MODUL 4 REGRESI LINIER FAKULTAS EKONOMI-UNIVERSITAS NAROTAMA
MODUL 5: Regresi Linear
MODUL 5 REGRESI LINEAR A. Kompetensi Dasar Menganalisa regresi, determinasi, korelasi ganda, uji anova dan uji F B. Indikator Kognitif 1. Mahasiswa dapat mendeskripsikan regresi. 2. Mahasiswa dapat menghitung determinasi. 3. Mahasiswa dapat menghitung korelasi ganda. 4. Mahasiswa dapat menganalisa uji anova. 5. Mahasiswa dapat menganalisa uji F. 6. Mahasiswa dapat merumuskan model regresi. Psikomotor 1. Mahasiswa dapat mendeskripsikan regresi secara lisan 2. Mahasiswa dapat menghitung determinasi secara tertulis. 3. Mahasiswa dapat menghitung korelasi ganda secara tertulis. 4. Mahasiswa dapat menganalisa uji F secara tertulis. 5. Mahasiswa dapat merumuskan model regresi secara tertulis. Afektif 1. Mengembangkan perilaku karakter, meliputi jujur, peduli, dan tanggungjawab 2. Mengembangkan keterampilan sosial, menjadi pendengar yang baik, berpendapat, dan bertanya.
2
Agus Sukoco Santirianingrum Soebandhi
MODUL 5: Regresi Linear
C. Materi Pokok 1. 2. 3. 4.
Konsep regresi linear, sederhana dan berganda. Determinasi. Korelasi ganda. Uji anova.
5. Uji F. D. Uraian Materi I. Umum Analisis regresi adalah bentuk hubungan antara dua peubah atau lebih khususnya hubungan antara peubah-peubah
yang
mengandung
sebab
akibat.
(Wibisono, 2009) Variabel "penyebab" disebut dengan bermacammacam istilah: variabel penjelas, variabel eksplanatorik, variabel independen, atau secara bebas, variabel X (karena seringkali digambarkan dalam grafik sebagai absis, atau sumbu X). Variabel “terkena akibat” dikenal sebagai variabel yang dipengaruhi, variabel dependen, variabel terikat, atau variabel Y. Kedua variabel ini dapat merupakan variabel acak (random), namun variabel yang dipengaruhi harus selalu variabel acak. Analisis Regresi adalah salah satu analisis yang paling populer dan luas pemakaiannya. Hampir semua
Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis
3
MODUL 5: Regresi Linear
bidang ilmu yang memerlukan analisis sebab-akibat boleh dipastikan mengenal analisis ini. Pada modul ini yang akan dibahas adalah analisa Regresi Liner yang terdiri atas Regresi Linier sederhana dan Regresi Linier berganda.
II. Regresi Linear Sederhana Regresi linier sederhana adalah merupakan hubungan fungsional ataupun kausal satu variabel independen dengan satu variabel dependen (Purwanto S. K., 2012). Model regresi linier sederhana dapat digambarkan sebagaimana gambar di bawah ini.
X
Y
Gambar 5.1: Model Regresi Linier Sederhana
Persamaan umum regresi linier sederhana adalah: Y = a + bX ...............................................................................(4.01) Dimana: Y a
4
= Variabel Dependen = Konstansta/ Intercept
Agus Sukoco Santirianingrum Soebandhi
MODUL 5: Regresi Linear
b X
= Koefisien regresi = Variabel Independen Nilai a secara grafik adalah merupakan intercept /
perpotongan pada sumbu Y jika harga X = 0 Secara teknis harga b merupakan tangen dari perbandingan antara perubahan harga Y pada perubahan harga X atau dapat dituliskan dengan ΔY/ΔX.
Gambar 5.2. Garis regresi Y karena pengaruh X, persamaan regresi Y = 2 + 0,5 X
Menaksir Harga a dan b Harga atau nilai a dan b dalam suatu penelitian dapat ditaksir dengan menggunakan persamaan sebagai berikut: a
=
....................................................(4.2) b
=
............................................................(4.3)
Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis
5
MODUL 5: Regresi Linear
Regresi Linier Berganda Regresi Linear Berganda adalah regresi linier yang menggunakan dua atau lebih variabel independen/prediktor untuk
meramalkan
atau
memprediksi
satu
variabel
dependen/terikat. Jadi analisis regresi linier berganda akan dilakukan bila jumlah variabel independennya minimal 2. Model Regresi linier berganda untuk dia variabel bebas dan satu variabel terikat adalah sebagai berikut: Parsial X1 Y X2 Simultan
Gambar 5.3. Model regresi untuk 2 variabel bebas dan 1 variabel terikat
Model diatas dapat dijelaskan bahwa dalam model regresi linier berganda mempunyai dua uji pengaruh yaitu : 1. Pengaruh variabel X (bebas) secara simultan terhadap variabel Y (terikat) 2. Pengaruh variabel X (bebas) secara Parsial terhadap variabel Y (terikat), yaitu meliputi : a. Pengaruh variabel X1 terhadap variabel Y
6
Agus Sukoco Santirianingrum Soebandhi
MODUL 5: Regresi Linear
b. Pengaruh variabel X2 terhadap variabel Y
Persamaan Regresi Linier Berganda Pada prinsipnya persamaan regresi linier berganda adalah sama dengan persamaan pada regresi linier sederhana, yang membedakan adalah pada perrsamaan Regresi Linier Berganda jumlah variabel X lebih dari satu. berikut adalah beberapa contoh persamaan Regresi Linier Berganda: 1. Persamaan regresi untuk dua prediktor adalah: Y = a0 + a1X1 + a2X2 2. Persamaan regresi untuk tiga prediktor adalah: Y = a0 + a1X1 + a2X2+ a3X3 3. Persamaan regresi untuk n prediktor adalah: Y = a0 + a1X1 + a2X2 + .... + anXn
Koefisien Regresi Linier Berganda Persamaan regresi linier dimaksudkan untuk menjadi alat dalam membuat taksiran dan ramalan keadaan berdasarkan data kejadian dan aktivitas di masa yang lalu. Untukl membuat suatu persamaan Regresi Linier berganda terlebih dahulu dilakukan penelitian atau data laporan periode yang lalu. Berikut ini adalah diuraikan membuat persamaan regresi untuk dua variabel bebas X1 dan X2 , satu variabel terikat Y.
Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis
7
MODUL 5: Regresi Linear
Menghitung koefisien - koefisien regresi dicari dengan persamaan berikut ini : ..................................... ...................4.4 ............. ...................4.5 ............ ....................4.6
untuk memudahkan perhitungan sebaiknya digunakan tabel pembantu. Sebagai
contoh,
Penelitian
dilakukan
untuk
mengetahui pengaruh promosi (X1) dan diskon (X2) terhadap jumlah penjualan (Y). Berdasarkan data 12 tahun terakhir yang digunakan sebagai sumber data penelitian, hasilnya dapat ditampilkan pada tabel 5.1 di bawah ini.
Tahun 2000 2001 2002 2003 2004 2005 2006
8
Promosi X1i
After Sales X2i
25.750 35.000 37.500 48.560 50.125 52.480 55.520
17.500 22.000 24.000 25.350 35.550 36.875 36.005
Penjualan Y
350.000 450.000 400.000 533.400 647.154 745.500 858.500
Agus Sukoco Santirianingrum Soebandhi
MODUL 5: Regresi Linear
45.935 46.658 47.500 48.000 48.500
993.598 1.138.080 1.145.000 1.350.000 1.250.000
JUMLAH 610.658 433.873
9.861.232
2007 2008 2009 2010 2011
58.696 59.527 60.000 62.500 65.000
Tabel 5.1 Data Biaya Promosi, Biaya After Sales dan Penjualan
Menghitung koefisien korelasi, untuk memudahkan menggunakan tabel pembantu. Koefisien regresi dicari dengan persamaan 4.4, 4.5, 4.6 sebagaimana berikut ini : ..................................... ...................4.4 ............. ...................4.5 ............ ....................4.6
Penyelesaian : Pertama untuk memudahkan perhitungan dibuatkan tabel pembantu sebagai berikut:
Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis
9
MODUL 5: Regresi Linear
Tahun 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 ∑
Promosi X1i 25.750 35.000 37.500 48.560 50.125 52.480 55.520 58.696 59.527 60.000 62.500 65.000 610.658
After Sales X2i 17.500 22.000 24.000 25.350 35.550 36.875 36.005 45.935 46.658 47.500 48.000 48.500 433.873
Penjualan Y
X1i . Yi
350.000 9.012.500.000 450.000 15.750.000.000 400.000 15.000.000.000 533.400 25.901.904.000 647.154 32.438.594.250 745.500 39.123.840.000 858.500 47.663.920.000 993.598 58.320.228.208 1.138.080 67.746.488.160 1.145.000 68.700.000.000 1.350.000 84.375.000.000 1.250.000 81.250.000.000 9.861.232 545.282.474.618
X2i . Yi
X1i . X2i
X1i^2
X2i^2
6.125.000.000 9.900.000.000 9.600.000.000 13.521.690.000 23.006.324.700 27.490.312.500 30.910.292.500 45.640.924.130 53.100.536.640 54.387.500.000 64.800.000.000 60.625.000.000 399.107.580.470
450.625.000 770.000.000 900.000.000 1.230.996.000 1.781.943.750 1.935.200.000 1.998.997.600 2.696.200.760 2.777.410.766 2.850.000.000 3.000.000.000 3.152.500.000 23.543.873.876
663.062.500 1.225.000.000 1.406.250.000 2.358.073.600 2.512.515.625 2.754.150.400 3.082.470.400 3.445.220.416 3.543.463.729 3.600.000.000 3.906.250.000 4.225.000.000 32.721.456.670
306.250.000 484.000.000 576.000.000 642.622.500 1.263.802.500 1.359.765.625 1.296.360.025 2.110.024.225 2.176.968.964 2.256.250.000 2.304.000.000 2.352.250.000 17.128.293.839
Tabel 5.2. Tabel pembantu Perhitungan Koefisien Regresi Linier Berganda
Agus Sukoco Santirianingrum Soebandhi
MODUL 5: Regresi Linear
Dengan menggunakan tabel pembantu 4.2 diatas maka persamaan diatas dapat diselesaikan sebagai berikut: 9.861.232
= a0 12 + a1. 610.658 + a2. 433.873 ..........................(1)
545.282.474.618 = a0610.658 +a132.721.456.670 +a223.543.873.876 ...(2) 399.107.580.470 = a0433.873 +a123.543.873.876 +a217.128.293.839..(3)
Persamaan 1 dan 2, Disederhanakan dengan menghilangkan a0, persamaan 1 dikalikan dengan 610.658 dan persamaan 2 dikalikan dengan 12 9.861.232
= a0 12 + a1. 610.658 + a2. 433.873
(1) x 610.658
545.282.474.618
= a0610.658 +a132.721.456.670 +a223.543.873.876 (2) x 12
Menjadi : 6.021.840.210.656
= a07.327.896 + a1. 372.903.192.964 + a2264.948.018.434
6.543.389.695.416
= a0 7.327.896 + a1392.657.480.040 + a2 282.526.486.512 -
(521.549.484.760)
= a00 +a1 (19.754.287.076) +a2(17.578.468.078) .........(4)
Persamaan 1 dan 3, Disederhanakan dengan menghilangkan a0, persamaan 1 dikalikan dengan 433.873 dan persamaan 2 dikalikan dengan 12. 9.861.232
= a0 12 + a1. 610.658 + a2. 433.873
(1) x 433.873
399.107.580.470
= a0433.873 +a123.543.873.876 +a217.128.293.839 (3) x 12
Sehingga menjadi : 4.278.522.311.536
= a05.206.476 + a1. 264.948.018.434 + a2. 188.245.780.129
4.789.290.965.640
= a0 5.206.476 + a1. 282.526.486.512 + a2 . 205.539.526.068 -
(510.768.654.104)
= a0 0 +a1(17.578.468.078) + a2 (17.293.745.939) .............(5)
Persamaan 4 dan 5 (521.549.484.760)
= a1 (19.754.287.076) + a2(17.578.468.078)
(510.768.654.104)
=a1(17.578.468.078) + a217.293.745.939)
Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis
11
MODUL 5: Regresi Linear
Pesamaan 4 dikalikan dengan (17.578.468.078) dan persamaan 5 dikalikan dengan (19.754.287.076) 9.168.040.968.951.010.000.000
= a1 347.250.104.769.114.000.000 +a2309.002.539.969.265.000.000
10.089.870.622.592.600.000.000
= a1 347.250.104.769.114.000.000 + a2341.625.621.898.415.000.000
(921.829.653.641.555.000.000)
= a1 0
+ a2(32.623.081.929.150.200.000)
a2
= (921.829.653.641.555.000.000) / (32.623.081.929.150.200.000)
a2
= 28,25697632
Hasilnya a2 dimasukan dalam persamaan 5, menjadi : (510.768.654.104)
=a1(17.578.468.078) +28,25697632 x 17.293.745.939)
a1(17.578.468.078)
= (510.768.654.104)-488.668.969.527,02)
a1
= (22,099,684,577)/ (17.578.468.078)
a1
= 1.257201963
didapatkan nilai a1 = 1,257201963
CARA KE DUA MENCARI a1 adalah Hasilnya a2 dimasukan dalam persamaan 4, menjadi : (521.549.484.760)
= a1 (19.754.287.076) +28,25697632 x (17.578.468.078)
a1 (19.754.287.076)
= (521.549.484.760) - (496,714,356,267.26)
a1
= (24,835,128,492.74)/ (19.754.287.076)
a1
=1.257201963
didapatkan nilai a1
= 1,257201963
MENCARI a0 Mencari a0 dengan persamaan 1 dan memasukan nilai a1 dan a2 maka, 9.861.232
= a0 12 + a1. 610.658 + a2. 433.873
9.861.232
= a0 12 + 1,257201963 .610.658 +28,25697632 . 433.873
12 a0
= 9.861.232 - 767.720
a0
= (3.166.428) / 12 = (263.868,96)
12
Agus Sukoco Santirianingrum Soebandhi
MODUL 5: Regresi Linear
sehingga Koefisien persamaan regresi adalah a0
= (263.868,96)
a1
= 1,257201963
a2
= 28,25697632
Sehingga Persamaan regresi liner berganda untuk kasus dkiatas adalah: Y
= - 263.868,96 + 1,257201963 X1 + 28,25697632 X2 atau
Penjualan
= - 263.868,96 + 1,257201963Promosi + 28,25697632 Bi. After Sales
Tabel 5.3. Tabel Penolong Untuk Menghitung Koefisien Korelasi
Sebagai perbandingan berikut adalah hasil perhitungan dengan menggunakan SPSS.
Tabel 5.3. Tabel Hasil Perhitungan Koefisien Regresi dengan SPSS
Berdasarkan data diatas maka perhitungan secara manual dan secara software, mendapatkan hasil yang relatifs ama, perbedaan adalah angka dibelakang koma, yaitu tiga angka dibelakang koma.
Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis
13
MODUL 5: Regresi Linear
Korelasi Parsial Korelasi parsial adalah korelasi/hubungan antara masing-masing variabel bebas/ dependent X1 dan X2 terhadap variabel terikat Y(independent). (Purwanto S. K., 2012) Korelasi parsial r x1y adalah korelasi antara variabel bebas X1 terhadap Y, dan korelasi r x2y adalah korelasi parsial anatara bebas X2 terhadap Y. Korelasi yang dipergunakan adalah korelasi Pearson/ product moment. Persamaan untuk menghitung korelasi Pearson adalah sebagai berikut:
Korelasi parsial dalam uji regresi adalah menggunakan korelasi Pearson. Dalam kasus ini terdapat dua variabel bebas yaitu promosi dan After sales dan satu variabel terikat yaitu Penjualan. Korelasi parsial yang dihitung adalah korelasi antara Penjualan dengan Promosi dan penjualan dengan after_sales Korelasi antara Penjualan dengan Promosi: Persamaan : Untuk mempermudah dipergunakan tabel pembantu yaitu : Tahun
Promosi (X)
Penjualan (Y)
2000
25.750
350.000
9.012.500.000
663.062.500
122.500.000.000
2001
35.000
450.000
15.750.000.000
1.225.000.000
202.500.000.000
2002
37.500
400.000
15.000.000.000
1.406.250.000
160.000.000.000
2003
48.560
533.400
25.901.904.000
2.358.073.600
284.515.560.000
2004
50.125
647.154
32.438.594.250
2.512.515.625
418.808.299.716
2005
52.480
745.500
39.123.840.000
2.754.150.400
555.770.250.000
2006
55.520
858.500
47.663.920.000
3.082.470.400
737.022.250.000
2007
58.696
993.598
58.320.228.208
3.445.220.416
987.236.985.604
2008
59.527
1.138.080
67.746.488.160
3.543.463.729
1.295.226.086.400
2009
60.000
1.145.000
68.700.000.000
3.600.000.000
1.311.025.000.000
14
XiYi
xi^2
yi^2
Agus Sukoco Santirianingrum Soebandhi
MODUL 5: Regresi Linear
2010
62.500
1.350.000
84.375.000.000
3.906.250.000
1.822.500.000.000
2011
65.000
1.250.000
81.250.000.000
4.225.000.000
1.562.500.000.000
Jumlah
610.658
9.861.232
545.282.474.618
32.721.456.670
9.459.604.431.720
Tabel 5.4. Tabel pembantu Perhitungan Korelasi rx1y
Dengan Menggunakan persamaan diatas maka,
Korelasi antara Penjualan dengan After Sales: Persamaan : Tahun 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Jumlah
After Sales (X)
Penjualan (Y)
XiYi
xi^2
yi^2
17500
350.000
6.125.000.000
306.250.000
122.500.000.000
22000
450.000
9.900.000.000
484.000.000
202.500.000.000
24000
400.000
9.600.000.000
576.000.000
160.000.000.000
25350
533.400
13.521.690.000
642.622.500
284.515.560.000
35550
647.154
23.006.324.700
1.263.802.500
418.808.299.716
36875
745.500
27.490.312.500
1.359.765.625
555.770.250.000
36005
858.500
30.910.292.500
1.296.360.025
737.022.250.000
45935
993.598
45.640.924.130
2.110.024.225
987.236.985.604
46658
1.138.080
53.100.536.640
2.176.968.964
1.295.226.086.400
47500
1.145.000
54.387.500.000
2.256.250.000
1.311.025.000.000
48000
1.350.000
64.800.000.000
2.304.000.000
1.822.500.000.000
48500
1.250.000
60.625.000.000
2.352.250.000
1.562.500.000.000
9.861.232
399.107.580.470
17.128.293.839
9.459.604.431.720
433.873
Tabel 5.5. Tabel pembantu Perhitungan Korelasi rx2y
Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis
15
MODUL 5: Regresi Linear
Dengan Menggunakan persamaan diatas maka,
Korelasi antara Promosi dengan After Sales: Persamaan : Korelasi Promosi-after Sales Tahun 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Jumlah
After Sales (X1) 17500 22000 24000 25350 35550 36875 36005 45935 46658 47500 48000 48500 433.873
Promosi X2 25.750 35.000 37.500 48.560 50.125 52.480 55.520 58.696 59.527 60.000 62.500 65.000 610.658
XiYi
xi^2
yi^2
450.625.000 770.000.000 900.000.000 1.230.996.000 1.781.943.750 1.935.200.000 1.998.997.600 2.696.200.760 2.777.410.766 2.850.000.000 3.000.000.000 3.152.500.000 23.543.873.876
306.250.000 484.000.000 576.000.000 642.622.500 1.263.802.500 1.359.765.625 1.296.360.025 2.110.024.225 2.176.968.964 2.256.250.000 2.304.000.000 2.352.250.000 17.128.293.839
663.062.500 1.225.000.000 1.406.250.000 2.358.073.600 2.512.515.625 2.754.150.400 3.082.470.400 3.445.220.416 3.543.463.729 3.600.000.000 3.906.250.000 4.225.000.000 32.721.456.670
Tabel 5.6. Tabel pembantu Perhitungan Korelasi r x1x2
Dengan Menggunakan persamaan diatas maka,
sehingga berdasarkan perhitungan diatas, maka parsial dari masing-masing variabel adalah : rx1y rx2y rx1 x2
16
= 0,920 = 0,963 = 0,951
Agus Sukoco Santirianingrum Soebandhi
MODUL 5: Regresi Linear
Sebagai perbandingan, dilakukan analisa dan perhitungan dengan menggunakan SPSS, dan didapatkan sebagai berikut: Correlations Penjualan Pearson Correlation
Sig. (1-tailed)
N
Penjualan
Promosi
Bi after Sales
1.000
.920
.963
Promosi
.920
1.000
.951
Bi after Sales
.963
.951
1.000
.
.000
.000
Promosi
.000
.
.000
Bi after Sales
.000
.000
.
Penjualan
12
12
12
Promosi
12
12
12
Bi after Sales
12
12
12
Penjualan
Tabel 5.7. Hasil Perhitungan SPSS Korelasi (Correlations) antar Variabel
berdasarkan dua metode perhitungan didapatkan hasil sebagai berikut: KORELASI rx1y rx2y rx1x2
PERHITUNGAN SPSS .920 0,920 .963 0,963 .951 0,951
KETERANGAN Sama Sama Sama
Tabel 5.8. Tabel Perbandingan Korelasi (Correlations) metode SPSS dan Manual
Menghitung Korelasi Ganda (R) dan Koefisien Determinasi (R2) Regresi Linier Berganda Korelasi ganda Regresi linier berganda merupakan korelasi simultan variabel bebas terhadap variabel terikat, maka dalam hal ini adalah untuk mencari nilai koefisien korelasi antara seluruh variabel X (X1 dan X2) terhadap variabel Y. Sebagai contoh kita masih menggunakan kasus diatas akan dihitung berapa
Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis
17
MODUL 5: Regresi Linear
koefisien korelasi ganda. Persamaan untuk menghitung korelasi Ganda adalah sebagai berikut:
Korelasi ganda (R) dapat dihitung dengan Persamaan sebagai berikut:
Untuk selanjutnya menggunakan korelasi parsial diatas a. Korelasi Penjualan – Promosi
= 0,920
b. Korelasi Penjualan – After Sales
= 0,963
c. Korelasi Promosi - After Sales
= 0,951
Sehingga Nilai R dihitung dengan =
0,963095 Koefisien determinasi : R square = R2 Maka :
Hasil Perhitungan Dengan SPSS
Tabel 5.9. Hasil Perhitungan SPSS Korelasi Ganda (R) dan R2
18
Agus Sukoco Santirianingrum Soebandhi
MODUL 5: Regresi Linear
ITEM R R2
PERHITUNGAN 0,963095 0.927552
SPSS .963
KETERANGAN Relatif Sama
.927
Relatif Sama
Tabel 5.10. Tabel Perbandingan Korelasi Ganda metode SPSS dan Manual
Hasil perhitungan baik dengan persamaan dan SPSS menghasilkan nilai yang relatif sama, hanya berbeda nilai di belakang koma, atau karena faktor pembulatan yaitu untuk korelasi ganda dan Determinasi berbeda setelah 3 digit di belakang koma. Uji F Uji F adalah digunakan untuk menguji untuk mengetahui pengaruh variabel bebas secara bersama-sama terhadap variabel terikat. Persamaan untuk menghitung nilai F Hitung adalah sebagai berikut:
Dimana,
Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis
19
MODUL 5: Regresi Linear
Tahun
Promosi
After Sales
Penjua lan
X1ix1bar
x2ix2bar
yi-ybar
(X1i-x1bar x yiybar)
(X2i-x2bar x yiybar)
0
1
2
3
4
5
6
4x6
5x6
25.750
17.500
350.000
-25138,2
-18656,1
-471769
35.000
22.000
450.000
-15888,2
-14156,1
-371769
37.500
24.000
400.000
-13388,2
-12156,1
-421769
48.560
25.350
533.400
-2328,17
-10806,1
-288369
671.371.869,56
50.125
35.550
647.154
-763,167
-606,083
-174615
133.260.601,89
52.480
36.875
745.500
1591,833
718,9167
-76269,3
55.520
36.005
858.500
4631,833
-151,083
36730,67
58.696
45.935
993.598
7807,833
9778,917
171828,7
1.341.609.591,22
59.527
46.658
1.138.0 80
8638,833
10501,92
316310,7
60.000
47.500
1.145.0 00
9111,833
11343,92
62.500
48.000
1.350.0 00
11611,83
65.000
48.500
14111,83
2000 2001 2002 2003 2004 2005 2006 2007 2008
2009
2010
2011
JUMLAH
610658
433873
1.250.0 00 986123 2
11.859.416.129,56
y7
8
9
8.801.367.996,78
262996,29
87003,71
7569645554
5.906.733.129,56
5.262.797.663,44
401780,04
48219,96
2325164542
5.646.718.129,56
5.127.063.163,44
461436,54
-61436,54
3774448447
3.116.143.046,78
513485,91
19914,09
396570980,5
803674,515
-156520,515
24498671616
(54.831.294,89)
844075,275
-98575,275
9717084841
(5.549.391,56)
823312,965
35187,035
1238127432
1.680.298.212,28
1107897,207
-114299,207
13064308721
2.732.555.130,89
3.321.868.262,11
1129371,585
8708,415
75836491,81
323230,7
2.945.223.962,89
3.666.701.746,78
1153758,54
-8758,54
76712022,93
11843,92
528230,7
6.133.726.462,89
6.256.319.996,78
1171029,54
178970,46
32030425553
12343,92
428230,7
6.043.119.796,22
5.286.043.663,44
1188300,54
61699,46
3806823364
(121.408.067,11) 170.130.326,22
43.462.457.063,33
105.831.443,28
42.564.054.508,67
98.573.819.566
Tabel 5.11. Tabel Penolong Uji F Agus Sukoco Santirianingrum Soebandhi
Dari perhitungan sebelumnya didapatkan nilai a1 dan a2 sebagai berikut: a1
= 1,257
a2
=28,257
Dengan menggunakan tabel bantuan diatas maka dihitung :
Hasil perhitungan dengan SPSS didapatkan sebagai berikut:
Perbandingan antara hasil perhitungan persamaan dan dengan SPSS adalah sebagai berikut: ITEM
Persamaan
UJI F
SPSS 57,4000
KETERANGAN Hasil Sama
F Tabel F Tabel didapatkan dari tabel F statistik 21
MODUL 5: Regresi Linear
DAFTAR TABEL Tabel 5.1 Data Regresi Linier Berganda Tabel 5.2. Tabel pembantu Perhitungan Koefisien Regresi Linier Berganda Tabel 5.3. Tabel Hasil Perhitungan Koefisien Regresi dengan SPSS Tabel 5.4. Tabel pembantu Perhitungan Korelasi rx1y Tabel 5.5. Tabel pembantu Perhitungan Korelasi rx2y Tabel 5.6. Tabel pembantu Perhitungan Korelasi r x1x2 Tabel 5.7. Hasil Perhitungan SPSS Korelasi (Correlations) antar Variabel Tabel 5.8. Tabel Perbandingan Korelasi (Correlations) metode SPSS dan Manual Tabel 5.9. Hasil Perhitungan SPSS Korelasi Ganda (R) dan R2 Tabel 5.10. Tabel Perbandingan Korelasi Ganda metode SPSS dan Manual
DAFTAR GAMBAR Gambar 5.1: Model Regresi Linier Sederhana Gambar 5.2. Garis regresi Y karena pengaruh X, persamaan regresi Y = 2 + 0,5 X Gambar 5.3. Model regresi untuk 2 variabel bebas dan 1 variabel terikat Gambar 5.4. Korelasi Parsial Regresi Linier Berganda
22
Agus Sukoco Santirianingrum Soebandhi
MODUL 5: Regresi Linear
Jawablah pertanyaan berikut ini dengan singkat dan benar! Dilakukan penelitian untuk mengetahui bagaimana pengaruh Lama Belajar (X 1) dan IQ (X2) terhadap Pretasi Belajar di SMA tertentu (Y) dengan jumkah sampel 15 siswa yang diperoleh hasil sebagai berikut. X1
5
4
2
1
4
6
7
8
2
4
6
7
4
5
4
X2
110
170
180
150
100
110
150
160
120
130
110
140
160
120
140
Y
72
96
98
92
70
71
72
75
67
63
65
62
70
72
75
Ket: Dalam jam/hari Hitunglah! a. Persamaan regresi X1 terhadap Y ? b. Persamaan regresi X2 terhadap Y ? c. Persamaan regresi X1 dan X2 terhadap Y ? d. Bila belajar diperpanjang sampai 10 jam/hari, berapa nilai prestasi belajarnya ? e. Bila lama belajar dibuat 9 jam dan IQ 150, berapa nilai prstasi belajarnya ? f. Berapa koefisien korelasi ganda antara X1 dan X2 terhadap Y ?
Modul Ajar Statistik Bisnis : Analisa terhadap Kasus-Kasus Bisnis
23