Regresi Linier Sederhana: Statistik Deskreptif (I)
Regresi Linier Sederhana: Statistik Deskreptif (I)
,
_
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
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