerja

Alat untuk mengolah data SPSS atau SEM-Amos

 Analisis Jalur (Path Analysis)

Pelatihan
+ Kinerja

+ +
Kompetensi

+ +
+

Kreativitas Kerja

Alat untuk mengolah data SPSS atau SEM-Amos

 Input Proses Output

Reward &
Kedisiplinan
Punishment

Suasana Kerja Kreativitas Kerja

Kinerja Pegawai
Training Kompetensi

Kompensasi Semangat Kerja

 Mencari nilai a dan b ƩX=24
• Rumus (1) a  (Y )(X 2
)  (X )( XY ) ƩY=56
(n)( X 2 )  (X ) 2 X2=96
b
(n)( XY )  (X )( Y ) ƩXY=198
(n)( X 2 )  (X ) 2 ƩY2=48
• Pendekatan Matriks (2) a=3,25
 n

X  a   Y 
     b=1,25
2  
  X  X b
    XY 
det A0 det A1
a
det A
b
det A Y=a+bX
 n X   Y X   n Y  Y=3,25 +
A    A    A   
X 2  X 2  XY  1,25X
0 1
 X  XY  X
det A  (n)( X 2 )  (X )(X ) Y=3,25+1,25(
det A0  (Y )(X 2 )  (X )(XY ) 3,5)
det A1  (n)(XY )  (Y )( X )
• Rumus (3) (n)(XY )  (X )(Y )
b 2 2
(n)(X )  (X )
__ ___
a  Y  b. X
 Contoh Soal
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 (gunakan ketiga cara)!

• Buatkan persamaan regresinya!
• Berapa omzet penjualan dari seorang karyawan yg
pengalaman kerjanya 3,5 tahun
Penyelesaian :
X Y X2 Y2 XY
___
24 ___
56
2 5 X  3 Y  7
4 25 10 8 8
3 8 9 64 24
2 8 4 64 16 (8)(198)  (24)(56)
5 7 b
6 11
25 49 35 (8)(96)  (24) 2
36 121 66
1 3 1 9 3 1.584  1.344
4 10 16 100 40
b  1,25
1 4 1 16 4
768  576
24 56 96 448 198

Cara 2.
(Y )( X 2 )  (X )(XY )
a  8 24  a   56 
( n)(X 2 )  (X ) 2      
 24 96  b  198 
( n)(XY )  (X )( Y )
b  8 24   56 24   8 56 
( n)(X 2 )  (X ) 2 A    A0    A1   
 24 96  198 96   24 198 
Cara 1.
det A  (8)(96)  (24  24)  192
(56)(96)  ( 24)(198)
a det A0  (56)(96)  (24)(198)  624
(8)(96)  ( 24) 2
det A1  (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
b. Persamaan regresi linearnya
adalah Y=3,25+1,25X
c. Nilai duga Y, jika X=3,5 adalah
Y=3,25+1,25X
Y=3,25+1,25(3,5)
=7,625
 Siapkan
• SPSS  versi 23, 25, 27
• Manajemen referensi=
Mendeley (google)
 Y= 3,25 + 1,25 X
Pengalaman 1,25 Omzet Penjualan
Kerja (X) (Y)

 Pengalaman kerja berpengaruh positif (signifikan)

terhadap omzet penjualan, sehingga semakin tinggi
pengalamannya maka semakin besar omzet
penjualannya.
 Setiap penambahan pengalaman 1 tahun maka
omzet penjualannya akan meningkat sebesar 1,25
 Coefficientsa

Unstandardized Standardized
Coefficients Coefficients
Model t Sig.

B Std. Error Beta

(Constant) 3.250 1.242 2.618 .040

1
Pengalaman Kerja 1.250 .358 .818 3.487 .013
a. Dependent Variable: Omzet Penjualan

Y= 3,25 + 1,25 X
Signifikansi yaitu dengan memperhatikan
nilai di bawah sig., yaitu sebesar 0,013 < 0,05
sehingga dapat dikatakan pengaruhnya
signifikan
 Instal program di komputer
• SPSS versi 23 (di tempat pengetikan atau toko
komputer); digunakan untuk menghitung pengaruh
dengan menggunakan regresi (linier sederhana
maupun linier berganda)
• SEM AMOS versi 23 (di tempat pengetikan atau
toko komputer); digunakan untuk menghitung
pengaruh dengan alat analisis yang lebih tinggi dari
regresi yang disebut SEM
• Mendeley (google); alat yang digunakan untuk
manajemen sitasi, teman2 untuk membuat proposal,
tesis, atau tugas yang dapat dengan mudah menulis
referensi yang digunakan dalam tulisan
 Koefisien Determinasi (R ) 2

2 (( n)(XY )  (X )(Y )) 2

R 
(n(X 2 )  (X ) 2 (n(Y 2 )  (Y ) 2 )
2
((8)(198 )  ( 24 )( 56))
R2 
(8(96)  (24) 2 (8(448)  (56) 2 )
2
(1 . 584  1 .344)
R2 
(768  576) (3.584  3.136)
2
( 240 ) 57.600
R2    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.
 SELISIH TAKSIR STANDAR
(STANDAR DEVIASI)
• Angka indeks yg digunakan utk
mengukur ketepatan suatu
penduga atau mengukur jumlah
variasi titik-titik observasi di
sekitar garis regresi.
• Jika semua titik observasi
berada tepat pada garis regresi,
selisih taksir standar sama
dengan nol. Menunjukkan
pencaran data.
• Selisih taksir standar berguna
mengetahui batasan seberapa
jauh melesetnya perkiraan
dalam meramal data.
 Rumus
(Y  Y ' ) 2
S y / x  S x. y  Se 
n2
atau
( X  Y ' ) 2
S x / y  S y. x  Se 
n2

Keterangan :
Sy/x = Sx/y = Selisih taksir standar
Y = X = nilai variabel sebenarnya
Y’ = X’ = nilai variabel yang diperkirakan
n = jumlah frekuensi
 Contoh :
• Hubungan antara variabel X dan variabel Y
X 1 2 3 4 5 6
Y 6 4 3 5 4 2

a. Buatkan persamaan regresinya

b.Tentukan nilai duga Y, jika X = 8
c. Tentukan selisih taksir standarnya
 Penyelesaian
X Y X2 Y2 XY n( XY )  ( X )(  Y )
b
1 6 1 36 6 n(  X 2 )  (  X ) 2
2 4 4 16 8
6(75)  (21)( 24)
3 3 9 9 9 b
4 5 16 25 20 6(91)  (21) 2
5 4 25 16 20  54
b  0,5
6 2 36 4 12 105
21 24 91 106 75
a  Y  b. X
24  21 
a  (0,5) 
6 6
a. Persamaan garis regresinya:
Y’ = 5,75 – 0,5 X
b. Nilai duga Y’, jika X=8
Y’ = 5,75 – 0,5 (8)
Y’ = 1,75
c. Selisih taksir standar
X Y Y' Y-Y' (Y-Y')2 2
1 6 5.25 0.75 0.5625 (Y  Y ' )
2 4 4.75 -0.8 0.5625 Sy/x 
3 3 4.25 -1.3 1.5625 n2
4 5 3.75 1.25 1.5625
5,375
5 4 3.25 0.75 0.5625
Sy/x  1,2
6 2 2.75 -0.8 0.5625
5.375
62
TERIMA KASIH