Pengantar (1)

• Analisis regresi digunakan untuk mempelajari dan

mengukur hubungan statistik yang terjadi antara
dua varibel atau lebih
• Variabel tersebut adalah variabel X (variabel
independent / variabel yang mempengaruhi /
variabel bebas), dan variabel Y (variabel
dependent /variabel yang dipengaruhi/variabel
terikat)
 Pengantar (2)
 Pada dasarnya hubungan antar 2 variabel
dapat dibedakan atas:
1. Hubungan searah/positif
2. Hubungan tidak searah/negatif
3. Tidak ada hubungan
 Hubungan searah/positif
 Hubungan yang searah diartikan apabila perubahan
variabel x (independent) akan mempengaruhi
variabel y (dependent) yang searah.
Contoh :
a. hubungan antara pengeluaran iklan (x) dan
jumlah penjualan (y).
b. Hubungan antara penghasilan (X) dan
pengeluaran konsumsi (Y)
Hubungan tidak searah/negatif
 Dua variabel dikatakan mempunyai hubungan
yang bersifat kebalikan atau negatip, apabila
perubahan variabel independent (x) akan
mempengaruhi variabel dependent (Y) pada
arah yang berlawanan.
 Artinya apabila variabel x bertambah, maka
variabel y berkurang atau sebaliknya, jika
variabel x berkurang maka variabel y
bertambah
Hubungan tidak searah/negatif
Contoh :
a. Hubungan antara usia kendaraan (X) dengan
tingkat harga (Y).
b. Hubungan antara harga barang (x) dengan
jumlah yang diminta (Y)
 Tidak ada hubungan

 Dua variabel dikatakan tidak punya hubungan

apabila perubahan pada variabel independent
(x) tidak mempengaruhi perubahan pada
variabel dependent (y).
 Contoh :
Hubungan antara konsumsi pangan (x)
dengan tingginya gedung (y).
 Regresi linier
• Regresi merupakan suatu alat ukur yang juga
digunakan untuk mengukur ada atau tidaknya
korelasi antar variabel.
• Analisis regresi lebih akurat dalam melakukan
analisis korelasi, karena pada analisis itu kesulitan
dalam menunjukkan slop (tingkat perubahan suatu
variabel terhadap variabel lainnya dapat
ditentukan). Jadi, dengan analisis regresi,
peramalan atau perkiraan nilai variabel terikat pada
nilai variabel bebas lebih akurat pula.
 Regresi linier

• Untuk regresi linear sederhana, yaitu regresi

linear yang hanya melibatkan dua variabel
(variabel X dan Y), persamaan garis
regresinya dapat dituliskan dalam dua
bentuk, yaitu sebagai berikut.
 Perbedaan Regresi dan Korelasi

 Regresi menunjukkan hubungan antara variabel satu

dengan variabel lainnya.
 Sifat hubungan dapat dijelaskan: variabel yang satu
sebagai penyebab, variabel yang lain sebagai akibat.
 Korelasi tidak menunjukkan hubungan sebab akibat,
akan tetapi menunjukkan hubungan antara variabel
satu dengan yang lain.
 Persamaan Regresi Linear dari Y
terhadap X

Y = a+bX
Dimana
Y = variabel terikat
X = variabel bebas
a = intersep/konstanta
b = koefisien regresi/slop
Rumus a dan b
(Y ) (X 2 )  (X ) (XY )
a= 2 2
(n)(X )  (X )

(n) (XY )  (X ) (Y )

b=
(n) (X 2 )  (X )2
 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

1. Tentukan nilai a dan b !

2. Buatkan persamaan garis regresinya Y’ = a + bX!
3. Berapa Omzet penjualan dari seorang karyawan
yang pengalaman kerjanya 3,5 tahun ?
Penyelesaian
X Y X2 XY
2 5 4 10
3 8 9 24
2 8 4 16
5 7 25 35
6 11 36 66
1 3 1 3
4 10 16 40
1 4 1 4

24 56 96 198
1. Nilai a
(Y ) (X 2 )  (X ) (XY )
a= 2 2
(n)(X )  (X )
(56) (96)  (24) (198)
(8) (96)  (24) (24)
5.376  4.752 624
  3,25
768  576 192
1. Nilai b
(n) (XY )  (X ) (Y )
b= ( n ) (  X 2 )  ( X ) 2
(8) (198)  ( 24) (56)
(8) (96)  ( 24) (24)
1.584 1.344 240
  1,25
768  576 192
2. Persamaan tersebut linearnya adalah

'
Y  a  bX
Y  3,25  1,25 X

b = 1,25 jika variabel X (peng. Kerja) bertambah

sebesar 1 th, maka variabel Y (Omzet
penjualan) akan bertambah pula sebesar
1,25
a = 3,25 Pada saat variabel X (peng. Kerja) nilainya
konstan (0) Maka omzet penjualan (Y)
nilainya sebesar 3,25
3. Nilai duga Y, jika X = 3,5
'
Y  3,25  1,25 (3,5)
= 3,25 + 4,375
= 7,625