Professional Documents
Culture Documents
Metode analisis yang telah dibicarakan hingga sekarang adalah analisis terhadap data
mengenai sebuah karakteristik atau atribut ( jika data itu kualitatif ) dan mengenai sebuah
variabel, diskrit ataupun kontinu ( jika data itu kuantitatif ). Contoh : hasil produksi padi
tergantung pada jumlah pupuk yang digunakan, banyak hujan, cuaca dan sebagainya.
Jika kita mempunyai data yang terdiri atas dua atau lebih variabel, adalah sewajarnya
untuk mempelajari cara bagaimana variabel – variabel itu berhubungan. Hubungan yang
didapat pada umumnya dinyatakan dalam bentuk persamaan matematik yang
menyatakan hubungan fungsional antara variabel-variabel. Studi yang menyangkut
masalah ini dikenal dengan analisis regresi.
Contoh :
Pada kasus yang meliputi hasil panenn padi dan jumlah pupuk yang digunakan.
Model atau persamaan regresi untuk populasi, secara umum adalah sebagai berikut :
Rumus (1)
Sebuah contoh regresi yang sederhana untuk populasi dengan variabel bebas ialah yang
dikenal dengan regresi linear sederhana dengan model :
Rumus (2)
μy.x= θ1 + θ2X
Tugas yang dihadapi sekarang ialah, berdasarkan sebuah sampel, persamaan regresi
populasi yang persamaan umumnya yaitu :
Akan ditentukan, atau lebih tepatnya lagi akan ditaksir. Hal ini dapat dilakukan dengan
cara menaksir parameter-parameter θ1,θ2,... ,θm. Untuk regresi linear sederhana
misalnya, perlu ditaksir paramter θ1 dan θ2. Jika θ1 dan θ2 ditaksir oleh a dan b, maka
regresi berdasarkan sampel adalah : Ŷ = a + bX
Kegunaan regresi dalam penelitian salah satunya adalah untuk meramalkan atau
memprediksi variabel terikat (Y) apabila variabel bebas (X) deketahui. Regresi
sederhana dapat dianalisis karena didasari oleh hubungan fungsional atau hubungan
sebab akibat (kausal) variabel bebas (X) terhadap variabel terikat (Y). Karena ada
perbedaan yang mendasar dari analisis korelasi dan analisis regresi. Pada dasarnya
analisis regresi dan analisi korelasi keduanya punya hubungan yang sangat kuat dan
mempunyai keeratan. Setiap analisis regresi otomatis ada analisi korelasinya, tetapi
sebaliknya analisis korelasi belum tentu diuji regresi atau diteruskan dengan analisis
regresi.
Dimana :
b = Nilai arah sebagai penentu ramalan (prediksi) yang menunjukkan nilai peningkatan
(+) atau nilai penurunan (-) variabel Y
n ∑ XY −∑ X ∑ Y ∑ Y −b ∑ X
b=
n ∑ X 2 −( ∑ X )2 a= n
n ∑ XY −∑ X ∑ Y ∑ Y −b ∑ X
b=
n ∑ X −( ∑ X )
2 2
a= n
2
(∑ Y )
JKReg (a) = n
( ∑ X )( ∑ Y )
{∑ XY − n
JKReg [b|a] = b.
Langkah 7. Mencari Jumlah Kuadrat Residu (JKRes) dengan rumus:
Langkah 9. Mencari Rata-rata Jumlah Kuadrat Regresi (RJKReg [b|a] dengan rumus:
Langkah 10. Mencari Rata-rata Jumlah Kuadrat Residu (JKRes) dengan rumus:
JK Re s
RJK Res = n−2
RJK Re g( b|a )
Fhitung = RJK Re s
Pertanyaan :
Langkah 1.
Ha: Terdapat pengaruh yang signifikan antara pengalaman kerja terhadap penjualan
barang elektronik di kabupaten Gresik.
Ho: Tidak terdapat pengaruh yang signifikan antara pengalaman kerja terhadap penjualan
barang elektronik di kabupaten Gresik.
Langkah 2.
Ha: r ≠ 0
Ho: r = 0
Langkah 3.
Membuat tabel penolong untuk menghitung angka statistik:
No/statistik X Y X2 Y2 XY
1 2 50 4 2500 100
2 3 60 9 3600 180
3 1 30 1 900 30
4 4 70 16 4900 280
5 1 40 1 1600 40
6 3 50 9 2500 150
7 2 40 4 1600 80
8 2 35 4 1225 70
∑¿
Jumlah ( ¿
18 375 48 18825 930
)
Langkah 4.
¿
Y = a + bX = 21 + 11,5X
X=
∑ X =18 =2, 25
a. Menghitung rata-rata X dengan rumus: n 8
Y=
∑ Y =375 =46 ,875
b. Menghitung rata-rata Y dengan rumus: n 8
Menguji Signifikansi dengan Langkah-langkah berikut:
Langkah 1.
2
( ∑ Y ) (375)2 140625
= = =17578 , 125
JKReg (a) = n 8 8
Langkah 2.
( ∑ X )( ∑ Y ) (18 )(375 )
{∑ XY − n
} { 930−
8
}=991 , 875
JKReg [b|a] = b. =11,5
Langkah 3.
Langkah 4.
Langkah 5.
Langkah 6.
Langkah 7.
= F {(0,95)(1,6)}
Angka 6 = penyebut.
Ftabel = 5,99
Karena Fhitung lebih besar dari Ftabel, maka tolak Ho dan terima Ha. Dengan
demikian terdapat pengaruh yang signifikan antara pengalaman kerja terhadap
penjualan barang elektronik di kabupaten Gresik
ANALISIS REGRESI GANDA
Analisis Regresi Linear Berganda digunakan untuk mengukur pengaruh antara lebih dari
satu variabel prediktor (variabel bebas) terhadap variabel terikat.
Rumus:
Y = a + b1X1+b2X2+…+bnXn
Y = variabel terikat
a = konstanta
b1,b2 = koefisien regresi
X1, X2 = variabel bebas
Contoh Kasus
1 10 7 23
2 2 3 7
3 4 2 15
4 6 4 17
5 8 6 23
6 7 5 22
7 4 3 10
8 6 3 14
9 7 4 20
10 6 3 19
Jumlah 60 40 170
Persamaannya adalah:
∑ Y =an+b 1 ∑ X 1+b 2 ∑ X 2
∑ X 1 Y =a ∑ X 1 +b1 ∑ X 21 +b2 ∑ X 1 X 2
∑ X 2 Y =a ∑ X 2 +b1 ∑ X 1 X + b2 ∑ X 22
2
-102 = - 46 b1 - 27 b2.................................X 27
-57 = -27 b1 – 22 b2................................. X 46
Persamaan regresi:
Y = 3,9186 + 2,4909 X1 – 0,466 X2
Pengujian Hipotesis
a. Koefisien Korelasi Berganda (R)
b ∑ X 1 Y +b2 ∑ X 2 Y
R= 1
∑Y2
2,4909.1122+(−0,466.737)
R=
3162
2794,7898+(−343,442)
R=
3162
¿ 0,775252308
c. Pengujian
Hipotesis
Ho : β1 = β2 = 0, Variabel Promosi Dan Harga Tidak Berpengaruh Signifikan
Terhadap Keputusan Konsumen Membeli Deterjen Merek ”Attack”
Ha : β1 ≠ β 2 ≠ 0, Variabel Promosi Dan Harga Berpengaruh Signifikan
Terhadap Keputusan Konsumen Membeli Deterjen Merek ”Attack”
Kriteria:
F hitung ≤ F tabel = Ho diterima
F hitung > F tabel = Ho ditolak, Ha diterima
Perhitungan:
F Tabel
Dk Pembilang = k
=2
Dk Penyebut = n-k-1
= 10-2-1
=7
F tabel = 4,74
F Hitung
R 2 (N−k−1)
F Hitung=
k (1−R2)
0,60(10−2−1)
¿
2(1−0,60)
= 5,25
F hitung (5,25) > F tabel (4,74) = Ho ditolak, Ha Diterima.
Kesimpulan
Jadi, dapat disimpulkan bahwa Promosi dan Harga berpengaruh signifikan
terhada keputusan konsumen membeli deterjen merek “ATTACK”.