1 / 21

ANALISIS REGRESI SEDERHANA

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.

keegan-morrow
Télécharger la présentation

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. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. ANALISIS REGRESI SEDERHANA

  2. PengertianRegresi • Analisisregresimerupakanstudiketergantungansatuataulebihvariabelbebasterhadapvariabeltidakbebas. Denganmaksuduntukmeramalkannilaivariabeltidakbebas.

  3. ContohPenerapanAnalisisRegresi • AnalisisRegresiantarapendapatanterhadapkonsumsirumahtangga. • AnalisisRegresiantarahargaterhadappenjualanbarang. • AnalisisRegresiantaratingkatupahterhadaptingkatpengangguran. • AnalisisRegresiantaratingkatsukubunga bank terhadaphargaemas • Analisisregresiantara jam belajarterhadap volume IPK.

  4. 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 ?

  5. PersamaanRegresi linier Sederhana: Y = a + bX +  Y = Nilai yang diramalkan a = Konstansta b = Koefesienregresi X = Variabelbebas  = NilaiResidu PersamaanRegresi

  6. Contoh Kasus: Seorangdosenakanmenelitiapakahterdapatpengaruh jam belajarterhadapnilaiujianpadamhsdiprodiperpusatakaan, untukkepentinganpenelitiantersebutdiambil 8 mhssbgsampel.

  7. Judul Pengaruh jam belajarterhadapnilaiujiansiswa 2. PertanyaanPenelitian Apakahterdapatpengaruhpositif jam belajarterhadapnilaiujiansiswa? 3. Hipotesis Terdapatpengaruhpositif jam belajarterhadapnilaiujiansiswa. Pemecahan

  8. KriteriaPenerimaanHipotesis Ho : Tidakterdapatpengaruhpositif jam belajarterhadapnilaiujian. Ha : Terdapatpengaruhpositif jam belajarterhadapnilaiujian. • HoditerimaJika b ≤ 0, • HaditerimaJika b > 0,

  9. Sampel : 8 Mhs Data Yang dikumpulkan

  10. Analisis Data • Untukanalisis data diperlukan, perhitungan: • Persamaanregresi • NilaiPrediksi • Koefesiendeterminasi • Kesalahanbakuestimasi • Kesalahanbakukoefesienregresinya • Nilai F hitung • Nilai t hitung • Kesimpulan

  11. PersamaanRegresi

  12. Persamaan Regresi Y= 40,082 + 1,497X+e

  13. 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…………………….!!!

  14. Tabelkerja

  15. Koefesien Determinasi Koefesien determinasi: Koefesien Determinasi Disesuaikan (adjusted)

  16. Kesalahan Baku Estimasi Digunakan untuk mengukur tingkat kesalahan dari model regresi yang dibentuk.

  17. Standar Error Koefesien Regresi Digunakan untuk mengukur besarnya tingkat kesalahan dari koefesien regresi:

  18. 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).

  19. 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.

  20. KESIMPULAN DAN IMPLIKASI KESIMPULAN Terdapatpengaruhpositif jam belajarterhadapnilaiujian. IMPLIKASI Sebaiknyamhsterusmeningkatkan jam belajar agar nilaiujianmeningkat.

  21. Tugas: Carilahpersamaanregresidari data berikut: X = FrekuensiKampanye Y = jumlahpengikut (dalamratusan)

More Related