BAB 1

PENDAHULUAN

1.1 Latar Belakang Masalah

Pengolahan informasi statistik mempunyai sejarah jauh ke belakang sejak

awal peradaban manusia. Pada awal zaman Masehi, bangsa-bangsa

mengumpulkan data statistik untuk mendapatkan informasi deskriptif mengenai

banyak hal, misalnya pajak, perang, hasil pertanian, dan bahkan pertandingan

atletik. Pada masa kini, seiring dengan berkembangnya ilmu statistik, seperti teori

peluang dan lainnya, kita dapat menggunakan berbagai metode statistik yang

memungkinkan kita untuk meneropong jauh diluar data yang kita kumpulkan dan

masuk ke dalam wilayah pengambilan keputusan melalui generalisasi dan

peramalan.

Banyak analisis statistika bertujuan untuk mengetahui apakah ada hubungan

antara dua atau lebih peubah. Bila hubungan demikian ini dapat dinyatakan dalam

bentuk rumus matematik, maka kita akan dapat menggunakannya untuk keperluan

peramalan.

Persamaan regresi merupakan suatu persamaan matematik yang memungkinkan

kita untuk meramalkan nilai-nilai suatu peubah tak bebas dari nilai-nilai satu atau

lebih peubah bebas. Penelitian mengenai metode regresi pertama kali dilakukan

oleh Sir Francis Galton yang mengambil kesimpulan bahwa suatu regresi

cenderung mendekati nilai tengah suatu populasi.

1
 2

Dalam penulisan ini model regresi yang diteliti adalah model regresi linier

berganda, karena memungkinkan kita untuk meramalkan hubungan nilai suatu

peubah tak bebas dengan dua atau lebih peubah bebas, sehingga cakupannya akan

lebih luas. Penyelesaian dari model regresi linier berganda yang kita kenal selama

ini umumnya hanya menggunakan metode kuadrat terkecil dengan cara memilih

suatu persamaan regresi yang membuat jumlah kuadrat jarak vertikal dari titik-

titik pengamatan ke garis regresi sekecil mungkin. Dalam penelitian ini

diperkenalkan suatu metode yang relatif baru dalam ilmu statistika yaitu metode

bootstrap untuk menyelesaikan regresi linier berganda yang nantinya diharapkan

akan memberikan hasil perhitungan yang lebih akurat.

Bootstrap pertama kali diperkenalkan oleh Efron pada tahun 1979 sebagai

salah satu metode resampling atau sampling ulang dari data asli yang telah

dikumpulkan sehingga diperoleh sekumpulan data baru dengan jumlah yang lebih

besar untuk mengestimasi beberapa atribut sampel seperti error, ragam serta

selang kepercayaan. Bootstrap bisa digunakan kapan saja, selama ada

kemungkinan untuk menghasilkan suatu data baru dari observasi yang ada.

Kadang-kadang, bootstrap digunakan untuk kasus-kasus tertentu yang tidak

standar, seperti ragam yang tidak konstan atau ketika estimasi regresi robust

digunakan, sehingga metode standar untuk mengestimasi data tidak tersedia atau

pengolahan data hanya bisa dilakukan jika ukuran sampel besar. Ada dua

prosedur bootstrap yang dapat diterapkan pada model regresi linier berganda

yaitu bootstrap pairs dan bootstrap residual.

 3

Pada penulisan ini, akan dilakukan penelitian untuk membandingkan

model regresi linier berganda dengan metode kuadrat terkecil dan model regresi

linier berganda dengan metode bootstrap pairs dan bootstrap residual. Standard

error akan dijadikan sarana untuk menunjukkan metode mana yang lebih akurat.

Dalam proses perhitungannya, digunakan R Language yang merupakan sistem

untuk komputasi statistika dan grafik yang dapat dijalankan pada platform UNIX,

Windows, dan MacOS.

1.2 Ruang Lingkup

Secara khusus, penelitian akan difokuskan pada metode kuadrat terkecil,

metode bootstrap pairs dan metode bootstrap residual pada regresi linier

berganda dengan menggunakan R Language. Data yang digunakan dalam

penelitian ini adalah data simulasi yang dibangkitkan dengan R Language yang

merupakan bilangan acak yang memiliki sebaran normal baku yang mempunyai

mean=0 dan standar deviasi=1. Sebagai contoh, penelitian ini menggunakan 2

variabel bebas, 3 variabel bebas dan 5 variabel bebas. Ukuran yang dipakai untuk

mengukur tingkat keakuratan perbandingan metode-metode dalam penelitian ini

adalah standard error.

Data yang dibangkitkan bersifat iid (independent and identically data) untuk

regresi linier berganda. Kasus-kasus yang menyimpang pada regresi linier

berganda tidak dibahas.

 4

1.3 Tujuan dan Manfaat

• Tujuan Umum

Penelitian ini bertujuan untuk mencari metode alternatif dalam penyelesaian

model regresi linier berganda.

• Tujuan Khusus

Membandingkan metode kuadrat terkecil, metode bootstrap pairs dan metode

bootstrap residual pada regresi linier berganda.

• Manfaat

Penelitian yang dilakukan dapat memberikan manfaat pada semua bidang dimana
model persamaan regresi linier berganda digunakan, secara umum manfaatnya
sebagai berikut :
1. Bagi bidang ilmu statistika :

• Dapat diketahui metode terbaik dari metode kuadrat terkecil, metode

bootstrap pairs dan metode bootstrap residual dalam penyelesaian

model regresi linier berganda dan dapat diterapkan penggunaannya.

• Dapat membantu dalam pengambilan sebuah keputusan / kebijakan.

2. Bagi peneliti lain :

• Dapat digunakan sebagai bahan acuan dalam pengembangan penelitian

berikutnya mengenai metode-metode penyelesaian dalam regresi linier

berganda dan metode-metode lain pada bootstrap.

• Dapat menambah ilmu pengetahuan dalam bidang ilmu Statistika.

 5

1.4 Sistematika Penulisan

Pembahasan skripsi ini terbagi menjadi 5 bab secara terurut, yaitu sebagai berikut

BAB 1 : PENDAHULUAN

Bab ini membahas mengenai latar belakang, ruang lingkup, tujuan

dan manfaat, sistematika dan definisi operasional dalam penulisan

skripsi.

BAB 2 : LANDASAN TEORI

Bab ini membahas tentang teori pendukung yang perlu digunakan

dalam penulisan dan penelitian yang akan dilakukan.

BAB 3 : METODOLOGI PENELITIAN

Bab ini memaparkan metodologi yang akan digunakan, proses-

proses serta langkah-langkah yang akan dilakukan pada penelitian

ini.

BAB 4 : HASIL DAN PEMBAHASAN

Bab ini membahas tentang hasil dari penelitian yang dilakukan

beserta pembahasan dan analisis.

BAB 5 : SIMPULAN DAN SARAN

Bab ini berisi simpulan dari semua hal yang telah dilakukan dalam

skripsi ini dan memberikan saran-saran perbaikan yang berguna

bagi penelitian selanjutnya.

 6

1.5 Definisi Operasional

• Sampel adalah suatu himpunan bagian dari populasi.

• Sampling adalah proses pengambilan sampel

• Resampling adalah proses sampling ulang terhadap sampel

• Resample/sampel bootstrap adalah hasil sampel dari resampling

• Inferensia statistik adalah semua metode yang digunakan dalam penarikan

kesimpulan atau generalisasi mengenai suatu populasi.