Analisis regresi sederhana
This presentation is the property of its rightful owner.
Sponsored Links
1 / 21

ANALISIS REGRESI SEDERHANA PowerPoint PPT Presentation


  • 168 Views
  • Uploaded on
  • Presentation posted in: General

ANALISIS REGRESI SEDERHANA. Pengertian Regresi. Analisis regresi merupakan studi ketergantungan satu atau lebih variabel bebas terhadap variabel tidak bebas . Dengan maksud untuk meramalkan nilai variabel tidak bebas. Contoh Penerapan Analisis Regresi.

Download Presentation

ANALISIS REGRESI SEDERHANA

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Analisis regresi sederhana

ANALISIS REGRESI SEDERHANA


Pengertian regresi

PengertianRegresi

  • Analisisregresimerupakanstudiketergantungansatuataulebihvariabelbebasterhadapvariabeltidakbebas. Denganmaksuduntukmeramalkannilaivariabeltidakbebas.


Contoh penerapan analisis regresi

ContohPenerapanAnalisisRegresi

  • AnalisisRegresiantarapendapatanterhadapkonsumsirumahtangga.

  • AnalisisRegresiantarahargaterhadappenjualanbarang.

  • AnalisisRegresiantaratingkatupahterhadaptingkatpengangguran.

  • AnalisisRegresiantaratingkatsukubunga bank terhadaphargaemas

  • Analisisregresiantara jam belajarterhadap volume IPK.


Istilah dan notasi variabel dalam regresi

Y

Varaibel tergantung (Dependent Variable)

Variabel yang dijelaskan (Explained Variable)

Variabel yang diramalkan (Predictand)

Variabel yang diregresi (Regressand)

Variabel Tanggapan (Response)

X

Varaibel bebas (Independent Variable)

Variabel yang menjelaskan (Explanatory Variable)

Variabel peramal (Predictor)

Variabel yang meregresi (Regressor)

Variabel perangsang atau kendali (Stimulus or control variable)

Istilah dan notasi variabel dalam regresi ?


Persamaan regresi

PersamaanRegresi linier Sederhana:

Y = a + bX + 

Y= Nilai yang diramalkan

a= Konstansta

b = Koefesienregresi

X = Variabelbebas

 = NilaiResidu

PersamaanRegresi


Contoh kasus

Contoh Kasus:

Seorangdosenakanmenelitiapakahterdapatpengaruh jam belajarterhadapnilaiujianpadamhsdiprodiperpusatakaan, untukkepentinganpenelitiantersebutdiambil 8 mhssbgsampel.


Pemecahan

Judul

Pengaruh jam belajarterhadapnilaiujiansiswa

2. PertanyaanPenelitian

Apakahterdapatpengaruhpositif jam belajarterhadapnilaiujiansiswa?

3. Hipotesis

Terdapatpengaruhpositif jam belajarterhadapnilaiujiansiswa.

Pemecahan


Kriteria penerimaan hipotesis

KriteriaPenerimaanHipotesis

Ho : Tidakterdapatpengaruhpositif jam belajarterhadapnilaiujian.

Ha : Terdapatpengaruhpositif jam belajarterhadapnilaiujian.

  • HoditerimaJika

    b ≤ 0,

  • HaditerimaJika

    b > 0,


Analisis regresi sederhana

Sampel : 8 Mhs

Data Yang dikumpulkan


Analisis data

Analisis Data

  • Untukanalisis data diperlukan, perhitungan:

  • Persamaanregresi

  • NilaiPrediksi

  • Koefesiendeterminasi

  • Kesalahanbakuestimasi

  • Kesalahanbakukoefesienregresinya

  • Nilai F hitung

  • Nilai t hitung

  • Kesimpulan


Persamaan regresi1

PersamaanRegresi


Analisis regresi sederhana

Persamaan Regresi

Y= 40,082 + 1,497X+e


Nilai prediksi

NilaiPrediksi

  • Berapa besarnya penjualan jika promosi sebesar 20?

    40,082 + (1,497*20)= 70,022

  • Berapa besarnya penjualan jika promosi sebesar 16?

    40,082 + (1,497*16)=64,034

  • Berapa besarnya penjualan jika promosi sebesar 34?

    40,082 + (1,497*34)= 90,98

  • Berapa besarnya penjualan jika promosi sebesar 23?

    40,082 + (1,497*23)= 74,513

  • Berapa besarnya penjualan jika promosi sebesar 27?

    40,082 + (1,497*27)=80,501

  • Berapa besarnya penjualan jika promosi sebesar 32?

    40,082 + (1,497*32)= 87,986

    Dan seterusnya…………………….!!!


Analisis regresi sederhana

Tabelkerja


Koefesien determinasi

Koefesien Determinasi

Koefesien determinasi:

Koefesien Determinasi Disesuaikan (adjusted)


Kesalahan baku estimasi

Kesalahan Baku Estimasi

Digunakan untuk mengukur tingkat kesalahan dari model regresi yang dibentuk.


Standar error koefesien regresi

Standar Error Koefesien Regresi

Digunakan untuk mengukur besarnya tingkat kesalahan dari koefesien regresi:


Uji f

Uji F

Uji F digunakanuntukujiketepatan model, apakahnilaiprediksimampumenggambarkankondisisesungguhnya:

Ho: Diterimajika F hitung F tabel

Ha: Diterimajika F hitung> F tabel

Karena F hitung (17,367) > dari F tabel (5,99) makapersamaanregresidinyatakanBaik(good of fit).


Uji t

Uji t

Digunakan untuk mengatahui pengaruh variabel bebas terhadap variabel tergantung.

Ho: Diterima jika t hitung t tabel

Ha: Diterima jika t hitung> t tabel

Karena t hitung (4,167) > dari t tabel (1,943) maka Ha diterima ada pengaruh iklan terhadap penjualan.


Kesimpulan dan implikasi

KESIMPULAN DAN IMPLIKASI

KESIMPULAN

Terdapatpengaruhpositif jam belajarterhadapnilaiujian.

IMPLIKASI

Sebaiknyamhsterusmeningkatkan jam belajar agar nilaiujianmeningkat.


Tugas

Tugas:

Carilahpersamaanregresidari data berikut:

X = FrekuensiKampanye

Y = jumlahpengikut (dalamratusan)


  • Login