studi mengenai ketergantungan var.

dependen
dgn satu/lebih var. independen
istilah "regresi" (Sir regresi menuju mediokritas
Secara Umum
Francis Galton,1886) (Maddala, 1992)
Tujuan : mengestimasi dan/atau meprediksi
nilai rata2 variabel (Gujarati, 2003)
6.1 Pendahuluan

Hasil : koefisien utk masing2 var. meminimumkan penyimpangan atara nilai

Dihitung dgn 2 tujuan
independen aktual & nilai estimasi var. dependen

untuk mengukur kekuatan hub. Var. dependen & var. independen

Analisis Korelasi
linear antara 2 variabel tidak dibedakan

● Variabel Dependen = random/stokastik

6.2 Regresi vs menunjukkan arah hub antara var.
Analisis Regresi
Korelasi dependen & var. independen
● Variabel Independen = nilai tetap

Mengestimasi suatu garis regresi dgn jalan

Ordinary Least Squares (Pangkat kuadrat terkecil biasa)
juml. dr kuadrat kesalahan diminimalkan

a. Model Regresi Linear Linear dalam parameter Yi= b1 + b2 Xi + ui

b. Nilai X diasumsikan non-stokastik X dianggap tetap dlm sampel yg berulang

c. Nilai rata2 kesalahan (E/ui/Xi) = 0

6.3 Asumsi OLS

variance kesalahan
d. Homoskedastisitas Homo = sama ; Skedastisitas = sebaran Var (ui/Xi) = σ²
sama utk setiap periode

e. Tidak ada autokorelasi antar kesalahan Cov (ui,uj/Xi,Xj) = 0

disebut signifikan apabila nilai uji Daerah dimana H0

stat.nya berada dlm daerah kritis DITOLAK
secara statistik dpt diukur dr nilai
BAB VI koefisisen determinasi, nilai stat. F dan t
tidak signifikan bila nilai uji stat.nya
ANALISIS berada dlm daerah dimana H0 DITERIMA

REGRESI ● Kecil berarti kemampuan terbatas

Mengukur seberapa jauh kemampuan model

Nilai R² adl antara 0 & 1
dlm menerangkan variasi var. dependen
● mendekati satu = hampir
memeberikan semua informasi

a. Koefisien Determinasi (R²) ● Jika nilai R² = 1 maka

Adjusted R² = R² = 1

Kelemahan = bias terhadap juml. var. Nilai Adjusted R² dapat naik /turun apabila satu ● Jika nilai R² = 0 maka
independen yg dimasukkan kedalam model var. independen ditambah kdlm model. adjusted R²= (1-k)/(n-k)
6.4 Melihat Goodenss of
Fit Suatu Model
● Jika k > 1, maka Adjusted
R² akan bernilai NEGATIF

Menguji joint hipotesia bahwa

H0 : b1 = b2 = .......=bk = 0 HA : b1 ≠ b2.......≠bk ≠ 0
b1,b2 dan b3 secara simultan = 0
b. Uji Signifikan Keseluruhan dari
Regresi Sample (Uji Statistik F)
● Quick look : bila nilai F > 4, maka H0 ditolak ● Membandingkan nilai F hasil
Kriteria pengambilan keputusan
pada derajat kepercayaan 5% perhitungan dgn nilai F menurut tabel

menunjukkan seberapa jauh pengaruh satu var ● Ho : bi = 0, artinya apakah suatu var. independen ● HA : bi ≠ 0, artinya var. tsb merupakan
independen scr individual dlm menerangkan bukan sbg penjelas yg signifikan thdp var. penjelas yg signifikan thdp var.
variasi var. dependen dependen dependen
c. Uji Signifikan Parameter
Individual (Uji Statistik t)
bila df adl 20/lebih, dan derajat kepercayaan 5%, maka Ho yg HA diterima, menyatakan bahwa suatu var. independen
● Quick look
menyatakan bi = 0 ditolak bila nilai t > 2(dlm nilai absolut) scr individual memengaruhi var. dependen

Cara melakukan Uji t

● Membandingkan nilai stat. t apabila nilai t hsl perhitungan lbh tinggi dr menyatakan bahwa suatu var. independen
dgn titik kritis menurut tabel nilai t tabel, HA diterima scr individual memengaruhi var. dependen

● besar adjusted R² = 0,087, berarti 80,7% var. income dpt dijelaskan ● SEE sebesar 2,4563 ribu dolar, makin kcl nilai SEE akan
● Koefisien Determinasi
oleh var. independen SIZE, EARNS, WEALTH, SAVING membuar regresi semakin tepat dlm memprediksi var. dependen

● Uji Signifikan
Simultan (Uji Stat. F)
Hasil Analisis dgn file
"Crossec.xlx"
● Unstandardized beta
coefficients
● Dari uji ANOVA/F test didapat dr F ● karena prob jauh lbh kecil dr 0,05 maka SIZE, EARNS, WEALTH, dan
hitung sebesar 104,162, prob 0,000 SAVING secara bersama-sama berpengaruh thdp INCOME
● nilai SIZE dan SAVING jauh di atas 0,05 maka tidak ● dapat disimpulkan bahwa Var. INCOME INCOME = 3,848 - 0,302 SIZE + 0,840 EARNS + 0,509 WEALTH +
signifikan, sedangkan EARNS dan WEALTH signifikan pada 0,05 dipengaruhi oleh EARNS dan WEALTH 0,009 SAVING

● Standardized beta Keuntungan : mampu mengeliminasi

coefficients perbedaan unit ukuran pd var. independen