Regresi Sederhana

REGRESI
BERGANDA
 Regresi Sederhana (Simple
Regression)
 Menjelaskan bagaimana pengaruh
suatu variabel (variabel
independen/X) pada variabel lain
(variabel dependen/Y)
 Tujuannya mendapatkan
dugaan/ramalan/ estimasi dari suatu
variabel dengan menggunakan
variabel lain yg diketahui (variabel
independen)
 Persamaan regresi linier: Y = a + bX
Jenis Regresi
 Regresi sederhana: jika jumlah variabel
bebas hanya 1 ( ∑ X = 1) dengan
persamaan regresi : Y = a + bX
 Regresi berganda: jika jumlah variabel
bebas lebih dari 1 ( ∑ X > 1) dengan
persamaan regresi: Y = a + b1X1 + b2X2
+…+ bnXn
 Contoh regresi sederhana
 Apakah biaya promosi berpengaruh pada
volume penjualan?
 Apakah kepuasan konsumen berpengaruh
pada loyalitas?
 Apakah stres berpengaruh pada kinerja
karyawan?
 Apakah harga berpengaruh pada
penjualan/sales?
VI (X) VD (Y)
Jumlah pupuk + hasil panen
Jumlah jam bljr + IPK
Promosi + penjualan
Harga - penjualan
Stres - kinerja karyawan
+ Searah x naik y naik
- Berlawanan x naik y turun
 Rumus
 b = n  XY -  XY
n  X2 – (X)2
 a = 1/n (Y - b X)

 Y = n a + b X
 XY = a X + b X2
No Pupuk (X) Hasil panen (Y) XY X2
1 2 16 32 4
2 4 18 72 16
3 5 22 110 25
4 7 22 154 49
5 10 24 240 100
6 11 28 308 121
7 12 30 360 144
8 15 + 32 + 480 + 225 +
66 192 1756 684
 b = (8x1756) – (66x192) = 1376 = 1,23
(8x684) – (66)2 1116
 a = 1/8 x (192 – 1,23x66) = (1/8) x 110,82
= 13,85
Sehingga persamaan regresi Y = a + bX
Y = 13,85 + 1,23X
X=1 Y= (1,23 x1) + 13,85 = 1,23 + 13,85 = 15,08
X=2 Y= (1,23 x2) + 13,85 = 2,46 + 13,85 = 16,31
Y2 =16,31
Y1 =15,08 -
B = 1,23
 a = 13,85 menunjukkan nilai Y jika X = 0
 b = 1,23 menunjukkan Y akan naik 1,23 jika X naik satu-satua
 KLO X = 10  Y?
 Y = a + bX
 Y = 13,85 + (1,23x10)
 Y = 13,85 + 12,3
 Y = 26,15
 Korelasi (r) & Koefisien
Determinasi (R2)
 Mengukur tingkatan hubungan antara 2 variabel
 Menunjukkan seberapa kuat hubungan variabel
independen dengan dependen
 Besarnya korelasi berada dalam interval
-1 ≤ r ≤ 1
 R = 1 korelasi 2 variabel searah (positif) kuat
 R = -1 korelasi 2 variabel tidak searah (negatif) kuat
 R = 0 tidak ada hubungan antar 2 variabel
 Koefisien Determinasi menunjukkan proporsi
keragaman total dalam Y yg dapat diterangkan oleh
garis regresi (prosentase perubahan Y yang disebabkan
oleh X)
R = n Σ xy -  x y
 [(n Σx2 - (x)2] . [(nΣy2 - (y)2]
 y = an + b1 x1 + b2 x2
 Σ x1y = a x1 + b1 x12 + b2 x1x2
 Σ x2y = a x2 + b2 x22 + b1 x1x2
 Regresi Berganda (Multiple
Regression)
 Memprediksi besar variabel tergantung
(variabel dependen) dengan menggunakan
data beberapa variabel bebas (variabel
independen). Y = a + b1X1 + b2X2 +bnXn
 Masalah-masalah dalam analisis regresi:
Multikolinearitas
Otokorelasi
Heteroskedastisitas