C.

Regresi Linear dalam Decline Curve

Metode regresi linier adalah salah satu metode untuk memperkirakan produks gas yang
memiliki beberapa keunggulan. Diantaranya adalah metode ini relatif praktis hanya
menggunakan persamaan regresi linier yang relatif sederhana dan dalam proses seleksi data
produksi juga menggunakan teknik regresi linier sehingga dapat digunakan oleh orang awan
sekalipun.
Analisa regresi linier merupakan analisa hubungan antara dua variable atau lebih. Di
sini kita memiliki tiga jenis variable yang akan di lihat hubungan antara masing-masing
variable dengan mengkorelasikannya dengan jenis-jenis decline curve sehingga bisa di dapat
persamaan untuk masing-masing jenis decline curve.
Menurut Andi Supangat (2007) persamaan regresi linier merupakan model hubungan
antara variabel tidak bebas (y) dan variabel bebas (x), dengan bentuk umum persamaan
adalah: y = a + bx, dimana:
a = intercept (konstanta), nilai y taksiran saat x = 0
b = koefisien regresi, menunjukkan besarnya perubahan unit akibat adanya perubahan tiap
satu unit x
Nilai a dan b dapat ditentukan dengan persamaan:

n = jumlah data
Dalam persamaan regresi terdapat beberapa istilah:
1. Koefisien Korelasi (R)
Koefisien korelasi merupakan tingkat hubungan antara dua variabel atau lebih.
Rentang nilai R adalah -1 ≤ R ≤ 1. Jika nilai R = 1 atau R = -1 dapat dikatakan memiliki
korelasi sempurna yaitu setiap nilai varibel bebas x akan terdapat pada setiap nilai
variabel tidak bebas y. Jika nilai R negatif dapat dikatakan memiliki korelasi negatif
yaitu perubahan variabel bebas x diikuti oleh perubahan variabel tidak bebas y secara
berlawanan. Jika nilai R positif dapat dikatakan memiliki korelasi positif yaitu perubahan
variabel bebas x diikuti oleh perubahan variabel tidak bebas y secara searah. R dapat
dirumuskan dengan:
2. Koefisien Determinasi (R2)
Menurut Agus Irianto (2004) koefisien determinasi (R2) merupakan nilai sejauh
mana hubungan antara variabel terikat dengan variable bebas tersebut. Apabila nilai R2 =
0,90 artinya bahwa 90% variabel terikat berhubungan langsung dengan variabel bebas,
sedangkan 10% lainnya dipengaruhi oleh faktor yang lainnya.
3. Standar Deviasi (SD)
Standar deviasi adalah besarnya penyimpangan hasil model matematika terhadap
nilai yang sebenarnya. Suatu model matematika akan mempunyai validitas yang tinggi,
apabila nilai SD sangat kecil. SD dirumuskan dengan:

Atau
Yakt−Yreg
SD = | | x 100%
Yakt

dimana :
e = nilai Y pendugaan (regresi)
ē = nilai Y pengamatan
Yakt = nilai variabel terikat Y aktual
Yreg = nilai variabel terikat Y hasil regresi linear
4. Standar Deviasi Rata-rata (SDavg)
Deviasi rata-rata adalah rata-rata hitung dari nilai mutlak deviasi antara nilai data
pengamatan dengan rata-rata hitungnya. SDavg dirumuskan dengan:
∑ SD
SDavg = N