STATISTIK DESKREPTIF(I)

Regresi Linier Sederhana

MODUL 12

Oleh
Ir.Sahibul Munir,SE.,MSi

FAKULTAS EKONOMI PROGRAM KELAS

KARYAWAN
 UNIVERSITAS MERCU BUANA
2007/2008
SIMPLE REGRESION ANALYSIS
Regresi Linier Sederhana
 Analisis regresi itu mempelajari “ Hubungan Ketergantungan (casual
relationstip) “ antara satu variabel tak bebas (dependent variabel) dengan satu atau
lebih variabel bebas (independent variable) dengan tujuan untuk meramalkan
( memperkirakan ) nilai rata – rata dari variable tak bebas, apabila varible varible
bebasnya sudah diketahui.
- Variable bebas biasanya diberi notasi ( simbol ) Xi , dari Variable tidak
bebas diberi simbol Yi.
 Upaya untuk mengetahui hubungan antara variable bebas dengan variable
tak bebas dimulai dengan mencari bentuk terdekat dari hubungan tersebut dengan
jalan menyajikan data yang telah ddiketahui dalam sebuah “kurva” atau grafik yang
disebut diagram Pencar ( Scaater diagram )” .
- Diagram pencar ini memnggambarkan (menunjukan) titik – titik , dan tiap
titik ditentukan oleh pasangaan (Xi, Yi ). Dengan menggunakan diagram ini
dapat diketahui apakah ada hubungan yang berarti antara kedua yang
variable tersebut . Jika letak titik – titik itu berada di sekitar garis lurus maka
cukup alasan untuk menduga bahwa antara variable – variable tersebut ada “
hubungan linier ”.
Dalam hal lainya hubungan antara variabel – variabel tersebut diduga “ non
linear ”.
Y Y

X X

(a) Kemungkinan hubungan antara X dan Y “ linier “

(b) Hubungan antara X dan Y “ non linier “

Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si
STATISTIKA 1
 Setelah bentuk hubungan antara variabel X dan variabel Y tersebut diketahui,
selanjutnya merumuskan kedalam “ suatu persamaan matematis “ .
 Bila X merupakan variabel bebas dan Y variabel tak bebas dan hubungan
keduanya linier, maka bentuk “ persamaan hubungan “ antaara X dan Y dapat
dinyatakan sebagai Y = f (X)
 Jika hubungan Y = f (X) digambarkan bersama – sama denga diagram
pencarnya, maka akan didapatkan sebuah garis yang disebut” garis regresi “.
Sedangkan rumus Y = f (X) dikenal dengan nama “ regresi Yatas X “.
Jika regresi Y atas X linier, maka persamaannya ditulis dalam bentuk linier
sebagai berikut.:

Yi = A + B Xi
Persamaan ini adalah persamaan garis populasi , dan pada umumnya dalam
praktek garis ini tidak diketahui, artinya parameter A dan B tidak diketahui.
Oleh karena itu, parameter – parameter tersebut harus ditaksir atau diduga
melaui sampel.
Jadi apabila kita mempunyai persamaan regresi
Y = A+ B Xi, maka hal ini dapat ditaksir menjadi .

Y=a+b X
Y = taksiran / dugaan nilai Y untuk harga X yang diketahui terlebih dahulu.
a = Konstanta regresi (Y intercept)
b = Koefisien regresi, yang mengukur kenaikan y perunit akibat
kenaikan dalam X.

Harga a dan b untuk regresi linier diatas dapat dicari berdasarkan

sekumpulan data sebanyak n buah dengan sistem persamaan sebagai
berikut :
na+∑xb =∑y
∑ Xa + ∑ X2 b = ∑ xy
Kedua persamaan diatas, disebutkaan persamaan normal untuk
bentuk regresi Y = a + b X.
Persamaan normal ini dapat dituliskan kembali menjadi :
b = n ∑ x y - ∑ x∑ y
n∑ x2 – (∑x)2

a = (∑y - b∑x)

Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si
STATISTIKA 1
 n
n = Jumlah pasang observasi atau pengukuran

 Metode Kuadrat Terkecil (Least Square

Method)
- Sebaagaimana diketahui bahwa hubungan – hubungan dalm ekonomi
(sosial) bersifat stoctiastik ( random) artinya berdistribusi probabilistik.
- Y = f (X) dikatakan stoctiastik jika tiap harga X mempunyai suatu
distribusi kemungkinan (probabilistik) untuk Y (tiap satu X, bisa
banyak Y)
- Sebagaimana diketahui bahwa pengeluaran konsumsi itu tidak hanya
dipengaruhi oleh pendapatan , tetapi juga tingkat pendidikan, selera ,
jumlah anggota keluarga dan lain sebagainya Maka untuk
memasukan variabel – variabel stochastik, ahli ekonometrik

mengadakan modifikasi hubungan Y = A + B X kedalam bentuk

yang stochastikyaitu : Y =A+BX+U
U = variabel stochastik (random) atau disturbance term
Sedangkan persamaan pendugaannya adalah :

Y=a+bX+C
a = Penaksir dari A
b = Penaksir dari B (Lereng / Slope garis regresi)
c = adalah penaksir dari U

- Kesalahan pendugaan / perkiraan dari persamaan Y = a + b x,

adalah nilai simpangannya yaitu :

C=Y-Y

Jadi : C =Y – (a + b X), dan jumlah kuatrat dari C adalah :

Σ e2 = Σ { Y – (a + bx) }2
- Karena digunakan metoda kuadrat terkecil, maka Σ e2 harus
diminimkan.

Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si
STATISTIKA 1
 - Agar Σ e2 minimum, maka turunan pertama ( diferensial
parsial ) dari Σ e2 = Σ { Y- (a + bx) }2 harus = 0

 2 
 d ∑e 
1. Turunan Σ e terhadap a 
2

 da 
 
 2 
 d ∑e 
 da  = 2 Σ { Y – (a + b ) } (-1) = 0
 
 
= -2 Σ { Y – (a + b x ) } = 0
 2 
 d ∑e 
2. Turunan Σ e terhadap b 
2

 db 
 
 2 
 d ∑e 
 db  = 2 Σ {Y – (a + b x ) } (-x ) = 0
 
 
= -2Σ x {Y- ( a + b x ) } = 0

Setelah disederhanakan akan kita peroleh persamaan normal sebagai berikut

:
1. Σ Y- na - bΣ x = 0
2. Σ X Y – a Σ x - bΣ x2 = 0

Dari persamaan diatas akan didapatkan :

(1). Σ Y = na + bΣ X
(2). Σ X Y = a Σ x + b Σ x2
Kedua persamaan ini disebut persamaan normal untuk regresi Ŷ = a + bx.
Berdasarkan persamaan tersebut, maka a dan b akan dapat dicari
sebagai berikut :
- Jika persamaan (1) ddibagi dengan n maka akan diperoleh
hasil :
Σ Υ na bΣ Χ
= +
n n n

Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si
STATISTIKA 1
 Σ Υ bΣ Χ
a= −
n n
Σ Υ− bΣ Χ
a=
n
Untuk mendapatkan rumus b, maka “a” dimasukan ke persamaan (2) ,
maka akan diperoleh hasil :
ΣΥ Σ Χ
 −b Σ Χ+ bΣ Χ = Σ ΧΥ
2

 n n 

Σ Χ Σ Υ ( Σ Χ)
2
−b + bΣ Χ2 = Σ Χ Υ
n n

b( Σ Χ)
2
Σ ΧΣ Υ
bΣ Χ2 − = Σ Χ Υ−
n n
 b( Σ Χ) 
2
Σ ΧΣ Υ
b Σ Χ2 −  = Σ ΧΥ−
 n  n

Σ Χ Σ Υ 2 ( Σ Χ)
2
b = Σ Χ Υ− :Σ Χ −
n n

nΣ Χ Υ− Σ Χ Σ Υ nΣ Χ2 − ( Σ Χ)
2
b= :
n n
nΣ ΧΥ− Σ ΧΣ Υ n
b= x
nΣ Χ − ( Σ Χ)
2 2
n

nΣ ΧΥ− Σ ΧΣ Υ
b=
nΣ Χ2 − ( Σ Χ)
2

Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si
STATISTIKA 1
Berikut ini disajikan cara mencari persamaan regresi data tentang jumlah uang
beredar dan rata – rata harga eceran beras dipasar pedesan Jawa dan Madura
selama 1968 – 1979.

Tabel 1. Jumlah uang yang beredar ( chartal dan giral ) di Indonesia dan rata –
rata harga eceran di pasar pedesaan Jawa dan Madura , 1968 – 1979.
Jumlah Uang Harga
Tahun Beredar (Rp Beras Rp / X2 Y2 ∑XY
1M) Kg
X Y
1 2 3 4 5 6
1969 183,44 36,88 33,650,23 1,360,13 6.765,27
1970 250,29 42,55 62.645.08 1.810,50 10.649,84
1971 320,76 40,81 102.886.98 1.665,40 13.099,22
1972 474,61 49,92 225.254.65 22.492,01 23,692,53
1973 669,00 76,51 447.561.00 5.853,78 51.185.19
1974 937,52 81,73 878.943.75 0.679,79 76.623.51
1975 1.250,09 98,35 1.562.725.01 9.672,22 122.946.35
1976 1.002,90 141,96 2.569.480,76 20.152,64 227.556.20
1977 2.006,39 152,19 4.025.600,83 23.161,80 305.352.49
1978 2.488,34 105,89 6.191.835,96 27.519,49 412.790.72
1979 3.2279,50 205,18 10.755.120,25 42.098,83 672.887.81
13.462,9 1.091,97 26.855.704,50 142.467,15 1.923.540,13

nΣ −Χ Σ Υ Χ Σ Υ
b=
−Χ( Σ ) Χ
2
nΣ 2

11(1.923 .540 ,13 ) − (13 .462 ,9 )(1.091 ,97 )

b=
11( 26 .855 .704 ,50 ) − (13 .462 ,9 )
2

= 0,0566
Σ Υ− bΣ Χ 1.091,97 − 0,0566 (13 .462 ,9 )
a= = =29,9973
n 11

Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si
STATISTIKA 1
 Jadi model regresi liniernya prakiraan menjadi :
Y=29,9973+0,0556 X
“ Dimana Y merupakan nilai taksiran (ramalan ) Y ”

 Nilai b = 0,0566, artinya setiap terjadi perubahaan nilai variabel bebas X ( jumlah
uang yang beredar ) sebesar Rp 1 milyard, akan diikuti oleh perubahaan variable tak
bebas Y (harga rata-rata beras) sebesar Rp 0,0566/kg

 Standar Deviasi Regresi (Standard Error of Estimate)

- Standard deviasi nilai Y terhadap garis regresi Ŷ disebut “ Standar
devisi regresi” atau sering disebut “ Standar error of estimate”,
karena digunakan untuk mengukur kesalahan dari setiap nilai Y
terhadap garis regresi Ŷ
- Standar deviasi nilai Y terhadap garis regresi Ŷdihitung dengan cara
seperti menghitung standar deviasi nilai terhadap rata – ratanya X
- Perhitungan tersebut didasarkan pada penyeberan titik – titik nilai Y
disekitar garis regresi Ŷ semakin dekat titik – titik tersebut terpencar
disekitar garis regresi , maka akan semakin kecil pula nilai “standar
deviasi regresinya”.
- Dengan semakin kecilnya nilai standar devisi regresi , maka makin
tinggi ketetapan persamaan regresi yang dihasilkan untuk
menjelaskan nilai variabel dependen yang sesungguhnya.
Sebaliknya semakin bes
ar nilai standar deviasi regresi , makin rendah ketepatan persamaan
regresi untuk menjelaskan nilai variabel dependen yang
sesungguhnya.

Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si
STATISTIKA 1
 Standar deviasi regresi (Standard Error
of Estimate) dapat diberi simbol Se yang
dapat dihitung dengan menggunakan rumus
sebagai berikut

Σ Υ2 − aΣ Υ− bΣ ΧΥ
Se =
n −2

 Koefisien Determinasi (r2)

- Koefisien determinasi (r2) merupakan propesi dari varian Yyang
diterangkan oleh pengaruh linier dari X. Dengan kata lain , “ koefisien
determinasi “ merupakan nilai yang digunakan untuk mengetahui
(mengukur) persentase pengaruh variabel independen terhadap
perubahan variabel idependen.
- Jika Y (variabel Independen) adalah hasil penjualan dan X (variabel
independen) adalah biaya iklan, maka naik turunya penjualan tidak
hanya disebabkan oleh besar kecilnya biaya iklan ( x ) saja. Tetapi
juga dipengaruhi oleh faktor – faktor lain, seperti harga produk,
pendapatan masyarakat , selera harga barang lain dan sebagainya.
- Apabila nilai r2 misalnya = 0,645, ini berarti pengaruh variabel X
(biaya iklan) terhadap perubahan variabel Y (hasil penjualan) adalah
64,5%, sedangkan sisanya dipengaruhi oleh variabel selain X.

Uji Hipotesis Koefisien Regresi Linear Sederhana

Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si
STATISTIKA 1
Pernyataan Hipotesisnya : “Diduga Jumlah Uang beredar berpengaruh
terhadap harga beras?”
Prosedur Pengujian Hipotesis ;

1. Ho ; b = 0(Jumlah uang beredar tidak mempengaruhi harga beras).

Ha : b> 0(Jumlah uang beredar berpengaruh positif dan signifikan terhadap
haraga beras)

2. Penentuan tingkat signifikansi(α), dalam penelitian ini ditentukan = 5%

3. Penentuan daerah kritis/daerah tolak Ho.
Untuk menentukan ditolak atau diterimanya Ho maka harus membandingkan
nilai thitung dengan nilai ttabel

Terima Ha/Tolak Ho

Teriama Ho

t-tabel

Rumust-hitung: b/Sb

4. Keputusan
Jika nilai thitung < t table maka terima Ho dan tolak Ha.
Jika nilai thitung > t table maka tolak Ho dan terima Ha.

5. Kesimpulan

Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si
STATISTIKA 1