TEKNIK PROYEKSI BISNIS BAB 5 ANALISIS METODE REGRESI

TEKNIK PROYEKSI BISNIS BAB 5 ANALISIS METODE REGRESI SEDERHANA Ardiprawiro S. E. , MMSI

TUJUAN PEMBELAJARAN Setelah mempelajari bab ini, Anda diharapkan dapat: “Mampu menggunakan dan menghitung teknik regresi, kesalahan baku estimasi, koefisien determinasi, serta korelasi” ardiprawiro. staff. gunadarma. ac. id

MODEL REGRESI LINIER SEDERHANA v Model regresi linier sederhana adalah model probabilistik yang menyatakan hubungan linier antara dua variabel di mana salah satu variabel dianggap memengaruhi variabel yang lain. v Variabel yang memengaruhi dinamakan variabel independen. v Variabel yang dipengaruhi dinamakan variabel dependen. ardiprawiro. staff. gunadarma. ac. id

MODEL REGRESI LINIER SEDERHANA v Model probabilistik untuk regresi linier sederhana adalah: Ŷ = a + b. X di mana: Ŷ = Nilai output atau variabel dependen X = Variabel independen a = konstanta b = koefisien regresi ardiprawiro. staff. gunadarma. ac. id

MODEL REGRESI LINIER SEDERHANA • ardiprawiro. staff. gunadarma. ac. id

MODEL REGRESI LINIER SEDERHANA Nomor Responden Tingkat IQ (X) Hasil Belajar Mahasiswa (Y) 1 90 59 2 97 62 3 106 69 4 110 65 5 115 69 6 118 74 7 122 70 8 127 76 9 135 81 10 140 85 v Hitunglah konstanta a dan koefisien regresi b? ardiprawiro. staff. gunadarma. ac. id

MODEL REGRESI LINIER SEDERHANA Nomor Responden Tingkat IQ (X) Hasil Belajar Mahasiswa (Y) X 2 Y 2 XY 1 90 59 8. 100 3. 481 5. 310 2 97 62 9. 409 3. 844 6. 014 3 106 69 11. 236 4. 761 7. 314 4 110 65 12. 100 4. 225 7. 150 5 115 69 13. 225 4. 761 7. 935 6 118 74 13. 924 5. 476 8. 732 7 122 70 14. 884 4. 900 8. 540 8 127 76 16. 129 5. 776 9. 652 9 135 81 18. 225 6. 561 10. 935 10 140 85 19. 600 7. 225 11. 900 Jumlah 1. 160 710 136. 832 51. 010 83. 482 ardiprawiro. staff. gunadarma. ac. id

MODEL REGRESI LINIER SEDERHANA • ardiprawiro. staff. gunadarma. ac. id

MODEL REGRESI LINIER SEDERHANA v Jadi, persamaan garis regresi sederhananya adalah: Ŷ = a + b. X Ŷ = 13, 715 + 0, 494 X ardiprawiro. staff. gunadarma. ac. id

KESALAHAN BAKU ESTIMASI • ardiprawiro. staff. gunadarma. ac. id

KESALAHAN BAKU ESTIMASI Nomor Responden Tingkat IQ (X) Hasil Belajar Mahasiswa (Y) 1 90 59 2 97 62 3 106 69 4 110 65 5 115 69 6 118 74 7 122 70 8 127 76 9 135 81 10 140 85 v Hitunglah kesalahan baku estimasinya? ardiprawiro. staff. gunadarma. ac. id

KESALAHAN BAKU ESTIMASI v Contoh menggunakan tabel sebelumnya, kita cari dulu regresi linier sederhana (Ŷ): Ŷ 1 = 13, 715 + 0, 494 X 1 = 13, 715 + 0, 494 (90) = 58, 175 Ŷ 2 = 13, 715 + 0, 494 X 2 = 13, 715 + 0, 494 (97) = 61, 633 Ŷ 3 = 13, 715 + 0, 494 X 3 = 13, 715 + 0, 494 (106) = 66, 079 Ŷ 4 = 13, 715 + 0, 494 X 4 = 13, 715 + 0, 494 (110) = 68, 055 Ŷ 5 = 13, 715 + 0, 494 X 5 = 13, 715 + 0, 494 (115) = 70, 525 Ŷ 6 = 13, 715 + 0, 494 X 6 = 13, 715 + 0, 494 (118) = 72, 007 Ŷ 7 = 13, 715 + 0, 494 X 7 = 13, 715 + 0, 494 (122) = 73, 983 Ŷ 8 = 13, 715 + 0, 494 X 8 = 13, 715 + 0, 494 (127) = 76, 453 Ŷ 9 = 13, 715 + 0, 494 X 9 = 13, 715 + 0, 494 (135) = 80, 405 Ŷ 10 = 13, 715 + 0, 494 X 10 = 13, 715 + 0, 494 (140) = 82, 875 ardiprawiro. staff. gunadarma. ac. id

KESALAHAN BAKU ESTIMASI Nomor Responden Tingkat IQ (X) Hasil Belajar Mahasiswa (Y) Ŷ Y-Ŷ (Y – Ŷ)2 1 90 59 58, 175 0, 825 0, 68 2 97 62 61, 633 0, 367 0, 13 3 106 69 66, 079 2, 921 8, 53 4 110 65 68, 055 -3, 055 9, 33 5 115 69 70, 525 -1, 525 2, 33 6 118 74 72, 007 1, 993 3, 97 7 122 70 73, 983 -3, 983 15, 86 8 127 76 76, 453 -0, 453 0, 21 9 135 81 80, 405 0, 595 0, 35 10 140 85 82, 875 2, 125 4, 52 Jumlah 1. 160 710, 19 -0, 19 45, 92 ardiprawiro. staff. gunadarma. ac. id

KESALAHAN BAKU ESTIMASI v Apabila hasil data yang terdapat di dalam tabel sebelumnya diaplikasikan pada rumus kesalahan baku estimasi, maka kita dapat kesalahan baku estimasi sebesar: Se 2 = Σ(Y – Ŷ)2 / N – 2 Se 2 = 45, 92 / (10 – 2) Se 2 = 45, 92 / 8 Se 2 = 5, 74 Se = √ 5, 74 = 2, 39 ardiprawiro. staff. gunadarma. ac. id

KOEFISIEN KORELASI v Koefisien korelasi (r) adalah nilai yang menunjukkan kuat/tidaknya hubungan linier antar dua variabel. v Untuk memudahkan melakukan interpretasi mengenai kekuatan hubungan antara dua variabel diberikan kriteria sebagai berikut: - 0 = Tidak ada korelasi antara dua variabel - >0 – 0, 25 = Korelasi sangat lemah - >0, 25 – 0, 5 = Korelasi cukup - >0, 5 – 0, 75 = Korelasi kuat - >0, 75 – 0, 99 = Korelasi sangat kuat - 1 = Korelasi sempurna ardiprawiro. staff. gunadarma. ac. id

KOEFISIEN KORELASI • ardiprawiro. staff. gunadarma. ac. id

KOEFISIEN DETERMINASI v Koefisien determinasi (coefficient of determination/R 2) adalah ukuran yang menunjukkan berapa banyak variasi dalam data dapat dijelaskan oleh model regresi yang dibangun. v Koefisien determinasi pada regresi linier sering diartikan sebagai seberapa besar kemampuan semua variabel bebas dalam menjelaskan varians dari variabel terikatnya. v Rumus koefisien determinasi sederhananya adalah mengkuadratkan koefisien korelasi (r). R 2 = (r)2 ardiprawiro. staff. gunadarma. ac. id

KOEFISIEN KORELASI DAN DETERMINASI Nomor Responden Tingkat IQ (X) Hasil Belajar Mahasiswa (Y) X 2 Y 2 XY 1 90 59 8. 100 3. 481 5. 310 2 97 62 9. 409 3. 844 6. 014 3 106 69 11. 236 4. 761 7. 314 4 110 65 12. 100 4. 225 7. 150 5 115 69 13. 225 4. 761 7. 935 6 118 74 13. 924 5. 476 8. 732 7 122 70 14. 884 4. 900 8. 540 8 127 76 16. 129 5. 776 9. 652 9 135 81 18. 225 6. 561 10. 935 10 140 85 19. 600 7. 225 11. 900 Jumlah 1. 160 710 136. 832 51. 010 83. 482 ardiprawiro. staff. gunadarma. ac. id

KOEFISIEN KORELASI DAN DETERMINASI • ardiprawiro. staff. gunadarma. ac. id

REFERENSI v Nawari. 2010. Analisis Regresi dengan MS Excel 2007 dan SPSS 17. Jakarta: Elex Media Komputindo v Santoso, P. B. , dan Hamdani, Muliawan. 2007. Statistika Deskriptif dalam Bidang Ekonomi dan Niaga. Jakarta: Erlangga v Suyono. 2018. Analisis Regresi untuk Penelitian. Yogyakarta: Deepublish ardiprawiro. staff. gunadarma. ac. id

TERIMA KASIH