OLEH KELOMPOK 3 :
UNIVERSITAS UDAYANA
2018
REGRESI SEDERHANA
1) Untuk menaksir nilai dari suatu variabel tertentu berdasarkan suatu variabel
bebas. Unntuk tujuan ini dibuat persamaan garis regresi yang
menggambarkan rata-rata hubungan antara variabel X dan Y.
2) Tujuan kedua dari analisis regresi adalah untuk mengetahui tingkat
penyimpangan dari garis regresi. Apabila suatu data hampir selalu berdekatan
dengan garis regresinya atau penyimpangannya relatif kecil, maka perkiraan
yang baik terhadap Y akan dapat dibuat berdasarkan garis regresi tersebut.
Sebaliknya apabila penyimpangannya semakin besar, atau datanya terlalu
menyebar di sekitar garis regresinya, maka garis regresinya tersebut
menghasilkan penaksiran yang tidak bagus.
3) Untuk membantu analisis regresi juga dapat di peroleh derajat hubungan atau
korelasi yang terjadi antara dua variabel. Koefisien determinasi yang dihitung
dari tujuan mengukur derajat kekuatan hubungan yang terjadi antara variabel
tersebut.
7.2 Persamaan Regresi Sederhana
Persamaan regresi secara aljabar dinyatakan dalam garis regresi.
Persamaan regresi Y atas X adalah di pakai untuk menggambarkan variasi nilai
dari Y atas perubahan tertentu dari X. persamaan regresi Y atas X umumnya
dinyatakan dalam bentuk : Y = α + βXi +
Dari persamaan tersebut α disebut konstanta, β disebut koefisien regresi.
Koefisien juga disebut slope dari garis regresi. Ỷ di sebut taksiran dari Y yang
menyatakan nilai Y akan di ketahui apabila X tertentu di masukkan dalam
persamaan tersebut, sedanngkan 00 disebut komponen pengganggu atau eror trim
atau nilai variabel lain yang tidak ikut dimasukkan dalam model.
∑Yi = Nα + β∑ Xi
𝑛∑𝑋𝑖𝑌𝑖−∑𝑋𝑖∑𝑌𝑖
𝛽= n∑X2 i−(∑Xi)2
∑xiyi
𝛽= ∑x
2
∑(𝑌 − Ỳ)
𝑆𝑦𝑥 = √
𝑛−2
Ʃ 𝑌 2 − 𝛼Ʃ𝑌− 𝛽Ʃ𝑋𝑌
Atau 𝑆𝑦𝑥 = √ 𝑛−2
Ʃ 𝑒2
Atau 𝑆𝑦𝑥 = √𝑛−2
Berdasarkan hasil Syx dapat juga di hitung standar devisi dari kofisien regresi
dengan rumus :
𝑆𝑦𝑥
𝑆(𝛽) =
√∑𝑋𝑖2
𝛼 = 𝑌 − 𝛽𝑋
Ƹ (𝑌 ӯ)2 𝛽 2 Ƹ 𝑋𝑖2
𝑟 2 = I-Ƹ (𝑌1− ӯ)2 ......... (rumus A) atau 𝑟 2 = ............. (rumus B)
1− Ƹ𝑦 2
Misalnya :
𝐻0 ∶ 𝛽 ≤ 0,5 atau 𝐻0 ∶ 𝛽 ≤ 0
Ḃ−𝛽0
t= 𝑆𝛽
7.7 Perluasan Aplikasi Model Regresi
Beberapa aspek dari regresi linier dapat dengan mudah diaplikasikan
melalui kerangka kerja regresi linier dua variabel, yang pada prinsipnya
membahas model yang berkaitan dengan mengukur perubahan Y sebagai akibat
dari perubahan X. beberapa perluasan aplikasi model non linier diuraikan sbb:
7.7.1 Model Double Log
Model ini disebut juga log linier atau model dengan elastisitas konstan.
Modelnya adalah sebagai berikut:
𝑌𝑖 =𝑎𝑋 𝛽 𝑒 𝜇
𝑖
𝑌_𝑖 = 𝛼𝑋ƒ𝑒 𝜇 𝐼𝑛 𝑌𝑖 = 𝐼𝑛 𝛼 + 𝛽 𝐼𝑛 𝑋𝑖 + 𝜇
0 0
X Ln X
Dalam model double log koefisien regresi mengukur perubahan relatif dari Y
sebagai akibat dari perubahan relatif dari X, yaitu:
% 𝑃𝑒𝑟𝑢𝑏𝑎ℎ𝑎𝑛 𝑟𝑒𝑙𝑎𝑡𝑖𝑓 𝑌 % 𝑝𝑒𝑟𝑢𝑏𝑎ℎ𝑎𝑛 𝑌
𝐵= atau 𝛽=
% 𝑃𝑒𝑟𝑢𝑏𝑎ℎ𝑎𝑛 𝑟𝑒𝑙𝑎𝑡𝑖𝑓 𝑋 % 𝑝𝑒𝑟𝑢𝑏𝑎ℎ𝑎𝑛 𝑋
Model double log banyak digunakan dalam analisis ekonomi, seperti untuk
fungsi produksi, fungsi ongkos, fungsi keuntungan dan lain sebagainya, yang
mana secara teoritis bentuknya adalah non linier. Model ini juga disebut
exponential regression, log-log, log-linier, atau constant elasticity models.
7.7.2 Model Semilog
Model semi log adalah transformasi logaritma pada variabel terikat atau
pada variabel bebas. Bentuknya ada dua macam, yaitu
a) Log lin, dimana variabel terikatnya yang logaritma, seperti:
𝐼𝑛 𝑌𝑖 = 𝛼 + 𝛽 𝐼𝑛 𝑋𝐼 + 𝜇
Model analisisnya adalah berbentuk
𝑌𝑖 = 𝛼 + 𝛽 𝑋𝑖 + 𝜇
Dalam model log lin, koefisien regresi mengukur perubahan relative
dari Y sebagai akibat dari perubahan absolut dari X, yaitu:
𝑃𝑒𝑟𝑢𝑏𝑎ℎ𝑎𝑛 𝑟𝑒𝑙𝑎𝑡𝑖𝑓 𝑑𝑎𝑟𝑖 𝑌
𝐵=
𝑃𝑒𝑟𝑢𝑏𝑎ℎ𝑎𝑛 𝑟𝑒𝑙𝑎𝑡𝑖𝑓 𝑑𝑎𝑟𝑖 𝑋
Model lin log umumnya digunakan untuk model pertumbuhan
konstan (measurement growth model), dimana variabel bebasnya
umumnya linier, seperti waktu dan lain sebagainya yang mengalai
pertambahan yang tatap. Kalua digambarkan akan tampak sebagai
berikut:
Y LnY 𝐼𝑛 𝑌𝐼 = 𝛼 + 𝛽 𝑋𝐼 + 𝜇
𝑌𝐼 = 𝛼 + 𝛽 𝑋𝐼 + 𝜇
0 0
X X
Model ini biasnya digunakan untuk menganalisis suatu data yang menurun
secara non linier mendekati titik nol pada saat X meningkat secara tak terbatas.
Dapat ditulis persamaan regresinya sebagai berikut:
1
𝑌𝑖 = 𝛼 + 𝛽 ( ) + 𝜇
𝑋
Suyana, Utama Made, 2016. Aplikasi Analisis Kuantitatif Untuk Ekonomi dan
Bisnis, Denpasar : CV Sastra Utama
COVER BUKU