STATISTIK DESKREPTIF(I)

Regresi Linier Sederhana

MODUL 12
Oleh
Ir.Sahibul Munir,SE.,MSi
FAKULTAS EKONOMI PROGRAM KELAS
KARYAWAN
UNIVERSITAS MERCU BUANA
2007/2008
SIMPLE REGRESION ANALYSIS
Regresi Linier Sederhana
Analisis regresi itu mempelajari Hubungan Ketergantungan (casual
relationstip) antara satu variabel tak bebas (dependent variabel) dengan
satu atau lebih variabel bebas (independent variable) dengan tujuan untuk
meramalkan ( memperkirakan ) nilai rata rata dari variable tak bebas,
apabila varible varible bebasnya sudah diketahui.
- Variable bebas biasanya diberi notasi ( simbol ) Xi , dari Variable tidak
bebas diberi simbol Yi.
Upaya untuk mengetahui hubungan antara variable bebas dengan variable
tak bebas dimulai dengan mencari bentuk terdekat dari hubungan tersebut
dengan jalan menyajikan data yang telah ddiketahui dalam sebuah kurva
atau grafik yang disebut diagram Pencar ( Scaater diagram ) .
- Diagram pencar ini memnggambarkan (menunjukan) titik titik , dan tiap
titik ditentukan oleh pasangaan (Xi, Yi ). Dengan menggunakan diagram ini
dapat diketahui apakah ada hubungan yang berarti antara kedua yang
variable tersebut . Jika letak titik titik itu berada di sekitar garis lurus maka
cukup alasan untuk menduga bahwa antara variable variable tersebut ada
hubungan linier .
Dalam hal lainya hubungan antara variabel variabel tersebut diduga non
linear .
Y Y
X X
(a) Kemungkinan hubungan antara X dan Y linier
(b) Hubungan antara X dan Y non linier
Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si
STATISTIKA 1
Setelah bentuk hubungan antara variabel X dan variabel Y tersebut diketahui,
selanjutnya merumuskan kedalam suatu persamaan matematis .
Bila X merupakan variabel bebas dan Y variabel tak bebas dan hubungan
keduanya linier, maka bentuk persamaan hubungan antaara X dan Y
dapat dinyatakan sebagai Y = f (X)
Jika hubungan Y = f (X) digambarkan bersama sama denga diagram
pencarnya, maka akan didapatkan sebuah garis yang disebut garis regresi .
Sedangkan rumus Y = f (X) dikenal dengan nama regresi Yatas X .
Jika regresi Y atas X linier, maka persamaannya ditulis dalam bentuk linier
sebagai berikut.:
Yi = A + B Xi
Persamaan ini adalah persamaan garis populasi , dan pada umumnya dalam
praktek garis ini tidak diketahui, artinya parameter A dan B tidak diketahui.
Oleh karena itu, parameter parameter tersebut harus ditaksir atau diduga
melaui sampel.
Jadi apabila kita mempunyai persamaan regresi
Y = A+ B Xi, maka hal ini dapat ditaksir menjadi .
Y = a + b X
Y = taksiran / dugaan nilai Y untuk harga X yang diketahui terlebih dahulu.
a = Konstanta regresi (Y intercept)
b = Koefisien regresi, yang mengukur kenaikan y perunit akibat
kenaikan dalam X.
Harga a dan b untuk regresi linier diatas dapat dicari berdasarkan
sekumpulan data sebanyak n buah dengan sistem persamaan sebagai
berikut :
n a + x b = y
Xa + X
2
b = xy
Kedua persamaan diatas, disebutkaan persamaan normal untuk
bentuk regresi Y = a + b X.
Persamaan normal ini dapat dituliskan kembali menjadi :
b = n x y - x y
n x
2
(x)
2

Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si
STATISTIKA 1
a = (y - bx)
n
n = Jumlah pasang observasi atau pengukuran
Metode Kuadrat Terkecil (Least Square
Method)
- Sebaagaimana diketahui bahwa hubungan hubungan dalm ekonomi
(sosial) bersifat stoctiastik ( random) artinya berdistribusi probabilistik.
- Y = f (X) dikatakan stoctiastik jika tiap harga X mempunyai suatu
distribusi kemungkinan (probabilistik) untuk Y (tiap satu X, bisa
banyak Y)
- Sebagaimana diketahui bahwa pengeluaran konsumsi itu tidak hanya
dipengaruhi oleh pendapatan , tetapi juga tingkat pendidikan, selera ,
jumlah anggota keluarga dan lain sebagainya Maka untuk
memasukan variabel variabel stochastik, ahli ekonometrik
mengadakan modifikasi hubungan Y = A + B X kedalam bentuk
yang stochastikyaitu : Y = A + B X + U
U = variabel stochastik (random) atau disturbance term
Sedangkan persamaan pendugaannya adalah :
Y = a + b X + C
a = Penaksir dari A
b = Penaksir dari B (Lereng / Slope garis regresi)
c = adalah penaksir dari U
- Kesalahan pendugaan / perkiraan dari persamaan Y = a + b x,
adalah nilai simpangannya yaitu :
Jadi : C =Y (a + b X), dan jumlah kuatrat dari C adalah :
e
2
= { Y (a + bx) }
2
- Karena digunakan metoda kuadrat terkecil, maka e
2
harus
diminimkan.
Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si
STATISTIKA 1
C = Y - Y
- Agar e
2
minimum, maka turunan pertama ( diferensial parsial )
dari e
2
= { Y- (a + bx) }
2
harus = 0
1. Turunan e
2
terhadap a

,
_

da
d e
2

,
_

da
d e
2
= 2 { Y (a + b ) } (-1) = 0
= -2 { Y (a + b x ) } = 0
2. Turunan e
2
terhadap b

,
_

db
d e
2

,
_

db
d e
2
= 2 {Y (a + b x ) } (-x ) = 0
= -2x {Y- ( a + b x ) } = 0
Setelah disederhanakan akan kita peroleh persamaan normal sebagai berikut
:
1. Y- na - b x = 0
2. X Y a x - b x
2
= 0
Dari persamaan diatas akan didapatkan :
(1). Y = na + b X
(2). X Y = a x + b x
2
Kedua persamaan ini disebut persamaan normal untuk regresi = a + bx.
Berdasarkan persamaan tersebut, maka a dan b akan dapat dicari
sebagai berikut :
- Jika persamaan (1) ddibagi dengan n maka akan diperoleh
hasil :
n
b
n
na
n

+

Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si
STATISTIKA 1

n
b
n
a

n
b
a

Untuk mendapatkan rumus b, maka a dimasukan ke persamaan (2) ,

maka akan diperoleh hasil :
+
,
_

2
b
n
b
n
( )
+

2
2
b
n
b
n
( )
n n
b
b

2
2
( )
n n
b
b

'

2
2
( )
n n
b
2
2
:

( )
n
n
n
n
b
2 2
:

( )
2 2

n
n
x
n
n
b


( )
2 2

n
n
b
Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si
STATISTIKA 1
Berikut ini disajikan cara mencari persamaan regresi data tentang jumlah uang
beredar dan rata rata harga eceran beras dipasar pedesan Jawa dan Madura
selama 1968 1979.
Tabel 1. Jumlah uang yang beredar ( chartal dan giral ) di Indonesia dan rata
rata harga eceran di pasar pedesaan Jawa dan Madura , 1968 1979.
Tahun
Jumlah Uang
Beredar (Rp
1M)
X
Harga
Beras Rp /
Kg
Y
X
2
Y
2
XY
1 2 3 4 5 6
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
183,44
250,29
320,76
474,61
669,00
937,52
1.250,09
1.002,90
2.006,39
2.488,34
3.2279,50
36,88
42,55
40,81
49,92
76,51
81,73
98,35
141,96
152,19
105,89
205,18
33,650,23
62.645.08
102.886.98
225.254.65
447.561.00
878.943.75
1.562.725.01
2.569.480,76
4.025.600,83
6.191.835,96
10.755.120,25
1,360,13
1.810,50
1.665,40
22.492,01
5.853,78
0.679,79
9.672,22
20.152,64
23.161,80
27.519,49
42.098,83
6.765,27
10.649,84
13.099,22
23,692,53
51.185.19
76.623.51
122.946.35
227.556.20
305.352.49
412.790.72
672.887.81
13.462,9 1.091,97 26.855.704,50 142.467,15 1.923.540,13
( )
2
2

n
n
b

( ) ( )( )
( ) ( )
2
9 , 462 . 13 50 , 704 . 855 . 26 11
97 , 091 . 1 9 , 462 . 13 13 , 540 . 923 . 1 11

b

= 0,0566
( )
11
9 , 462 . 13 0566 , 0 97 , 091 . 1

n
b
a =29,9973
Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si
STATISTIKA 1
Jadi model regresi liniernya prakiraan menjadi :
Y=29,9973+0,0556 X
Dimana Y merupakan nilai taksiran (ramalan ) Y
Nilai b = 0,0566, artinya setiap terjadi perubahaan nilai variabel bebas X
( jumlah uang yang beredar ) sebesar Rp 1 milyard, akan diikuti oleh
perubahaan variable tak bebas Y (harga rata-rata beras) sebesar Rp
0,0566/kg
Standar Deviasi Regresi (Standard Error of Estimate)
- Standard deviasi nilai Y terhadap garis regresi disebut Standar
devisi regresi atau sering disebut Standar error of estimate,
karena digunakan untuk mengukur kesalahan dari setiap nilai Y
terhadap garis regresi
- Standar deviasi nilai Y terhadap garis regresi dihitung dengan cara
seperti menghitung standar deviasi nilai terhadap rata ratanya X
- Perhitungan tersebut didasarkan pada penyeberan titik titik nilai Y
disekitar garis regresi semakin dekat titik titik tersebut terpencar
disekitar garis regresi , maka akan semakin kecil pula nilai standar
deviasi regresinya.
- Dengan semakin kecilnya nilai standar devisi regresi , maka makin
tinggi ketetapan persamaan regresi yang dihasilkan untuk
menjelaskan nilai variabel dependen yang sesungguhnya.
Sebaliknya semakin bes
ar nilai standar deviasi regresi , makin rendah ketepatan persamaan
regresi untuk menjelaskan nilai variabel dependen yang
sesungguhnya.
Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si
STATISTIKA 1
Standar deviasi regresi (Standard Error
of Estimate) dapat diberi simbol Se yang
dapat dihitung dengan menggunakan
rumus sebagai berikut
2
2

n
b a
Se
Koefisien Determinasi (r
2
)
- Koefisien determinasi (r
2
) merupakan propesi dari varian Yyang
diterangkan oleh pengaruh linier dari X. Dengan kata lain , koefisien
determinasi merupakan nilai yang digunakan untuk mengetahui
(mengukur) persentase pengaruh variabel independen terhadap
perubahan variabel idependen.
- Jika Y (variabel Independen) adalah hasil penjualan dan X (variabel
independen) adalah biaya iklan, maka naik turunya penjualan tidak
hanya disebabkan oleh besar kecilnya biaya iklan ( x ) saja. Tetapi
juga dipengaruhi oleh faktor faktor lain, seperti harga produk,
pendapatan masyarakat , selera harga barang lain dan sebagainya.
- Apabila nilai r
2
misalnya = 0,645, ini berarti pengaruh variabel X
(biaya iklan) terhadap perubahan variabel Y (hasil penjualan) adalah
64,5%, sedangkan sisanya dipengaruhi oleh variabel selain X.
Uji Hipotesis Koefisien Regresi Linear Sederhana
Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si
STATISTIKA 1
t-tabel
Pernyataan Hipotesisnya : Diduga Jumlah Uang beredar berpengaruh
terhadap harga beras?
Prosedur Pengujian Hipotesis ;
1. Ho ; b = 0(Jumlah uang beredar tidak mempengaruhi harga beras).
Ha : b> 0(Jumlah uang beredar berpengaruh positif dan signifikan terhadap
haraga beras)
2. Penentuan tingkat signifikansi(), dalam penelitian ini ditentukan = 5%
3. Penentuan daerah kritis/daerah tolak Ho.
Untuk menentukan ditolak atau diterimanya Ho maka harus membandingkan
nilai t
hitung
dengan nilai t
tabel
Teriama Ho
Rumust-
hitung
: b/S
b
4. Keputusan
Jika nilai t
hitung
< t
table
maka terima Ho dan tolak Ha.
Jika nilai t
hitung
> t
table
maka tolak Ho dan terima Ha.
5. Kesimpulan
Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si
STATISTIKA 1
Terima Ha/Tolak Ho