Dokumen tersebut membahas tentang perencanaan strategis dan analisis regresi linear. Ringkasannya adalah bahwa perencanaan strategis adalah rencana jangka panjang untuk mencapai tujuan organisasi, sedangkan analisis regresi linear digunakan untuk memprediksi hubungan antara variabel terikat dengan variabel bebas melalui persamaan matematis.

1. NAMA KELOMPOK
Dian Thia Lestari
Indah Widyastuti
Putri Sri Dewi
Okta julio
Sri Umsini
Ryan Andika Suri
PERENCANAAN
STRATEGIS

2. Perencanaan Strategi
Perancanaa Strategi adalah rencana spesifik mengenai
bagaimana untuk mencapai ke arah masa depan yang akan
diambil oleh entias. Sedangkan Perencanaa strategis
adalah proses memutuskan program-program yang akan
dilaksanakan oleh organisasi dan perkiraan jumlah sumber
daya yang akan dialokasikan kesetiap program jangka
panjang selama beberapa tahun kedepan. Hasil dari proses
perencanaan strategi berupa dokumen yang dinamakan
strategic plan yang berisi informasi tentang program-
program beberapa tahuun yang akan datang.
Pengertian Perencanaa Strategi

3. Dari derajat (pangkat) tiap peubah bebas
Linier (bila pangkatnya 1)
Non-linier (bila pangkatnya bukan 1)
Dari banyaknya peubah bebas (yang
mempengaruhi)
Sederhana (bila hanya ada satu
peubah bebas)
Berganda (bila lebih dari satu peubah
bebas)
Perencanaan Strategi

4. Alat statistik yang dipergunakan untuk
mengetahui pengaruh antara satu atau beberapa
variabel terhadap satu buah variabel. Variabel
yang mempengaruhi sering disebut variabel
bebas, variabel independen atau variabel
penjelas. Variabel yang dipengaruhi sering
disebut dengan variabel terikat atau variabel
dependen. Regresi linear hanya dapat digunakan
pada skala interval dan ratio.

5. Secara umum regresi linear terdiri dari dua,
yaitu regresi linear sederhana yaitu dengan
satu buah variabel bebas dan satu buah
variabel terikat; dan regresi linear berganda
dengan beberapa variabel bebas dan satu
buah variabel terikat. Analisis regresi linear
merupakan metode statistik yang paling
jamak dipergunakan dalam penelitian-
penelitian sosial, terutama penelitian
ekonomi.

6. Analisis regresi linear sederhana dipergunakan
untuk mengetahui pengaruh antara satu buah
variabel bebas terhadap satu buah variabel
terikat. Persamaan umumnya adalah :
Y = variabel terikat
X = variabel bebas.
a = konstanta
b = koefisien regresi (kemiringan)
1. Regresi Linier Sederhana
Y = a + b X.

7. Nilai-nilai a dan b dapat dihitung
dengan menggunakan Rumus dibawah
ini :
a = (Σy) (Σx²) – (Σx) (Σxy)
n(Σx²) – (Σx)²
b = n(Σxy) – (Σx) (Σy)
n(Σx²) – (Σx)²

8. Langkah-langkah dalam melakukan Analisis Regresi
Linear Sederhana :
 Tentukan Tujuan dari melakukan Analisis Regresi Linear
Sederhana
 Identifikasikan Variabel Faktor Penyebab (Predictor)
dan Variabel Akibat (Response)
 Lakukan Pengumpulan Data
 Hitung X², Y², XY dan total dari masing-masingnya
 Hitung a dan b berdasarkan rumus diatas.
 Buatkan Model Persamaan Regresi Linear Sederhana.
 Lakukan Prediksi atau Peramalan terhadap Variabel
Faktor Penyebab atau Variabel Akibat.

9. Hubungan secara linear antara dua atau lebih
variabel independen (X1, X2,….Xn) dengan
variabel dependen (Y). Analisis ini untuk
mengetahui arah hubungan antara variabel
independen dengan variabel dependen apakah
masing-masing variabel independen berhubungan
positif atau negatif dan untuk memprediksi nilai
dari variabel dependen apabila nilai variabel
independen mengalami kenaikan atau penurunan.
Data yang digunakan biasanya berskala interval
atau rasio.
2. Analisis Regresi Linier
Berganda

10. Persamaan regresi linear berganda sebagai
berikut:
Keterangan:
Y’ = Variabel dependen (nilai yang diprediksikan)
X1 dan X2 = Variabel independen
a = Konstanta (nilai Y’ apabila X1, X2…..Xn = 0)
b = Koefisien regresi (nilai peningkatan ataupun
penurunan)
Y’ = a + b1X1+ b2X2+…..+ bnXn

11. Contoh Kasus Analisis Regresi Linear
Sederhana :
Diketahui suatu penelitian terhadap hubungan antara nilai biaya
periklanan dengan tingkat penjualan dari sebuah koperasi adalah
sebagai berikut : (dalam ribuan rupiah)
Biaya
periklana
n
Tingkat
Penjualan
50 40
51 46
52 44
53 55
54 49
a. Tentukan persamaan
regresinya
b. Berapa besarnya koefisien
korelasi dan koefisien
determinasinya ?
c. Berapa besarnya kesalahan
standar estimasinya ?
d. Dengan tingkat signifikasi
10%, ujilah hipotesis yang
menyatakan bahwa hubungan
antara biaya periklanan dan
tingkat penjualan sedikitnya 40%!

12. Menentukan persamaan regresinya
Langkah 1 :
Menentukan variable X dan variable Y. Dalam soal ini variable biaya
periklanan merupakan variable X dan tingkat penjualan merupakan
variable Y.
Langkah 2 :
Membuat table regresi sederhana
Periklanan (X) Tkt. Penjualan (Y) (X)2 (Y)2
50 40 2500 1600
51 46 2601 2116
52 44 2704 1936
53 55 2809 3025
54 49 2916 2401
260 234 13530 11078

13. (XY)
2000
2346
2288
2915
2646
12195

14. Langkah 3 :
Menentukan koefisien a dan koefisien b
b = n ∑XY – ∑X.∑Y
n ∑X2 – (∑X2)
= 5 (12195) –(260)(234)
5 (13530) – (260)2
= 2,7
a = ∑Y – b ∑X
n
= {(234) – 2,7 (260)} / 5
= -93,6
Langkah 4:
Menentukan persamaan regresi linier sederhana
Y = a + b (X)
Maka persamaan regresi dalam soal ini adalah :
Y = -93,6 + 2,7 (X)

15. Contoh Soal Regresi Linier Berganda :
Diketahui peubah nilai ekonomi makro (Y) dipengaruhi oleh jumlah jam
belajar per minggu (X1) dan nilai pengantar ekonomi (X2) dengan data
sebagai berikut :
MahasiswaYX1X2
140130
244135
349242
453247
560350
665362
769464
878571
985679
1092785
Berdasarkan data di atas tentukan hubungan matematis antara nilai
ekonomi makro dengan jumlah jam belajar per minggu dan nilai
pengantar ekonomi.

16. Dari data di atas diketahui bahwa Y merupakan fungsi linier dari X1 dan
X2, Y=f(X1, X2) sehingga persamaan regresi yang didapat akan seperti
ini :
Y = b0 + b1X1 + b2X2
Mahasisw
a
Y X1 X2 X1.
X1
X2.X2 X1.X2 X1.Y X2.Y
1 40 1 30 1 900 30 40 1200
2 44 1 35 1 1225 35 44 1540
3 49 2 42 4 1764 84 98 2058
4 53 2 47 4 2209 94 106 2491
5 60 3 50 9 2500 150 180 3000
6 65 3 62 9 3844 186 195 4030
7 69 4 64 16 4096 256 276 4416
8 78 5 71 25 5041 355 390 5538
9 85 6 79 36 6241 474 510 6715
10 92 7 85 49 7225 595 644 7820
Jumlah
(Σ) 635 34 565 154 35045 2259 2483 38808

17. Persamaan normalnya ialah sebagai
berikut :
Dengan metode Cramer didapatkan b0 = 20.638;
b1=3.742; b2=0.533 sehingga persamaan regresinya
menjadi :
Y = 20.638 + 3.742 X1 + 0.533 X2