1. Analisis regresi digunakan untuk mengkaji hubungan antara variabel bebas dan terikat yang diungkap dalam persamaan matematis untuk meramal nilai variabel terikat berdasarkan variabel bebas. 2. Pada kasus ini, persamaan regresinya adalah Penjualan = -48,872 + 85,083xBiaya_Iklan dengan koefisien korelasi 0,665 yang menunjukkan hubungan positif sedang. 3. Biaya iklan yang harus disediakan untuk

1. REGRESI
CYNTHIA RAHMAWATI, S.SI, M.SI
(HAN)

2. Pertemuan ke-8 s.d ke-14
• Rumus & bentuk umum pers.
Reg linier (Koef Regresi)
• Penentuan var bebas & tak
bebas
Persamaan
regresi
linier
• Pengertian korelasi
• Korelasi antar var
(bebas & tdk bebas)
Korelasi
• Menghitung koefisien korelasi
• Hub antara gradient garis dg koefisien
korelasi
• Menghitung koefisien korelasi dlm
arah hub antar var (Kel: SPSS)
Gradien &
koefisien
korelasi

3. Analisis Regresi Linier Sederhana
Definisi Analisis regresi
adalah analisis yang mengkaji pola hubungan
antara 2 variabel atau lebih yaitu
antara variabel bebas (independent variable)
dan variabel tak bebas/terikat (dependent
variable)
dinyatakan dalam suatu bentuk persamaan
matematis
yaitu persamaan regresi yang tujuannya
adalah untuk meramalkan nilai variabel tak
bebas (Y) berdasarkan variabel bebas (X)
tertentu

4. Persamaan Regresi Sederhana
(simple regression)
yaitu analisis regresi yang hanya
melibatkan 1 variabel X (variabel
bebas: independent var).
Regresi Linier : Regresi dengan
bentuk persamaan garis lurus

5. Langkah-langkah Analisis Regresi
1. Buat Hipotesis Komponen-komponen
penelitian
Y = a + bX
2. Estimasi Parameter-parameter
modelnya (a & b)
3. Evaluasi model dengan menguji
parameter-parameter-nya
4. Gunakan model untuk melakukan
prediksi

6. Analisis Regresi Linier Sederhana
 Bentuk persamaan regresi :
Y = a + bX
a = intercept = Nilai Y pada X = 0
b = koefisien regresi
= rata-rata perubahan Y jika X
bertambah 1 unit
X = Variabel Bebas
Y = Variabel Tak Bebas
X
Y
Y = a + bX
Xi
}
}
b = Slope
a = Intercept
Yi
{
Error: ei
Regression Plot

7.  Menghitung koefisien regresi
 
 
  



2
2
X
X
n
Y
X
XY
n
b
n
X
b
Y
X
b
Y
a
 





8.  Analisis Korelasi adalah analisis yang mengkaji
kuat hubungan linier antara 2 variabel yang dinyatakan
melalui koefisien korelasi (r: relation).
 Besarnya koefisien korelasi –1  r  1
11.2. Analisis Korelasi
 
   
 
 
 
  





2
2
2
2
Y
Y
n
X
X
n
Y
X
XY
n
r
8
Statistika Bisnis

9. Arti besar nilai r
 Jika r = 1 atau mendekati 1 maka hubungan antara 2
variabel sangat kuat secara positif yaitu hubungan yang
terjadi searah yaitu apabila nilai X meningkat maka Y juga
akan semakin meningkat dan sebaliknya.
 Jika r = -1 atau mendekati -1 maka hubungan antara 2
variabel sangat kuat secara negatif yaitu hubungan yang
terjadi berbalik arah yaitu apabila nilai X meningkat maka
akan diikuti dengan penurunan Y atau sebaliknya.
 Jika r = 0 atau mendekati 0 maka hubungan antara 2
variabel tidak ada atau lemah maka dapat dikatakan tidak
terdapat hubungan antara X dan Y.
Koefisien Korelasi

10. Koefisien Korelasi
Y
X
r = 0 Y
X
r = -1

11. 11.3. Koefisien Determinasi
Koesisien Determinasi (R2)
Untuk mengetahui seberapa besar pengaruh variabel X terhadap
variabel Y atau seberapa besar variasi Y dapat dijelaskan oleh X.
R2 = r2 x 100%
Misalkan : r = 0.8 maka R2 = 0.82 x 100% = 64%
artinya : Variabel Y dipengaruhi oleh variabel X sebesar 64%
sisanya 100-64 = 36% dipengaruhi faktor lain.

12. Contoh Kasus Biaya Iklan Penjualan
(Jutaan Rupiah) (Jutaan Rupiah)
Jan 2008 3.6 192
Feb 2008 2.8 113
Mar 2008 2.8 88
Apr 2008 4.1 294
May 2008 1.9 128
Jun 2008 3.2 123
Jul 2008 3.9 265
Aug 2008 3.7 255
Sep 2008 3.1 249
Oct 2008 3.5 275
Nov 2008 2.8 245
Dec 2008 2.9 233
Jan 2009 3.1 287
Feb 2009 3.4 299
Mar 2009 3.6 301
Apr 2009 3.6 275
May 2009 3.4 279
Jun 2009 3.8 295
Jul 2009 3.8 255
Aug 2009 3.7 249
Sep 2009 3.9 275
Oct 2009 3.8 280
Data biaya yang dikeluarkan untuk
iklan (variabel bebas) dan data
penjualan (variabel dependen)
sebuah perusahaan tertentu
adalah seperti pada tabel di
samping.
Tentukanlah:
a. Persamaan regresinya
b. Koefisien korelasi
c. Bila bulan berikutnya diinginkan
penjualan sebesar 250 juta,
maka berapa biaya iklan yang
harus disiapkan?
d. Berapa persen pengaruh biaya
iklan terhadap penjualan?

13. Penyelesaian
a) Persamaan regresi Y = a + bX
Y = Penjualan, X = Biaya Iklan
a & b dapat dicari dengan menggunakan SPSS (Analize > Regression > Linear)
sehingga output yang dihasilkan adalah:
Sehingga persamaan regresinya menjadi Y = -48,872 + 85,083X
b) Koefisien Korelasi (r) = 0,665
Coefficients
a
-48.872 73.037 -.669 .511
85.083 21.362 .665 3.983 .001
(Constant)
Biaya Iklan
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig.
Dependent Variable: Penjualan
a.
a
b
Model Summary
.665a .442 .414 50.42756
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
Predictors: (Constant), Biaya Iklan
a.

14. c) Bila bulan berikutnya diinginkan Penjualan (Y) sebesar Rp 250 juta, berapa Biaya
Iklan (X) yang harus disiapkan?
Gunakan persamaan regresi Y = -48,872 + 85,083X
Maka 250 = -48,872 + 85,083 X
250 + 48,872 = 85,083 X
298,872 = 85,083 X
X = 298,872/85,083 = 3,51
Jadi biaya iklan yang harus disiapkan adalah Rp 3,51 juta
d) Pengaruh biaya iklan terhadap penjualan (koefisien determinasi R2)
R2 = r 2 x 100% = (0,665)2 x 100% = 44,22%
Maka besar pengaruh biaya iklan terhadap penjualan adalah 44,22%