You are on page 1of 16

MODUL PERKULIAHAN

Statistik

Modul 13.
Analisis regresi linier dan berganda,
koefisien determinasi, pengujian
hipotesa pada regresi

Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

13
EKONOMI BISNIS AKUNTANSI MK34002 Yusnina, SP.,M.Stat

Abstract Kompetensi
Materi ini bertujuan untuk memahami a. Mengetahui dan memahami arti
prosedur analisi regresi linier berganda, dan kegunaan analisis regresi
koefisien determinasi dan Uji linier berganda
signifikansi b. Mengetahui dan memahami
koefisien determinasi dan uji
signifikansi
Analisis regresi linier dan berganda, koefisien
determinasi, pengujian hipotesa pada
regresi
PENGERTIAN :

 Sebuah model yang berusaha menerangkan hubungan fungsional antara dua buah
variabel, di mana satu variabel menjadi prediktor terhadap variabel respon (Y)
 Sebuah model yang berusaha menerangkan hubungan dependensi dari dua
variabel, di mana salah satu variabel bersifat dependen (Y) atas variabel lainnya.
 Hubungan ini tidak bersifat deterministik

JENIS HUBUNGAN

 Regresi Linier Sederhana


 Regresi Linier Multipel
 Regresi Non linier

Model Dasar Regresi Linier Sederhana

Y = a + bx + e

a adalah parameter intercept

b adalah parameter slope

e adalah residual yang merupakan variabel random dengan

E(e) = 0 dan berdistribusi normal

Syarat variabel dalam regresi:

 Variabel X dan Y memiliki skala pengukuran sekurang-kurangnya interval


 Data yang terkumpul harus memenuhi model dasar
 Pengumpulan datanya bisa dilakukan melalui dua cara :
- Variabel X (independent) ditentukan terlebih dahulu

‘16 Statistik Bisnis


2 Yusnina,SP.,M.Stat
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
- Sekaligus dihitung X dan Y
 Karena harga variabel X fixed, maka distribusi variabel Y sama dengan variabel e
yaitu mengikuti distribusi normal dengan rata-rata nol dan varians 2
(homoscedasticity)

Istilah-istilah:

1. Kekeliruan (e), menggambarkan dua keadaan, yaitu:


- Kontribusi variabel-variabel independen lain yang tidak termasuk ke dalam
model
- Error of Measurement artinya pengukuran hanya terhadap sampeljadi pasti
akan ada kesalahan atau kekeliruan
2. Koefisien intercept, a, menyatakan berapa besarnya rata-rata Y jika X = 0
3. Koefisien regresi, b, menunjukkan besarnya perubahan nilai rata-rata Y jika X
berubah satu unit
4. Variabel bebas / independent variable / regression variable / predictor / variabel
explanatori (X)
5. Variabel tak bebas / dependent variable / regressent variable / explained variabel /
variabel respon (Y)

Contoh Garis Regresi:

e

e e

e

Taksiran Koefisien Regresi:

yˆ  a  bx

‘16 Statistik Bisnis


3 Yusnina,SP.,M.Stat
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
n
 n  n  n
n xi yi    xi   yi    xi  x  yi  y 
b  i 1  i 1  i 1   i 1
2 n
 n   xi  x  2

n
n xi    xi 
2

i 1  i 1  i 1

n n

y i  b xi
a i 1 i 1
 y  bx
n

Contoh Kasus : Percobaan dalam bidang lingkungan

Apakah semakin tua mobil semakin besar juga emisi HC yang dihasilkan?

Diambil contoh 10 mobil secara acak, kemudian dicatat jarak tempuh yang sudah dijalani
mobil (dalam ribu kilometer) dan diukur Emisi HC-nya (dalam ppm)

Dari perhitungan di atas diperoleh taksiran garis regresi adalah sbb:

‘16 Statistik Bisnis


4 Yusnina,SP.,M.Stat
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Emisi = 351 + 5.503 Jarak

Pengujian Hipotesis

 Rumusan Hipotesis
H0 : b = 0

H1 : b  0
bb
t
 Statistik Uji s / S xx

di mana t berdistribusi t-student dengan derajat kebebasan n -2


n

  y  yˆ  i
2

s2  i 1

dengan : n2 disebut MSE (Mean Squared Error)

 x  2

S xx  x 2
i 
n
i

 Aturan Keputusan:
Tolak Ho jika : thitung < - t(1 - a/2) ; n – 2 atau thitung > t(1 - a/2) ; n – 2

 Keputusan
 Kesimpulan

7.2 ANALISIS REGRESI LINIER MULTIPEL

Regresi linier majemuk merupakan generalisasi dari regresi linier sederhana dan memiliki
model umum:

Y = a + b1X1 + b2X2 + … + bkXk + e

‘16 Statistik Bisnis


5 Yusnina,SP.,M.Stat
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Model regresi di atas dapat didekati dengan menggunakan data sampel sehingga
didapatkan model yang di-fit-kan:

Yˆ = a + b1X1 + b2X2 + … + bkXk

Penyelesaian dengan Menggunakan Matriks

SSE   y  Xb '  y  Xb 

Untuk meminimasikan SSE:



 SSE   0
b

Solusi yang akan didapatkan adalah:

 X ' X  b  X' y
Partisi Variasi

‘16 Statistik Bisnis


6 Yusnina,SP.,M.Stat
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
CONTOH KASUS

KASUS 8 : REGRESI LINIER SEDERHANA

Dengan menggunakan data yang terdapat pada contoh kasus korelasi pearson, tentukan
apakah terdapat pengaruh yang signifikans dari “Waktu Tayang” terhadap “Persentase
Peningkatan Penjualan”

Proses Analisis dengan Mengguakan Software SPSS

Langkah Kerja :

a. Klik : “Analize  Regression  Linear”


b. Masukan variabel “Waktu Tayang” pada ruang ”Dependent ” dan variabel
“Persentase Peningkatan Penjualan” pada ruang “Independent”
c. Biarkan pilihan “Enter” pada bagian Method
d. Abaikan pilihan yang lain seperti yang nampak pada gambar berikut:
Gambar VII.1

‘16 Statistik Bisnis


7 Yusnina,SP.,M.Stat
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
2. Klik “Ok”, hasilnya sebagai berikut:
Keterangan :

Model yang diajukannya adalah sebagai berikut :

Yˆ  bˆ0  bˆ1 X 1

Adapun hasil outputnya diperoleh sebagai berikut :

Tabel 1.

Variables Entered/Removedb

Variables Variables
Model Entered Removed Method
1 Waktu a
. Enter
Tayang
a. All requested variables entered.
b. Dependent Variable: Persentase
Peningkatan Penjualan

Tabel 2 :

‘16 Statistik Bisnis


8 Yusnina,SP.,M.Stat
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Model Summary

Adjusted Std. Error of


Model R R Square R Square the Estimate
1 .923a .851 .833 2.624
a. Predictors: (Constant), Waktu Tayang

Dari table di atas dapat diperoleh beberapa keterangn sebagai berikut :

- Angka R sebesar 0.923 yang menunjukkan bahwa korelasi (keeratan hubungan)


antara kepuasan dengan loyalitas pasien adalah sangat erat (Kriteria Guilford, 1956)
- Koefisien determinasi dapat dilihat pada R square sebesar R2 = (0.923 x 0.923) =
0.851 yang berarti bahwa 85.1 % variasi dari indeks prestasi bisa dijelaskan oleh
variasi dari kedua variable independennya. Sedangkan sisanya sebesar 14.9 %
(100% - 85.1%) dijelaskan oleh sebab-sebab lain yang tidak disertakan dalam
analisis. (Catatan : apabila jumlah variable independent lebih dari dua, maka lebih
baik digunakan Adjusted R Square)
- Standard Error of Estimate (SSE) adalah 2,624 yang menunjukkan besarnya
penyimpangan yang mungkin terjadi.

Tabel 3

ANOVAb

Sum of
Model Squares df Mean Square F Sig.
1 Regression 315.429 1 315.429 45.821 .000a
Residual 55.071 8 6.884
Total 370.500 9
a. Predictors: (Constant), Waktu Tayang
b. Dependent Variable: Persentase Peningkatan Penjualan

Tabel diatas menunjukkan statistik yang digunakan untuk uji secara overall dengan
rumusasn hipotesis sebagai berikut :

H0 : b0 = b1 = 0 (nilai dari koefisien tidak bermakna)

H1 : paling sedikit ada satu koefisien yang bermakna

Resiko kekeliruan yang diajukan sebesar 5 % ( a = 5 %)

‘16 Statistik Bisnis


9 Yusnina,SP.,M.Stat
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Ternyata pada table Anova di atas diperoleh F hitung sebesar 45,821 dengan tingkat
signifikansi 0.000. Karena tingkat signifikansi tersebut jauh lebih kecil dari a = 0.05, maka
H0 ditolak yang menunjukkan bahwa pengujiannya signifikan, yaitu dengan resiko kekeliruan
5 % maka paling sedikit ada satu koefisien yang memilikinilai yang bermakna.

Karena pengujian secara overall menunjukkan adanya pengaruh, maka tugas


selanjutnya adalah ingin diketahui koefisien mana saja yang secara nyata memberikan
pengaruh terhadap model. Hal ini bisa dilakukan melalui pengujian secara individu untuk
masing- masing koefisien regresi yang ada dengan rumusan hipotesis sebagai berikut :

H0 : bi = 0

H1 : bi  0

Pengambilan keputusan :

- jika probabilitas > 0.05 maka H0 diterima


- jika probabilitas < 0.05 maka H0 ditolak
Dari output diperoleh sebagai berikut :

Tabel 4

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 44.340 2.950 15.033 .000
Waktu Tayang .459 .068 .923 6.769 .000
a. Dependent Variable: Persentase Peningkatan Penjualan

Keputusan : Dari table di atas terlihat bahwa ternyata semua koefisien baik itu
intercept (b0) maupun slope (b1) mempunyai nilai sig. yang jauh di bawah a = 5%, yaitu
sebesar 0,000 maka H0 ditolak. Hal ini menunjukkan bahwa kedua koefisien tersebut
bermakna sehingga diperoleh suatu model regresi taksiran sebagai berikut :

Yˆ  44,340  0.459 X 1

‘16 Statistik Bisnis


10 Yusnina,SP.,M.Stat
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Dari model di atas dapat dilihat bahwa ternyata Waktu Tayang memberikan pengaruh yang
positif. Hal ini menunjukkan bahwa semakin bertambah Waktu Tayang, maka Persentase
Peningkatan Penjualan akan semakin bertambah pula.

KASUS 9 . REGRESI LINIER SEDERHANA

Penelitian mengenai prestasi kerja, dinyatakan dalam indeks prestasi (Y), terhadap 15 orang
pegawai telah dilakukan yang ditinjau dari skor tes kemampuan teoritis pada waktu masuk
diterima menjadi pegawai (X1) dan skor tes keterampilan atau kemampuan praktis (X 2). Tujuan
penelitian ini ingin melihat hubungan dan pertautan antara X1 dan X2 sebagai prediktor dan Y
sebagai respon. Karena ada dugaan kuat bahwa prestasi kerja dapat diramalkan oleh kemampuan
dan keterampilan. Data yang diperoleh adalh sebagai berikut:

No. Y X1 X2
1 10 70 41

2 11 71 43

3 12 72 46

4 15 73 47

5 11 74 45

6 12 75 48

7 13 78 49

8 14 79 48

9 15 76 49

10 18 80 48

11 15 82 49

12 14 81 52

13 13 83 42

14 15 84 40

15 18 84 39

‘16 Statistik Bisnis


11 Yusnina,SP.,M.Stat
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Lakukan analisis regresi linier terhadap data tersebut.

Jawaban :

Model yang diajukannya adalah sebagai berikut :

Yˆ  bˆ 0  bˆ1 X 1  bˆ 2 X 2

Adapun hasil outputnya diperoleh sebagai berikut :

Tabel 1.

Variables Entered/Removed b

Variables
Model Variables Entered Removed Method
1 Skor Keterampilan,a
. Enter
Skor Kemampuan
a. All requested variables entered.
b. Dependent Variable: Indeks Prestasi

Tabel 2 :

Model Summary

Adjusted Std. Error of


Model R R Square R Square the Estimate
1 .700a .491 .406 1.830
a. Predictors: (Constant), Skor Keterampilan, Skor
Kemampuan

Dari table di atas dapat diperoleh beberapa keterangn sebagai berikut :

- Angka R sebesar 0.700 yang menunjukkan bahwa korelasi (keeratan hubungan)


antara kepuasan dengan loyalitas pasien adalah erat (Kriteria Guilford, 1956)
- Koefisien determinasi dapat dilihat pada R square sebesar R2 = (0.700 x 0.700) =
0.491 yang berarti bahwa 49.1 % variasi dari indeks prestasi bisa dijelaskan oleh

‘16 Statistik Bisnis


12 Yusnina,SP.,M.Stat
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
variasi dari kedua variable independennya. Sedangkan sisanya sebesar 50.9 %
(100% - 49.1%) dijelaskan oleh sebab-sebab lain yang tidak disertakan dalam
analisis. (Catatan : apabila jumlah variable independent lebih dari dua, maka lebih
baik digunakan Adjusted R Square)
- Standard Error of Estimate (SSE) adalah 1.830 yang menunjukkan besarnya
penyimpangan yang mungkin terjadi.
Tabel 3

ANOVA b

Sum of
Model Squares df Mean Square F Sig.
1 Regression 38.725 2 19.362 5.779 .017a
Residual 40.209 12 3.351
Total 78.933 14
a. Predictors: (Constant), Skor Keterampilan, Skor Kemampuan
b. Dependent Variable: Indeks Prestasi

Tabel diatas menunjukkan statistik yang digunakan untuk uji secara overall (melibatkan
semua variable indepennya) dengan rumusasn hipotesis sebagai berikut :

H0 : b1 = b2 = 0 (variable independent tidak memberikan pengaruh terhadap variable


dependennya)

H1 : paling sedikit ada satu variable independent yang memmberikan pengaruh terhadap
variabel dependennya

Resiko kekeliruan yang diajukan sebesar 5 % ( a = 5 %)

Ternyata pada table Anova di atas diperoleh F hitung sebesar 5.799 dengan tingkat
signifikansi 0.017. Karena tingkat signifikansi tersebut jauh lebih kecil dari a = 0.05, maka
H0 ditolak yang menunjukkan bahwa pengujiannya signifikan, yaitu dengan resiko kekeliruan
5 % maka paling sedikit ada satu variable independent yang memberikan pengaruh
terhadap variabel dependennya.

Karena pengujian secara overall menunjukkan adanya pengaruh dari variable


independennya, maka tugas selanjutnya adalah ingin diketahui variable mana saja yang
secara nyata memberikan pengaruh tersebut. Hal ini bisa dilakukan melalui pengujian

‘16 Statistik Bisnis


13 Yusnina,SP.,M.Stat
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
secara individu untuk masing- masing variable independent yang ada dengan rumusan
hipotesis sebagai berikut :

H0 : bi = 0

H1 : bi  0

Pengambilan keputusan :

- jika probabilitas > 0.05 maka H0 diterima


- jika probabilitas < 0.05 maka H0 ditolak
Dari output diperoleh sebagai berikut :

Tabel 4

Coefficients a

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -16.036 10.057 -1.595 .137
Skor Kemampuan .344 .102 .698 3.383 .005
Skor Keterampilan .069 .126 .112 .544 .597
a. Dependent Variable: Indeks Prestasi

Keputusan : Dari table di atas terlihat bahwa ternyata variable Skor Kemampuan (X1)
mempunyai angka signifikan di bawah 0.05. Oleh karena itu H 0 ditolak, yang menunjukkan
bahwa variable tersebut memang mempengaruhi Indeks Prestasi (Y). Sedangkan untuk
Skor Keterampilan (X2) mempunyai angka signifikan di atas 0.05. Oleh karena itu H 0
diterima, yang menunjukkan bahwa variable tersebut tidak mempengaruhi Indeks Prestasi
(Y).

Oleh karena ada salah satu variable yang tidak berpengaruh secara nyata, maka
proses analisis diulang kembali dengan tanpa melibatkan variable yang tidak berpengaruh
tersebut. Adapun hasil output yang diperolehnya adalah sebagai berikut :

Model Summary

Adjusted Std. Error of


Model R R Square R Square the Estimate
1 .691a .478 .438 1.780
a. Predictors: (Constant), Skor Kemampuan

‘16 Statistik Bisnis


14 Yusnina,SP.,M.Stat
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Dari table di atas dapat diperoleh beberapa keterangn sebagai berikut :

- Angka R sebesar 0.691 yang menunjukkan bahwa korelasi (keeratan hubungan)


antara kepuasan dengan loyalitas pasien adalah moderaT (Kriteria Guilford, 1956)
- Koefisien determinasi dapat dilihat pada R square sebesar R2 = (0.691 x 0.691) =
0.478 yang berarti bahwa 47.8 % variasi dari indeks prestasi bisa dijelaskan oleh
variasi dari kedua variable independennya. Sedangkan sisanya sebesar 52.3 %
(100% - 47.8%) dijelaskan oleh sebab-sebab lain yang tidak disertakan dalam
analisis.
- Standard Error of Estimate (SSE) adalah 1.780 yang menunjukkan besarnya
penyimpangan yang mungkin terjadi.

Coefficients a

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -12.633 7.655 -1.650 .123
Skor Kemampuan .340 .099 .691 3.451 .004
a. Dependent Variable: Indeks Prestasi

H0 : b1 = 0 (skor kemampuan tidak memberikan pengaruh terhadap indeks prestasi)

H1 : Tidak demikian

a = 0.05

Keputusan : Terlihat bahwa ternyata variable Skor Kemampuan (X1) mempunyai angka
signifikan 0.004, di bawah 0.05. Oleh karena itu H 0 ditolak, yang menunjukkan bahwa
variable tersebut memang mempengaruhi Indeks Prestasi (Y).

Sehingga dari hasil perhitungan tersebut diperoleh suatu model regresi taksiran
sebagai berikut :

Yˆ   12.633  0.340 X 1

Dari model di atas dapat dilihat bahwa ternyata skor kemampuan memberikan pengaruh
yang positif. Hal ini menunjukkan bahwa semakin bertambah kemapuan pekerja, maka
indeks prestasinya akan semakin bertambah pula.

‘16 Statistik Bisnis


15 Yusnina,SP.,M.Stat
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Daftar Pustaka
1. Anderson, Sweeney and Williams. (2011). Statistics for Business and Economics,
11th edition, South-Western Cengage Learning.
2. Sudjana, Metode Statistika, Tarsito, Bandung, 2002
3. Supranto, J, Statistik (Teori dan Aplikasi), Erlangga, Jakarta, 1998
4. Ronald E. Walpole, Ilmu Peluang dan Statistika Untuk Insinyur dan Ilmuwan, ITB
Bandung,1995.

‘16 Statistik Bisnis


16 Yusnina,SP.,M.Stat
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id