BAB 2

LANDASAN TEORI

2.1 Pengertian Regresi

Analisis regresi merupakan suatu model matematis yang dapat digunakan untuk
mengetahui pola hubungan antara dua atau lebih variabel. Istilah regresi yang
berarti ramalan atau taksiran pertama kali diperkenalkan Sir Francis Galton pada
tahun 1877, sehubungan dengan penelitiannya terhadap tinggi manusia, yaitu
antara tinggi anak dan tinggi orang tuanya. Dalam penelitiannya, Galton
menemukan bahwa tinggi anak dan tinggi orang tuanya cenderung meningkat atau
menurun dari berat rata-rata populasi. Garis yang menunjukkan hubungan tersebut
disebut garis regresi.
Analisis regresi lebih akurat dalam melakukan analisis korelasi, karena
pada analisis itu kesulitan dalam menunjukkan slop (tingkat perubahan suatu
variabel terhadap variabel lainnya dapat ditentukan). Jadi dengan analisis regresi,
peramalan atau perkiraan nilai variabel terikat pada nilai variabel bebas lebih
akurat pula. Karena merupakan suatu prediksi, maka nilai prediksi tidak selalu
tepat dengan nilai riilnya, semakin kecil tingkat penyimpangan antara nilai
prediksi dengan nilai riilnya, maka semakin tepat persamaan regresi yang
dibentuk.

Universitas Sumatera Utara

Dapat disimpulkan bahwa analisis regresi adalah metode statistika yang

digunakan untuk menentukan kemungkinan bentuk hubungan antara variabelvariabel, dengan tujuan pokok dalam penggunaan metode ini adalah untuk
meramalkan atau memperkirakan nilai dari suatu variabel lain yang diketahui.

2.2 Persamaan Regresi

Persamaan Regresi (regression equation) adalah suatu persamaan matematis yang

mendefenisikan hubungan antara dua variabel. Persamaan regresi yang digunakan
untuk membuat taksiran mengenai variabel dependen disebut persamaan regresi
estimasi, yaitu suatu formula matematis yang menunjukkan hubungan keterkaitan
antara satu atau beberapa variabel yang nilainya sudah diketahui dengan satu
variabel yang nilainya belum diketahui.
Sifat hubungan antar variabel dalam persamaan regresi merupakan
hubungan sebab akibat (causal relationship). Oleh karena itu, sebelum
menggunakan persamaan regresi dalam mejelaskan hubungan antara dua atau
lebih variabel, maka perlu diyakini terlebih dahulu bahwa secara teoritis atau
perkiraan sebelumnya, dua atau lebih variabel tersebut memiliki hubungan sebab
akibat. Variabel yang nilainya akan mempengaruhi nilai variabel lain disebut
dengan variabel bebas (independent variabel), sedangkan variabel yang nilainya
dipengaruhi oleh nilai variabel lain disebut variabel terikat (dependent variabel).

Universitas Sumatera Utara

Ada dua jenis Persamaan Regresi Linier, yaitu sebagai berikut :

1. Analisis Regresi Sederhana (simple analisis regresi)
2. Analisis Regresi Berganda (multiple analisis regresi)

2.3 Regresi Linier Sederhana

Regresi linier sederhana merupakan suatu proses untuk mendapatkan hubungan

matematis dalam bentuk suatu persamaan antara variabel tak bebas tunggal
dengan variabel bebas tunggal atau dengan kata lain, regresi linier yang hanya
melibatkan satu peubah bebas X yang dihubungkan dengan satu peubah tak bebas
Y. Bentuk umum model regresi linier sederhana yaitu:
Y=
Di mana :

(2.1)
= variabel tak bebas (dependen)
= parameter intersep
= koefisien regresi (slop)
= variabel bebas (independen)
= kesalahan penduga

2.4 Regresi Linier Berganda

Disamping hubungan linier dua variabel, hubungan linier lebih dari dua variabel
dapat juga terjadi. Pada hubungan ini, perubahan satu variabel dipengaruhi oleh
lebih dari satu variabel lain. Maka regresi linier berganda adalah analisis regresi
yang menjelaskan hubungan antara peubah respon (variable dependent) dengan
faktor-faktor

yang

mempengaruhi

lebih

dari

satu

predaktor

(variable

independent).

Universitas Sumatera Utara

Tujuan analisis regresi linier berganda adalah untuk mengukur intensitas

hubungan antara dua variabel atau lebih dan memuat prediksi/perkiraan nilai Y
atas nilai X. Bentuk umum persamaan regresi linier berganda yang mencakup dua
atau lebih variabel, yaitu :
Y=

(2.2)

Model di atas merupakan model regresi untuk populasi, sedangkan

apabila hanya menarik sebagian berupa sampel dari populasi secara acak dan tidak
mengetahui regresi populasi untuk keperluan analisis, variabel bebas akan
dinyatakan dengan

sedangkan variabel tidak bebas

dinyatakan dengan Y.
=

(2.3)

Di mana :

= variabel tidak bebas (dependent)

= Koefisien regresi
= variabel bebas (independent)

= kesalahan pengganggu

2.5 Uji Persyaratan Regresi Linier Berganda

Beberapa hal lain yang penting juga untuk dipahami dalam penggunaan analisis
regresi linier ganda yaitu perlunya melakukan uji asumsi klasik atau uji
persyaratan analisis regresi ganda sehingga persamaan garis regresi yang
diperoleh benar-benar dapat digunakan untuk memprediksi variabel dependen
atau kriterium. Uji persyaratan tersebut harus terpenuhi, apabila tidak maka akan
menghasilkan garis regresi yang tidak cocok untuk memprediksi.

Universitas Sumatera Utara

Sebelum masuk pada uji persyaratan perlu dipahami bahwa statistik

sebagai alat analisis dikelompokkan menjadi dua bagian yang berbeda, yaitu
kelompok statistik parametrik dan statistik non-parametrik. Pada statistik nonparametrik tidak memerlukan persyaratan tertentu sedangkan pada statistik
parametrik memerlukan persyaratan yang harus dipenuhi. Oleh karena itu, dalam
uji persyaratan regresi linier ganda yang harus dilakukan pada dasarnya juga
dikelompokkan menjadi dua bagian, yaitu uji persyaratan untuk masuk ke statistik
parametrik dan uji persyaratan untuk menggunakan regresi linier ganda.
Uji asumsi klasik yang secara minimal perlu dilakukan oleh penulis
menggunakan regresi linier ganda sebagai alat analisis yaitu berupa:
1. Uji persyaratan untuk statistik parametrik, yang berupa:
a. Uji normalitas
b. Uji homogenitas
2. Uji Persyaratan untuk regresi linier ganda, yang terdiri atas:
a. Uji linieritas garis regresi
b. Tidak

terdapat

saling

hubungan

antara

variabel

bebas

(uji

multikolinieritas)
c. Tidak terdapat autokorelasi antar data pengamatan
d. Tidak terjadi adanya heteroskedasitas (Gujarati,1997)

Universitas Sumatera Utara

2.6 Membentuk Persamaan Regresi Linier Berganda

Dalam regresi linier berganda variabel tak bebas (Y), tergantung kepada dua atau
lebih variabel bebas (X). Bentuk persamaan regresi linier berganda yang
mencakup dua atau lebih variabel, yaitu :
+
Di mana:
Y

= Variabel terikat (dependen)

= koefisien regresi
= Variabel bebas (independen)

= kesalahan pengganggu (disturbance terma),

artinya nilai-

nilai dari variabel lain yang tidak

dimasukkan dalam persamaan. Nilai ini biasanya

tidak dihiraukan dalam perhitungan.
Untuk hal ini, penulis menggunakan regresi linier berganda dengan tiga
variabel, yaitu satu variabel tak bebas (dependent variable) dan dua variabel bebas
(independent variable). Bentuk umum persamaan regresi linier berganda tersebut
yaitu :
+
Nilai dari koefisien

(2.5)
dapat ditentukan dengan metode kuadrat

terkecil (least squared) seperti berikut ini:

!
"

Universitas Sumatera Utara

#
Harga-harga

yang telah didapat kemudian disubstitusikan ke

dalam persamaan (2.5) sehingga diperoleh model regresi linier berganda Y atas
dan

Dalam persamaan model regresi linier yang diperoleh, maka antara nilai Y

dan

akan menimbulkan perbedaan hasil yang sering disebut sebagai kekeliruan.

Untuk mengetahui ketepatan persamaan estimasi dapat digunakan kesalahan

standar estimasi (standard error of estimate). Besarnya kesalahan standar estimasi
menunjukkan ketepatan persamaan estimasi untuk menjelaskan nilai variabel
tidak bebas yang sesungguhnya. Semakin kecil nilai kesalahan standar estimasi,
makin tinggi ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan
nilai variabel tidak bebas sesungguhnya. Sebaliknya, semakin besar nilai
kesalahan standar estimasi, makin rendah ketepatan persamaan estimasi yang
dihasilkan untuk menjelaskan nilai variabel tidak bebas sesungguhnya. Kesalahan
standar estimasi dapat ditentukan dengan rumus:
%&

Di mana:

'

%&
Yi

= Kesalahan baku
= nilai data sebenarnya

Yi

= nilai taksiran

= banyak ukuran sampel

= banyak variabel bebas

Universitas Sumatera Utara

2.7 Koefisien Determinasi

Koefisien determinasi adalah salah satu nilai statistik yang dapat digunakan untuk
mengetahui apakah ada hubungan pengaruh antara dua variabel. Nilai koefisien
determinasi menunjukkan persentase variasi nilai variabel dependen yang dapat
dijelaskan oleh persamaan regresi yang dihasilkan. Koefisien determinasi yang
dinyatakan dengan ) untuk pengujian regresi linier berganda yang mencakup
lebih dari dua variabel adalah untuk mengetahui proporsi keragaman total dalam
variabel tak bebas (Y) yang dapat dijelaskan atau diterangkan oleh variabelvariabel bebas (X) yang ada dalam model persamaan regresi linier berganda
secara bersama-sama. Maka * akan ditetukan dengan rumus, yaitu:
R2 =

JK reg

(2.10)

y2

Dengan:
+,-./

Harga ) yang diperoleh sesuai dengan variansi yang dijelaskan

masing-masing variabel yang tinggal dalam regresi. Hal ini mengakibatkan variasi
yang dijelaskan penduga yang disebabkan oleh variabel yang berpengaruh saja
(bersifat nyata).

Universitas Sumatera Utara

2.8 Koefisien Korelasi

Setelah mengetahui hubungan fungsional antara variabel-variabel di mana

persamaan regresinya telah ditentukan dan telah melakukan pengujian maka
persoalan berikutnya yang perlu dirasakan yaitu, jika data hasil pengamatan terdiri
dari banyak variabel adalah seberapa kuat hubungan antara variabel-variabel itu.
Dengan kata lain perlu ditentukan derajat hubungan antara variabel-variabel
tersebut.
Studi yang membahas derajat hubungan antara variabel-variabel tersebut
dikenal dengan nama analisis korelasi. Ukuran yang dipakai untuk mengetahui
derajat hubungan, terutama data kuantitatif dinamakan koefisien korelasi.
Besarnya hubungan antara variabel yang satu dengan variabel yag lain dinyatakan
dengan koefisien korelasi yang disimbolkan dengan r yang besarnya adalah akar
koefisien determinasi. Atau secara matematis dapat ditulis sebagai berikut:
r = 1*

(2.12)

Koefisien korelasi (r) dapat digunakan untuk:

1. Mengetahui keeratan hubungan (korelasi linier) antara dua variabel.
2. Mengetahui arah hubungan antara dua variabel.
Untuk mengetahui keeratan hubungan antara dua variabel dengan
menggunakan koefisien korelasi adalah dengan menggunakan nilai absolut dari
koefisien tersebut. Besarnya koefisien korelasi (r) antara dua variabel adalah nol
sampai dengan 1. Apabila dua buah variabel mempunyai nilai r = 0, berarti antara
dua variabel tersebut tidak ada hubungan. Sedangkan apabila dua buah variabel

Universitas Sumatera Utara

mempunyai r = 2 1, maka dua buah variabel tersebut mempunyai hubungan yang

sempurna.
Semakin tinggi nilai koefisien korelasi antara dua buah variabel (semakin
mendekati 1), maka tingkat keeratan hubungan antara dua variabel tersebut
semakin tinggi. Dan sebaliknya semakin rendah koefisien korelasi antara dua buah
variabel (semakin mendekati 0), maka tingkat keeratan hubungan antara dua
variabel tersebut semakin lemah. Hubungan antar variabel dapat dikelompokkan
menjadi 3 jenis hubungan sebagai berikut :

1. Korelasi Positif
Terjadinya korelasi positif apabila perubahan pada variabel yang satu
diikuti dengan perubahan variabel yang lain dengan arah yang sama (berbanding
lurus). Artinya, apabila variabel yang satu meningkat, maka akan diikuti dengan
peningkatan variabel lain.

2. Korelasi Negatif
Korelasi negatif terjadi apabila perubahan pada variabel yang satu diikuti
dengan perubahan variabel yang lain dengan arah yang berlawanan (berbanding
terbalik). Artinya apabila variabel yag satu meningkat, maka akan diikuti dengan
penurunan pada variabel yang lain dan sebaliknya.

Universitas Sumatera Utara

3. Korelasi Nihil
Korelasi nihil terjadi apabila perubahan pada variabel yang satu diikuti
perubahan pada variabel yang lain dengan arah yang tidak teratur (acak), artinya
apabila variabel yang satu meningkat, kadang diikuti dengan peningkatan pada
variabel yang lain dan kadang diikuti dengan penurunan pada variabel yang lain.
Selain diturunkan dari koefisien determinasi (3 ), koefisien
korelasi (r) dapat pula ditentukan dengan menggunakan formulasi sebagai berikut:
4&56

7 #

Di mana:
4&56

= koefisien korelasi antara Y dan X

= Variabel bebas (independen)

= Variabel terikat (dependen)

Untuk

mencari

korelasi

antara

4&

dapat dicari dengan rumus:

4&

{n

variabel

X iYi ( X i )( Yi )

X i2 ( X i )

}{n

Yi 2 ( Yi )

terhadap

atay

(2.14)

Jika kenaikan di dalam suatu variabel diikuti dengan kenaikan variabel

lain, maka dapat dikatakan bahwa kedua variabel tersebut mempunyai korelasi
yang positif. Tetapi jika kenaikan di dalam suatu variabel diikuti oleh penurunan
di dalam variabel lain, maka dapat dikatakan bahwa variabel tersebut mempunyai
korelasi yang negatif. Dan jika tidak ada perubahan pada variabel walaupun
variabel lainnya berubah maka dikatakan bahwa kedaua variabel tersebut tidak
mempunyai hubungan. Interpretasi harga r akan disajikan dalam tabel berikut:

Universitas Sumatera Utara

Tabel 2.1 Interpretasi Koefisien Korelasi Nilai r

R

Interpretasi

Tidak berkorelasi

0,01 0,20

Sangat rendah

0,21 0,40

Rendah

0,41 0,60

Agak rendah

0,61 0,80

Cukup

0,81 0,99

Tinggi

Sangat tinggi

2.9 Uji Regresi Linier Berganda

Pengujian hipotesis bagi koefisien-koefisien regresi linier berganda dapat

dilakukan secara serentak atau keseluruhan. Pengujian regresi linier perlu
dilakukan untuk mengetahui apakah variabel-variabel bebas secara bersamaan
memiliki pengaruh terhadap variabel tak bebas. Langkah-langkah pengujiannya
adalah sebagai berikut:
1. Menentukan formulasi hipotesis
9 : : = : = : = ... = :; = 0 (<

<

< ; =>?@A BCBDCEF@3GH> I

9 : minimal ada satu parameter koefisien regresi yang tidak sama dengan nol
atau mempengaruhi Y.

2. Penentuan nilai kritis. Nilai kritis dalam pengujian hipotesis terhadap

koefisien regresi dapat ditentukan dengan menggunakan tabel distribusi

Universitas Sumatera Utara

normal dengan memperhatikan tingkat signifikan (J dan banyaknya sampel

digunakan serta nilai KLMNOP dengan derajat kebebasan Q = k dan Q = n-k-1

3. Menentukan kriteria pengujian

R diterima bila KSTLUVW X KLMNOP

R ditolak bila KSTLUVW Y KLMNOP

4. Menentukan nilai statistik F dengan rumus :

K

Z[ \OW ]A
Z[ \O^ ] E A

Di mana:
+,-./

= jumlah kuadrat regresi

+,-.`

= jumlah kuadrat residu (sisa)

+,-./

= derajat kebebasan

+,-.`

5. Membuat kesimpulan apakah 9 diterima atau ditolak.

2.10 Uji Koefisien Regresi Berganda

Keberartian adanya variabel-variabel bebas dalam regresi linier berganda perlu

diuji untuk menunjukkan seberapa besar pengaruh yang diberikan pada variabel

Universitas Sumatera Utara

tak bebas. Dan cara yang tepat untuk mengujinya adalah dengan menggunakan uji
statistik t (student).
Dimisalkan populasi mempunyai model regresi berganda sebagai berikut :
a& 5

+ ... +

Yang akan ditaksir oleh regresi berbentuk : =

+ ... +

. Adanya kriteria bahwa variabel-variabel tersebut memberikan pengaruh

yang berarti atau tidak terhadap variabel tak bebas akan diuji hipotesis 9
melawan hipotesis tandingan 9 dalam bentuk:
9 = :T = 0

i = 1, 2, ... , k

9 = :T b 0

i = 1, 2, ... , k

Untuk menguji hipotesis tersebut digunakan kekeliruan baku taksiran

%&

. Jadi untuk melihat kekeliruan baku dari koefisien

'

%&

*c

adalah :

Di mana:
'

%&
0

#
c

4c

d #

Kemudian dicari perhitungan statistik t yaitu:

e

%f

"

Universitas Sumatera Utara

Dari tabel distribusi t-student serta dk = (n-k-1), = LMNOP = =

6
h

Vg;g

, di mana kriteria

pengujian diperoleh:
9 : ditolak

jika = T Y = LMNOP

9 : diterima jika = T i = LMNOP

Universitas Sumatera Utara