STATISTIKA EKONOMI

ANALISIS REGRESI

OLEH KELOMPOK I
MUHAMMAD

(1315151011)

DARMA BUDHI LAKSANA

(1315151031)
NI PUTU ANANDA PUTRI PERTAMI
(1315251034)
NI KOMANG UTTAMI GHITA DEWI
(1315251035)
ALIT SUKADANA
(1315251090)
LAVENIA DEWI
(1315251092)

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS UDAYANA

2016

Kata Pengantar
Om Swastyastu,
Puji syukur kami panjatkan kehadapan Tuhan Yang Maha Esa karena
berkat rahmat-Nya, kami dapat menyelesaikan tugas presentasi kelompok,
dalam mata kuliah Statistika Ekonomi tepat pada waktunya.
Kami menyadari bahwa didalam pembuatan tugas ini tidak lepas dari
bantuan dan tuntunan Ibu Dosen, teman-teman, dan juga dari berbagai
pihak. Untuk itu dalam kesempatan ini kami sebagai penulis menghaturkan
rasa hormat dan terima kasih yang sebesar-besarnya kepada semua pihak
yang membantu dalam pembuatan makalah ini.
Kami menyadari bahwa dalam penulisan makalah ini masih jauh dari
kata sempurna, baik materi maupun cara penulisannya. Namun demikian
kami telah berupaya dengan segala kemampuan dan pengetahuan yang
dimiliki sehingga makalah ini dapat selesai dengan baik. Dan oleh karena itu,
dengan rendah hati dan tangan terbuka kami menerima masukan, saran
maupun kritik yang membangun guna penyempurnaan makalah ini. Akhir
kata, kami berharap semoga penulisan makalah ini kedepannya dapat
bermanfaat bagi para pembaca.
Om Santih, Santih, Santih, Om

Denpasar, 11 November 2016

Penulis

Pengertian Analisis Regresi

Analisis regresi adalah kajian terhadap hubungan satu variable yang disebut dengan
variable yang diterangkan (the explained variable) dengan satu atau dua variable
yang menerangkan (the explanatory). Variabel pertama disebut juga sebagai
variable tergantung dan variable kedua disebut juga sebagai variable bebas.
Analisis regresi merupakan salah satu analisis yang bertujuan untuk mengetahui
pengaruh suatu variabel terhadap variabel lain.Sir Francis Galton (1822 1911),
memperkenalkan model peramalan, penaksiran, atau pendugaan, yang selanjutnya
dinamakan regresi, sehubungan dengan penelitiannya terhadap tinggi badan
manusia. Penelitian tersebut membandingkan antara tinggi anak laki-laki dan tinggi
badan ayahnya. Galton menunjukkan bahwa tinggi badan anak laki-laki dari ayah
yang tinggi setelah beberapa generasi cenderung mundur (regressed) mendekati
nilai tengah populasi. Dengan kata lain, anak laki-laki dari ayah yang badannya
sangat tinggi cenderung lebih pendek dari pada ayahnya, sedangkan anak laki-laki
dari ayah yang badannya sangat pendek cenderung lebih tinggi dari ayahnya.
Sekarang istilah regresi, tidak demikian lagi, regresi oleh para statisi
diterapkan hampir disemua bidang ilmu, untuk menaksir atau meramalkan nilai
satu variabel berdasarkan variabel lain yang nilainya telah diketahui, dan kedua
variabel tersebut memiliki hubungan fungsional atau sebab-akibat satu dengan
yang lainnya.
Dalam bidang ekonomi dan bisnis misalnya, jumlah modal mempengaruhi
jumlah

produksi,

suku

bunga

mempengaruhi

jumlah

investasi,

biaya

iklan

mempengaruhi nilai penjualan, dan tingkat pendapatan mempengaruhi besarnya

konsumsi. Keempat contoh tersebut menunjukkan hubungan sebab-akibat antara
dua variabel. Dalam bahasa matematisnya modal, tingkat suku bunga, biaya iklan,
dan tingkat pendapatan disebut bariabel bebas (variabel yang mempengaruhi) dan

umumnya disimbolkan dengan X. Sedangkan jumlah produksi, besarnya investasi,

nilai penjualan, dan konsumsi disebut variabel terikat (variabel yang dipengaruhi),
atau variabel yang nilainya ditentukan oleh nilai variabel X dan umumnya
disimbolkan dengan Y.
Hubungan fungsional (sebab-akibat) antara variabel bebas (X) dan variabel
terikat (Y), dalam bentuk fungsi dinyatakan sebagai Y=f(X). (dibaca: Y fungsi dari
X), yang artinya nilai variabel Y tergantung dari atau dipengaruhi oleh nilai variabel
X. Sifat hubungan antara variabel bebas (X) dengan variabel terikat (Y), dapat
positif, negatif, atau tidak ada hubungan. Hubungan positif yang disebut juga
hubungan searah, artinya bila X naik maka Y juga naik atau sebaliknya nila nilai X
turun, nilai Y juga turun. Hubungan negatif disebut juga hubungan berlawanan arah,
artinya bila nilai X naik maka nilai Y akan turun atau sebaliknya bila nilai X turun
maka nilai Y akan naik. Tidak ada hubungan, artinya bila nilai X berubah
(naik/turun), maka nilai Y tidak berubah atau tetap.
Bila ketiga jenis sifat hubungan antara variabel tersebut dinyatakan dalam
grafik, bentuk grafiknya seperti :

Pola hubungan antara dua variabel yaitu X dan Y, yang dibentuk oleh serangkaian
pasangan data (Xi, Yi) dengan i = 1,2,3 ... n, dapat berbentuk berbagai macam
persamaan regresi, mungkin linear atau tan-linear (kuadrat, kubik, eksponensial,
elip dan bentuk lainnya).

Sebelum persamaan regresi ditentukan, apakah bentuknya linear atau tan-linear,

sebaiknya dibuat terlebih dahulu diagram pencarnya (scatter diagram), setelah itu
baru dipilih persamaan regresi yang paling mendekati. Langkah itu diambil agar
penyimpangan yang terjadi sekecil mungkin.
Empat bentuk diagram pencar (scatter diagram) :

Tujuan Analisis Regresi :

1. Untuk memperoleh suatu persamaan garis yang menunjukkan persamaan
hubungan antara dua variabel. Persamaan garis yang diperoleh disebut
persamaan regresi.
2. Untuk mengetahui besarnya pengaruh perubahan tiap unit variabel bebas
terhadap perubahan variabel terikatnya. Pengaruh perubahan tiap unit
variabel bebas ditunjukkan oleh nilai koefisien regresinya.
3. Untuk menaksir nilai variabel terikat (Y) berdasarkan variabel bebas (X) yang
nilainya telah diketahui. Penaksiran disini bersifat deterministik (pasti) atau
non-stokastik, maksudnya penaksiran atau pendugaan yang dilakukan
mengabaikan faktor ketidakpastian.

Regresi Linear Sederhana : Metode Kuadrat Terkecil

Secara umum persamaan garis lurus dinyatakan sebagai : =a+bX. Dari serangkaian
data sampel (Xi,Yi) dengan i= 1,2,3,,n, dibuat diagram pencarnya, dari semua
kemungkinan garis lurus yang dapat ditarik pada diagram pencar tersebut, metode

kuadrat terkecil (Least Square method) akan memberikan jumlah kuadrat deviasi
vertical (tegak) dari titik-titik observasi ke garis regresi tersebut sekecil mungkin,
atau dengan kata lain metode kuadrat terkecil memberikan (Yi-)2 = (i)2 yang
terkecil

Gambar 9.1 Kriteria Kuadrat Terkecil

Agar jumlah kuadrat simpangan vertical ke garis regresi yaitu (Yi-)2 sekecil
mungkin, maka (Yi-)2 = (i)2 diminimumkan terhadap a dan b. Dengan bantuan
kalkulus diferensial (deviasi parsial) didaptlah dua persamaan normal yaitu
persamaan (9.1) dan persamaan (9.2). Dengan menyelesaikan kedua persamaaan
ini secara simultan, maka nilai a dan b dari persamaan linear =a+bX, dapat
dihitung.
Yi= n.a + bXi
(9.1)

XiYi = ax + bx2
(9.2)
Dalam bentuk lain, kedua persamaan normal diatas dapat dinyatakan
sebagai :
b = nXiYi -XiYi

(9.3)

n X i - (Xi )2
a = Y bX

(9.4)

Keterangan :
a = konstanta atau titik potong dengan sumbu Y, bila X=0
b = slope garis atau arah garis regresi, yang menyatakan perubahan nilai
Y akibat perubahan 1 unit X

 = taksiran nilai Y
X = variable bebas (data pengamatan)
Y = variable terikat (data pengamatan)
n = banyaknya pasangan data
Koefisien regresi b pada (9.3) dapat juga dihitumg melalui bentuk
deviasi/penyimpangan masingmasing data terhadap mean-nya masingmasing yaitu (Xi- X) = xi dan (Yi-Y) = yi, sebagai berikut :
b = xiyi
xi 2

Interpretasi Terhadap Nilai Koefisien Regresi

Tanda positif atau negatif dari nilai koefisien regresi, bukanlah menyatakan
tanda aljabar, melainkan menyatakan arah hubungan atau lebih tegasnya
menyatakan pengaruh variabel bebas X terhadap variabel terikat Y. Nilai b yang
positif menyatakan bahwa variabel bebas X berpengaruh positif terhadap nilai
variabel terikat Y. Sedangkan nilai b yang negatif (b dengan tanda negatif )
menyatakan bahwa variabel bebas X berpengaruh negatif terhadap nilai terikat Y
Interpretasi terhadap nilai koefisien regresi,b adalah sebagai berikut ;
1. b = A (b bertanda posotif). Artinya bila nilai variabel bebas X naik/bertambah/
meningkat 1 unit, maka nilai variabel Y akan naik /bertambah/meningkat
1unit, maka nilai variabel Y akan turun/berkuran sebesar A unit.
2. b = -A (b bertanda negatif), artinya bila nilai variabel bebas X naik /
bertambah / meningkat 1 unit, maka nilai variabel terikat Y akan turun /
berkurang sebesar A unit. Sebaliknya,bila nilai variabel bebas X turun /
berkurang 1 unit, maka nilai variabel terikat Y akan naik / bertambah /
meningkat sebesar A unit.

Contoh Soal
(Buku Statistika Ekonomi Oleh Nata Wirawan, Hal. 226)
9-9)
Seorang periset ingin mengetahui hubungan antara waktu lamanya antre (dalam
menit) dengan banyak jenis barang belanjaan untuk 10 konsumen pada salah satu
kasir di Tiara Dewata
Waktu
(menit)
8
7
9
12
5
20
15
14
6
8

Banyak Jenis
Barang (item)
5
3
4
7
3
10
8
6
2
3

Jawab :
a) Menyusun Persamaan Regresi
Persamaan Regresi Lamanya Waktu Antre dengan Banyaknya Jenis Barang
Belanjaan di Kasir Tiara Dewata

Xi

Yi

Xi Y i

8
7
9
12
5
20
15
14
6
8
104

5
3
4
7
3
10
8
6
2
3
51

40
21
36
84
15
200
120
84
12
24
636

Maka diperoleh

dan

X 2i

Y 2i

64
49
81
144
25
400
225
196
36
64
1284

25
9
16
49
9
100
64
36
4
9
321

x i=X i X
-2.4
-3.4
-1.4
1.6
-5.4
9.6
4.6
3.6
-4.4
-2.4

y i=Y iY
-0.1
-2.1
-1.1
1.9
-2.1
4.9
2.9
0.9
-3.1
-2.1

x i yi
0.24
7.14
1.54
3.04
11.34
47.04
13.34
3.24
13.64
5.04
105.6

x 2i
5.76
11.56
1.96
2.56
29.16
92.16
21.16
12.96
19.36
5.76
202.4


X =
n

Xi

104
=10.4
10

Y i = 51 =5.1
Y =
n
10

Maka dapat dihitung koefisien regresi b, sebagai berikut :

X i 2

X 2i
n
n X i Y i X i Y i
b=

104 2

10 ( 1284 )
10 ( 636 ) ( 104 ) (51)
b=

Atau

b=

xi yi
x2i

b=

105.6
=0.5
202.4

selanjutnya Konstanta a dapat dihitung :

a=Y b X

a=5.10.5 ( 10.4 ) =0.1

jadi. Persamaan regresinya :

Y^ =0.1+0.5 X

b) Interpretasi terhadap nilai koefisien regresi, b

Dari persamaan regresi tersebut, dapat diketahui nilai b = 0.5
Nilai b = 0.5, memiliki arti bahwa setiap kenaikan banyaknya jenis barang
sebesar satu item, maka lamanya waktu akan meningkat sebesar 0.5 menit.
Atau, setiap penurunan banyaknya jenis barang sebesar satu item, maka
lamanya waktu akan berkurang sebesar 0.5 menit

Kesimpulan
Analisis Regresi adalah salah satu metode yang sangat popular dalam
mencari hubungan antara 2 variabel atau lebih. Variabel-variabel yang dikomputasi
selanjutnya dikelompokkan menjadi variabel dependen yang biasanya dinotasikan
dengan huruf Y dan variabel independen yang biasanya dinotasikan dengan huruf
X. Banyaknya variabel dependen harus sama dengan 1 untuk analisis regresi, sebab
dalam analisis ini kita akan mencari hanya satu nilai variabel berdasarkan nilai-nilai
variabel independen yang jumlahnya bisa lebih dari 1.
Regresi Linear Sederhana adalah Metode Statistik yang berfungsi untuk
menguji sejauh mana hubungan sebab akibat antara Variabel Faktor Penyebab (X)
terhadap Variabel Akibatnya. Faktor Penyebab pada umumnya dilambangkan
dengan

atau

disebut

juga

dengan

Predictor

sedangkan

Variabel

Akibat

dilambangkan dengan Y atau disebut juga dengan Response. Regresi Linear

Sederhana atau sering disingkat dengan SLR (Simple Linear Regression) juga
merupakan salah satu Metode Statistik yang dipergunakan dalam produksi untuk
melakukan peramalan ataupun prediksi tentang karakteristik kualitas maupun

Kuantitas.

Tanda positif atau negatif dari nilai koefisien regresi, bukanlah

menyatakan tanda aljabar, melainkan menyatakan arah hubungan atau lebih

tegasnya menyatakan pengaruh variabel bebas X terhadap variabel terikat Y.

Daftar Pustaka :
Wirawan, Nata. 2012. Statistika Ekonomi dan Bisnis. Denpasar: Keraras Emas.
http://teknikelektronika.com/analisis-regresi-linear-sederhana-simple-linearregression/
https://exponensial.wordpress.com/analisis-regresi/