See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/278081667

Bentuk Fungsional Regresi Linear (Aplikasi Model dengan Program SPSS)

Research · June 2015

DOI: 10.13140/RG.2.1.1350.6723

CITATION READS

1 5,357

1 author:

Junaidi Junaidi
Universitas Jambi
95 PUBLICATIONS   122 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Transmigration and its Impact on Regional Development View project

All content following this page was uploaded by Junaidi Junaidi on 13 June 2015.

The user has requested enhancement of the downloaded file.

 Bentuk Fungsional Regresi Linear (Aplikasi
Model dengan Program SPSS)
Author: Junaidi Junaidi

1. Pengantar
Pengertian model regresi linear bukanlah model yang linear dalam paramater dan
variabel, tetapi regresi tersebut linear dalam parameter (atau yang secara intrinsik bisa dibuat
linear melalui transformasi variabel), sedangkan variabelnya boleh saja bersifat linear atau tidak.
Misalnya, persamaan Y = β0+ β1Xi2 dapat digolongkan sebagai regresi linear, karena
paramaternya (β1) bersifat linear, meskipun variabelnya (X i2) tidak bersifat linear. Berdasarkan
hal tersebut, dapat dikembangkan berbagai berbagai bentuk fungsional model regresi.
Tulisan ini akan membahas tiga bentuk fungsional model regresi linear yaitu Model
Double-Log, Model Semilog dan Model Resiprokal. Untuk aplikasi model, tulisan ini akan
menggunakan Program SPSS
2. Model Double-Log
Misalnya suatu model: Yi = β0Xiβ1eui
Model tersebut adalah terlihat tidak linear dalam parameter, tetapi secara intrinsik bisa dibuat
linear dengan transformasi sebagai berikut:
lnYi = lnβ0 + β1lnXi + ui
ln = logaritma natural (logaritma dengan bilangan dasar e = 2,71828)
Jika α = lnβ0, Yi* = lnYi dan Xi* = lnXi , persamaan tersebut dapat ditulis kembali menjadi:
Yi* = α + β1Xi*+ ui
Model ini dinamakan dengan model double-log. Hal yang perlu diperhatikan dalam
model double-log adalah, koefisien β1 dapat ditafsirkan sebagai elastisitas yaitu persentase
perubahan variabel Y sebagai akibat persentase perubahan variabel X. Dengan demikian, jika X
merupakan harga dan Y adalah permintaan, maka koefisien β1 dapat diinterpretasikan sebagai
elastisitas harga.

January 20, 2015 Fakultas Ekonomi dan Bisnis Universitas Jambi Page 1
 Sebagai contoh, misalnya kita punya data selama tahun 1993 – 2008 mengenai harga
suatu produk (X dalam ribuan rupiah) dan jumlah produksi (Y dalam ribuan unit) yang
diasumsikan sebagai jumlah barang yang ditawarkan sebagai berikut:

Setelah data tersebut diinput di SPSS, langkah pertama kita adalah mentransformasi data
kedalam nilai logaritma natural dengan cara: Klik Transform > Compute Variable. Akan muncul
tampilan berikut:

Di kotak Target Variable isikan nama variabel untuk menampung hasil transformasi.
Misalnya dalam contoh lnX untuk logaritma variabel X. Di kotak Numeric Expression tuliskan
rumus berikut: LN(X). Kemudian klik OK.
Lakukan proses yang sama untuk variabel Y. Secara otomatis, dalam worksheet SPSS
kita akan ditambahkan dua variabel baru yaitu LnX dan LnY.

January 20, 2015 Fakultas Ekonomi dan Bisnis Universitas Jambi Page 2
Setelah itu klik Analyze > Regression > Linear. Akan muncul tampilan berikut:

Isikan pada Dependent dengan variabel lnY dan di independent dengan variabel lnX.
Klik OK. Maka akan keluar output SPSS sebagai berikut:
Output SPSS tersebut dapat diringkas sebagai berikut:

Catatan: * signifikan pada α = 10%, ** signifikan pada α = 5 %, *** signifikan pada α = 1%

Nilai P-value pada koefisien lnXi lebih kecil dibandingkan nilai α = 1%. Artinya terdapat
pengaruh yang sangat signifikan secara statistik antara harga dan penawaran. Selanjutnya
koefisien dapat diinterpretasikan sebagai berikut: Untuk setiap peningkatan sebesar Rp 1 % dari
harga, maka akan meningkatkan penawaran (produksi) sebesar 1,205 % (nilai koefisien lnXi).
Dengan kata lain, elastisitas harga penawaran untuk produk ini adalah sebesar 1,205 (elastis).

3.Model Semilog
Model semilog adalah model dimana hanya salah satu variabel (Y atau X) yang
ditransformasi secara logaritma. Bentuk modelnya sebagai berikut:
lnYi = α0 + α1Xi + ui
atau
Yi = β0 + β1lnXi + ui

January 20, 2015 Fakultas Ekonomi dan Bisnis Universitas Jambi Page 3
α1 mengukur perubahan relatif (persentase) Y yang disebabkan oleh perubahan absolut dari X.
Model ini disebut juga dengan model pertumbuhan tetap, karena mengukur tingkat pertumbuhan
yang konstan sepanjang waktu seperti trend kesempatan kerja, produktivitas, dan lainnya.
Sedangkan untuk model kedua, β1 mengukur perubahan absolut Y yang disebabkan oleh
perubahan relatif (persentase) dari X.
Sebagai contoh, dengan menggunakan data yang sama pada bagian sebelumnya, dan
misalnya yang kita transformasikan secara logaritma pada model ini adalah harga (X), sedangkan
penawaran tetap menggunakan nilai absolutnya. Akan didapatkan output SPSS sebagai berikut:

Output SPSS tersebut dapat diringkas sebagai berikut:

Catatan: * signifikan pada α = 10%, ** signifikan pada α = 5 %, *** signifikan pada α = 1%

Nilai P-value pada koefisien lnXi lebih kecil dibandingkan nilai α = 1% (Kita juga bisa
bandingkan t-hitung dan t tabel). Artinya terdapat pengaruh yang sangat signifikan secara
statistik antara harga dan penawaran. Selanjutnya koefisien dapat diinterpretasikan sebagai
berikut: Untuk setiap peningkatan sebesar Rp 1 % dari harga, maka akan meningkatkan
penawaran (produksi) sebesar 1160 unit (nilai koefisien lnX i).

January 20, 2015 Fakultas Ekonomi dan Bisnis Universitas Jambi Page 4
4. Model Resiprokal
Model resiprokal juga cukup populer digunakan dalam penelitian-penelitian ekonomi.
Model ini dapat dirumuskan:
Yi = β0 +β1(1/Xi) + ui
Model ini meskipun tidak linear dalam variabel (1/X i) tetapi linear dalam parameter (β1),
karenanya masih dikategorikan sebagai model regresi linear.
Model ini memiliki sifat dimana Y akan turun secara kontinyu pada saat X meningkat,
dan jika X sangat besar, maka Y akan memiliki nilai mendekati β 1. Oleh karenanya, model ini
bisa digunakan untuk menggambarkan perilaku biaya produksi tetap rata-rata (AFC), dimana
AFC (Y) akan menurun secara kontinyu ketika X (produksi) meningkat (karena biaya tetap
dibebankan pada jumlah unit produksi yang lebih banyak).
Dalam aplikasi SPSS, untuk mengestimasi model resiprokal ini, nilai observasi X terlebih
dahulu ditransformasi dalam bentuk perhitungan 1/X. Bagaimana cara mentransformasi variabel
X tersebut dengan SPSS ?
Misalnya dalam contoh data kita sebelumnya, klik Transform > Compute Variable. Akan
muncul tampilan berikut:

Isikan pada kotak Target Variable, nama dari variabel yang akan kita buat. Dalam contoh
diatas adalah Xr (catatan: jangan menggunakan nama 1/X, karena untuk nama variabel hanya
boleh huruf dan angka. Simbol lain tidak diperkenankan). Selanjutnya pada kotak Numeric
Expression, isikan rumus 1/X. Klik OK, maka akan muncul variabel baru sebagai transformasi
variabel X menjadi 1/X.
Setelah mendapatkan variabel 1/X, selanjutnya lakukan estimasi seperti prosedur untuk
estimasi regresi seperti yang dijelaskan sebelumnya.

January 20, 2015 Fakultas Ekonomi dan Bisnis Universitas Jambi Page 5
 REFERENCES
1. Amri A., Junaidi, Yulmardi. (2009). Metodologi Penelitian Ekonomi dan Penerapannya.
Bogor. IPB Press
2. Gujarati DN. (2013). Basic Econometrics. New York. McGraw-Hill
3. Juanda, B. Junaidi. (2012). Ekonometrika Deret Waktu: Teori dan Aplikasi. Bogor. IPB Press
4. Junaidi, J. (2014). Regresi dengan Microsoft Office Excel. Jambi. Fakultas Ekonomi dan
Bisnis Universitas Jambi
5. Pratisto.A. (2009). Statistik Menjadi Mudah dengan SPSS 17. Jakarta. Elex Media Komputindo.

January 20, 2015 Fakultas Ekonomi dan Bisnis Universitas Jambi Page 6

View publication stats