Anda di halaman 1dari 4

PENGERTIAN REGRESI

(Oleh: Suharto)
Sir Francis Galton (1822 1911), memperkenalkan model peramalan, penaksiran, atau
pendugaan, yang selanjutnya dinamakan regresi, sehubungan dengan penelitiannya terhadap
tinggi badan manusia. Penelitian tersebut membandingkan antara tinggi anak laki-laki dan tinggi
badan ayahnya. Galton menunjukkan bahwa tinggi badan anak laki-laki dari ayah yang tinggi
setelah beberapa generasi cenderung mundur (regressed) mendekati nilai tengah populasi.
Dengan kata lain, anak laki-laki dari ayah yang badannya sangat tinggi cederung lebih pendek
dari pada ayahnya, sedangkan anak laki-laki dari ayah yang badannya sangat pendek cenderung
lebih tinggi dari ayahnya. (Ronal E. Walpole). Analisis regresi digunakan untuk menentukan
bentuk (dari) hubungan antar variabel. Tujuan utama dalam penggunaan analisis ini adalah untuk
meramalkan atau menduga nilai dari satu variabel dalam hubungannya dengan variabel yang lain
yang diketahui melalui persamaan garis regresinya. (Iqbal Hasan).
Adakalanya, setelah kita memperoleh data berdasarkan sampel, kita ingin menduga nilai dari
suatu variabel Y yang bersesuaian dengan nilai tertentu dari variabel X. Hal ini diperoleh dengan
menaksir nilai Y dari kurva kuadrat minimum yang sesuai dengan data yang kita himpun dari
sampel. Kurva yang diperoleh dan kita bentuk dari data sampel itu disebut kurva regresi Y
terhadap X, karena Y diduga dari X. (Murray R. Spiegel).
Dalam melakukan analisis regresi, sebagian besar mahasiswa biasanya tidak melakukan
pengamatan populasi secara langsung. Hal itu dilakukan selain pertimbangan waktu, tenaga, juga
berdasarkan pertimbangan biaya yang relatif besar jika melakukan pengamatan terhadap
populasi. Dalam hal ini, lazimnya digunakan persamaan regresi linier sederhana sampel sebagai
penduga persamaan regresi linier sederhana populasi dengan bentuk persamaan seperti berikut :
y = a + bX. Dan karena antara Y dan X memiliki hubungan, maka nilai X dapat digunakan untuk
menduga atau meramal nilai Y. X dinamakan variabel bebas karena variabel ini nilai-nilainya
tidak bergantung pada variabel lain. Dan Y disebut variabel terikat juga karena variabel yang
nilai-nilainya bergantung pada variabel lain. Hubungan antar variabel yang akan dipelajari disini
hanyalah hubungan linier sederhana, yakni hubungan yang hanya melibatkan dua variabel (X
dan Y) dan berpangkat satu. (Iqbal Hasan).
Regresi sederhana, adalah bentuk regresi dengan model yang bertujuan untuk mempelajari
hubungan antara dua variabel, yakni variabel independen (bebas) dan variabel dependen
(terikat). Jika ditulis dalam bentuk persamaan, model regresi sederhana adalah y = a + bx,
dimana, y adalah variabel takbebas (terikat), X adalah variabel bebas, a adalah penduga bagi
intercept (), b adalah penduga bagi koefisien regresi (). Atau dengan kata lain dan adalah
parameter yang nilainya tidak diketahui sehingga diduga melalui statistik sampel. (Sambas dan
Maman)
Menurut kelaziman, dalam ilmu statistika ada dua macam hubungan antara dua variabel yang
relatif sering digunakan, yakni bentuk hubungan dan keeratan hubungan. Bentuk hubungan bisa
diketahui melalui analisis regresi, sedangkan keeratan hubungan dapat diketahui dengan analisis
korelasi. Analisis regresi dipergunakan untuk menelaah hubungan antara dua variabel atau lebih,
terutama untuk menelusuri pola hubungan yang modelnya belum diketahui dengan baik, atau
untuk mengetahui bagaimana variasi dari beberapa variabel independen mempengaruhi variabel
dependen dalam suatu fenomena yang komplek. Jika X1, X2, ., Xn, adalah variabel-variabel
independen dan Y adalah variabel dependen, maka terdapat hubungan fungsional antara X dan
Y, dimana variasi dari X akan diiringi pula oleh variasi dari Y. Jika dibuat secara matematis
hubungan itu dapat dijabarkan sebagai berikut: Y = f(X1, X2, .., Xn, e), dimana Y adalah
variabel dependen (tak bebas), X adalah variabel independen (bebas) dan e adalah variabel residu
(disturbace term).
Berkaitan dengan analisis regresi ini, setidaknya ada empat kegiatan yang lazim dilaksanakan
yakni : (1) mengadakan estimasi terhadap parameter berdasarkan data empiris, (2) menguji
berapa besar variasi variabel dependen dapat diterangkan oleh variasi independen, (3) menguji
apakah estimasi parameter tersebut signifikan atau tidak, dan (4) melihat apakah tanda magnitud
dari estimasi parameter cocok dengan teori. (Moh. Nazir).
Hubungan antar variabel dapat berupa hubungan linier ataupun hubungan tidak linier. Misalnya,
berat badan orang dewasa sampai pada tahapraf tertentu bergantung pada tinggi badan, keliling
lingkaran bergantung pada diameternya, dan tekanan gas bergantung pada suhu dan volumenya.
Hubungan-hubungan itu bila dinyatakan dalam bentuk matematis akan memberikan persamaan-
persamaan tertentu. Untuk dua variabel, hubungan liniernya dapat dinyatakan dalam bentuk
persamaan linier, yakni: Y = a + bX. Hubungan antara dua variabel pada persamaan linier jika
digambarkan secara (scatter diagram), semua nilai Y dan X akan berada pada suatu garis lurus.
Dan dalam ilmu ekonomi, garis itu dinamakan garis regresi. (Iqbal Hasan).
KEPUSTAKAAN

Uji Linearitas dengan Tabel ANOVA SPSS
Ditulis pada 13 November 2013
Persamaan regresi dipergunakan untuk melihat bentuk pengaruh antar 1 atau beberapa variabel.
Bentuk dari pengaruh tersebut dapat dilihat secara linier, logaritmik atau box tergantung dari data
yang dimiliki dan asumsi yang diambil oleh peneliti. Asumsi linearitas sendiri adalah asumsi
yang menyatakan bahwa hubungan antar variabel yang hendak dianalisis itu mengikuti garis
lurus sehingga jika persamaan regresi yang diperoleh dibuat grafiknya, akan terlihat grafik yang
berbentuk garis linier. Tabel Anova SPSS dapat membantu kita dalam memutuskan regresi tipe
apa yang sebaiknya dipergunakan. Walaupun regresi linier memang yang paling banyak acuan
litelaturnya dan cenderung lebih mudah, belum tentu data yang dimiliki dapat dijelaskan dengan
baik oleh persamaan regresi linier.
Dengan menggunakan tabel ANOVA pada SPSS, akan dilihat nilai Sig. linearity &
Sig. deviation from linearity dari setiap variabel bebas dengan variabel terikat dibandingan
dengan tingkat signifikansi (). Nilai Sig. linearity menunjukkan sejauh mana variabel bebas
berbanding tepat di garis lurus. Apabila nilai Sig. linearity lebih kecil dari tingkat signifikansi
(), maka regresi linier dapat dipergunakan untuk menjelaskan pengaruh antara variabel-variabel
yang ada.
Sedangkan nilai Sig. deviation from linearity menunjukkan selinier apa data yang dipergunakan.
Apabila nilai Sig. deviation from linearity lebih besar dari tingkat signifikansi (), maka regresi
linier dapat dipergunakan untuk menjelaskan pengaruh antara variabel-variabel yang ada.
Baiklah, untuk lebih jelasnya, berikut contoh langkah-langkah untuk melakukan uji linearitas
dengan buantuan software SPSS:
1. Masukkan data variabel bebas dan variabel terikat pada SPSS data editor. Pada contoh kali ini,
jumlah datanya ada 10, terdapat 1 variabel bebas (X1) dan terdapat 1 variabel terikat (Y).

2. Pilih menu Analyze, kemudian Compare Means, lalu Means

3. Masukkan semua variabel bebas ke kolom Independent List dan variabel terikat ke
kolom Dependent List, kemudian klik Options

4. Checklist pilihan Test for linearity lalu klik Continue, kemudian klik OK.

5. Akan muncul beberapa tabel pada keluaran. Perhatikan tabel ANOVA berikut:

Bila yang ditentukan adalah 5%, maka berdasarkan keluaran di atas, dapat disimpulkan bahwa
data yang dipergunakan dapat dijelaskan oleh regresi linier dengan cukup baik karena nilai Sig.
linearity data tersebut adalah sebesar 0,017 (lebih kecil dari 0,05) dan nilai Sig. deviation from
linearity data tersebut adalah sebesar 0,315 (lebih besar dari 0,05). Selamat mencoba :).