BAB I

PENDAHULUAN

1.1

Latar Belakang Masalah

Analisis regresi merupakan suatu metode yang digunakan untuk

menganalisis hubungan antar variabel. Hubungan tersebut dapat dinyatakan dalam

bentuk persamaan yang menghubungkan variabel terikat dengan satu atau lebih
variabel bebas , , , . (Nachrowi, 2008:15). Hubungan fungsional antara
variabel terikat dan variabel bebas tersebut dijelaskan dalam sebuah kurva yang
dinamakan kurva regresi. Pendekatan yang digunakan dalam menentukan kurva
regresi ada dua jenis, yaitu pendekatan statistika parametrik dan pendekatan
statistika nonparametrik. Selain digunakan untuk mengetahui bentuk hubungan
antar variabel, analisis regresi juga dapat digunakan untuk peramalan. (Hardle,
1990 : 4)
Pendekatan statistika parametrik digunakan jika asumsi sebaran data
membentuk pola tertentu, misal berbentuk linear, kuadratik, kubik dan lain-lain.
Asumsi tersebut didasarkan atas teori dan informasi yang spesifik dan kuantitatif
dari peneliti mengenai bentuk fungsinya ataupun dari pengetahuan masa lalu. Jika
asumsi pada kurva regresi dengan pendekatan statistika parametrik tidak dipenuhi,
maka kurva regresi diduga menggunakan pendekatan statistika nonparametrik.
Metode ini tidak bergantung pada asumsi-asumsi tertentu, seperti kenormalan
suatu data, varians yang sama dan galat yang tidak berkorelasi. Metode ini

digunakan ketika informasi mengenai kurva regresi dari sekumpulan data sangat
sedikit atau bahkan tidak diketahui.
Analisis regresi linear adalah metode statistika yang dapat digunakan untuk
mempelajari hubungan antara variabel terikat dan variabel bebas pada data yang
sedang diamati. Jika hubungan antara variabel terikat dan variabel bebas
adalah linear dan hanya terdapat satu variabel bebas , maka akan diperoleh
persamaan regresi linear sederhana (Simple Linear Regression). Sedangkan jika
hubungan antara variabel terikat dan variabel bebas adalah linear dan terdapat
lebih dari satu variabel bebas ( , , , ), maka persamaan regresinya disebut
persamaan regresi linear berganda (Multiple Linear Regression).
Adapun persamaan regresi linear sederhana sebagai berikut:
= + +
dengan : adalah variabel terikat
adalah variabel bebas, dengan = 1,2, ,
dan adalah parameter-parameter yang tidak diketahui
adalah nilai galat.
Dalam kasus parametrik, penaksiran parameter dari persamaan regresi linear
sederhana tersebut biasanya diselesaikan dengan menggunakan metode kuadrat
terkecil (Ordinary Least Square). Penaksiran dengan menggunakan metode
kuadrat terkecil harus memenuhi asumsi klasik sebagai berikut:
a. Homoskedastisitas, artinya varians dari nilai galat adalah konstan
(sama) untuk semua nilai dari variabel bebas .

b. Nonautokorelasi, berarti nilai galat setiap pengamatan pada setiap

variabel bebas bersifat bebas.
c. Nonmultikolinearitas, berarti tidak terdapat hubungan linear antara
variabel bebas yang satu dengan variabel bebas yang lain dalam model
regresi.
d. Galat berdistribusi normal dengan rata-rata (mean) nol dan varians
tertentu.
e. Linearitas, artinya bentuk hubungan antara variabel bebas dan
variabel terikat adalah linear.
Jika model regresi linear memenuhi asumsi klasik di atas, maka penaksiran
yang diperoleh dengan metode kuadrat terkecil (Ordinary Least Square) dapat
dikatakan telah sahih (benar, dapat diterima). Tetapi jika salah satu dari asumsi
klasik tersebut tidak dipenuhi, maka penaksiran dengan metode kuadrat terkecil
(Ordinary Least Square) akan menghasilkan kesimpulan yang bias sehingga
metode tersebut tidak dapat digunakan untuk menaksir parameter-parameter
dalam persamaan regresi linear.
Dalam kenyataanya, data yang diperoleh dari hasil penelitian tidak selalu
mengikuti distribusi normal. Hal ini bisa disebabkan karena jumlah data sampel
yang didapat tidak cukup banyak sehingga tidak memenuhi distribusi normal.
Tidak hanya itu, kesulitan pengukuran secara kuantitatif menyebabkan banyak
pengukuran data dilakukan secara kualitatif sehingga skala datanya adalah biner,
ordinal atau nominal.

Seperti dijelaskan sebelumnya, salah satu asumsi klasik yang harus

dipenuhi dalam metode kuadrat terkecil adalah kenormalan dari galat, yaitu galat
berdistribusi normal dengan rata-rata nol dan varians tertentu. Jika asumsi
kenormalan

tersebut

nonparametrik,

karena

tidak

dipenuhi,

metode

maka

dapat

digunakan

metode

nonparametrik

tidak

mengharuskan

data

berdistribusi normal. Metode nonparametrik sering juga disebut uji distribusi

bebas (Distribution Free Test), dari istilah tersebut terlihat bahwa metode
statistika nonparametrik merupakan metode statistika yang dapat digunakan
dengan mengabaikan segala asumsi yang melandasi metode statistika parametrik.
Terdapat beberapa metode nonparametrik yang dapat digunakan untuk
mencocokkan garis regresi linear dengan data sampel yang teramati adalah
metode iterative Brown-Mood dan metode Theil.( Daniel,1989:437)
Dalam tugas akhir ini akan dijelaskan bagaimana prosedur analisis regresi
linear sederhana nonparametrik dengan metode Theil dan penerapannya dalam
suatu studi kasus dimana data yang diperoleh tidak berdistribusi normal. Misalkan
ada pasangan data pengamatan, yaitu , , , , , , dengan
persamaan regresi linear sederhana adalah :
= + +
Dengan adalah koefisien intercept (titik potong), adalah koefisien slope
(kemiringan) dari garis tersebut, adalah variabel bebas dan adalah variabel
terikat. Metode Theil menaksir koefisien slope (kemiringan) garis regresi dengan
median kemiringan dari seluruh pasangan garis dari titik-titik variabel dan ,
dengan nilai harus berbeda.

Berdasarkan latar belakang inilah maka tugas akhir ini diberi judul
Analisis Regresi Linear Sederhana Nonparametrik Menggunakan Metode
Theil.

1.2

Rumusan Masalah
Berdasarkan latar belakang masalah di atas, permasalahan yang akan

diangkat dalam tugas akhir ini adalah:

1. Bagaimana cara menaksir parameter-parameter dalam model regresi linear
sederhana dengan menggunakan metode Theil?
2. Bagaimana cara menguji keberartian koefisien slope pada model regresi
linear sederhana dengan menggunakan metode Theil?
3. Bagaimana bentuk model regresi linear sederhana nonparametrik
menggunakan metode Theil dalam penerapannya pada studi kasus?

1.3

Tujuan Penulisan
Berdasarkan rumusan masalah di atas, maka tujuan pembuatan tugas akhir

ini adalah sebagai berikut :

1. Mengetahui cara menaksir parameter-parameter dalam model regresi linear
sederhana dengan metode Theil.
2. Mengetahui cara menguji keberartian koefisien slope pada model regresi
linear sederhana dengan metode Theil.
3. Mengetahui bentuk model regresi linear sederhana nonparametrik
menggunakan metode Theil dalam penerapannya pada studi kasus.

1.4

Batasan Masalah
Dalam tugas akhir ini, penaksiran parameter dalam persamaan regresi

linear nonparametrik dengan metode Theil akan menggunakan software SAS 9.0.

1.5

Manfaat Penulisan

1.5.1

Manfaat Teoritis
Bagi dunia akademik manfaat yang diharapkan dari penulisan tugas akhir

ini adalah memperoleh pemahaman yang lebih mendalam baik bagi penulis
maupun bagi pembaca yang berkaitan dengan penerapan metode statistika
nonparametrik khususnya tentang penerapan metode Theil dalam analisis regresi
linear sederhana.

1.5.2

Manfaat Praktis
Tugas akhir ini diharapkan dapat memberikan pengetahuan baru, dapat

dijadikan sumber bacaan untuk meningkatkan kemampuan diri dalam bidang

statistika, dan dapat dijadikan sebagai salah satu referensi dalam penerapan
metode statistika nonparametrik sehingga untuk selanjutnya bisa lebih
dikembangkan lagi.