Академический Документы
Профессиональный Документы
Культура Документы
LINEAR SEDERHANA
A. Variabel bebas dan variable terikat.
Variabel bebas ( Independent variable ) adalah variable yang nilainya tidak
tergantung pada variable lainnya. Biasanya disimbolkan X.
Variabel terikat ( dependent variable ) adalah veriabel yang nilainya
tergantung variable lainnya. Biasanya disimbolkan Y.
B. Koefisien Korelasi linear sederhana.
Koefisien korelasi adalah indek/bilangan yang digunakan untuk mengukur
keeratan hubungan antar variable ( hubungannya bias kuat, lemah dan tidak
ada hubungan ). Koefisien korelasi disimbolkan r.
Koefisien korelasi memiliki nilai antara 1 dan +1 ( -1 r 1 ).
a. Jika koefisien korelasi bernilai positif ( r + ) maka variable berkorelasi
positif, apabila nilai r mendekati +1 maka semakin kuat hubungan antar
variable, demikian sebaliknya.
b. Jika koefisien korelasi bernilai negatif ( r - ) maka variable berkorelasi
negatif, apabila nilai r mendekati 1 maka semakin kuat hubungan antar
variable, demikian sebaliknya.
c. Jika koefisien korelasi bernilai 0 maka variabelnya tidak ada hubungan.
d. Jika koefisien korelasi bernilai +1 dan 1 maka hubungan antar variable
sempurna.
Untuk menentukan keeratan hubungan antar variable tersebut, maka
diberikan patokan :
a. r = 0 ---- tidak ada hubungan antar variable.
r =
n. X
n X .Y X . Y
2
n.Y
r =
x. y
x . y
2
Keterangan : x = X X dan y = Y - Y
b. Koefisien Penentu ( KP ) atau Koefisien Determinan ( r2 ).
Adalah koefisien korelasi dikuadratkan dikalikan 100%.
Koefisien korelasi menjelaskan seberapa besar pengaruh variable
bebas ( X ) terhadap variable terikat ( Y).
Dirumuskan : r2 x 100%.
Contoh 1:
Apabila anda bekerja dibagian Marketing , kemudian anda diminta
oleh Pimpinan untuk menganalisis apakah biaya yang dikeluarkan
untuk promosi ada hungannya dengan pendapatan diperusahaan .
Anda diberikan data sebagai berikut :
X = biaya promosi dan Y = Pendapatan.
Biaya promosi
10
12
( dalam milyar )
D. REGRESI LINEAR.
Adalah alat ukur yang digunakan untuk mengukur ada atau tidaknya korelasi
antar variable. Regresi artinya ramalan / taksiran. Diperkenalkan pertama
kali oleh Sir Francis Galton Th. 1877.
Regresi linear adalah regresi yang variable bebasnya berpangkat paling
tinggi satu.
Persamaan regresi linear dari Y terhadap X dirumuskan :
Y = a + bX
Keterangan : Y = Variabel terikat, X = variable bebas, a = konstanta, b
= koefisien regresi.
Dari persamaan regresi tersebut nilai a dan b dapat ditentukan dengan rumus
:
b =
n X .Y X Y
n X 2 X 2
a = Y - b.X
contoh :
Data penelitian mengenai pengalaman kerja dengan produktivitas dalam
menjual produk SM.
X = pengalaman kerja. ( tahun )
Y = produktivitas dalam ( unit ).
X
Y
3
5
6
10
4
8
9
10
12 14
Pertanyaan :
a. Buat persamaan regresinya ?
5
9
7
10
6
9
a. y b. x. y
n2
x se
n. x x
2
Sa =
Sb =
10
17
12
20
9
16
14
20
8
18
6
10
11
14
Y = produktivitas.dalam menjual
X
X2
XY
Y2
15
25
10
60
36
100
32
16
64
12
108
81
144
10
14
140
100
196
45
25
81
10
70
49
100
6
50
9
77
54
524
36
352
81
791
X = 50/8 = 6,25
b =
b=
Y = 77/8 = 9,63
n X .Y X Y
n X 2 X 2
8.524 50.77 4192 3850 342
= 2816 2500 316 1,08
8.352 502
a = Y - b.X
a = 9,63 1,08.6,25
= 9,63 6,75 = 2,88
a.
b.
b2
AB CD
F
DE AC
F
Y b X
1
b2 X 2
dimana :
A=
n. X 1.Y X 1 Y
2
B = n. X 2 X 2
C = n X 1 X 2 X 1 X 2
D = n . X 2 .Y
E=
X 2. Y
n. X 1 X 1
F = EB C2
Contoh ;
Anda diminta untuk menganalisis data biaya distribusi dan biaya promosi
terhadap pendapatan di PT. Agung , datanya sbb :
Tabel : 1. Data biaya distribusi dan Promosi serta pendapatan di PT.Agung.
Biaya distribusi
Biaya promosi
Pendapatan
4
5
7
4
3
6
9
5
5
6
5
3
11
8
8
8
9
5
6
4
6
3
a. Tentukan persamaan regresinya.
9
10
9
11
14
7
16
9
12
12
9
R 2 ajusted 1 1 R 2 .
N 1
N K
Contoh soal :
Dari data tabel 1 : Tentukan berapa besar pengaruh biaya distribusi dan promosi
terhadap pendapatan di PT.agung.
R2
Contoh soal :
Dari data tabel 1 : Tentukan bagaimana hubungan antara biaya distribusi dan promosi
terhadap pendapatan di PT.Agung.
4. Korelasi Parsial.
Korelasi parsial adalah hubungan variabel bebas dengan variabel tidak bebas, dengan
variabel lain tetap.
Korelasi parsial digunakan untuk melihat besarnya hubungan antara dua variabel yang
bebas dari variabel yang lainnya.
Pada regresi berganda kita juga mengenal koefisien korelasi yang dilambangkan R.
koefisien korelasi ini menggambarkan hubungan antara Y dengan X1 dan X2 sekaligus.
Korelasi parsial dilambangkan :
1. Ry.x1.x2. yang menyatakan hubungan antara Y dengan X1 dimana x2 dianggap tetap.
2. Ry.x2.x1 yang menyatakan hubungan antara Y dengan x2 dimana x1 dianggap tetap.
3. Rx1x2 Y yang menyatakan hubungan antara x1 dengan x2 dimana Y dianggap tetap.
Koefisien korelasi parsial diturunkan dari koefisien korelasi sederhana sbb :
1. Ry.x1.x2 =
1 r
2. Ry.x2.x1 =
1 r
3. R.x1.x2.y =
yx2 1 r 2 x1 x2
ry.x2 ry.x1.rx1 x2
yx1 1 r 2 x1 x2
1 r
yx2 1 r 2 yx1
Dimana : r y.x1 :
r y.x2 :
r x1.x2 :
Contoh : dari data diatas tentukan koefisien korelasi parsial.
S yx1 x 2
a Y b1 X 1Y b2 X 2Y
n3
Contoh soal :
Dari data tabel 1 : Tentukan nilai residu regresi antara biaya distribusi dan promosi
terhadap pendapatan di PT.Agung.
6. Nilai pendugaan/penaksiran.
Y t .SYX 1 X 2
Keterangan : Y = nilai dugaan dari Y untuk nilai X tertentu.
Contoh soal :
Dari data tabel 1 : Tentukan nilai dugaan jika biaya distribusi 15 dan promosi 10
dengan tingkat kepercayaan 95% atau taraf nyata 5%.
Sb1
2
2
2
X
n
X
1
1 1 rx1 x 2
SYX 1 X 2
Sb2
2
2
2
X
n
X
2
2 1 rx1 x 2
Contoh soal :
Dari data tabel 1 : Tentukan kesalahan baku penduga b1 dan b2.
R2
F hitung
1 R
k 1
/ N K
5. Kesimpulan.
b. Uji parsial/uji t
1. Formulasi
H0 : B1= 0
H1 : B10
H0 : B2= 0
H1 : B20
2. Taraf nyata
t table --- derajat bebas : n-k
---- : 5%. Uji 2 arah.
3. t hitung :
t hitung
bB
Sb
t hitungb1
b1 B
Sb1
t hitungb 2
b2 B
Sb 2
4. Kesimpulan.