Belajar Regresi Linier Sederhana

Belajar Regresi Linier Sederhana Manual dan Contohnya

Dalam kegiatan tertentu, baik berkaitan dengan pekerjaan atau kegiatan sehari-hari, terkadang membutuhkan sebuah perhitungan agar bisa melakukan tindakan yang tepat.

Salah satu metode yang sering digunakan adalah analisis regresi linier sederhana. Model analisis ini menyatakan bahwa semua hubungan yang terjadi antar variabel bersifat lurus, saling berkaitan atau disebut linier.

Manfaat Regresi Linier Sederhana

Ada dua manfaat yang bisa diperoleh dengan melakukan perhitungan menggunakan analisis regresi linier yaitu:

1. Memprediksi Kondisi Tertentu

Anda dapat mengetahui atau memprediksi kondisi maupun keadaan yang sedang terjadi dari sebuah aktivitas.

Prediksi tersebut bertujuan untuk memperbaiki keadaan selanjutnya, agar kebutuhan atau pengeluaran bisa disesuaikan menggunakan prediksi yang diperoleh.

2. Mencari Ada atau Tidaknya Pengaruh Suatu Kondisi

Terkadang Anda pasti akan merasa ragu mengenai pengaruh yang terjadi pada suatu kondisi tertentu.

Melalui analisis regresi linier yang sederhana, Anda bisa mengetahui secara pasti mengenai ada atau tidaknya pengaruh dari kondisi atau tindakan yang terjadi.

Langkah Analisis dan Contohnya

1. Menentukan Tujuan Analisis

Ada berbagai tujuan yang ingin dicapai dengan melakukan analisis regresi linier, misalnya untuk mencari pengaruh ataupun memprediksi sesuatu.

Agar rumus yang digunakan sesuai, maka tujuan harus ditentukan terlebih dahulu sebelum mulai menganalisis.

Contoh:

Tujuan analisis regresi linier untuk memprediksi jumlah penjualan pasta gigi jika biaya pemasangan iklan di TV tidak tetap.

2. Mencari Objek yang Menjadi Variabel Utama

Pengaruh hanya bisa terjadi pada dua objek. Hal itu karena antara yang satu dengan lainnya saling berkaitan.

Objek yang satu akan menjadi penyebab suatu keadaan terjadi dan bisa ditulis dengan variabel X.

Sementara objek lainnya akan menjadi akibat dari penyebab yang terjadi dan selanjutnya ditulis dengan variabel y.

Contoh

X = Biaya pemasangan iklan TV

Y = Jumlah penjualan pasta gigi

3. Mengumpulkan Data

Langkah analisis ketiga adalah mengumpulkan seluruh data yang sudah di ambil dari penelitian. Dalam mengumpulkan data, hendaknya ditulis dalam bentuk tabel

Contoh:

Bulan keRata-Rata Biaya Pemasangan Iklan TV

(dalam jutaan rupiah)

Jumlah Penjualan Pasta Gigi (dalam jutaan)
12410
2226
3217
4195
5237
6183
7196
8229
92412
102614
11206
12193

 

4. Mengelompokkan Variabel

Setelah semua data Anda peroleh dari bulan ke satu hingga ke 12 beserta objek yang dipengaruhi dan yang tidak dipengaruhi, selanjutnya Anda bisa mengelompokkannya dalam bentuk variabel yang mewakili untuk mempermudah analisis selanjutnya.

Contoh:

Bulan

Ke

Rata-Rata biaya

Iklan TV (X) (dalam jutaan rupiah)

Jumlah Penjualan

Pasta Gigi (Y)

(dalam jutaan)

XY
12410576100240
222648436132
321744149147
41953612595
523752949161
6183324954
719636136114
822948481198
92412576144288
102614676196364
1120640036120
12193361957
Total (∑)2578855737701970

 

5. Menggunakan Rumus Regresi

Jika data sudah dikelompokkan dengan variabel , Anda bisa memulai langkah analisis dengan memasukkan rumus yang tersedia. Namun sebelumnya Anda harus mencari konstanta a dan b.

Contoh:

regresi linier sederhana
serviceacjogja.pro

 

6. Membuat Model Persamaan

Model persamaannya adalah y=a+bx selanjutnya Anda bisa memasukkan data yang sudah ada dalam persamaan tersebut, sehingga diperoleh data seperti berikut.

Y= – 19,18 + (-583)X

7. Melakukan Prediksi

Langkah terakhir prediksi bisa langsung dilakukan menggunakan persamaan yang sudah  tersedia.

Misalnya Anda ingin mengetahui jumlah penjualan jika biaya iklan 25 (dalam jutaan rupiah), maka perhitungannya adalah

Y= – 19,18 + (-583) (25) = 14,55

Dari perhitungan tersebut dapat diketahui bahwa jika biaya iklan TV yang dilakukan mencapai 25 (dalam jutaan rupiah),  maka jumlah penjualan mencapai 14,55 (dalam jutaan).

Untuk memudahkan Anda dalam melakukan prediksi atau mencari tahu ada atau tidaknya pengaruh dalam sebuah tindakan terhadap keadaan objek, maka perhitungan  regresi linier sederhana harus Anda kuasai.

Dengan demikian, Anda akan sangat terbantu dalam melakukan evaluasi dan perbaikan ke depannya.

Leave a Comment