Bentuk Model
Model regresi dengan dua variabel umumnya dituliskan dengan simbol berbeda
berdasarkan sumber data yang digunakan, meskipun tetap dituliskan dalam
persamaan fungsi regresi. Fungsi regresi yang menggunakan data populasi (FRP)
umumnya menuliskan simbol konstanta dan koefisien regresi dalam huruf besar,
sebagai berikut:
Y = A + BX + .. (pers.3.1)
Y = a + bX + e .. (pers.3.2)
Dimana:
A atau a :merupakan konstanta atau intercept
B atau b :merupakan koefisien regresi, yang juga
menggambarkan tingkat elastisitas variabel independen
Y :merupakan variabel dependen
X :merupakan variabel independen
Penghitungan konstanta (a) dan koefisien regresi (b) dalam suatu fungsi regresi
linier sederhana dengan metode OLS dapat dilakukan dengan rumus-rumus
sebagai berikut:
Rumus pertama (I)
Mencari nilai b :
Mencari nilai a :
Mencari nilai a :
Misalnya saja kita ingin meneliti pengaruh bunga deposito jangka waktu 1 bulan
(sebagai variabel X = Budep) terhadap terjadinya inflasi di Indonesia (sebagai
variabel Y=Inflasi) pada kurun waktu Januari 2001 hingga Oktober 2002, yang
datanya tertera sebagai berikut:
Observasi Y X1
Jan 01 8.28 13.06
Peb 01 9.14 13.81
Mar 01 10.62 13.97
Apr 01 10.51 13.79
Mei 01 10.82 14.03
Jun 01 12.11 14.14
Jul 01 13.04 14.39
Agu 01 12.23 14.97
Sep 01 13.01 15.67
Okt 01 12.47 15.91
Nop 01 12.91 16.02
Des 01 12.55 16.21
Jan 02 14.42 16.19
Peb 02 15.13 15.88
Mar 02 14.08 15.76
Apr 02 13.3 15.55
Mei 02 12.93 15.16
Jun 02 11.48 14.85
Jul 02 10.05 14.22
Agu 02 10.6 13.93
Sep 02 10.48 13.58
Okt 02 10.33 13.13
Jumlah 260.49 324.22
Nilai a dan b dapat dicari dengan menggunakan rumus kedua. Agar dapat secara
langsung menggunakan rumus II, perlu menghitung dulu komponen-komponen
rumus. Langkah yang dapat dilakukan dicontohkan sebagai berikut :
Mencari nilai b, menggunakan rumus kedua :
Dari rumus di atas, kita perlu menemukan dulu nilai dari yang
dapat dilakukan dengan rumus-rumus sebagai berikut :
Dengan diketahuinya, nilai-nilai tersebut, maka nilai b dapat ditentukan, yaitu :
Dengan diketahuinya nilai b, maka nilai a juga dapat dicari dengan rumus sebagai
berikut :
Output
Model Summary
ANNOVA
Coefficients
Meskipun nilai a dan b dapat dicari dengan menggunakan rumus tersebut, namun
nilai a dan b baru dapat dikatakan valid (tidak bias) apabila telah memenuhi
beberapa asumsi, yang terkenal dengan sebutan asumsi klasik. Asumsi-asumsi
yang harus dipenuhi dalan OLS ada 3 asumsi, yaitu :
Asumsi 1,2,3, dia atas diringkas sebagai berikut :
Karena nilai a dalam garis regresi bertanda negatif (-) dengan angka 9,525, maka
garis regresi akan memotong sumbu Y dibawah origin (0) pada angka 9,525.
Nilai parameter b variabel X yang besarnya 1,449 menunjukkan arti bahwa
variabel X tersebut tergolong elastis, karena nilai b > 1. Artinya, setiap perubahan
nilai X akan diikuti perubahan yang lebih besar pada nilai Y. Tanda positif pada
parameter b tersebut menunjukkan bahwa jika variabel X
meningkat maka Y juga akan meningkat. Sebaliknya, jika X mengalami
perubahan yang menurun, maka Y juga akan menurun, dengan perbandingan
perubahan 1:1,449.
INGAT ELASTISITAS
Jenis Elastisitas Koefisien Elastisitas Sifat Elastisitas
Elastik E>1 Perubahan yang terjadi
pada variabel bebas
diikuti dengan perubahan
yang lebih besar pada
variabel terikat
Elastik unitary E=1 Perubahan yang terjadi
pada variabel
bebas diikuti dengan
perubahan yang
sama besar pada variabel
terikat
Inelastik E<1 Perubahan yang terjadi
pada variabel
bebas diikuti dengan
perubahan yang
lebih kecil pada variabel
terikat
Uji t
Untuk mengetahui formula dari standar error dari b, yang ternyata
telah dirumuskan sebagai berikut:
Diamana :
Yt dan Xt adalah data variabel dependen dan independen pada periode t
Yt adalah nilai variabel dependen pada periode t yang didapat dari
perkiraan garis regresi X merupakan nilai tengah (mean) dari variabel
Independen e atau Y t -Yt merupakan error term n adalah jumlah data
observasi k adalah jumlah perkiraan koefisien regresi yang meliputi a dan
b (n-k) disebut juga dengan degrees of freedom (df).
Tabel pengembangan data untuk menghitung Standar Deviasi
Dengan adanya pengembangan data menjadi seperti tertera pada tabel di atas,
maka Sb dapat segera dicari, dimana hasilnya ditemukan sebesar :
Sb Se2 ei2
Hitungan dengan rumus ini ternyata menghasilkan nilai Sb yang sama besar
dengan hitungan menggunakan rumus yang pertama, yaitu nilai Sb sebesar 0,195.
Dengan diketahuinya nilai Sb, maka nilai statistik t (baca: t hitung) dapat
ditentukan, karena rumus mencari t hitung adalah:
Nilai t dengan cara yang dilakukan di atas menunjukkan bahwa nilai statistik t
sebesar 7,4348. Dengan contoh di atas, seandainya kita menggunakan derajat
kesalahan yang ditolerir adalah 5% (baca : ), dan karenajumlah observasi
sebanyak 22(n= 22), maka degree of freedom (df) sama dengan besarnya n-k = 20,
karena jumlah k adalah 2, yaitu parameter a dan 1 parameter b, maka t tabelnya
sebesar 1.725.
Nilai t tabel yang besarnya 2,086, sudah tentu angka tersebut lebih kecil dibanding
dengan nilai t hitung yang besarnya 7,4348. Atas dasar itu maka dapat dipastikan
bahwa variabel X (budep) sig ifikan mempengaruhi Y (Inflasi).
Uji nilai t
Gambar di atas menunjukkan pengujian nilai t dua arah atau two sided data two
tail test. Kutub sebelah kiri bertanda negatif. Nilai t hitung berada negatif yang
nilainya lebih kecil dari nilai -2.806 berada pada daerahditolak. Kutub sebelah
kanan yang bertanda positif berguna sebagai pembatas nilai t hitung yang lebih
kecil dari 1,725 berarti berada di daerah tolak. Tanda t atau memberikan
arti bahwa masing-masing kutub mempunyai daerah distribusi tolak sebesar 2,5%
Jumlah dari keduanya mencerminkan
Jika pengujian nilai t menggunakan pengujian satu arah atau one tail test,
maka daerah tolak hanya ada pada salah satu kutub saja. Bilai nilai t hitungnya
negatif, maka daerah tolak berada pada sebelah kiri kurva, sedang bila nilai t
hitungnya positif, maka daerah tolak berada pada sisi sebelah kanan. Probabilitas
daerah tolak tidak lagi terbagi menjadi dua dengan porsi masing-masing 2,5%,
tetapi telah penuh sebesar 5%.
Rumus ini jika digunakan untuk menghitung data yang telah tersedia di atas, maka
akan menghasilkan nilai sebagai berikut :
Angka koefisien determinasi (R2) yang besarnya 0,857 ini bila ditulis
dalam bentuk prosentase sama dengan 85,7%. Angka tersebut menjelaskan bahwa
determinasi atau sumbangan variabel Bunga deposito (budep) terhadap inflasi
adalah sebesar 87,5%. Artinya, sumbangan faktor-faktor lain (selain Budep)
terhadap Inflasi hanya sebesar 14,3%. Dengan demikian dapat disimpulkan bahwa
Budep merupakan prediktor yang baik untuk menaksir Inflasi.
Maksud dari uraian bab ini :
Analisis regresi pada dasarnya adalah menjelaskan berapa besar pengaruh
tingkat signifikansi variabel independen dalam mempengaruhi variabel dependen.
Meskipun hasil regresi seperti tertera pada persamaan di atas telah dapat
diinterpretasi, dan dapat menunjukkan inti tujuan analisis regresi, namun bukan
berarti bahwa tahapan analisis telah selesai hingga di sini. Hasil regresi di atas
masih perlu dipastikan apakah besarnya nilai thit ataupun angka-angka parameter
telah valid ataukah masih bias.
Jika nilai-nilai tersebut sudah dapat dipastikan valid atau tidak bias, memang
analisis regresi dapat berhenti di sini saja. Validitas (ketidakbiasan) informasi dari
nilai-nilai hasil regresi dapat diketahui dari terpenuhinya asumsi-asumsi klasik,
yaitu jika data variabel telah terbebas dari masalah Autokorelasi, tidak ada
indikasi adanya heteroskedastisitas, maupun tidak terjadi multikolinearitas atau
saling berkolinear antar variabel. Bahasan Asumsi Klasik akan dibahas tersendiri.