Analisis Regresi Linear Pada Statistika Non Parametrik
Analisis Regresi Linear Pada Statistika Non Parametrik
2, Desember 2011
Y Y
X
X
73
dimana;
74
= konstanta
= Variabel bebas ke j
= Koefisien variabel bebas
terhadap variabel
terikat Y.
nilai galat
Jika model regresi hanya dibentuk oleh satu variabel
bebas X, maka persamaan regresi menjadi:
Persamaan regresi di atas dinamakan persamaan regresi
linear sederhan (simple regression linear). Sedangkan jika
banyak variabel bebas lebih dari satu dinamakan persamaan
regresi linear berganda (multiple linear regression),
sehingga bentuk persamaannya menjadi
Metode statistik nonparametrik merupakan metode statistik
yang dapat digunakan dengan mengabaikan asumsi-asumsi yang
melandasi penggunaan metode statistik parametrik, terutama yang
berkaitan dengan distribusi normal. Nama lain yang sering
digunakan untuk statistik nonparametrik adalah statistik bebas
distribusi.
Perbandingan
statistik
nonparametrik
dan
statistik
parametrik. Kekurangan dan kelebihan setiap pemilihan prosedur
pengujian data, apakah itu menggunakan nonparametrik atau
parametrik memiliki kelebihan dan kekurangan masing-masing.
Berikut adalah kelebihan dan kekurangan masing-masing prosedur :
Kelebihan statistik nonparametrik dibandingkan dengan
statistik parametrik ialah : (1) Asumsi yang digunakan minimum
sehingga mengurangi kesalahan penggunaan, (2) Perhitungan dapat
dilakukan dengan cepat dan mudah, (3) Konsep dan metode
nonparametrik mudah dipahami bahkan oleh seseorang dengan
kemampuan matematik yang minim, (4) Dapat diterapkan pada skala
peubah kualitatif (nominal dan ordinal).
Kekurangan statistik nonparametrik dibandingkan dengan
statistik parametrik ialah : (1) Bila digunakan pada data yang
dapat diuji menggunakan statistika parametrik maka hasil
pengujian
menggunakan
statistik
nonparametrik
menyebabkan
pemborosan informasi, (2) ekerjaan hitung-menghitung (aritmetik)
karena memerlukan ketelitian terkadang menjemukan. Prosedur
nonparametrik digunakan sebaiknya (1) Bila hipotesis yang diuji
tidak melibatkan suatu parameter populas, (2) Bila data telah
diukur menggunakan skala nominal atau ordinal, (3) Bila asumsiasumsi yang diperlukan pada suatu prosedur pengujian parametrik
tidak terpenuhi, (4) Bila penghitungan harus dilakukan secara
manual.
Misalkan ada n pasangan pengamatan, katakan (X1,Y1 ),
(X2,Y2),..,(Xn,Yn), dengan X1 < X2 < X3 < .<Xn. Theil (1950)
dalam Sprent (1991) mengusulkan koefisien kemiringan (slope)
garis regresi sebagai median kemiringan dari seluruh pasangan
garis dari titik-titik dengan nilai X yang berbeda, selanjutnya
75
(Xi,Yi
dimana;
HASIL PENELITIAN
Data di bawah ini menunjukkan volume dan harga saham pada
PT Bank Rakyat Indonesia.
Tabel 1. Trading Activities PT BRI
2010
pada tahun
Bulan
Volume(Thous.Sh)
Januari
340,767
2,662,527
Februari
348,268
2,560,878
Maret
615,677
4,736,692
April
530,633
4,529,233
Mei
469,303
3,908,927
Juni
321,511
2,873,248
Juli
337,411
3,259,346
Agustus
447,646
4,199,651
321.511
2.873.248
337.411
3.259.346
340.767
2.662.527
348.268
2.560.878
447.646
4.199.651
469.303
3.908.927
530.633
4.529.233
615.677
4.736.692
bij
no
bij
24,28
15
14,38
-10,94
16
9,70
-11,67
17
9,83
77
10,52
18
7,54
7,01
19
16,49
11,14
7,92
20
6,33
21
10,79
-177,84
22
8,14
-64,33
23
-13,42
10
8,53
24
3,97
3,20
11
4,93
25
12
6,57
26
10,11
13
5,31
-13,55
27
5,66
2,44
14
28
b(M)
b(M)
-177,84
15
7,01
-64,33
-13,55
16
7,54
17
7,92
-13,42
18
8,14
-11,67
19
8,53
-10,94
2,44
20
9,7
21
9,83
3,2
22
10,11
3,97
23
10,52
10
4,93
24
10,79
11
5,31
25
11,14
12
5,66
26
14,38
13
6,33
27
16,49
14
6,57
28
24,28
78
321.511
2.873.248
690.188
337.411
3.259.346
968.325
340.767
2.662.527
348.719
348.268
2.560.878
196.138
447.646
4.199.651
1.160.135
469.303
3.908.927
722.360
530.633
4.529.233
926.235
615.677
4.736.692
556.245
196.138
348.719
556.245
690.188
722.360
926.235
968.325
1.160.135
median
Sehingga
berikut;
regresinya
didapat
model
persamaan
dari
Di,
sehingga
adlah
sebagai
Artinya:
1. Variable Y dalam hal ini adalah harga saham rata rata
sebesar Rp.706,27 Milyar dengan anggapan variabel lainnya
konstan.
2. Setiap penambahan 1 satuan avriabel X maka Y akan
bertambah sebesar 6,79 satuan.
Akan tetapi model regresi di atas belum dapa dikatakan
sebagai model regresi terbaik. Untuk itu perlu diuji apakah
model koefisiennya berarti/signifikan atau tidak dengan cara uji
signiikan.
Untuk menguji koefisien regresi digunakan statistic uji:
dimana;
Nilai
dapat dilihat dari output SPSS di bawah ini,
79
volume
Harga
volume
harga
Correlation
Coefficient
1.000
.571*
Sig. (2-tailed)
.048
Correlation
Coefficient
.571*
1.000
Sig. (2-tailed)
.048
nilai
= 0,571.
P(Z=1,976) = 0,0238.
Hipotesis yang digunakan untuk menguji signifikansi koefisien
regresi adalah sebagai berikut:
atau tidak terdapat pengaruh variabel volume
terhadap harga saham
atau terdapat pengaruh signifikan variabel volume
terhadap harga saham, karena nilai P= 0,0238 < 0,025, maka Ho
ditolak artinya model ini bisa digunakan untuk menyatakan
hubungan antara variabel volume saham (x) dan harga saham(y)
atau terdapat pengaruh signifikan variabel volume terhadap harga
saham. Cara lain untuk melihat uji signifikansi adalah
berdasarkan output SPSS di atas, dari nilai sig = 0,048 < 0,05,
sehingga Ho ditolah dan H1 diterima.
KESIMPULAN DAN SARAN
Berdasarkan pembahasan sebelumnya mengenai penggunaan
regresi non parametric di atas, maka disimpulkan bahwa:
1. Koefisien kemiringan (slope) garis regresi adalah median
kemiringan dari seluruh pasangan garis dan titik-titik
dengan nilai X yang berbeda.
B = median(bij), dimana satu untuk pasangan (Xi,Yi) dan
(Xj,Yj) maka koefisien kemiringannya adalah:
,
untuk i < j dan xi xj .
Penduga B dihitung dengan mencari median dari seluruh Di
dengan rumus Di adlah sebagai berikut:
A = median (Di)
2. Penguujian koefisien slope (B) dengan menggunakan metode
Theil dibuat berdasarkan korelasi kendall Tau.
80
3. Model
regresi
linear
sederhana
nonparametric
dengan
menggunakan metode Theil yang diperoleh dari volume dan
harga saham adalah sebagai berikut:
Artinya:
1. Variable Y dalam hal ini adalah harga saham rata rata
sebesar Rp.706,27 Milyar dengan anggapan variabel lainnya
konstan.
2. Setiap penambahan 1 satuan avriabel X maka Y akan
bertambah sebesar 6,79 satuan.
Berdasarkan hsil kesimpulan yang telah dijelaskan di atas,
maka peneliti memberikan saran sebagai berikut:
1.
Dalam
melakukan
analisis
regresi
linear
non
parametrik
disarankan
menggunakan
data
dengan
variabel x (bebasnya) tidak kembar untuk mendapatkan
semua nilai slope bij dari n buah data.
2.
Disarankan untuk dapat mengkaji lebih lanjut beberapa
metode statistika nonparametric untuk mencocokkan
garis regresi linear dengan data yang diamati seperti
metode
iterative
Brown-Mood
dan
metode
Weight
Medians.
81
DAFTAR PUSTAKA
Daniel,W.W. 1989. Statistika Nonparametrik Terapan, Gramedia,
Jakarta.
David J. Sheskin,2004. Parametric and nonparametric Statistical
procedures, third Edition. Chapman & HalVCRC. United States
of America.
Ngadiman,Titty dkk.2005.Statistika Tak Parametrik. Bandung
A Non Parametric Linear Regression With TheiLs Methods.
Internet
82