Model regresi yang menggunakan satu variabel dependen dan satu variabel independen
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)
Fungsi regresi yang menggunakan data sampel (FRS) menuliskan simbol konstanta dan koefien
regresi dengan huruf kecil, contoh sebagai berikut:
Y = a + bX + e .. (pers.3.2)
Dimana:
A atau a; adalah konstanta atau intercept
B atau b; adalah koefisien regresi, yang juga menggambarkan tingkat elastisitas variabel
independen
Y; adalah variabel dependen
X; adalah variabel independen
Notasi a dan b merupakan perkiraan dari A dan B. Huruf a, b, disebut sebagai estimator atau
statistik, sedangkan nilainya disebut sebagai estimate atau nilai perkiraan
(supranto,j.,ekonometrika buku satu). Meskipun penulisan simbol konstanta dan koefisien
regresinya agak berbeda, namun penghitungannya menggunakan metode yang sama, yaitu dapat
dilakukan dengan metode kuadrat terkecil biasa (ordinary least square), atau menggunakan
metode Maximum Likelihood.
Rumus kedua(II)
Mencari nilai b: mencari nilai a:
Meskipun nilai a dan b dapat dicari dengan menggunakan rumus tersebut, namun nilai a dan b
baru dapat dikatakan valid apabila telah memenuhi beberapa asumsi, yang terkenal dengan
sebutan asumsi klasik. ada 3 asumsi yang harus dipenuhi dalam OLS , yaitu:
1. Asumsi nilai harapan bersyarat (conditional expected value) dari ei, dengan syarat X
sebesar Xi, mempunyai nilai nol.
2. Kovarian ei dan ej mempunyai nilai nol. Nilai nol dalam asumsi ini menjelaskan bahwa
antara ei dan ej tidak ada korelasi serial atau tida berkorelasi (autocorrelation).
3. Varian ei dan ej sama dengan simpangan baku (standar deviasi).
Nilai a dalam garis regresi digunakan untuk menentukan letak titik potong garis pada sumbu
Y. Jika nilai a > 0 maka letak titik potong garis regresi pada sumbu Y akan berada di atas origin
(0), apabila nilai a < 0 maka titik potongnya akan berada di bawah origin (0). Nilai b atau disebut
koefisien regresi berfungsi untuk menentukan tingkat kemiringan garis regresi. Semakin rendah
nilai b, maka derajat kemiringan garis regresi terhadap sumbu X semakin rendah pula.
sebaliknya, semakin tinggi nilai b, maka derajat kemiringan garis regresi terhadap sumbu X
semakin tinggi. Berikut gambaran uraian di atas.
Munculnya garis Yi a bX I seperti dalam gambar di atas, didapatkan dari memasukkan angka
Xi ke dalam persamaan Yi = a + bXi +e.
Jenis Koefisien Sifat Elastisitas
Elastisitas Elastisitas
Elastik E>1 Perubahan yang terjadi pada variabel
Ingat bebas diikuti dengan perubahan yang
lebih besar pada variabel terikat
Elastisitas
Tanda (+) pada koefisien regresi menunjukkan hubungan yang searah. Artinya, jika variabel
bebas meningkat, maka variabel terikat juga meningkat. Demikian pula sebaliknya. Tanda (-)
pada koefisien regresi menunjukkan hubungan yang berlawanan. Artinya, jika variabel bebas
meningkat, maka variabel terikat akan menurun. Demikian pula sebaliknya.
Dimana: Yt dan Xt ialah data variabel dependen dan independen pada periode t
adalah nilai variabel dependen pada periode t yang didapat dari perkiraan garis
regresi
X merupakan nilai tengah (mean) dari variabel independen
e atau Yt - t 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).
Guna menghitung standar deviasi dari data yang tersedia berdasar rumus di atas, maka
diperlukan menghitung nilai t terlebih dulu, untuk mempermudah penghitungan e atau Yt - t..
Bantuan dengan SPSS
1. Uji t dapat dilihat dalam output hasil regresi dengan SPSS pada tabel Coefficient.
2. Uji F dapat dilihat dalam output hasil regresi dengan SPSS pada tabel ANOVA.
3. Kolom Sig. baik pada tabel Coefficient maupun ANOVA menunjukkan tingkat
signifikansi pada derajat kesalahan () tertentu. Misal, kolom Sig. menunjukkan angka
0,04 itu berarti bahwa tingkat kesalahannya mencapai 4%. Angka sebesar itu dapat
dikatakan signifikan jika derajat kesalahan () telah ditentukan sebesar 0,05. Tetapi
jika ditentukan 0,01 maka angka tersebut tidak signifikan.
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. Tetapi, jika nilai-nilai belum
dapat dipastikan valid, maka perlu dilakukan langkah-langkah analisis lanjutan untuk
menjadikan parameter-parameter tersebut menjadi valid.
2.Simpulan
Model regresi dengan dua variabel (yaitu satu variabel dependen dan satu variabel independen)
umumnya dituliskan dengan simbol berbeda berdasarkan sumber data yang digunakan, meskipun
tetap dituliskan dalam persamaan fungsi regresi. Bentuk persamaannya adalah sebagai berikut:
Y = a + bX + e
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
e; merupakan error atau kesalahan
Penghitungan konstanta (a) dan koefisien regresi (b) dalam suatu fungsi regresi linier sederhana
dengan metode OLS dapat dilakukan dengan rumus I dan rumus II sebagai berikut:
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 dalam OLS ada 3
asumsi, yaitu:
1. Asumsi nilai harapan bersyarat (conditional expected value) dari ei, dengan syarat X sebesar
Xi, mempunyai nilai nol.
2. Kovarian ei dan ej mempunyai nilai nol. Nilai nol dalam asumsi ini menjelaskan bahwa
antara ei dan ej tidak ada korelasi serial atau tida berkorelasi (autocorrelation).
3. Varian ei dan ej sama dengan simpangan baku (standar deviasi).
Pengujian signifikansi variabel X dalam mempengaruhi Y dapat dibedakan menjadi dua, yaitu:
1. Pengaruh secara individual
Pengujian signifikansi secara individual pertama kali dikembangkan oleh R.A. Fisher,
dengan alat ujinya menggunakan pembandingan nilai statistik t dengan nilai t tabel.
Apabila nilai statistik t lebih besar dibandingkan dengan nilai t tabel, maka variabel X
dinyatakan signifikan mempengaruhi Y. Sebaliknya, jika nilai statistik t lebih kecil
dibanding dengan nilai t tabel, maka variabel X dinyatakan tidak signifikan
mempengaruhi Y.
Yang membedakan antara penggunaan uji t dan uji F terletak pada jumlah variabel bebas
yang diuji signifikansinya dalam mempengaruhi Y. Jika hanya menguji signifikansi satu variabel
bebas saja, yang digunakan adalah uji t. maka disebut sebagai uji signifikansi secara individual.
Sedangkan pengujian signifikansi yang menggunakan lebih dari satu variabel bebas yang diuji
secara bersama-sama dalam mempengaruhi Y, maka alat ujinya adalah menggunakan uji F.
Setelah tahapan analisis regresi dilakukan sesuai dengan teori-teori yang relevan, langkah
terpenting berikutnya adalah menginterpretasi hasil regresi. Interpretasi yang dimaksudkan disini
adalah mengetahui informasi-informasi yang terkandung dalam hasil regresi melalui pengartian
dari angka-angka parameternya. Pembahasan hasil regresi menunjukkan seberapa besar nilai a,
b, dan t. Nilai a menjelaskan tentang seberapa besar faktor-faktor yang bersifat tetap
mempengaruhi inflasi, sedangkan nilai b mencerminkan tingkat elastisitas variabel X. Nilai t
sendiri mempertegas signifikan tidaknya variabel X dalam mempengaruhi Y.
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. Tetapi, jika nilai-nilai belum dapat dipastikan valid, maka
perlu dilakukan langkah-langkah analisis lanjutan untuk menjadikan parameter-parameter
tersebut menjadi valid. 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.
3. JAWABAN PERTANYAAN
c) Coba uraikan arti dari notasi atas model yang telah anda tuliskan!
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
E; merupakan error( kesalahan)