ANALISIS REGRESI SEDERHANA

A. Analisis Regresi Sederhana

Regresi atau peramaln adalah suatu proses memperkirakan secara sistematis

tentang apa yang paling mungkin terjadi dimasa yang akn datang berdasarkan informasi
masa lalu dan sekarang yang dimiliki agar kesalahannya dapt diperkecil. Regresi dapat
juga diartikan sebagai usaha memperkirakan perubahan. Supaya tidak salah paham bahwa
peramalan tidak memberikan jawaban pasti tentang apa yang akan terjadi, melainkan
berusaha mencari pendekatan apa yang terjadi. Jadi, regresi mengemukakan tentang
keingintahuan apa yang terjadi dimasa depan untuk memberikan konstribusi menentukan
keputusan yang terbaik.

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.

Pada analisis regresi, variabel dibedakan menjadi du jenis yaitu :

1. Variabel bebas atau variabel prediktor

 Variabel yang mudah didapatkan atau tersedia.
 Dinyatakan dengan X1, X2, . . . , Xk ( k ≥1 )
2. Variabel tak bebas atau variabel respon
 Variabel yang terjadi karena variabel bebas
 Dinyatakan dengan Y

Contoh :

Pada kasus yang meliputi hasil panenn padi dan jumlah pupuk yang digunakan.

Variabel bebas atau prediktor = X

Dimana X = jumlah pupuk

Variabel tak bebas atau respon = Y

Dimana Y = hasil panen.

Model atau persamaan regresi untuk populasi, secara umum adalah sebagai berikut :

Rumus (1)

μy.x1,x2,...,xk= f(X1,X2,...XK|θ1,θ2,... ,θm)

Dengan θ1,θ2,... ,θm parameter-parameter yang ada dalam regresi.

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

Dalam hal ini parameternya adalah θ1 dan θ2

Tugas yang dihadapi sekarang ialah, berdasarkan sebuah sampel, persamaan regresi
populasi yang persamaan umumnya yaitu :

JK total = JK antar kelompok + JK dalam kelompok

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.

Persamaan regresi dirumuskan : Y^ = a + bX

Dimana :

Y^ = subjek fariabel terikat yang di proyeksikan

X = Variabel bebas mempunyai nilai tertentu untuk diprediksikan

a = Nilai konstanta harga Y jika X = 0

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

Langkah-langkah menjawab Regrensi Sederhana Manual:

Langkah 1. Membuat Ha dan Ho dalam bentuk kalimat:

Langkah 2. Membuat Ha dan Ho dalam bentuk statistik:

Langkah 3. Membuat tabel penolong untuk menghitung angka statistik:

Langkah 4. Masukkan angka-angka statistik dari tabel penolong dengan rumus:

n ∑ XY −∑ X ∑ Y ∑ Y −b ∑ X
b=
n ∑ X −( ∑ X )
2 2
a= n

Langkah 5. Mencari Jumlah Kuadrat Regresi (JKReg [a]) dengan rumus:

2
(∑ Y )
JKReg (a) = n

Langkah 6. Mencari Jumlah Kuadrat Regresi (JKReg [b|a]) dengan rumus:

( ∑ X )( ∑ Y )
{∑ XY − n
JKReg [b|a] = b.
Langkah 7. Mencari Jumlah Kuadrat Residu (JKRes) dengan rumus:

JKRes = ∑ Y 2−JK Re g[b|a ]−JK Re g [a ]

Langkah 8. Mencari Rata-rata Jumlah Kuadrat Regresi (RJKReg [a]) dengan rumus:

RJK Reg[a] = JKReg[a]

Langkah 9. Mencari Rata-rata Jumlah Kuadrat Regresi (RJKReg [b|a] dengan rumus:

RJK Reg[b|a] = JKReg[b|a]

Langkah 10. Mencari Rata-rata Jumlah Kuadrat Residu (JKRes) dengan rumus:

JK Re s
RJK Res = n−2

Langkah 11. Menguji Signifikansi dengan rumus:

RJK Re g( b|a )
Fhitung = RJK Re s

Kaidah penguji signifikansi:

Jika Fhitung ≥ F tabel, maka tolak Ho artinya signifikan dan

Fhitung ≤ F tabel, terima Ho artinya tidak signifikan

Dengan taraf signifikan : a = 0,01 atau a = 0,05

Carilah nilai F tabel menggunakan Tabel F dengan rumus:

F tabel = F {1-α) (dk Reg [b|a], (dk Res)}

Langkah 12. Membuat kesimpulan

Contoh: Judul Penelitian

”PENGARUH PENGALAMAN KERJA TERHADAP PENJUALAN BARANG

ELEKTRONIK DI KABUPATEN GRESIK”
Data dianggap memenuhi asumsi dan persyaratan analisis; data dipilih secara random;
berdistribusi normal; berpola linier; data sudah homogen dan mempunyai pasangan yang
sama sesuai dengan subjek yang sama. Data sebagai berikut:

Pengalaman Kerja (X) tahun 2 3 1 4 1 3 2 2

Penjualan Barang Elektronik (Y) unit 50 60 30 70 40 50 40 35

Pertanyaan :

a. Bagaimana persamaan regrensinya?

b. Buktikan apakah ada pengaruh yang signifikan antara pengalaman kerja (X)
terhadap penjualan barang elektronik (Y)
c. Buktikan apakah data tersebut berpola linier
Langkah-langkah menjawab:

Langkah 1.

Membuat Ha dan Ho dalam bentuk kalimat:

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.

Membuat Ha dan Ho dalam bentuk statistik:

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.

Masukkan angka-angka statistik dari tabel penolong dengan rumus:

(1) Menghitung rumus b:

n ∑ XY −∑ X ∑ Y 8.( 930)−(18)(375 ) 690
b= 2
= =11,5
n ∑ X 2 −( ∑ X )2 = 8 .(48 )−(18 ) 60

(2) Menghitung rumus a:

∑ Y −b ∑ X =375−11, 5 .(18) =168 21
a= n 8 8

(3) Menghitung persamaan regresi sederhana:

¿
Y = a + bX = 21 + 11,5X

(4) Membuat garis persamaan regresi:

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.

Mencari Jumlah Kuadrat Regresi (JKReg [a]) dengan rumus:

2
( ∑ Y ) (375)2 140625
= = =17578 , 125
JKReg (a) = n 8 8

Langkah 2.

Mencari Jumlah Kuadrat Regresi (JKReg [b|a]) dengan rumus:

( ∑ X )( ∑ Y ) (18 )(375 )
{∑ XY − n
} { 930−
8
}=991 , 875
JKReg [b|a] = b. =11,5

Langkah 3.

Mencari Jumlah Kuadrat Residu (JKRes) dengan rumus:

JKRes = ∑ Y 2−JK Re g[b|a ]−JK Re g [a ] =18825 – 991,875 – 17578,125 = 225

Langkah 4.

Mencari Rata-rata Jumlah Kuadrat Regresi (RJKReg [a]) dengan rumus:

RJK Reg[a] = JKReg[a] = 17578,125

Langkah 5.

Mencari Rata-rata Jumlah Kuadrat Regresi (RJKReg [b|a]) dengan rumus:

RJK Reg[b|a] = JKReg[b|a] = 991,875

Langkah 6.

Mencari Rata-rata jumlah Kuadrat Residu (RJKRes) dengan rumus:

 JK Re s 225
=42, 5
RJK Res = n−2 = 8−2

Langkah 7.

Menguji Signifikansi dengan rumus:

RJK Re g( b|a ) 991 ,875

=23, 34
Fhitung = RJK Re s = 42,5

Kaidah penguji signifikansi :

Jika Fhitung ≥ F tabel, maka tolak Ho artinya signifikan dan

Fhitung ≤ F tabel, terima Ho artinya tidak signifikan

Dengan taraf signifikan (α) = 0,05

Carilah nilai Ftabel menggunakan Tabel F dengan rumus :

F tabel = F {1-α) (dk Reg [b|a], (dk Res)}

= F {(1 – 0,05)(dk Reg [b|a]=1, (dk Res=8 – 2 = 6)}

= F {(0,95)(1,6)}

Cara mencari F tabel : angka 1 = pembilang

Angka 6 = penyebut.

Ftabel = 5,99

Ternyata Fhitung > Ftabel, maka tolak Ho artinya signifikan

Langkah 8. Membuat Kesimpulan

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

A. 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

Seorang Manajer Pemasaran deterjen merek “ATTACK” ingin mengetahui apakah

Promosi dan harga berpengaruh terhadap keputusan konsumen membeli produk tersebut?
I. Hipotesis:
Ho : β1 = β2 = 0, Promosi dan Harga tidak berpengaruh signifikan terhadap keputusan
konsumen membeli deterjen merek “ATTACK”.
Ha : β1 ≠ β 2 ≠ 0, Promosi dan Harga berpengaruh signifikan terhadap keputusan
konsumen membeli deterjen merek “ATTACK”.
Data Kasus

No. Promosi Harga Keputusan Konsumen

Responden (X1) (X2) (Y)

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

II. Tabel Pembantu

No. Promosi Keputusan

Harga (X2) X1.Y X2.Y X1.X2 X1^2 X2^2
Respoden (X1) Konsumen (Y)
1 10 7 23 230 161 70 100 49
2 2 3 7 14 21 6 4 9
3 4 2 15 60 30 8 16 4
4 6 4 17 102 68 24 36 16
5 8 6 23 184 138 48 64 36
6 7 5 22 154 110 35 49 25
7 4 3 10 40 30 12 16 9
8 6 3 14 84 42 18 36 9
9 7 4 20 140 80 28 49 16
10 6 3 19 114 57 18 36 9
Jumlah 60 40 170 1122 737 267 406 182

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

Dari data diatas kita dapat:

170 = 10 a + 60 b1 + 40 b2…………………….. (1)

1122 = 60 a + 406 b1 + 267 b2………………….. (2)
737 = 40 a +267 b1 + 182 b2…………………... (3)
Langkah menentukan koefisian koefisian
a. Persamaan (1) dikalikan 6, persamaan (2) dikalikan 1:
170 = 10 a + 60 b1 + 40 b2....................... X 6
1122 = 60 a + 406 b1 + 267 b2................... X 1

1020 = 60 a + 360 b1 + 240 b2

35163 = 60 a + 406 b1 + 267 b2 _
-102 = 0 a + -46 b1 + - 27 b2
-102 = - 46 b1 - 27 b2…………………….. (4)

b. Persamaan (1) dikalikan 4, persamaan (3) dikalikan 1:

170 = 10 a + 60 b1 + 40 b2……………... X 4

737 = 40 a +267 b1 + 182 b2………….....X 1

680 = 40 a + 240 b1 + 160 b2
737 = 40 a + 267 b1 + 182 b2 _
-57 = 0 a + -27 b1 + -22 b2
-57 = -27 b1 – 22 b2………………….... (5)

c. Persamaan (4) dikalikan 27, persamaan (5) dikalikan 46:

-102 = - 46 b1 - 27 b2.................................X 27
-57 = -27 b1 – 22 b2................................. X 46

-2754 = -1242 b1 - 729 b2

-2622 = -1242 b1 - 1012 b2 _
-132 = 0 b1 + 283 b2
−132
b2 = = -0,466
283

d. Harga b2 dimasukkan ke dalam salah satu persamaan (4) atau (5):

-102 = -46 b1 - 27 (-0,466)
-102 = -46 b1 + 12,582
46 b1 = 114,582
b1 = 2,4909
e. Harga b1 dan b2 dimasukkan ke dalam persamaan 1:
170 = 10 a + 60 (2,4909) + 40 (-0,466)
170 = 10 a + 149,454 – 18,640
10 a = 170 – 149,454 + 18,640
39,186
a = = 3,9186
10
Jadi:
a = 3,9186
b1 = 2,4909
b2 = -0,466
Keterangan:
a = konstanta
b1 = koefisien regresi X1
b2 = koefisien regresi X2

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

b. Koefisien Determinasi (R2)

R2=(0,775252308)2
¿ 0,60
Dengan R2 = 60 % menunjukan bahwa variasi variabel Promosi dan
Harga mempengaruhi Keputusan konsumen sebesar 60 % dan 40 % lainya
dipengaruhi oleh faktor lain

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”.