Anda di halaman 1dari 8

MODUL TATAP MUKA XIII ANALISIS REGRESI

Tujuan analisis regresi adalah bagaimana menghitung suatu perkiraan atau persamaan regresi yang akan menjelaskan hubungan antara dua variabel. Pembahasan kita akan terbatas pada regresi sederhana, yaitu mengenai hubungan antara dua variabel yang biasanya cukup tepat dinyatakan dalam suatu garis lurus. Diagram Pencar (Scatter Diagram) Setelah ditetapkan bahwa terdapat hubungan logis di antara variabel, maka untuk mendukung analisis lebih jauh, barangkali tahap selanjutnya adalah menggunakan grafik. Grafik ini disebut Diagram Pencar (atau Diagram Tebaran), yang menunjukkan titik-titik tertentu. Setiap titik memperlihatkan suatu hasil yang kita nilai sebagai variabel tak bebas (dependent) maupun bebas (independent). Diagram pencar ini memiliki dua manfaat, yaitu : (1) membantu menunjukkan apakah terdapat hubungan yang bermanfaat antara dua variabel, dan (2) membantu menetapkan tipe persamaan yang menunjukkan hubungan antara kedua variabel tersebut. Kita dapat menjelaskan tujuan dan manfaat diagram pencar dengan menggunakan data pada Tabel 7.24. Data tersebut menggambarkan hasil produksi karyawan yang dinyatakan dalam satuan lusin (sebagai variabel tak bebas), terhadap 8 orang karyawan pabrik mainan anak-anak Tackey. Jika hasil tes kecerdasan menunjukkan asumsi yang kita perkirakan, rasanya masuk akal bila kita asumsikan bahwa karyawan yang mempunyai nilai (skor) tinggi akan memberi hasil produksi yang lebih tinggi juga.

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Tantri Yanuar Rahmat Syah, SE. M.S.M.

STATISTIK I

Tabel 7.24. Hasil produksi dan Skor tes kecerdasan hipotesis dari 8 karyawan pabrik mainan anak-anak Tackey Karyawan A B C D E F G H Hasil Produksi (lusin) (Y) 30 49 18 42 39 25 41 52 Skor Tes Kecerdasan (X) 6 9 3 8 7 5 8 10

Peraga 7.4 Diagram Pencar

55 50 45 Hasil Produksi (lusin) 40 35 30 25 20 15 10 5 0 0 1 2 3 4 5 6 7 8 9 10 11 Hasil Tes Kecerdasan

F C

Data dari seorang karyawan akan menunjukkan satu titik tertentu pada diagram pencar, seperti yang terlihat pada peraga 7.4. (Titik-titik yang memperlihatkan karyawan C dan F diberi tanda untuk memperlihatkan bagaimana kedua hasil pengamatan terhadap kedua karyawan tersebut digunakan untuk membuat grafik). Seperti yang kita lihat pada peraga 7.4, ke-8 titik membentuk gerakan sedemikian rupa seakan membentuk suatu garis lurus, dan hubungan yang sangat erat terlihat dengan fakta bahwa semua titik terlihat sangat dekat dengan garis lurus yang ditetapkan. Juga kita melihat bahwa ada tes kecerdasan meningkat, maka hasil

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Tantri Yanuar Rahmat Syah, SE. M.S.M.

STATISTIK I

produksi juga meningkat. Tentu saja, ada kemungkinan pada variabel tertentu terdapat hubungan yang negatif (atau berlawanan), yaitu bila X meningkat, Y menurun. Persamaan Regresi Linear Garis lurus yang terdapat pada diagram pencar peraga 7.4, yang memperlihatkan hubungan antara variabel disebut garis regresi atau garis perkiraan. Seperti telah kita ketahui, persamaan yang digunakan untuk mendapatkan garis regresi pada data diagram pencar disebut persamaan regresi atau persamaan perkiraan. Jika kita ingat pembahasan pada bagian akhir tentang perhitungan trend linear, mungkin kita agak menemui kesukaran dengan persamaan regresi disini, juga digunakan untuk menempatkan garis regresi pada data yang diperoleh. Oleh karena itu, metode kuadrat terkecil (method of least squares) sekali lagi akan kita gunakan untuk menempatkan garis pada data yag diamati, sehingga bentuk dari persamaan regresi adalah sebagai berikut :

Y = a + bX
dimana, a = Y pintasan, (nilai Y bila X = 0) b = kemiringan dari garis regresi (kenaikan atau penurunan Y untuk setiap perubahan satu satuan X) atau koefisien regresi, yang mengukur besarnya pengaruh X terhadap Y kalau X naik satu unit. X = nilai tertentu dari variabel bebas Y = nilai yang diukur / dihitung pada variabel tidak bebas. Kesamaan di antara garis regresi dan garis trend tidak dapat berakhir dengan persamaan garis lurus. Garis regresi (seperti garis trend dan nilai tengah aritmetika) memiliki dua sifat-sifat matematis berikut :

( Y Y ') = 0 dan ( Y Y ')

= nilai terkecil atau terendah

Dengan perkataan lain, garis regresi akan ditempatkan pada data dalam diagram sedemikian rupa sehingga penyimpangan (perbedaan) positif titik-titik terhadap titiktitik pencar di atas garis akan mengimbangi penyimpangan negatif titik-titik pencar

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Tantri Yanuar Rahmat Syah, SE. M.S.M.

STATISTIK I

yang terletak di bawah garis, sehingga hasil penyimpangan keseluruhan titik-titik terhadap garis lurus adalah nol. Untuk tujuan kita di atas, perhitungan analisis regresi dan analisis korelasi dapat dipermudah dengan menggunakan rumus dalam bentuk penyimpangan nilai tengah variabel X dan Y, yaitu penyimpangan dari X dan Y .

Oleh karena itu, dapat digunakan simbol berikut ini :

( ) y = ( Y Y ) dan xy = ( X X ) ( Y Y )
x= X X
Ciri atau sifat kuadrat terkecil :

( Y Y ') = 0 dan ( Y Y ')


bawah ini :

= nilai terkecil atau terendah

Nilai a dan b pada persamaan regresi dapat dihitung dengan menggunakan rumus di

b=

x y x
i 2 i

( 7.7 ) ( 7.8 ) ( 7.9 )

atau b= n X iYi X i Yi n X i2 ( X i )
2

a = Y bX

Sekarang kita sudah siap untuk data yang tersedia pada tabel 7.24. Tabel untuk menghitung nilai yang dibutuhkan dalam mencari nilai a dan b dengan menggunakan rumus (7.7) dan rumus (7.9), dapat dilihat pada Tabel 7.25.

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Tantri Yanuar Rahmat Syah, SE. M.S.M.

STATISTIK I

Tabel 7.25 Karyawan A B C D E F G H Hasil Produksi (lusin) (Y) 30 49 18 42 39 25 41 52 296 Y X Skor Tes (X) (Y - Y ) (X - X ) 6 -7 -1 9 12 2 3 -19 -4 8 5 1 7 2 0 5 -12 -2 8 4 1 10 15 3 56 0 0 xy 7 24 76 5 0 24 4 45 185 x2 1 4 16 1 0 4 1 9 36 y2 49 144 361 25 4 144 16 225 968

Y=

N 296 = 8 = 37

X=

N 56 = 8 =7

Dari hasil perhitungan di atas, nilai a dan b dihitung sebagai berikut :

b=

= 5,138 atau 5,14 a = Y bX = 37 5,14 ( 7 ) = 1, 02


Sehingga, persamaan regresi yang memperlihatkan hubungan kedua variabel antara hasil produksi dan hasil tes kecerdasan karyawan pada pabrik mainan anak-anak Tackey adalah : Y = 1,02 + 5,14X Interval Kepercayaan Sehubungan dengan Regresi Linier Kita lihat bahwa regresi linier populasi dalam Rumus XV (8) telah ditaksir oleh regresi linier sampel Y = a + bX dengan koefisien-koefisien a dan b dihitung menggunakan rumus XV (6). Jadi nampaj bahwa a dan b masing-masing merupakan titik taksiran untuk 1 dan 2. Dengan asumsi-asumsi yang diberikan dalam bagian sebelumnya,

xy x
2

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Tantri Yanuar Rahmat Syah, SE. M.S.M.

STATISTIK I

maka berbagai interval taksiran sehubungan dengan regresi linier, termasuk untuk 1 dan 2, dapat ditentukan. Jika koefisien kepercayaan diambil , 0 < < 1, maka interval teksiran untuk 1 ditentukan oleh:

a t 2 (1+ ) Sa < 1 <a + t 2 (1+ ) Sa


dengan Sa dihitung menggunakan rumus XV (12) dan derajat kebebasan dk untuk distribusi t yang dipakai adalah (n 2) Sejalan dengan hal tersebut di atas, interval taksiran untuk 2 dihitung dari:

b t 2 (1+ ) Sb < 1 < b + t 2 (1+ ) Sb


dengan Sb dihitung menggunakan rumus XV (11). Contoh: Untuk data dalam Daftar XV (1) telah dihitung Sa = 2,6495 dan Sb = 0,0714, maka dengan n = 30, a= 8,24 b = 0,68 dan = 0,95 didapat interval taksiran untuk 1 : 8,24 (2 ,048) (2,6495) < 1 < 8,24 + (2 ,048) (2,6495) Atau 2,81 < 1 < 13,61 Sedangkan interval taksiran untuk 2: 0,68 (2 ,048) (0,0714) < 1 < 0,68 + (2 ,048) (0,0714) Atau 0,53 < 2 < 0,83 Selanjutnya, untuk varians kekeliruan taksiran juga
2

Y.X, interval taksirannya dapat


2

ditentukan. Kita tahu bahwa titik taksirannya adalah S2 Y.X yang dihitung
2

dengan Rumus XV (9). Dengan menggunakan sifat bahwa x2 = (n 2) S2 Y.X / Y.X berdistribusi x2 dengan dk = (n 2), maka interval taksiran oleh:

Y.X ditentukan

(n 2) S2 Y.X < 2 Y.X < (n 2) S2 Y.X X2 (1+) X2 (1 )


Dalam rumus diatas, untuk distribusichi-kuadarat diambil dk = (n 2).

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Tantri Yanuar Rahmat Syah, SE. M.S.M.

STATISTIK I

Untuk contoh di atas misalnya, dengan n = 30 dan S2 Y.X = 1,688, maka interval kepercayaan 96% untuk 2 Y.X adalah 28 (1,688) < 2 Y.X < 28 (1,688) Atau 1,062 < 2 Y.X < 3,089

Taksiran yang lebih penting lagi dalam regresi linier adalah menaksir rata-rata Y untuk X diketahui (diberi simbol Y X) dan menaksir individu Y untuk X diketahui. Kita tahu bahwa titik taksiran rata-rata Y dengan mudah dapat dicari dar persamaan regresi apabila ke dalam persamaan tersebut disubstitusikan harga X yang diketahui. Interval taksiran rata-rata Y jika X diketahui dengan koefisien kepercaryaan , adalah:

Y t (1+ ) SY < Y X < Y + t (1+ ) SY

Contoh: Untuk data dalam daftar XV (1) telah diperoleh simpanagan baku taksiran rata-rata Y untuk X = 40 sebesar SY = 0,329 dan simpangan baku ramalan individu Y sebesar SY = 1,340. Untuk X = 40 didapat Y = 8,24 + (0,68) (40) = 35,44. Dengan = 0,95 maka interval taksiran rata-rata Y untuk X = 40 adalah : 35,44 (2,048) (0,329) < Y
X

< 35,44 + (2,048) (0,329) atau 34,77 < Y X < 36,11 dan interval taksiran individu y

untuk X = 40 adalah 35,44 (2,048) (1,340) < Y < 35,44 + (2,048) (1,340) atau 32,70 < Y < 38,18 Penggunaan persamaan regresi dalam peramalan Tujuan utama penggunaan persamaan regresi adalah untuk memperkirakan nilai dari variabel tak bebas pada nilai variabel bebas tertentu. Misalnya, Hiram Hess, seorang manajer personalia pada pabrik mainan anak-anak Tackey sedang mempertimbangkan akan memperkerjakan seseorang calon karyawan dengan nilai tes kecerdasan 4. Sedangkan supervisor pada departemen tersebut menginginkan seseorang karyawan baru yang dapat berproduksi pada tingkat minimal 30 lusin.

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Tantri Yanuar Rahmat Syah, SE. M.S.M.

STATISTIK I

Tentu saja, tidak mungkin untuk mengatakan dengan tepat berapa tingkat produksi si calon karyawan pada waktu mendatang, tetapi Hiram dapat menggunakan persamaan di atas untuk melihat ramalan produksi calon karyawan tersebut pada waktu mendatang. Bagaimana? Dengan mensubsitusikan nilai 4 pada X dari persamaan regresi, maka ramalan dapat dihitung menjadi sebagai berikut : Y = 1,02 + 5,14 (x) Y = 1,02 + 5,14 (4) Y = 21,58

PUSAT PENGEMBANGAN BAHAN AJAR-UMB

Tantri Yanuar Rahmat Syah, SE. M.S.M.

STATISTIK I