Analisis Regresi

(1)

Kelompok 4

Diskusi Kelompok

“ Analisis Regresi ”

Felicitas Resi Diva P (202233013) 1.

Geolia Maharani Sekar P (202233014) 2.

Maria Elisabet Sita M.J (202233019) 3.

Rahma Putri Widyastuti (202233026) 4.

(2)

DEFINISI

Analisis regresi adalah suatu model matematis yang dapat digunakan untuk mengetahui bentuk hubungan antara dua atau lebih variabel.

Tujuan analisis regresi adalah untuk membuat perkiraan (prediksi) nilai suatu variabel (variabel dependen) melalui variabel yang lain (variabel independen)

Regresi Linear Sederhana

Regresi Linear Berganda

Regresi Linear dibagi menjadi

1.

2.

hanya digunakan untuk satu variable bebas dan satu variable terikat.

digunakan untuk satu variable terikat dan dua atau lebih variable bebas.

(3)

JENIS REGRESI

Regresi Linear Sederhana

1.

Rumus Regresi Linear Sederhana :

dimana :

Y = variabel terikat X = variabel bebas a, b = konstanta

(4)

JENIS REGRESI

Langkah-langkah membuat persamaan Regresi Linear Sederhana

a. Membuat tabel penolong

(5)

JENIS REGRESI

b. Mencari nilai konstanta b c. Mencari konstanta a

(6)

JENIS REGRESI

d. Membuat persamaan garis

Bila persamaan regresi linear sederhana digunakan untuk mencari pengaruh antara variable bebas dan variable terikat dan kontribusi yang diberikan oleh varibel bebas terhadap variable terikat maka digunakan langkah-langkah berikut :

(7)

JENIS REGRESI

a. Mencari nilai korelasi antara variabel X dan Y i. Membuat tabel penolong

(8)

JENIS REGRESI

ii. Menghitung nilai korelasi

iii. Menghitung nilai t hitung

(9)

JENIS REGRESI

iv. Kesimpulan

(10)

JENIS REGRESI

b. Kontribusi atau koefisien determinasi

(11)

JENIS REGRESI

Regresi Linear Berganda

2.

Rumus Regresi Linear Berganda :

dimana :

Y = variabel terikat

X1 = variabel bebas ke-1 a, b1 = konstanta ke-1

(12)

JENIS REGRESI

Langkah-langkah membuat persamaan Regresi Linear Berganda dengan dua prediksi

a. Membuat tabel penolong

(13)

JENIS REGRESI

b. Menerapkan metode skor deviasi

(14)

JENIS REGRESI

c. Mencari nilai konstanta

(15)

JENIS REGRESI

d. Membuat persamaan regresi berganda 2 variabel

Bila persamaan regresi linear sederhana digunakan untuk mencari pengaruh antara variable bebas dan variable terikat dan kontribusi yang diberikan oleh varibel bebas terhadap variable terikat maka digunakan langkah-langkah berikut :

(16)

JENIS REGRESI

Mencari nilai korelasi antara variabel X1, X2 dan Y 1.

a. Mencari nilai korelasi berganda

b. Menghitung F hitung

(17)

JENIS REGRESI

Mencari nilai korelasi antara variabel X1, X2 dan Y 1.

c. Menentukan F tabel

d. Kesimpulan e. Mencari koefisien determinasi

(18)

Tujuan dilakukan uji signifikasi secara parsial untuk dua variabelbebas terhadap waviabel tak bebas adalah untuk mengukur secara terpisah kontribusi yang diakibatkan dari masing-masing variable bebas terhadap variable terikat.

JENIS REGRESI

2. Uji signifikansi secara parsial

a. Menghitung standart error

(19)

JENIS REGRESI

2. Uji signifikansi secara parsial

(20)

JENIS REGRESI

2. Uji signifikansi secara parsial

(21)

JENIS REGRESI

b. Kaidah pengujian

c. Kesimpulan

d. Koefisien Determinasi

(22)

Implementasi

Latihan Soal 1

(23)

Tabel Penolong

(24)

Langkah Kerja

Langkah uji Regresi dengan SPSS

Buka aplikasi SPSS masuk ke dalam variabel view

1.

(25)

2. Beri nama variabel contoh : variabel X dan variabel Y

(26)

3. Masukkan data pada bagian data view dengan data :

(27)

4. Kemudian pada bar tools klik Analyze, lalu pilih Regression dan

klik Linear.

(28)

5. Klik X dan pindahkan X ke isian Independent. Klik Y dan pindahkan

Y ke isian Dependent.

(29)

5. Kemudian akan muncul hasil seperti berikut :

(30)

Interpretasi

Perhatikan tabel Coefficients. Nilai Constan (a) adalah 27,974, nilai slope/koefisien regresi (b) adalah 0,539 sehingga persamaan regresinya adalah :

Interpretasi :

“Jika variable bebas X naik satu satuan, makan variable terikat Y dapat

diprediksi akan meningkat sebesar 0,539 atau 54% pada konstanta 27,949”

Selanjutnya, persamaan regresi ini perlu diuji signifikansinya dengan cara

melihat nilai F dan nilai Sig.nya berdasarkan aoutpu dari SPSS pada tabel

ANOVA, diperoleh nilai F sebesar 18,575 dengan nilai Sig = 0.003

(31)

Interpretasi

Karena H0 ditolak, dengan demikian dapat disimpulkan bahwa koefisien

persamaan regresi signifikan.

(32)

Selanjutnya Uji Linieritas Garis Regresi Pengujian :

H0 : Garis regresi Linear

H1: Garis regresi tidak Linear

(33)

Langkah-langkah Uji Linieritas

Pilih Analyze pada kolom tools bar, Compare Means dan pilih Means.

1.

(34)

2. Pindahkan variable Y ke kotak Dependent List, dan variabel X ke

kotak Independent List.

(35)

3. Kemudian pilih Options dan pilih Test for linearity klik Continue

dan OK

(36)

4. Akan muncul output hasil analisis sebagai berikut :

(37)

Interpretasi

Perhatikan hasil Deviation from Linearity diperoleh nilai F = 1,688 dengan nilai Sig = 0,312. Nilai Sig lebih besar dari 5% maka H0

diterima yaitu Garis Regresi Liniear.

Selanjutnya Uji Signifikasi Korelasi Pengujian :

H0 : Korelasi tidak signifikan

H1 : Korelasi signifikan

(38)

Langkah Langkah Uji Signifikasi Korelasi

Pilih Analyze , Correlate dan pilih Bivariate

1.

(39)

2. Pindahkan variable X dan Y ke kolom Variabels

(40)

3. Kemudian pilih Pearson dan klik OK

(41)

4. Akan muncul output hasil analisis sebagai berikut :

(42)

Interpretasi

Dari hasil analisis korelasi pada korelasi Person X dengan Y sebesar

diperoleh nilai F = 1,688 dengan nilai 0,836 dengan nilai Sig = 0,003. Nilai

Sig lebih kecil dari 5% maka H0 diterima yaitu Korelasi antara X dengan Y

tidak Signifikan.

(43)

Implementasi

Latihan Soal 2

Uji Linear Sederhana

(44)

Tabel Penolong

(45)

Tabel Penolong

(46)

Langkah Kerja

Langkah uji Regresi dengan SPSS

Buka aplikasi SPSS masuk ke dalam variabel view

1.

(47)

2. Klik tab Variable View

Lalu pada tabel nama beri nama X untuk data yang pertama

dan Y untuk data yang kedua

(48)

3. Pilih menu Analyze, lalu pilih Regression dan pilih Linear

(49)

4. Setelah itu akan muncul box yang berisi beberapa pilihan,

masukkan sesuai gambar dibawah. Klik OK

(50)

5. Setelah itu akan dihasilkan output.

(51)

Interpretasi

Dari hasil analisis berdasarkan tabel di Coefficients, diperoleh nilai signifikansi sebesar 0.000<0.005, sehingga dapat disimpulkan bahwa variabel Harga Produk

(X) berpengaruh terhadap variabel Loyalitas Pelanggan (Y).

(52)