Yudha Herlambang*)
ABSTRAK
Dalam kehidupan nyata sehari-hari sering diperoleh permasalahan yang mengkaitkan
hubungan antara dua variabel yang berbeda dalam bentuk analisis. Analisis yang
mengkaitkan hubungan antara dua variabel dalam bentuk persamaan garis linier disebut
analisis regresi, dan pendekatannya adalah regeressi linier. Dalam regresi linier yang
dinyatakan dengan persamaan garis linier tersebut, dapat ditarik hubungan keterkaitan
antara variabel-variabel yang bersangkutan, sampai seberapa jauh hubungan keter-
kaitan tersebut. Untuk keperluan tersebut maka diperlukan ukuran yang disebut Koefi-
sien Korelasional. Untuk menentukan besarnya koefisien korelasi serta persamaan garis
regresi linier dari hubungan antara dua vatriabel tersebut, kita dapat memakai bantuan
perangkat lunak (package software), yang telah direlease atau diciptakan pe-rusahaan-
perusahaan komputer misalkan IBM Corp, Microsoft, dsb. Yang telah umum dipakai
sebagai software bantu untuk keperluan analisis regresi ini, misalkan : Microstat, SPSS,
Minitab, SPSS for Windows, Matlab, Mathcad,dll. Namun dapat pula disusun strukutur
program sendiri dari bahasa Pemrograman (High Level Language) yang telah tersedia,
misalkan : bahasa Pemrograman Turbo C bahasa Pascal yang akan diulas dalam artikel
ini, bahasa Basic, Fortran, dll.
1. PENDAHULUAN
Dalam analisis regresi akan dibedakan dua jenis variabel, yaitu : variabel bebas atau pre-
dictor variabel (independent) yaitu X dan variabel tak bebas atau dependent variabel yaitu
Y (variabel terikat). Variabel yang mudah didapat digolongkan dalam variabel bebas,
sedangkan variabel yang terjadi akibat variabel bebas itu merupakan variabel tak bebas.
Untuk keperluan analisis nantinya dalam persamaan regresi variabel bebas akan dinya-
*)
Yudha Herlambang, SE, ST. adalah dosen Sekolah Tinggi Ilmu Ekonomi Indonesia (STIESIA) Surabaya.
Perhitungan Persamaan Regresi Linier (Yudha Herlambang) 115
takan dengan X1,X2,……..Xk, tergantung banyaknya variabel bebas tersebut, sedangkan
variabel tak bebas akan dinyatakan dengan Y. Misalkan suatu penelitian yang meliputi
hasil panen dan volume pupuk yang dipergunakan, sebaiknya diambil variabel bebas X
adalah volume penggunaan pupuk dan variabel terikat atau respon Y adalah hasil
panenan. Demikian pula untuk masalah di bidang ilmu yang lain. Seperti telah diuraikan
pada bagian sebelumnya, bahwa hubungan fungsional antara variabel terikat dan bebas
untuk regresi linier sederhana dituliskan dalam persamaan regresi, yang secara umum
dinyatakan dalam bentuk dasar :
Dengan : 1 dan adalah parameter-parameter regresi
X adalah variabel bebas
Y adalah variabel terikat.
Bila dilakukan pendekatan persamaan garis linier, maka rumus umum di atas dapat dinya-
takan dengan :
Y = a + bx
Bagaimana persamaan regresi ditentukan bila hasil pengamatan telah diperoleh dan
penentuan variabel telah dilakukan ? Ada dua cara yang dapat dilakukan : yaitu metode
tangan bebas dan metode kuadrat terkecil (least squares) . Dalam pembahasan topik ini
akan menggunakan metode kuadrat terkecil. Dalam metode ini berpangkal pada
kenyataan bahwa jumlah pangkat dua (kuadrat). Dari jarak antara titik-titik dengan garis
regresi yang sedang dicari harus sekecil mungkin. Adapun formula dalam mencari nilai-
nilai parameter a dan b adalah sebagai berikut :
b= nXiYi)-(Xi)(Yi)
n(Xi.Xi)-(Yi)(Yi)
dan a = Y rata-rata - b (X rata-rata)
1. Karena model regresi linier tunggal dua variabel yang akan ditinjau adalah : Y = a +
bX, maka bisa dituliskan : Y - a - b X = 0
2. Karena metode ini berhubungan dengan kuadrat terkecil, maka model persamaan
implicyt no : 1 di atas dikuadratkan menjadi bentuk pangkat dua, yaitu : F = (Y- a- b
X)2
116 Ekuitas Vol.2 No.3 September 1998 : 115-129
(dF/da)= 0 dan (dF/db) = 0
4. Maka dari penurunan butir 4 di atas terbentuklah 2 persamaan simultan (normal dan
simultaneous equation), yaitu :
an + bX=Y dan aX+bXX=XY
Sehingga kedua persamaan tersebut dapat disusun menjadi sebuah matrik berorde 2 x
2 sebagai berikut :
n X a Y
X
XX b XY
n Y
X XX
nXY XY
b= =
n X nXX ( X )( X )
X XX
Sehingga dengan demikian terbuktilah rumus untuk mencari nilai parameter b seperti
pada halaman 2 di atas :
1. Berapakah nilai parameter a dan b serta koefisient korelasi r, bila disajikan data pro-
duksi susu pada tahun-tahun di bawah ini :
Perhitungan Persamaan Regresi Linier (Yudha Herlambang) 117
TABEL 1
Produksi Susu suatu industri
Tahun 1967 – 1976
Maka bila dipergunakan paket program Microstat akan diperoleh hasil output sebagai
berikut :
Dependent Variable : Y
Var Regresion Coefficient Std. Error T(DF = 8) Prob.
X -0.2952 0.0680 -4.339 0.0248
Constant 12.2933
ST. Error of Est = 0.6179
r. Squared = 0.7018
r = -0.8377
Sekarang bila data kasus di atas diproses dengan memakai software SPSS for Window,
maka akan diperoleh hasil yang sama sebagai berikut :
118 Ekuitas Vol.2 No.3 September 1998 : 115-129
Adjusted R. Square : 0.66450
Standard Error : 0.61787
-----------------------------------------Variables in The Equation ----------------------------------
Variable B SE B Beta T Sig. T
Var00002 -0.295152 0.068025 -0.837724 -4.339 0.0025
(Constant) 12.293333 0.422082 29.125 0.0000
End Block Number : 1 All requested variables entered
Sedangkan bila diproses pada software minitab, akan memberikan hasil olahan sebagai
berikut :
MTB > Regress C2 C1
The regresion equation is :
Product = 12.3 - 0.295 (year)
Predictor Coef Stdev t-ratio p
Constant 12.2933 0.4221 29.13 0.0000
Year -0.29515 0.06802 -4.34 0.002
S= 0.6179 R-sq = 70.2 % R-sq(adj) = 66.5 %
Analysis of Variance :
SOURCE DF SS MS F p
Regresion 1 7.1869 7.1869 18.83 0.0
Error 8 3.0541 0.3818
Total 9 10.2410
Dan bila diselesaikan dengan cara manual akan diperoleh hasil di bawah ini :
B = 10(562.5)-(55)(106.7) = - 0.2952
10(385) - (55)(55)
dan a = 10.67 – (-0.2952)(5.5) = 12.2933
serta nilai koeffisient korelasi r = 10 (562.5)-(55) (106.7)
(10(385)-(55)(55)) (10(1.148,73(106.7)(106.7))
r = - 0.8377
Tampak bahwa dari hasil pemrosesan berbagai macam statistical software serta cara
manual di atas akhirnya memberikan hasil yang sama, yaitu : nilai parameter a sebagai
konstanta sebesar 12.2933 dan nilai parameter b sebagai koefisient X adalah : -0.2952.
Serta nilai korelasi adalah : r = -0.8377
2. Berapakah nilai parameter a dan b serta koefisient korelasi r, bila disajikan data antara
penjualan suatu produk per bulan, terhadap jumlah stasiun TV Swasta per harinya.
Atau dengan kata lain, kita mencari persamaan regresi yang menghubungkan antara
pernjualan per bulan (Y) terhadap Jumlah Stasiun Swasta per harinya.
Perhitungan Persamaan Regresi Linier (Yudha Herlambang) 119
TABEL 1I
Data Penjualan terhadap Jumlah Stasiun TV Swasta per harinya
Penjualan Per bulan (Y) Jumlah Stasiun TV Swasta per harinya (X)
8.4 11
5.2 6
7.1 8
10 9
12.9 12
11.5 15
14.4 14
X = 75 Y = 69.5 XY
=799.3
XX = 867 YY = 754.03
Maka bila dipergunakan paket program Microstat akan diperoleh hasil output sebagai
berikut :
Dependent Variable : Y
Var Regresion Coefficient Std. Error T(DF = 5) Prob.
X 0.8617 0.2308 3.733 0.01352
Constant 0.6959
ST. Error of Est = 1.8382
r. Squared = 0.7360
r = 0.8579
Sekarang bila data kasus di atas diproses dengan memakai software SPSS for Window,
maka akan diperoleh hasil yang sama sebagai berikut :
120 Ekuitas Vol.2 No.3 September 1998 : 115-129
-----------------------------------------Variables in The Equation ----------------------------------
Variable B SE B Beta T Sig. T
Var00002 0.861712 0.230812 0.857894 3.733 0.0135
(Constant) 0.695946 0.568737 0.271 0.7973
End Block Number : 1 All requested variables entered
Sedangkan bila diproses pada software minitab, akan memberikan hasil olahan sebagai
berikut untuk data kasus 2 di atas :
Dan bila diselesaikan dengan cara manual diperoleh hasil di bawah ini :
B = 7 (799,3)-(75)(69,5) = 0,86171
7(867) - (75)(75)
Tampak bahwa dari hasil pemrosesan berbagai macam statistical software serta cara
manual di atas akhirnya memberikan hasil yang sama, yaitu : nilai parameter a sebagai
konstanta sebesar 0.696 dan nilai parameter b sebagai koefisient X adalah : 0.8617. Serta
nilai korelasi adalah : r = 0.85789
Dengan mengacu pada hasil-hasil yang telah diproses sebagai output dari berbagai ma-
cam software statistik yang telah ditampilkan di atas, maka dengan ini penulis akan
Perhitungan Persamaan Regresi Linier (Yudha Herlambang) 121
menguji validitas terhadap hasil pemrosesan program yang telah disusun penulis dalam
bahasa Pemrograman Pascal untuk mengetahui kebenaran dari hasil pemrosesan program
buatan penulis tersebut. Susunan program yang disusun penulis ini dirancang untuk
menghitung nilai parameter a sebagai konstanta regresi linier dan parameter b sebagai
koefisien X (variabel independent), serta untuk menghitung nilai koefisien korelasi (r)
antara hubungan 2 variabel yang bersangkutan. Untuk langkah pengujian validitas, maka
diambil 2 kasus permasalahan seperti di atas, yaitu dengan input nilai- nilai variabel y dan
x yang sama seperti tabel I dan II di atas.
Adapun Listing Source Program yang disusun penulis adalah sebagai berikut :
program least_square;
{ * Dibuat oleh YUDHA HERLAMBANG,* }
uses crt;
type larik = array [1..10] of real;
var i, n : integer;
x, y, xy, x2,y2 : larik;
sumx, sumy, sumxy,ra,rb,rb1,rb2,rc
,sumx2,sumy2, xr, yr, a, b : real;
masuk : char;
const huruf : set of char = ['S','L'];
begin
clrscr;
writeln('Program untuk mencari garis lurus terbaik dari n titik');
writeln('dengan metode Least-Square');
writeln(' Programmed by Yudha Herlambang');
writeln('Tekan L untuk meLanjutkan');
writeln('Tekan S untuk menghentikan');
writeln;
repeat
repeat masuk := upcase(readkey);
until masuk in huruf;
if masuk = 'L' then
begin
repeat
begin
write('Masukkan jumlah titik (=n) : ');
readln(n);
end;
until n > 1;
for i := 1 to n do
begin
122 Ekuitas Vol.2 No.3 September 1998 : 115-129
writeln('Masukkan titik ke-',i,' : ');
write('x',i,' = ');
read(x[i]);
write('y',i,' = ');
readln(y[i]);
xy[i] := x[i] * y[i];
x2[i] := x[i] * x[i];
y2[i] := y[i] * y[i];
sumx := sumx + x[i];
sumy := sumy + y[i];
sumxy := sumxy + xy[i];
sumx2 := sumx2 + x2[i];
sumy2 := sumy2 + y2[i];
end;
xr := sumx/n;
yr := sumy/n;
a := ((n*sumxy) - (sumx*sumy))/(n*sumx2 - sumx*sumx);
b := yr - (a*xr);
ra := (n*sumxy)-(sumx*sumy);
rb1 := sqrt((n*sumx2)-(sumx*sumx));
rb2 := sqrt((n*sumy2)-(sumy*sumy));
rb := rb1*rb2;
rc := ra/rb;
writeln('Hasil perhitungan otomatis dari program ini menunjukkan: ');
writeln('y = ',a:16:13,'x + ',b:16:13);
writeln('coefficient correlation =',rc:16:13);
writeln('Tekan L untuk meLanjutkan');
writeln('Tekan S untuk menghentikan');
writeln;
end;
until masuk = 'S';
end.
Maka bilamana program ini dijalankan (di –execute) dengan menekan tombol Alt dan R
secara bersama-sama, maka akan terlihat tampilan yang meminta kita sebagai user untuk
menginputkan pasangan nilai- nilai x dan y sebagai data masukan untuk masing- masing
kasus . Dengan demikian terlihat tampilan sebagai berikut :
Perhitungan Persamaan Regresi Linier (Yudha Herlambang) 123
Tekan S untuk menghentikan
Masukkan jumlah titik (=n) : 10
Masukkan titik ke 1 :
x1 = 1
y1 = 12.9
Masukkan titik ke 2 :
x2 = 2
y2 = 12.2
Masukkan titik ke 3 :
x3 = 3
y3 = 11
Masukkan titik ke 4 :
x4 = 4
y4 = 10.5
Masukkan titik ke 5 :
X5 = 5
Y5 = 10.4
Masukkan titik ke 6 :
X6 = 6
Y6 = 9.9
Masukkan titik ke 7 :
X7 = 7
Y7 = 9.8
Masukkan titik ke 8 :
X8 = 8
Y8 = 9.9
Masukkan titik ke 9 :
X9 = 9
Y9 = 10
Masukkan titik ke 10 :
x10 = 10
y10 = 10.1
Y = - 0,29515151516 X + 12,29333333300
Coefficient correlation = -0,83772371159
Tekan L untuk melanjutkan
Tekan S untuk menghentikan
Untuk mengolah data kasus ke –2 dengan cara yang sama diperoleh hasil pemrosesan
berikut :
124 Ekuitas Vol.2 No.3 September 1998 : 115-129
Masukkan jumlah titik (=n) : 7
Masukkan titik ke 1 :
x1 = 11
y1 = 8.4
Masukkan titik ke 2 :
x2 = 6
y2 = 5.2
Masukkan titik ke 3 :
x3 = 8
y3 = 7.1
Masukkan titik ke 4 :
x4 = 9
y4 = 10.0
Masukkan titik ke 5 :
X5 = 12
Y5 = 12.9
Masukkan titik ke 6 :
X6 = 15
Y6 = 11.5
Masukkan titik ke 7 :
X7 = 14
Y7 = 14.4
Y = 0,86171171171 X + 0,69594594590
Coefficient correlation = 0,85789445870
Tekan L untuk melanjutkan
Tekan S untuk menghentikan
S
Perhitungan Persamaan Regresi Linier (Yudha Herlambang) 125
Statement Maksud Perintah
19-25 Mulai memproses inout awal yang diberikan user, bila user
menekan tombol ‘L’ maka proses perhitungan akan dimulai
(begin)
126 Ekuitas Vol.2 No.3 September 1998 : 115-129
Statement Maksud Perintah
Perhitungan Persamaan Regresi Linier (Yudha Herlambang) 127
Statement Maksud Perintah
128 Ekuitas Vol.2 No.3 September 1998 : 115-129
7. SIMPULAN
Telah dirancang suatu listing program dalam bahasa Pascal versi 7.00 untuk menentukan
nilai-nilai parameter regresi linier berupa konstanta dan koefisient X sebagai variabel
bebas, serta untuk menghitung besarnya nilai koefisient korelasi sehubungan dengan data
yang bersangkutan.
Untuk pengujian validitas dan keabsahan perhitungan program tersebut, telah dilakukan
uji coba perhitungan dalam 3 kasus, namun yang dicantumkan dalam tulisan kali ini
sebanyak 2 kasus. Program buatan penulis di atas dikatakan valid bila output yang
diperoleh sebagai hasil perhitungan adalah sama atau mendekati sama dengan nilai yang
diperoleh bila kita mempergunakan program paket statistik yang lain (Microstat, SPSS,
atau Minitab) sebagai pembandingnya untuk input kasus yang sama. Hasil perhitungan
dan simulasi komputer menunjukkan adanya kesamaan atau pendekatan antara hasil
pengolahan data dari program buatan penulis di atas dengan hasil standard dari program
aplikasi statistik yg lainnya (Microstat, dll) sebagai patokan uji validitasnya. Sehingga
dari uraian di atas dapat dikatakan bahwa program yang telah disusun penulis telah
memenuhi syarat uji validitas program.
Di samping itu program di atas adalah lebih fleksibel, atau dapat dimodifikasi sesuai
kehendak yang kita inginkan. Misalkan kita menghendaki hasil perhitungan yg lebih teliti
atau menampilkan hasil beberapa angka di belakang koma, maka hal itu dapat kita
lakukan dengan sedikit memodifikasi program di atas . Begitu pula bila kita menghendaki
supaya input lebih dari 10 pasangan titik x dan y, kita dapat melakukan sedikit modifikasi
dari program di atas.
DAFTAR PUSTAKA
Mc. Krowth, Prof, Stastistical for Business and Economics, Mc. Graw Hill,New
Hampshire, 1986
Sudjana, Dr, MA, MS, Statistik untuk Ekonomi dan Niaga, Tarsito Bandung 1982
Perhitungan Persamaan Regresi Linier (Yudha Herlambang) 129