Bila terdapat suatu data yang terdiri atas dua atau lebih variabel, adalah
sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu saling
berhubungan dan saling mempengaruhi satu sama lain. Hubungan yang didapat pada
umumnya dinyatakan dalam bentuk persamaan matematik yang menyatakan
hubungan fungsional antara variabel-variabel. Studi yang menyangkut masalah ini
dikenal dengan analisis regresi (Tan, 2009).
Dalam hal ini kita akan membicarakan masalah pendugaan atau peramalan nilai
peubah bebas Y berdasarkan peubah bebas X yang telah diketahui nilainya. Misalnya
kita ingin meramalkan nilai kimia mahasiswa tingkat persiapan berdasarkan skor tes
intelegensia yang diberikan sebelum mulai kuliah. Dengan melambangkan nilai kimia
seseorang dengan y dan skor tes intelegasinya dengan x, maka data setiap anggota
populasi dapat dinyatakan dalam koordinat (x,y). Suatu contoh acak berukuran n dari
populasi tersebut dengan demikian dapat dilambangkan sebagai {(x i,yi)};
i=1,2,.......,n}.
Bila hubungan linear demikian ini ada, maka kita harus berusaha menyatakan
secara matematik dengan sebuah persamaan garis-lurus yang disebut garis regresi
linear. Dari aljabar atau ilmu ukur analitik disekolah lanjutan, kita mengetahui bahwa
sebuah garis lurus dapat dituliskan dalam bentuk:
y
a bx
(2.1)
Dalam hal ini a menyatakan intersep atau perpotongan dengan sumbu tegak,
dan b adalah kemiringan atau gradien. Lambangan
membedakan atara nilai ramalan yang dihasilkan garis regresi dan nilai pengamatan y
yang sesungguhnya untuk nilai x tertentu (Walpole, 1995).
Sekali kita telah memutuskan akan menggunakan persamaan regresi linear,
maka kita menghadapi masalah bagaimana memperoleh rumus untuk menentukan
[Type text]
nilai dugaan titik bagi a dan b berdasarkan data contoh.untuk ini akan digunakan
prosedur yang disebut metode kuadrat kecil, maka metode kuadrat terkecil
menghasilkan rumus untuk menghitung a dan b sehingga jumlah kuadrat semua
simpangan itu minimum. Jumlah kuadrat semua simpangan ini disebut jumlah
kuadrat galat sekitar garis regresi dan dilambangkan dengan JKG. Jadi, jika kita
diberikan segugus data berpasangan {(xi,yi); i=1,2,.....,n}, maka kita harus
menentukan a dan b sehingga meminimumkan jumlah kuadrat semua simpangan atau
JKG (Walpole, 1995).
Pendugaan parameter. Bila diberikan data contoh {(xi,yi); i=1,2,.....,n}, maka
y
i 0
x y
i
i 0
n xi2
i 0
n xi y i
x
i 0
i 0
2
dan
ay
Keterangan:
b = nilai dugaan kuadrat terkecil bagi parameter
xi= nilai data x ke-i
yi = nilai data y ke-i
[Type text]
a bx
n= banyaknya data
Analisis regresi bertujuan untuk , pertama, mengestimasi atau menduga suatu
hubungan antara variabel variabel ekonomi, misalnya Y = f(x). Kedua, melakukan
peramalan atau prediksi nilai variabel terikat (tidak bebas) atau dependent variable
berdasarkan nilai variabel terkait (variabel independen/bebas). Penetuan variabel
mana yang bebas dan mana yang terkait dalam beberapa hal tidak mudah
dilaksanakan. Studi yang cermat, diskusi yang seksama (dengan para pakar), berbagai
pertimbangan, kewajaran masalah yang dihadapi dan pengalaman akan membantu
memudahkan penetuan kedua variabel tersebut.
Untuk menentukan persamaan hubungan antar variabel, langkah-langkahnya
sebagai berikut:
1.
2.
3.
Menentukan persamaan garis regresi dengan mencari nilai-nilai koefisien regresi dan
koefisien korelasi.
Berkaitan dengan analisis regresi ini, setidaknya ada empat kegiatan yang dapat
dilaksanakan dalam analisis regresi, diantaranya adalah sebagai berikut.
1.
2.
3.
bebas.
Menguji apakah estimasi parameter tersebut signifikan atau tidak.
[Type text]
4.
Melihat apakah tanda dan magnitud dari estimasi parameter cocok dengan teori.
(Nazir, 1983)
[Type text]
bi
Sbi
S x, y
Sb
S y,x
Keterangan :
bi = nilai dugaan 1
Pengujian Serentak
[Type text]
SSE
n 1 k
Y Y
n 1 k
Uji serentak (Uji F) adalah metode pengujian yang dilakukan untuk mengetahui
pengaruh variabel bebas secara bersama-sama terhadap variabel terikat (Ghozali,
2007). Langkah-langkah untuk melakukan uji serentak (uji F) adalah sebagai berikut.
1. Menentukan hipotesis
H0 : i = 0, artinya variabel bebas bukan merupakan penjelas yang signifikan
terhadap variabel terikat
H1 : i 0, artinya variabel bebas merupakan penjelas yang signifikan
terhadap variabel terikat. Dengan i = 1,2,,n.
2. Menentukan wilayah kritis (level of significance)
3. Menentukan daerah keputusan
Pvalue
H0 gagal ditolak apabila Fhitung Ftabel (
), artinya semua
v1
v2
[Type text]
[Type text]
[Type text]
[Type text]
DAFTAR PUSTAKA
Boediono dan Koester, Wayan. 2001. Teori dan Aplikasi Statistika dan
Probabilitas. Bandung. PT Rosdakarya.
Dajan, Anto. 1986. Pengantar Metode Statistik Jilid I. Jakarta. Pustaka LP3ES
Indonesia.
Roos, Sheldon, 1976, A First Course in Probability, terjemahan Bambang
Sumantri. Bandung. ITB
Walpole, Ronald E. 1997. Pengantar Statistika. Edisi ke-3. Jakarta.
PT.Gramedia Pustaka Utama.
Salamah, M.,Susilaningrum, D.2009.Modul Praktikum Pengantar
MetodeStatistika.Surabaya: ITS
(Yuswandy, 2009) , http://www.blogspot.com/regresidankorelasi/, diakses pada
tanggal 25 Desember
Nazir, Mohammad. 1983. Metode Penelitian.Jakarta: Ghalia Indonesia
[Type text]