REGRESI.

Slides:



Advertisements
Presentasi serupa
FUNGSI Adalah suatu bentuk hubungan matematis yang menyatakan hubungan ketergantungan (hubungan fungsional) antara satu variabel dengan variabel lain.
Advertisements

REGRESI LINEAR.
KORELASI DAN REGRESI LINEAR SEDERHANA
UJI KORELASI DAN REGRESI LINIER
Regresi Analisis regresi adalah sebuah pendekatan yang digunakan untuk mendefinisikan hubungan matematis antara variabel output/dependen (y) dengan satu.
PERSAMAAN & FUNGSI KUADRAT.
KORELASI & REGRESI LINIER
REGRESI (TREND) NONLINEAR
REGRESI.
REGRESI LINEAR BERGANDA DAN REGRESI (TREND) NONLINEAR
Regresi linier berganda dan regresi (trend) non linier
PERAMALAN /FORE CASTING
Regresi linier berganda dan Non linier Tugas Mandiri 01 J0682
MODUL VII  (deltha)  (alpha)  (betha)
ANALISIS REGRESI.
BAB VII ANALISIS KORELASI DAN REGRESI LINIER SEDERHANA
REGRESI LINEAR.
ANALISIS REGRESI SEDERHANA
REGRESI DAN KORELASI.
Analisis Korelasi dan Regresi linier
Regresi dan Korelasi Linier
Denny Agustiawan JURUSAN TEKNIK INFORMATIKA STMIK ASIA MALANG
REGRESI LINEAR DALAM ANALISIS KUANTITATIF
Korelasi dan Regresi Aria Gusti.
Pertemuan ke 14.
Bab 3 ANALISIS REGRESI.
KORELASI.
Pertemuan ke 14.
PERAMALAN DENGAN GARIS REGRESI
Universitas Esa Unggul
REGRESI Jur. Pend. Matematika Universitas Muhammadiyah Surakarta
REGRESI LINEAR BERGANDA
PEMFAKTORAN 2x – 2y =2(x - y) a2 + 2ab + b2 = (a + b)2
Pertemuan Ke-6 REGRESI LINIER
ANALISIS REGRESI SEDERHANA
ANALISIS REGRESI Oleh Nugroho Susanto.
Perencanaan Laba Melalui Model Cost Volume Profit Analysis
NITA ANGGI PUTRI nitaanggiputri.wordpress.com
FUNGSI LINEAR Jaka Wijaya Kusuma M.Pd.
Analisis Regresi Asumsi dalam Analisis Regresi Membuat persamaan regresi Dosen: Febriyanto, SE, MM. www. Febriyanto79.wordpress.com U.
BAB 7 persamaan regresi dan koefisien korelasi
FUNGSI Adalah suatu bentuk hubungan matematis yang menyatakan hubungan ketergantungan (hubungan fungsional) antara satu variabel dengan variabel lain.
Korelasi Korelasi Product Moment digunakan untuk melukiskan hubungan antara 2 buah variabel yg sama-sama berjenis interval atau rasio. Rumus.
REGRESI LINEAR.
TEKNIK REGRESI BERGANDA
STATISTIKA-Regresi Linier Sederhana
REGRESI DAN KORELASI Contoh : Pengeluaran untuk konsumsi rumah tangga berkaitan dengan pendapatan rumah tangga. Data yang diperoleh sebagai berikut : Pendapatan.
PERAMALAN DENGAN REGRESI DAN KORELASI BERGANDA
ANALISIS REGRESI Oleh Nugroho Susanto.
LATIHAN SOAL REGRESI DAN KORELASI
Analisis Regresi dan Korelasi Linear
Tentukan koefisien korelasi dan jelaskan artinya!
REGRESI LINEAR.
REGRESI Danniar Rosmawati A.04
Pengantar Aplikasi Komputer II Analisis Regresi Linier Sederhana
Membuat persamaan regresi ganda Dosen: Febriyanto, SE, MM.
KORELASI & REGRESI LINIER
REGRESI LINEAR. Apa itu Regresi Linier ? Regresi merupakan alat ukur yg digunakan untuk mengetahui ada tidaknya korelasi antarvariabel. Analisis regresi.
REGRESI.
KORELASI.
Bab 3 ANALISIS REGRESI.
ANALISIS REGRESI LINIER
BAB VIII REGRESI &KORELASI BERGANDA
REGRESI LINEAR.
Lektion ACHT(#8) – analisis regresi
Korelasi dan Regresi Aria Gusti.
REGRESI DAN KORELASI JAKA WIJAYA KUSUMA M.Pd.
Korelasi dan Regresi Aria Gusti.
KORELASI.
Teknik Regresi.
Transcript presentasi:

REGRESI

Variabel Independen = X Variabel Dependen = Y

Mandi 1 Bau badan Berat badan 2 Intensitas Ngemil NO VARIABEL JENIS VARIABEL 1 Mandi Bau badan 2 Berat badan Intensitas Ngemil Independen (X) Dependen (Y) Dependen (Y) Independen (X)

Tingkat stress mhsw 1 Intensitas Tugas Motivasi 2 Kinerja NO VARIABEL JENIS VARIABEL 1 Tingkat stress mhsw Intensitas Tugas 2 Motivasi Kinerja Dependen (Y) Independen (X) Independen (X) Dependen (Y)

Y = a + bX Artinya: Perubahan X sebanyak 1 unit, akan mempengaruhi Y sebesar b Y = 2 + 1,5 X (setiap perubahan 1 unit X, akan mempengaruhi Y sebanyak 1,5 unit)

% BIAYA PROMOSI PENJUALAN CONTOH % BIAYA PROMOSI PENJUALAN (X) % HASIL PENJUALAN (Y) 1 3 2 5 4 7 6 8 10 Carilah persamaan regresi dan terangkan artinya!

n (1) X (2) Y (3) X2 (4) Y2 (5) XY (6) 1 3 9 2 5 4 25 10 7 16 49 28 6 8 36 64 48 100 70  = 20  = 33  = 106  = 247  = 159

Y = variabel dependen (bergantung/dipengaruhi) X = variabel independen (bebas/mempengaruhi) n = jumlah observasi/pengukuran a = konstanta b = koefisien regresi

Jadi persamaan regresinya: Y = 2,44 + 1,04 X artinya: setiap X (biaya promosi penjualan) naik 1% maka Y (hasil penjualan) akan naik sebesar 1,04%

Berapa ramalan hasil penjualan jika biaya promosi penjualan dinaikkan menjadi 10% ? Y = 2,44 + 1,04 X = 2,44 + 1,04 (10) = 2,44 + 10,4 = 12,84 Jadi jika ada rencana menaikkan biaya promosi penjualan menjadi 10%, maka hasil penjualan diharapkan akan naik/meningkat menjadi 12,84%