Nama : Jesica Destiana

NIM : 115150085

Kelas : GX

1. Pengertian analisis regresi

Analisis regresi merupakan salah satu analisis yang bertujuan untuk mengetahui pengaruh
suatu variabel terhadap variabel lain. Dalam analisis regresi, variabel yang mempengaruhi
disebut Independent Variable (variabel bebas) dan variabel yang dipengaruhi disebut
Dependent Variable (variabel terikat). Jika dalam persamaan regresi hanya terdapat satu
variabel bebas dan satu variabel terikat, maka disebut sebagai persamaan regresi sederhana,
sedangkan jika variabel bebasnya lebih dari satu, maka disebut sebagai persamaan regresi
berganda.

2. Perbedaan analisis regresi dan korelasi

- Analisis Regresi:

(1) Digunakan untuk mempelajari bentuk hubungan antar variabel melalui suatu persamaan
(bias Regresi Linier Sederhana, Regresi Linier Berganda, atau Regresi non Linier). Namun,
yang perlu ditekankan bahwa regresi menunjukkan hubungan kausalitas atau sebab-akibat
antara variabel bebas (independen) terhadap variabel terikat (dependen). Misalnya penelitian
mengenai pengaruh tingkat pendidikan terhadap besarnya pendapatan per kapita.

(2) Dapat mengukur seberapa besar pengaruh dari variabel bebas terhadap variabel terikatnya
(variabel satu terhadap variabel lainnya), dan bisa berdasarkan tandanya. Misalnya, kenaikan
harga BBM mengakibatkan penurunan (tanda negatif) pendapatan per kapita.

(3) Dapat digunakan untuk melakukan prediksi nilai suatu variabel berdasarkan variabel lain
(bisa hanya satu variabel bebas atau beberapa variabel bebas).

- Analisis Korelasi:

(1) Biasanya digunakan untuk mempelajari hubungan keeratan antar 2 variabel kuantitatif
berdasarkan angkanya, bukan tandanya. Ingat ! kalau keeratan lihat besarnya, bukan
tandanya.

(2) Dapat mengetahui arah hubungan yang terjadi {berbading lurus (tanda +), atau
berbanding terbalik (tanda -)}.

(3) Nilainya berkisar antara -1 sampai 1.

(4) Tidak bisa menyatakan hubungan kausalitas (sebab-akibat).

 3. Model Regresi
- Model dalam bentuk persamaan berfungsi sebagai panduan analisis melalui
penyederhanaan dari realitasyang ada.
- Penulisan model dalam ekonometrik merupakan pengembangan dari persamaan
fungsi secara matematis
- Persamaan Matematis

Y=a + bX……….. (pers.1)

- Persamaan Ekonometrika

Y = b0 + b1X + e ……….. (pers.2)

Keterangan:

Y’ = Variabel dependen (nilai yang diprediksikan)

X = Variabel independen

a = Konstanta (nilai Y’ apabila X = 0)

b = Koefisien regresi (nilai peningkatan ataupun penurunan)

4. Proses analisis regresi:

Langkah-langkah pengujian sebagai berikut:

1. Menentukan Hipotesis

2. Menentukan tingkat signifikansi

3. Menentukan t hitung

4. Menentukan t tabel

5. Kriteria Pengujian

6. Membandingkan t hitung dengan t tabel

7. Kesimpulan

5. Uji asumsi analisis regresi

Pengujian hipotesis dapat didasarkan dengan menggunakan dua hal, yaitu; tingkat signifikan
atau probabilitas dan tingkat kepercayaan atau confidence interval. Didasarkan tingkat
signifikansi pada umumnya orang menggunakan 0,05. Kisaran tingkat signifikan mulai dari
0,01 sampai dengan 0,1. Yang dimaksud dengan tingkat signifikan adalah probabilitas
melakukan kesalahan tipe 1, yaitu kesalahan menolak hipotesis ketika hipotesis tersebut
benar. Tingkat kepercayaan pada umumnya ialah sebesar 95%, yang dimaksud dengan
tingkat kepercayaan ialah tingkat dimana sebesar 95% nilai semple akan mewakili nilai
populasi dimana sample berasal. Dalam melakukan uji hipotesis terdapat dua hipotesis, yaitu:

- HO (hipotesis nol) dan H1 (hipotesis alternative)

Contoh uji hipotesis misalnya rata-rata produktivitas pegawai sama dengan 10 (∑x = 10),
maka bunyi hipotesisnya ialah:

a. HO: rata-rata prokdutivitas pegawai sama dengan 10

b. H1 : rata-rata prokdutivitas pegawai tidak sama dengan 10

Beberapa hal yang harus diperhatikan dalam uji hipotesis ialah:

a. Untuk pengujian hipotesis kita menggunakan data sample.

b. Dalam pengujian akan menghasilkan dua kemungkinan, yaitu pengujian signifikan

secara statistic jika kita menlak HO dan pengujian tidak signifikan secara statistic jika kita
menerima H0.

c. Jika kita menggunakan nilai t, maka jika nilai t yang semakin besar atau menajuhi 0,
kita akan cenderung menolak H0, sebaliknya jika nilai t semakin kecil atau mendekati 0 kita
akan cenderung menerima H0.