LANDASAN TEORI
Analisis regresi merupakan suatu model matematis yang dapat digunakan untuk
mengetahui pola hubungan antara dua atau lebih variabel. Istilah regresi yang
berarti ramalan atau taksiran pertama kali diperkenalkan Sir Francis Galton pada
antara tinggi anak dan tinggi orang tuanya. Dalam penelitiannya, Galton
menemukan bahwa tinggi anak dan tinggi orang tuanya cenderung meningkat atau
menurun dari berat rata-rata populasi. Garis yang menunjukkan hubungan tersebut
pada analisis itu kesulitan dalam menunjukkan slop (tingkat perubahan suatu
variabel terhadap variabel lainnya dapat ditentukan). Jadi dengan analisis regresi,
peramalan atau perkiraan nilai variabel terikat pada nilai variabel bebas lebih
akurat pula. Karena merupakan suatu prediksi, maka nilai prediksi tidak selalu
tepat dengan nilai riilnya, semakin kecil tingkat penyimpangan antara nilai
prediksi dengan nilai riilnya, maka semakin tepat persamaan regresi yang
dibentuk.
variabel, dengan tujuan pokok dalam penggunaan metode ini adalah untuk
meramalkan atau memperkirakan nilai dari suatu variabel lain yang diketahui.
antara satu atau beberapa variabel yang nilainya sudah diketahui dengan satu
lebih variabel, maka perlu diyakini terlebih dahulu bahwa secara teoritis atau
perkiraan sebelumnya, dua atau lebih variabel tersebut memiliki hubungan sebab
akibat. Variabel yang nilainya akan mempengaruhi nilai variabel lain disebut
dipengaruhi oleh nilai variabel lain disebut variabel terikat (dependent variabel).
matematis dalam bentuk suatu persamaan antara variabel tak bebas tunggal
dengan variabel bebas tunggal atau dengan kata lain, regresi linier yang hanya
melibatkan satu peubah bebas X yang dihubungkan dengan satu peubah tak bebas
Y= (2.1)
Disamping hubungan linier dua variabel, hubungan linier lebih dari dua variabel
dapat juga terjadi. Pada hubungan ini, perubahan satu variabel dipengaruhi oleh
lebih dari satu variabel lain. Maka regresi linier berganda adalah analisis regresi
independent).
hubungan antara dua variabel atau lebih dan memuat prediksi/perkiraan nilai Y
atas nilai X. Bentuk umum persamaan regresi linier berganda yang mencakup dua
Y= (2.2)
apabila hanya menarik sebagian berupa sampel dari populasi secara acak dan tidak
dinyatakan dengan Y.
= (2.3)
Λ
Di mana : Y = variabel tidak bebas (dependent)
= Koefisien regresi
= variabel bebas (independent)
e = kesalahan pengganggu
Beberapa hal lain yang penting juga untuk dipahami dalam penggunaan analisis
regresi linier ganda yaitu perlunya melakukan uji asumsi klasik atau uji
atau kriterium. Uji persyaratan tersebut harus terpenuhi, apabila tidak maka akan
sebagai alat analisis dikelompokkan menjadi dua bagian yang berbeda, yaitu
parametrik memerlukan persyaratan yang harus dipenuhi. Oleh karena itu, dalam
uji persyaratan regresi linier ganda yang harus dilakukan pada dasarnya juga
dikelompokkan menjadi dua bagian, yaitu uji persyaratan untuk masuk ke statistik
Uji asumsi klasik yang secara minimal perlu dilakukan oleh penulis
a. Uji normalitas
b. Uji homogenitas
multikolinieritas)
Dalam regresi linier berganda variabel tak bebas (Y), tergantung kepada dua atau
lebih variabel bebas (X). Bentuk persamaan regresi linier berganda yang
Di mana:
= koefisien regresi
Untuk hal ini, penulis menggunakan regresi linier berganda dengan tiga
variabel, yaitu satu variabel tak bebas (dependent variable) dan dua variabel bebas
yaitu :
+ (2.5)
"
dalam persamaan (2.5) sehingga diperoleh model regresi linier berganda Y atas
dan Dalam persamaan model regresi linier yang diperoleh, maka antara nilai Y
dan akan menimbulkan perbedaan hasil yang sering disebut sebagai kekeliruan.
tidak bebas yang sesungguhnya. Semakin kecil nilai kesalahan standar estimasi,
%& ' (
#
Λ
Yi = nilai taksiran
Koefisien determinasi adalah salah satu nilai statistik yang dapat digunakan untuk
mengetahui apakah ada hubungan pengaruh antara dua variabel. Nilai koefisien
lebih dari dua variabel adalah untuk mengetahui proporsi keragaman total dalam
variabel tak bebas (Y) yang dapat dijelaskan atau diterangkan oleh variabel-
variabel bebas (X) yang ada dalam model persamaan regresi linier berganda
JK reg
R2 = (2.10)
y2
Dengan:
+,-./ 0 0 0
masing-masing variabel yang tinggal dalam regresi. Hal ini mengakibatkan variasi
yang dijelaskan penduga yang disebabkan oleh variabel yang berpengaruh saja
(bersifat nyata).
persoalan berikutnya yang perlu dirasakan yaitu, jika data hasil pengamatan terdiri
dari banyak variabel adalah seberapa kuat hubungan antara variabel-variabel itu.
tersebut.
dikenal dengan nama analisis korelasi. Ukuran yang dipakai untuk mengetahui
Besarnya hubungan antara variabel yang satu dengan variabel yag lain dinyatakan
dengan koefisien korelasi yang disimbolkan dengan “r” yang besarnya adalah akar
r = 1* (2.12)
koefisien tersebut. Besarnya koefisien korelasi (r) antara dua variabel adalah nol
sampai dengan 1. Apabila dua buah variabel mempunyai nilai r = 0, berarti antara
dua variabel tersebut tidak ada hubungan. Sedangkan apabila dua buah variabel
sempurna.
Semakin tinggi nilai koefisien korelasi antara dua buah variabel (semakin
mendekati 1), maka tingkat keeratan hubungan antara dua variabel tersebut
semakin tinggi. Dan sebaliknya semakin rendah koefisien korelasi antara dua buah
variabel (semakin mendekati 0), maka tingkat keeratan hubungan antara dua
1. Korelasi Positif
diikuti dengan perubahan variabel yang lain dengan arah yang sama (berbanding
lurus). Artinya, apabila variabel yang satu meningkat, maka akan diikuti dengan
2. Korelasi Negatif
Korelasi negatif terjadi apabila perubahan pada variabel yang satu diikuti
dengan perubahan variabel yang lain dengan arah yang berlawanan (berbanding
terbalik). Artinya apabila variabel yag satu meningkat, maka akan diikuti dengan
Korelasi nihil terjadi apabila perubahan pada variabel yang satu diikuti
perubahan pada variabel yang lain dengan arah yang tidak teratur (acak), artinya
apabila variabel yang satu meningkat, kadang diikuti dengan peningkatan pada
variabel yang lain dan kadang diikuti dengan penurunan pada variabel yang lain.
korelasi (r) dapat pula ditentukan dengan menggunakan formulasi sebagai berikut:
#
4&56 8
7 # #
Di mana:
X iYi − ( X i )( Yi )
4&
n
= (2.14)
{n X i2 − ( X i )
2
}{n Yi 2 − ( Yi )
2
}
Jika kenaikan di dalam suatu variabel diikuti dengan kenaikan variabel
lain, maka dapat dikatakan bahwa kedua variabel tersebut mempunyai korelasi
yang positif. Tetapi jika kenaikan di dalam suatu variabel diikuti oleh penurunan
di dalam variabel lain, maka dapat dikatakan bahwa variabel tersebut mempunyai
korelasi yang negatif. Dan jika tidak ada perubahan pada variabel walaupun
variabel lainnya berubah maka dikatakan bahwa kedaua variabel tersebut tidak
R Interpretasi
0 Tidak berkorelasi
1 Sangat tinggi
9 : minimal ada satu parameter koefisien regresi yang tidak sama dengan nol
atau mempengaruhi Y.
Z[ \OW ]A
K _
Z[ \O^ ] E A
Di mana:
# = derajat kebebasan
+,-./ 0 0
+,-.`
diuji untuk menunjukkan seberapa besar pengaruh yang diberikan pada variabel
statistik t (student).
a& 5 + + + ... +
yang berarti atau tidak terhadap variabel tak bebas akan diuji hipotesis 9
9 = :T = 0 i = 1, 2, ... , k
9 = :T b 0 i = 1, 2, ... , k
%&
% ' !
c *c
Di mana:
%& '
#
0 c c
# c c
4c
d # # c c
e "
%f
pengujian diperoleh: