Anda pasti mengenal regresi linier sederhana karena ada di pelajaran sekolah. Saat sekolah mungkin Anda tidak risau bagaimana caranya regresi tersebut berfungsi.
Namun, saat dewasa dan bekerja di suatu produksi ingin memperdalam fungsi dan pembuatan regresi.
Sejatinya, regresi adalah suatu metode statistik yang fungsinya menguji hubungan sebab akibat Variabel faktor penyebab yang disingkat dengan (X) dengan Variabel Akibatnya yang disebut (Y).
Manfaat Regresi Linier Sederhana
Regresi linier sederhana disebut sebagai SLR atau Simple Linear regression mampu memprediksi kualitas atau kuantitas suatu produk. Dengan begitu Anda mengetahui produk layak dijual besar-besaran atau tidak.
Analisis regresi linier sederhana digunakan untuk mengetahui arah hubungan variabel bebas dengan variabel terikat. Bahkan Anda bisa mengetahui apakah variabel bebas mengalami penurunan atau kenaikan, agar tidak ragu menggunakannya harus mengetahui manfaatnya:
- Memprediksi Kondisi tertentu
Anda ingin mengetahui kondisi keadaan yang terjadi pada aktivitas? Solusinya menggunakan regresi linier. Pasalnya manfaatnya mampu memprediksi kondisi tertentu secara maksimal, dengan begitu keadaan tersebut bisa diperbaiki jika kondisinya buruk.
Bahkan Anda bisa menyesuaikan kebutuhan serta pengeluaran agar lebih baik. Yang terpenting laporan regresi linier sederhana harus tepat sehingga perbaikannya terarah. Terapkan rumus yang tepat dan bangun tim pekerja yang ahli.
- Mencari Pengaruh Kondisi
Zaman modern ini, teknologi semakin canggih. Anda bisa mengetahui segala hal yang terjadi di bumi, salah satunya menggunakan regresi ini yang mampu mencari ada atau tidaknya pengaruh suatu kondisi.
Untuk mengetahui pengaruh suatu kondisi, Anda bisa menggunakan analisis regresi linier. Tujuannya agar kondisi tersebut memberikan manfaat untuk masyarakat dan lingkungannya. Metode regresi linier bisa digunakan sehingga prosesnya berjalan lancar.
Langkah dan Contoh Membuat Regresi Linier Sederhana
Menerapkan langkah regresi linier menggunakan dasar teori analisis regresi linier sederhana agar hasilnya akurat. Apalagi contoh pembuatan regresinya terbilang kompleks.
Berikut ada langkah dan contoh pembuatannya:
1. Menentukan Tujuan Analisis
Sejatinya, uji regresi linier sederhana manual memiliki tujuan yang beragam. Anda harus melakukan uji normalitas untuk mendapat jawabannya. Selain itu, analisis regresi linier mampu memprediksi suatu kondisi dan pengaruhnya secara detail.
Contoh tujuan analisis pun beragam, misalnya untuk produk pasta gigi. Anda bisa melakukan analisis regresi linier sehingga mengetahui prediksi penjualan jumlah pasta gigi. Selain itu mengetahui apakah diperlukan iklan di saluran Televisi atau tidak.
2. Mencari Objek yang Menjadi Variabel Utama
Persamaan regresi linier sederhana dengan regresi linier berganda memang sedikit, tetapi dibutuhkan variabel untuk mewujudkannya. Apalagi pengaruh terjadi pada dua objek karena antar objek saling berkaitan.
Sejatinya, salah satu objek akan menjadi penyebab perihal keadaan yang terjadi. Anda bisa menuliskannya dengan variabel X, sementara objek lain menjadi akibat dari penyebab keadaan yang terjadi dan menjadi variabel Y.
Untuk mendapat hasil akurat, rumusnya harus tepat. Apalagi rumus regresi linier sederhana menurut para ahli sedikit perbedaan walaupun maknanya sama. Yang terpenting adalah mencari sebab akibat suatu keadaan dan mencari hasil akurat.
Jika Anda bingung, berikut ada contoh yang bisa dijadikan wawasan. Misalnya, variabel X untuk biaya pemasangan iklan di TV dan variabel Y untuk menentukan jumlah penjualan pasta gigi.
3. Mengumpulkan Data
Contoh soal regresi linier sederhana beredar luas sehingga bisa dijadikan wawasan, apalagi Anda harus mengumpulkan data sehingga langkah analisisnya tepat. Data yang dikumpulkan dari hasil penelitian secara mendalam, lalu ditulis bentuk tabel.
Contohnya adalah: tabel pertama Anda isi dengan rata-rata biaya pemasangan, lalu tabel selanjutnya dengan iklan di Tv, jumlah penjualan pasta gigi, jangan lupa berikan kolom untuk kisaran bulan sehingga Anda mengetahui jumlah penjualan pasta gigi setiap bulannya.
4. Mengelompokkan Data
Setelah mengumpul data, langkah selanjutnya adalah mengelompokkan data pada bentuk variabel. Tujuannya mempermudah analisis kedepannya, cara membaca grafik regresi linier sederhana mudah. Yang terpenting teliti dan fokus membacanya.
Saat mengelompokkan data, usahakan saat waktu luang. Jangan sampai mengerjakannya saat sibuk karena rentan salah, apalagi data yang dikelompokkan beragam. Jangan sampai perhitungan Anda salah dan memicu kesalahan kedepannya.
Jika Anda bingung, bisa melihat contohnya. Yaitu, buat kolom tabel rata-rata, jumlah penjualan, biaya yang dikeluarkan setiap bulan, iklan di TV dan tabel yang lain agar analisis lebih tepat.
5. Menggunakan Rumus Regresi
Langkah selanjutnya adalah menggunakan rumus regresi linier sederhana, Anda harus teliti saat membaca konstanta A maupun B sehingga hasilnya tepat.
Contohnya adalah: Rumus mencari a, = jumlah y dan jumlah x kuadrat dikurangi jumlah X dan jumlah xy.
Lalu jumlah data atau jumlah X kuadrat dikurangi jumlah x kuadrat.
Setelah itu rumus mencari b sama dengan jumlah data (jumlah Xy) dikurangi jumlah X (jumlah xy) dan jumlah data (jumlah x kuadrat dikurang jumlah X kuadrat dikurang jumlah X kuadrat.
6. Membuat Model Persamaan
Langkah menentukan regresi linier sederhana harus membuat model persamaan sehingga hasilnya akurat. Perlu diingat, modal persamaannya adalah y+a+bx. Setelah itu Anda masukkan data yang sudah dibuat persamaan tersebut.
Pastikan data yang diperoleh benar, yaitu Y+ – 19,18 + (-583)-. Jika hasilnya masih beda, usahakan membuat persamaan lagi atau mengecek apakah rumus yang Anda terapkan masih salah.
7. Melakukan Prediksi
Jika langkah diatas sudah diterapkan, langkah terakhir adalah melakukan prediksi menggunakan persamaan. Lakukan prediksi dengan tepat agar perbaikan kedepannya lebih baik dan membuat bisnis semakin berkembang.
Jika Anda ingin mengetahui jumlah biaya iklan per bulan kisaran berapa juta, maka bisa dihitung dengan Y= – 19,18 + (-583) (25 ) = 14,55.
Sejatinya, korelasi adalah nilai yang mampu menunjukkan kekuatan maupun arah hubungan linier dengan dua perubahan acak variabel. Hal tersebut membuat regresi linier sederhana lebih akurat. Jika Anda masih bingung langkah membuatnya, ulasan diatas bisa diterapkan.