BAB II

MODEL REGRESI
Model dalam keilmuan ekonomi berfungsi sebagai panduan analisis
melalui penyederhanaan dari realitas yang ada. Sehingga model sering diartikan
refleksi dari realita atau simplikasi dari kenyataan. Hal ini akan semakin jelas
kalau kita runut dari bentuk suatu model yang memang berbentuk sangat
sederhana. Penulisan model dalam ekonometrika adalah merupakan
pengembangan dari persamaan fungsi secara matematis, karena pada hakikatnya
sebuah fungsi adalah sebuah persamaan yang menggambarkan hubungan sebab
akibat antara sebuah variabel dengan satu atau lebih variabel lain.
Penulisan model dalam bentuk persamaan fungsi tersebut dicontohkan dalam
persamaan berikut ini:
Persamaan Matematis
Y = a + b X .. (persamaan.1)
Persamaan Ekonometrika
Y = b0 + b1X + e .. (persamaan.2)
Munculnya e (error term) pada persamaan ekonometrika (persamaan.2)
merupakan suatu penegasan bahwa sebenarnya banyak sekali variabel-variabel
bebas yang mempengaruhi variabel terikat (Y). Karena dalam model tersebut
hanya ingin melihat pengaruh satu variabel X saja, maka variabel-variabel yang
lain dianggap bersifat tetap atau ceteris paribus, yang dilambangkan dengan e.
Bentuk Model
Model persamaan fungsi seperti dicontohkan pada pers.2 bertujuan untuk
mengetahui pengaruh variabel bebas terhadap variabel terikat. Oleh karena itu,
persamaan tersebut disebut juga sebagai persamaan regresi. Model Regresi
mempunyai bermacam-macam bentuk model yang dapat dibedakan berdasarkan
sebaran data yang terlihat dalam scatterplott-nya. Setidaknya terdapat tiga jenis
model yaitu: Model Regresi Linier, Model Regresi Kuadratik, Model Regresi
Kubik
Model Regresi Linier
Kata linier dalam model ini menunjukkan linearitas dalam variabel maupun
lineraitas dalam data. Kata linier menggambarkan arti bahwa sebaran data
dalam scatter plot menunjukkan sebaran data yang mendekati bentuk garis
lurus. Data semacam ini dapat wujud apabila perubahan pada variabel Y
sebanding dengan perubahan variabel X. Jika sebaran datanya
berkecenderungan melengkung, maka cocoknya menggunakan dengan regresi
kuadratik. Jika sebaran datanya kecenderungannya seperti bentuk U atau spiral
regresinya menggunakan regresi kubik.
Model linier sendiri dapat dibedakan sebagai single linier maupun multiple
linier. Disebut single linier apabila variabel bebas hanya berjumlah satu dengan
batasan pangkat satu. Sedang multiple linier apabila variabel bebas lebih dari
satu variabel dengan batasan pangkat satu. Untuk lebih jelasnya akan
dicontohkan bentuk persamaan single linier (pers.3) dan persamaan multiple
linier (pers.4) sebagai berikut:
Y = b0 + b1X + e .. (pers.3)
Y = b0 + b1X1 + b2X2 + + bnXn + e .. (pers.4)
Misalkan dari pers.3 dianggap bahwa Y = Inflasi, dan X = bunga deposito
(Budep) pada periode tertentu, dan jika datanya telah diketahui, maka data akan
tergambar dalam bentuk titik-titik yang merupakan sebaran data dalam scatter
plot. Dengan menggunakan data penelitian hubungan antara inflasi dan bunga
deposito antara Januari 2001 hingga Oktober 2002, maka sebaran datanya
tergambar sebagai berikut:
Hubungan Suku Bunga terhadap Inflasi

Gamabr 3.
Sebaran data tersebut di atas (gambar 3) menunjukkan hubungan yang positif,
yaitu jika bunga deposito meningkat, maka inflasi juga meningkat. Begitu pula
jika bunga deposito menurun, inflasi juga turun. Sedangkan contoh sebaran data
yang digambarkan dalam scatter plot di bawah ini (gambar 4), menunjukkan
bahwa hubungan antara variable Afenegat (Afeksi negative) dan Latribut
(Atribut) mempunyai hubungan yang negative.
Jika atributnya berkurang, maka afeksi negatifnya meningkat. Begitu pula
sebaliknya. Dari scatter plot kedua gambar tersebut (baik gambar di atas
maupun di bawah ini) menunjukkan bahwa sebaran datanya menyebar
memanjang lurus, sehingga dapat diwakili dengan garis lurus. Oleh karena itu,
kedua scater plot tersebut akan tepat digunakan regresi linier.
Model Kuadratik
Salah satu ciri model kuadratik dapat diketahui dari adanya pangkat dua pada
salah satu variabel bebasnya. Ciri yang lain dapat dilihat dari pengamatan
terhadap scatter plott yang menunjukkan kecenderungan sebaran data
membentuk lengkung, tidak seperti model linier yang cenderung lurus.
Model kuadratik dituliskan dalam persamaan fungsi sebagai berikut:
Y = b0 + b1X1 + b2X12 + e .. (pers.5)

Model Kubik
Salah satu ciri model kubik dapat diketahui dari adanya pangkat tiga pada salah
satu variabel bebasnya. Oleh karena itu sering disebut juga dengan fungsi
berderajat tiga. Ciri yang lain dapat dilihat dari pengamatan terhadap scatter
plott yang menunjukkan kecenderungan sebaran data yang berbentuk lengkung
dengan arah yang berbeda. Setiap fungsi kubik setidaktidaknya mempunyai
sebuah titik belok (inflexion point), yaitu titik peralihan bentuk kurva dari
cekung menjadi cembung atau dari cembung menjadi cekung.
Model kuadratik dituliskan dalam persamaan fungsi sebagai berikut:
Y = b0 + b1x1+ b 1X12 + b1X13 + e ..(pers.6)

Notasi Model
Huruf Y memerankan fungsi sebagai variabel dependen atau variabel terikat. Y
sering juga disebut sebagai variabel gayut, variabel yang dipengaruhi, atau
variabel endogin. Dengan alasan keseragaman, penulisan huruf Y diletakkan
disebelah kiri tanda persamaan. Sedang variabel independen yang secara umum
disimbolkan dengan huruf X diletakkan disebelah kanan tanda persamaan.
Huruf X menggambarkan variabel bebas atau variabel yang mempengaruhi.
Oleh karena itu variabel ini mempunyai nama lain seperti variabel independen,
variabel penduga, variabel estimator, atau juga variabel eksogen. Peletakannya
di sebelah kanan tanda persamaan menunjukkan perannya sebagai variabel yang
mempengaruhi.
Huruf b0 sering juga dituliskan dengan huruf a, , atau juga 0. Secara substansi
penulisan itu mempunyai arti yang sama, yaitu menunjukkan konstanta atau
intercept yang merupakan sifat bawaan dari variabel Y.
Konstanta ini mempunyai angka yang bersifat tetap yang sekaligus
menunjukkan titik potong garis regresi pada sumbu Y. Jika konstanta itu
bertanda positif maka titik potongnya di sebelah atas titik origin (0), sedang bila
bertanda negatif titik potongnya di sebelah bawah titik origin. Nilai konstanta
ini merupakan nilai dari variabel Y ketika variabel X bernilai nol. Atau dengan
bahasa yang mudah, nilai konstanta merupakan sifat bawaan dari Y.
Huruf b1, b2, bn merupakan parameter yang menunjukkan slope atau kemiringan
garis regresi. Parameter ini sering juga dituliskan dengan bentuk b, atau 1,2,n.
Meskipun dituliskan dengan tanda yang berbeda, secara substansi parameter ini
menunjukkan betaatau koefisien korelasi yang sekaligus menunjukkan tingkat
elastisitas dari variabel X tersebut. Nilai beta ini memungkinkan untuk bernilai
positif maupun negatif. Tanda positif menunjukkan hubungan yang searah
antara variabel X dengan variabel Y. Artinya jika X mengalami peningkatan
maka Y juga mengalami peningkatan. Sebaliknya jika X mengalami penurunan
maka Y pun akan menurun. Arah hubungan seperti itu tidak terjadi pada beta
yang berangka negatif. Karena jika tandanya negatif arah hubungan X terhadap
Y saling berlawanan. Jika X meningkat maka Y menurun, sebaliknya jika X
menurun maka nilai statistik t meningkat. Demikian pula, karena nilai koefisien
korelasi ini juga menunjukkan tingkat elastisitas, maka dari besarnya nilai
koefisien korelasi (b) tersebut dapat ditentukan jenis elastisitasnya. Jika nilai b
besarnya lebih dari satu (b>1) maka disebut elastis. Artinya, jika variabel X
mengalami perubahan, maka variabel Y akan mengalami perubahan yang lebih
besar dari perubahan yang ada pada variabel X tersebut. Jika nilai b besarnya
sama dengan angka satu (b=1) disebut uniter elastis. Artinya, jika variabel X
mengalami perubahan, maka variabel Y akan mengalami perubahan yang sama
besar dengan perubahan yang ada pada variabel X tersebut. Jika nilai b besarnya
lebih kecil dari angka satu (b<1) disebut inelastis. Artinya, jika variabel X
mengalami perubahan, maka variabel Y akan mengalami perubahan yang lebih
kecil dari perubahan yang ada pada variabel X tersebut.
Huruf e merupakan kependekan dari error term atau kesalahan penggganggu.
Simbol error ini tidak jarang dituliskan dalam huruf atau . Simbol ini
merupakan karakteristik dari ekonometrika yang tidak dapat dilepaskan dari
unsur-unsur stokhastik atau hal-hal yang mengandung probabilita, karena hasil
yang ditunjukkan oleh model ekonometrika hanya bersifat perkiraan, dalam arti
tidak menunjukkan kebenaran yang mutlak. Oleh karena itu nama lain dari
simbol ini tidak terlepas dari sifat dasar itu seperti: disturbance error atau
stochastic disturbance.kesalahan pengganggu ini sendiri mempunyai banyak
sebab yang dapat menimbulkannya seperti:
1. tidak seluruh variabel bebas yang mempunyai potensi dalam mempengaruhi
variabel terikat dapat disebutkan dalam model.
2. kesalahan asumsi dalam menentukan teori yang
diwujudkan sebagai model.
3. ketidaklengkapan data yang dianalisis.
4. ketidaktepatan model yang digunakan.
Misalnya, seharusnya digunakan model kuadratik tetapi justru yang digunakan
adalah model linier, atau sebaliknya.
Spesifikasi Model dan Data
Secara spesifik model dalam ekonometrika dapat dibedakan menjadi: model
ekonomi (economic model) dan model statistic (statistical model).
Model Ekonomi
biasanya dituliskan dalam bentuk persamaan sebagai berikut:
Y = b0 + b1X1 + b2X2
Tanda b = parameter, menunjukkan ketergantungan variabel Y terhadap variabel
X
b0 = intercept, menjelaskan nilai variabel terikat ketika
masing-masing variabel bebasnya bernilai 0 (nol).
Model ini menggambarkan rata-rata hubungan sistemik antara variabel Y, X1,
X2. Dalam model ini nilai e tidak tertera, karena nilai e diasumsikan non
random. Dalam realita, model ini tidak mampu menjelaskan variabelvariabel
ekonomi secara pas (clear), oleh karena itu membutuhkan regresi.
Model Statistik
Model ekonomi seperti yang dijelaskan di atas, mencerminkan nilai harapan,
maka dapat pula ditulis:
E (Y) = b0 + b1X1 + b2 X2
Karena nilai harapan, maka tentu tidak akan secara pasti sesuai dengan realita.
Oleh karena itu akan muncul nilai random error term (e). Nilai e sendiri
merupakan selisih antara nilai kenyataan dan nilai harapan. Secara matematis
dapat dituliskan sebagai berikut:
e = Y E(Y) atau e = Y Y
jadi, Y = Y + e
karena, Y = E (Y) = b0 + b1X1 + b2 X2
maka Y = b0 + b1X1 + b2 X2 + e
tanda e pada persamaan di atas mencerminkan distribusi probabilitas. Atau
dapat pula dianggap sebagai pengganti variabel-variabel berpengaruh lain selain
variabel yang dijelaskan dalam model. Dalam teori ekonomi, e merupakan
representasi dari asumsi ceteris paribus. Pengakuan adanya variabel lain yang
berpengaruh, meskipun tidak disebutkan variabel apa, cukup ditulis dengan
tanda e, maka model menjadi lebih realistik. Agar terdapat gambaran yang jelas,
maka nilai e harus diasumsikan. Asumsi-asumsinya adalah:
1. Nilai harapan e sama dengan 0 (nol).
E(e) = 0, masing-masing random error mempunyai distribusi probabilitas =
0. Meskipun e bisa bernilai positif atau negatif, tetapi rata-rata e harus = 0.
2. Variance residual sama dengan standar deviasi
Var (e) = 2 , artinya: masing-masing random error mempunyai distribusi
probabilitas variance yang sama dengan standar deviasi (2 ). Asumsi ini
menjelaskan bahwa residual bersifat homoskedastik.
3. Kovarian ei dan ej mempunyai nilai nol.
Cov (ei, ej) = 0. Nilai nol dalam asumsi ini menjelaskan bahwa antara ei dan
ej tidak ada korelasi serial atau tida berkorelasi (autocorrelation).
4. Nilai random error mempunyai distribusi probabilitas yang normal.
Karena masing, masing observasi Y tergantung pada e, maka masing-masing
Y juga memiliki varian yang random. Dengan demikian, statistik Y menjadi
sebagai berikut:
1. Nilai harapan Y tergantung pada nilai masingmasing variabel penjelas dan
parameterparameternya. Dengan menggunakan asumsi E(e) = 0, maka rata-rata
perubahan nilai Y untuk setiap observasi ditentukan oleh fungsi regresi.
E (Y) = b0 + b1X1 + b2 X2
2. Variance distribusi probabilitas Y tidak dapat berubah setiap observasi.
Var (Y) = Var (e) = 2
3. Tidak ada kaitan langsung antara observasi satu dengan observasi lainnya.
Cov (Yi, Yj) = Cov (ei, ej) = 0
4. Nilai Y secara normal terdistribusi di sekitar rata-rata.
Asumsi-asumsi di atas difokuskan pada pembahasan variabel terikat. Perlu
adanya asumsi tambahan terhadap variabel penjelas, yaitu:
1. Variabel independen tidak bersifat random, karena dengan jelas dapat
diketahui dari data.
2. Variabel independen tidak merupakan fungsi linear dari yang lain. Asumsi ini
penting agar tidak terjadi redundancy, yang menyebabkan multikolinearitas.

Kesimpulan:
Dalam suatu model regresi terdapat dua jenis variabel, yaitu variabel terikat dan
variabel bebas, yang dipisahkan oleh tanda persamaan. Variabel terikat sering
disimbolkan dengan Y, biasa pula disebut sebagai variabel dependen, variabel
tak bebas, variabel yang dijelaskan, variabel yang diestimasi, variabel yang
dipengaruhi. Cirinya, berada pada sebelah kiri tanda persamaan (=). Variabel
bebas sering disimbolkan dengan X, biasa pula disebut sebagai variabel
independen, variabel yang mempengaruhi, variabel penjelas, variabel estimator,
variabel penduga, variabel yang mempengaruhi, variabel prediktor. Cirinya
terletak pada sebelah kanan tanda persamaan (=). Dalam suatu model juga
terdapat parameter-parameter yang disebut konstanta, juga koefisien korelasi.
Konstanta sering disimbolkan dengan a, atau b0, atau 0.
Koefisien korelasi disebut pula sebagai beta, B, b, menunjukkan slope,
kemiringan, elastisitas.

a. Model adalah refleksi dari realita atau simplikasi dari kenyataan yang
berfungsi sebagai panduan analisis melalui penyederhanaan dari realitas
yang ada.
b. Model Regresi Linier, Model Regresi Kuadratik, Model Regresi Kubik
c. Model Regresi Linier menggambarkan arti bahwa sebaran data dalam
scatter plot menunjukkan sebaran data yang mendekati bentuk garis
lurus. Data semacam ini dapat wujud apabila perubahan pada variabel Y
sebanding dengan perubahan variabel X.
Model Regresi Kuadratik Jika sebaran datanya berkecenderungan
melengkung.
Model Regresi Kubik Jika sebaran datanya kecenderungannya seperti
bentuk U atau spiral.
d. Jika hubungan antara variable Afenegat (Afeksi negative) dan Latribut
(Atribut) mempunyai hubungan yang negative. Jika atributnya berkurang,
maka afeksi negatifnya meningkat. Begitu pula sebaliknya.