BAB II

REGRESI SEDERHANA

A. Landasan Teori
Regresi ialah sebagai kajian terhadap ketergantungan satu variabel, yaitu
variabel tergantung terhadap satu atau lebih variabel lainnya atau yang disebut
sebagai variabel – variabel eksplanatori dengan tujuan untuk membuat
estimasi dan / atau memprediksi rata – rata populasi atau nilai rata-rata
variabel tergantung dalam kaitannya dengan nilai – nilai yang sudah diketahui
dari variabel ekslanatorinya. Selanjutnya menurut Gujarati meski analisis
regresi berkaitan dengan ketergantungan atau dependensi satu variabel
terhadap variabel – variabel lainnya hal tersebut tidak harus menyiratkan
sebab – akibat (causation). Dalam mendukung pendapatnya ini, Gujarati
mengutip pendapat Kendal dan Stuart yang diambil dari buku mereka yang
berjudul “The Advanced Statistics” yang terbit pada tahun 1961 yang
mengatakan bahwa,” suatu hubungan statistik betapapun kuat dan sugestifnya
tidak akan pernah dapat menetapkan hubungan sebab akibat (causal
connection); sedang gagasan mengenai sebab akibat harus datang dari luar
statistik, yaitu dapat berasal dari teori atau lainnya” (Gujarati,2008).
Regresi digunakan untuk menentukan sifat – sifat dan kekuatan hubungan
antara dua variabel serta memprediksi nilai dari suatu variabel yang belum
diketahui dengan didasarkan pada observasi masa lalu terhadap variabel
tersebut dan variabel-variabel lainnya. Selanjutnya dalam regresi kita akan
mengembangkan persamaan estimasi (estimating equation), yaitu rumus
matematika yang menghubungkan variabel-variabel yang diketahui dengan
variabel-variabel yang tidak diketahui. Setelah dipelajari pola hubungannya,
kemudian kita dapat mengaplikasikan analisis korelasi (correlation analysis)
untuk menentukan tingkatan dimana variabel – variabel tersebut berhubungan.
Kesimpulannya, analisis korelasi mengungkapkan seberapa benar persamaan
estimasi sebenarnya menggambarkan hubungan tersebut. Kita sering
menemukan hubungan sebab akibat antar variabel – variabel; yaitu variabel

7
 8

bebas ‘menyebabkan’ variabel tergantung berubah. Sekalipun demikian

mereka melanjutkan bahwa: “penting untuk kita perhatikan bahwa yang kita
anggap hubungan (relationship) yang diketemukan melalui regresi sebagai
hubungan asosiasi (relationship of association) tetapi tidak selalu harus sebab
dan akibat (cause and effect). Kecuali kita mempunyai alasan – alasan khusus
untuk percaya bahwa (perubahan pada) nilai – nilai variabel tergantung
disebabkan oleh nilai – nilai variabel (variabel) bebas; jangan menyimpulkan
(infer) hubungan sebab akibat dari hubungan yang diketemukan dalam regresi
(Levin & Rubin, 1998).
Sir Francis Galton (1822 – 1911), memperkenalkan model peramalan,
penaksiran, atau pendugaan, yang selanjutnya dinamakan regresi, sehubungan
dengan penelitiannya terhadap tinggi badan manusia. Penelitian tersebut
membandingkan antara tinggi anak laki-laki dan tinggi badan ayahnya. Galton
menunjukkan bahwa tinggi badan anak laki-laki dari ayah yang tinggi setelah
beberapa generasi cenderung mundur (regressed) mendekati nilai tengah
populasi. Dengan kata lain, anak laki-laki dari ayah yang badannya sangat
tinggi cederung lebih pendek dari pada ayahnya, sedangkan anak laki-laki dari
ayah yang badannya sangat pendek cenderung lebih tinggi dari ayahnya.
(Ronal E. Walpole). Analisis regresi digunakan untuk menentukan bentuk
(dari) hubungan antar variabel. Tujuan utama dalam penggunaan analisis ini
adalah untuk meramalkan atau menduga nilai dari satu variabel dalam
hubungannya dengan variabel yang lain yang diketahui melalui persamaan
garis regresinya.
Dalam melakukan analisis regresi, sebagian besar mahasiswa biasanya
tidak melakukan pengamatan populasi secara langsung. Hal itu dilakukan
selain pertimbangan waktu, tenaga, juga berdasarkan pertimbangan biaya yang
relatif besar jika melakukan pengamatan terhadap populasi. Dalam hal ini,
lazimnya digunakan persamaan regresi linier sederhana sampel sebagai
penduga persamaan regresi linier sederhana populasi dengan bentuk
persamaan seperti berikut : y = a + bX. Dan karena antara Y dan X memiliki
hubungan, maka nilai X dapat digunakan untuk menduga atau meramal nilai
 9

Y. X dinamakan variabel bebas karena variabel ini nilai-nilainya tidak

bergantung pada variabel lain. Dan Y disebut variabel terikat juga karena
variabel yang nilai-nilainya bergantung pada variabel lain. Hubungan antar
variabel yang akan dipelajari disini hanyalah hubungan linier sederhana, yakni
hubungan yang hanya melibatkan dua variabel (X dan Y) dan berpangkat satu.
Hubungan antar variabel dapat berupa hubungan linier ataupun hubungan
tidak linier. Misalnya, berat badan orang dewasa sampai pada tahapraf tertentu
bergantung pada tinggi badan, keliling lingkaran bergantung pada
diameternya, dan tekanan gas bergantung pada suhu dan volumenya.
Hubungan-hubungan itu bila dinyatakan dalam bentuk matematis akan
memberikan persamaan-persamaan tertentu. Untuk dua variabel, hubungan
liniernya dapat dinyatakan dalam bentuk persamaan linier, yakni: Y = a + bX.
Hubungan antara dua variabel pada persamaan linier jika digambarkan secara
(scatter diagram), semua nilai Y dan X akan berada pada suatu garis lurus.
Dan dalam ilmu ekonomi, garis itu dinamakan garis regresi. (Iqbal Hasan,
2002).

B. Soal
Analisislah regresi dengan menggunakan program E-View, apakah ada
hubungan antara belanja konsumsi (Y) dengan pendapatan (X) dan apakah
pendapatan mempengaruhi belanja konsumsi, uraikan hasil analisis secara
lengkap.
Tabel 2.1 Hasil pendapatan dan belanja konsumsi
Tahun Y (Belanja X
Konsumsi) (Pendapatan)
1960 1,3 6,2
1961 1,2 7,8
1962 1,4 5,8
1963 1,4 5,7
1964 1,5 5
1965 1,9 4
1966 2,6 3,2
1967 2,3 3,6
1968 2,5 3,3
 10

1969 2,7 3,3

1970 2,1 5,6
1971 1,8 6,8
1972 2,2 5,6

Dari data yang diatas tentukan hipotesis, kemudian mencari Uji t atau
probabilitas, koofisien determinasi, persamaan, dan juga Grafik.

C. Langkah Kerja
1. Membuka aplikasi E-View, kemudian memilih create a new EViews
workfile.

2. Kemudian memilih frequency dengan Annual dan mengisi start date dan
end date disesuaikan dengan tahun yang akan di analisis kemudian OK

3. Memilih file kemudian import dan memilih import from file maka
memasukkan data yang akan di analisis yang telah disimpan sebelumnya.
 11

4. Mengeklik pada costom range, dan kemudian mengeklik tanda panah

kekanan satu kali pada start cell. Kemudian next dan pada colum info
pada bagian Data type memilih Number, kemudian klik Next kemudian
pada kolom start date diisi dengan tahun pertama yang akan di analisis
disini 1960 dan finish
 12

5. Memilih option Quick kemudian memilih Estimate Equation, dan

selanjutnya memasukkan rumus dengan y c x dan OK

6. Akan dihasilkan output

7. Untuk melihat persamaan maka setelah output sudah muncul, memilih
option view dan memilih representation

8. Kemudian untuk melihat grafik, mengeklik Quick kemudian Graph.

Setelah itu, mengisi kolom dengan huruf y dan x kemudian OK dan
memilih line and symbol dan OK maka akan ada output grafik
13
 14

D. Hasil dan Output

E. Interpretasi
1. Hipotesis
Ho : b = 0 , artinya bahwa variabel (X) pendapatan tidak mempengaruhi
besaran dari variabel (Y) belanja konsumsi.
Ha : b ≠ 0, artinya bahwa variabel (X) pendapatan mempengaruhi besaran
dari variabel (Y) belanja konsumsi.
2. Uji t / probabilitas
Berdasarkan perhitungan dengan menggunakan aplikasi EView
didapatkan hasil probabilitas sebesar 0,0008. Hasil probabilitas tersebut
lebih kecil dari besaran alfa yang digunakan yaitu 0,05. Sehingga saat
 15

probabilitas lebih kecil dari alfa maka artinya Ho ditolak dan Ha diterima.
Sesuai dengan hipotesis Ha, diterima berarti pendapatan akan
mempengaruhi besaran belanja konsumsi.

3. Koofisien Determinasi
Berdasarkan hasil dari perhitungan EView didapatkan Adjusted R-
squared sebesar 0,621627 atau sebesar 62, 1627 % . Hal tersebut dapat
diartikan bahwa variabel X atau pendapatan mempengaruhi variabel Y
atau belanja konsumsi sebesar 62,1627%. Sedangkan sisanya sebesar
37,8373% dipengaruhi oleh faktor-faktor lain diluar model.

4. Persamaan
Berdasarkan hasil output EView didapatkan persmaan regresi
sebagai berikut
Y = 3,3662579739 – 0, 286211739919*X + e.
Dari persamaan tersebut kita dapat menyimpulkan bahwa, setiap
adanya kenaikan satu satuan (X) pendapatan maka (Y) belanja konsumsi
akan mengalami penurunan sebesar 0, 286211739919 satuan.
 16

5. Grafik

Berdasarkan grafik diatas, pada garis berwarna merah merupakan

garis variabel (X) pendapatan dan garais berwarna biru adalah garis
variabel (Y) belanja konsumsi. Dapat dilihat bahwa setiap variabel (X)
pendapatan mengalami kenaikan maka variabel (Y) belanja konsumsi
justru akan mengalami penurunan. Begitu juga sebaliknya saat variabel
(X) pendapatan mengalami penurunan maka variabel (Y) belanja
konsumsi justru akan terjadi kenaikan.
 17

http://www.jonathansarwono.info/regresi/regresi.htm “mengenal apa itu analisis

regresi”
M. Iqbal Hasan, Ir. M.M., Pokok-pokok Materi Statistik 2, Statistik Inferensif, Edisi kedua,
Penerbit Bumu Aksara, Jakarta, 2002.