Dokumen tersebut memberikan contoh analisis regresi linear sederhana dan berganda untuk memprediksi penjualan produk dan kinerja pegawai. Pada regresi linear sederhana, variabel pengunjung digunakan untuk memprediksi jumlah produk terjual. Pada regresi berganda, pengaruh gaji dan motivasi terhadap kinerja pegawai diuji menggunakan SPSS. Hasilnya menunjukkan gaji berpengaruh signifikan sedangkan motivasi tidak. Model gab
Merri syafwardi, hapzi ali, regresi linear, ut batam, 2018
1. Nama : Merri Syafwardi, STP
NIM : 530005485
UPBJJ: BATAM
===================================================================
FORUM 8, MINGGU 11
TUGAS :
Setelah anda pelajari dan pahami Modul Tutorial Analisis Regresi Linear Sederhana dan
Regresi Linear Berganda, buat contoh kasus dan analisis datanya serta interpretasikan.
Untuk saudara ketahui rata-rata analisis yang digunakan adalah Regresi Linear Berganda,
sedikit sekali yang menggunakan Path Analisis, SEM, PLS dll.
TANGGAPAN:
REGRESI LINEAR SEDERHANA
Contoh Kasus : Seorang pemilik pameran sedang melakukan survey antara jumlah
pengunjung terhadap jumlah produk yang terjual, survey dilakukan selama 30 hari terhadap
rata-rata jumlah pengunjung dengan jumlah produk yang terjual.
Penyelesaian:
Penyelesaiannya mengikuti Langkah-langkah dalam Analisis Regresi Linear Sederhana
adalah sebagai berikut :
Langkah 1: Penentuan Tujuan
Tujuan : Memprediksi jumlah produk yang terjual terhadap jumlah pengunjung yang datang
selama 30 hari
Langkah 2 : Identifikasikan Variabel Penyebab dan Akibat
Variabel Faktor Penyebab (X) : Jumlah Pengunjung
Variabel Faktor Akibat (Y) : Jumlah Produk Terjual
2. Langkah 3 : Pengumpulan Data
Berikut ini adalah data yang diolah dan dikumpulkan, selama 30 hari :
Tanggal Jumlah Pengunjung Jumlah Produk Terjual
1 24 10
2 22 5
3 21 6
4 20 3
5 22 6
6 19 4
7 20 5
8 23 9
9 24 11
10 25 13
11 21 7
12 20 4
13 20 6
14 19 3
15 25 12
16 27 13
17 28 16
18 25 12
19 26 14
20 24 12
21 27 16
22 23 9
23 24 13
24 23 11
25 22 7
26 21 5
27 26 12
28 25 11
29 26 13
30 27 14
LANGKAH 4 : Hitung X², Y², XY dan total dari masing-masingnya
Berikut ini adalah tabel yang telah dilakukan perhitungan X², Y², XY dan totalnya :
4. Langkah 5 : Hitung a dan b berdasarkan rumus Regresi Linear Sederhana
Menghitung Konstanta (a) :
a = (Σy) (Σx²) – (Σx) (Σxy)
n (∑X²) – (∑X)²
a = (282) (16.487) – (699) (6.861)
30 (16.487) – (699) ²
a = -24,38
Menghitung Koefisien Regresi (b) :
b = n(Σxy) – (Σx) (Σy)
n(Σx²) – (Σx)²
b = 30 (6.861) – (699) (282)
30 (16.487) – (699)²
b = 1,45
Langkah 6 : Buat Model Persamaan Regresi
Y = a + bX
Y = -24,38 + 1,45X
Langkah 7 : Lakukan Prediksi atau Peramalan terhadap Variabel Faktor Penyebab
atau Variabel Akibat
I. Prediksikan jumlah produk terjual jika jumlah pengunjung yang datang dalam jumlah
yang tinggi (Variabel X), contohnya : 30 orang pengunjung
Y = -24,38 + 1,45 (30)
Y = 19,12 Dibulatkan menjadi 19.
5. Jadi jika jumlah pengunjung yang datang mencapai 30 orang pengunjung, maka diprediksi
akan terdapat 19 unit produk yang terjual.
II. Jika jumlah produk yang terjual (Variabel Y) ditargetkan minimal 4 unit, maka berapakah
jumlah pengunjung yang datang yang diperlukan untuk mencapai target tersebut ?
4 = -24,38 + 1,45X
1,45X = 4 + 24,38
X = 28,38 / 1,45
X = 19,57 Dibulatkan menjadi 19.
Jadi Prediksi jumlah pengunjung yang datang yang paling sesuai untuk mencapai target
penjualan adalah sekitar 19 orang pengunjung.
REGRESI LINEAR BERGANDA
Contoh Kasus : Dalam rangka meningkatkan kinerja pegawainya, maka seorang
pengusaha melakukan penelitian tentang Pengaruh Gaji dan Motivasi terhadap Kinerja
Pegawainya. Survei dilakukan terhadap 30 orang karyawan yang dilakukan secara acak.
1. Data yang akan digunakan
No. Gaji (X1) Motivasi (X2) Kinerja (Y)
1 22.00 18.00 28.00
2 23.00 17.00 27.00
3 24.00 18.00 28.00
4 21.00 19.00 27.00
5 23.00 18.00 26.00
6 21.00 19.00 26.00
7 21.00 20.00 28.00
8 21.00 18.00 27.00
9 20.00 19.00 25.00
10 19.00 17.00 25.00
11 20.00 16.00 25.00
12 21.00 16.00 26.00
13 23.00 17.00 27.00
14 22.00 19.00 28.00
6. 15 22.00 21.00 26.00
16 20.00 20.00 24.00
17 21.00 19.00 26.00
18 19.00 18.00 24.00
19 19.00 18.00 24.00
20 20.00 20.00 27.00
21 21.00 18.00 27.00
22 24.00 17.00 28.00
23 24.00 19.00 29.00
24 23.00 20.00 26.00
25 25.00 19.00 30.00
26 22.00 18.00 28.00
27 21.00 17.00 27.00
28 21.00 19.00 29.00
29 23.00 20.00 29.00
30 22.00 19.00 27.00
Data tersebut menunjukkan 3 variabel dengan jumlah data sebanyak 30 data.
2. Hipotesis yang akan di uji
H1 : Variabel Gaji berpengaruh signifikan terhadap Kinerja Pegawai
H2 : Variabel Motivasi berpengaruh signifikan terhadap Kinerja Pegawai
H3 : Variabel Gaji dan Motivasi berpengaruh signifikan secara bersama-sama
terhadap Kinerja Pegawai
3. Kriteria Pengujian
Untuk Hipotesis H1 dan H2 :
Apabila nilai sig. t<0,05 maka hipotesis diterima
Apabila nilai sig. t>0,05 maka hipotesis ditolak
Untuk Hipotesis H3 :
Apabila nilai Sig. f<0,05 maka hipotesis diterima
Apabila nilai Sig. f>0,05 maka hipotesis ditolak
4. Langkah Pengujian
Pengujian Pertama
H1 : Variabel Gaji berpengaruh signifikan terhadap Kinerja Pegawai
7. H2 : Variabel Motivasi berpengaruh signifikan terhadap Kinerja Pegawai
Hasil pengujian dengan SPSS menghasilkan output sebagai berikut:
Coefficients
a
Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig.B Std. Error Beta
1 (Constant) 9.152 3.938 2.324 .028
Gaji .711 .128 .723 5.550 .000
Motivasi .124 .163 .099 .760 .454
a. Dependent Variable: Kinerja
Kesimpulan:
Data diatas menunjukkan bahwa nilai Sig. untuk Gaji sebesar 0,000 (p<0,05) maka
dari itu hipotesis diterima artinya Variabel Gaji berpengaruh signifikan terhadap
Kinerja Pegawai.
Selanjutnya untuk Variabel Motivasi, data diatas menunjukkan bahwa nilai Sig.
sebesar 0,454 (p>0,05) maka dari itu hipotesis ditolak artinya Variabel Motivasi tidak
berpengaruh siginifikan terhadap Kinerja Pegawai.
Pengujian Kedua
H3 : Variabel Gaji dan Motivasi berpengaruh signifikan secara bersama-sama
terhadap Kinerja Pegawai.
8. Hasil pengujiannya dalah sebagai berikut :
ANOVA
a
Model Sum of Squares df Mean Square F Sig.
1 Regression 38.488 2 19.244 16.080 .000
b
Residual 32.312 27 1.197
Total 70.800 29
a. Dependent Variable: Kinerja
b. Predictors: (Constant), Motivasi, Gaji
Kesimpulan:
Berdasarkan data diatas, didapatkan nilai Sig. F sebesar 0,000 (p<0,05) maka dapat
disimpulkan bahwa hipotesis diterima, artinya variabel gaji dan motivasi berpengaruh
signifikan secara bersama-sama terhadap kinerja pegawai.
Demikian penjelasan terkait analisa regresi linear sederhana yang dihitung
menggunakan rumus regresi linear sederhana dan analisa regresi linear berganda yang
dihitung menggunakan aplikasi SPSS.