LANDASAN TEORI
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.
(2.1)
= variabel tak bebas (dependen)
= parameter intersep
= koefisien regresi (slop)
= variabel bebas (independen)
= kesalahan penduga
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).
(2.2)
dinyatakan dengan Y.
=
(2.3)
Di mana :
= kesalahan pengganggu
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.
terdapat
saling
hubungan
antara
variabel
bebas
(uji
multikolinieritas)
c. Tidak terdapat autokorelasi antar data pengamatan
d. Tidak terjadi adanya heteroskedasitas (Gujarati,1997)
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
(2.5)
dapat ditentukan dengan metode kuadrat
#
Harga-harga
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
Di mana:
'
%&
Yi
= Kesalahan baku
= nilai data sebenarnya
Yi
= nilai taksiran
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:
+,-./
(2.12)
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.
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
Untuk
mencari
korelasi
antara
4&
4&
{n
variabel
X iYi ( X i )( Yi )
X i2 ( X i )
}{n
Yi 2 ( Yi )
terhadap
atay
(2.14)
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
<
9 : minimal ada satu parameter koefisien regresi yang tidak sama dengan nol
atau mempengaruhi Y.
Z[ \OW ]A
Z[ \O^ ] E A
Di mana:
+,-./
+,-.`
+,-./
= derajat kebebasan
+,-.`
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
+ ... +
+ ... +
i = 1, 2, ... , k
9 = :T b 0
i = 1, 2, ... , k
%&
*c
adalah :
Di mana:
'
%&
0
#
c
4c
d #
%f
"
6
h
Vg;g
, di mana kriteria
pengujian diperoleh:
9 : ditolak
jika = T Y = LMNOP