A. SEJARAH REGRESI
Istilah regresi pertama kali diperkenalkan oleh Sir Francis Galton pada tahun 1886.
Galton menemukan adanya tendensi bahwa orang tua yang memiliki tubuh tinggi memiliki
anak-anak yang tinggi, orang tua yang pendek memiliki anak-anak yang pendek pula.
Kendati demikian. Ia mengamati bahwa ada kecenderungan tinggi anak cenderung
bergerak menuju rata-rata tinggi populasi secara keseluruhan. Dengan kata lain, ketinggian
anak yang amat tinggi atau orang tua yang amat pendek cenderung bergerak kearah rata-
rata tinggi populasi. Inilah yang disebut hukum Golton mengenai regresi universal. Dalam
bahasa galton, ia menyebutkan sebagai regresi menuju mediokritas.
Hukum regresi semesta (law of universal regression) dari Galton diperkuat oleh
temannya Karl Pearson, yang mengumpulkan lebih dari seribu catatan tinggi anggota
kelompok keluarga. Ia menemukan bahwa rata-rata tinggi anak laki-laki kelompok ayah
(yang) pendek lebih besar dari pada tinggi ayah mereka, jadi
“mundurnya” (“regressing”) anak laki-laki yang tinggi maupun yang pendek serupa kea
rah rata-rata tinggi semua laki-laki. Dengan kata lain Galton, ini adalah “kemunduran
kearah sedang”.
Secara umum, analisis regresi pada dasarnya adalah studi mengenai ketergantungan
satu variabel dependen (terikat) dengan satu atau lebih variabel independent (variabel
penjelas/bebas), dengan tujuan untuk mengestimasi dan/ atau memprediksi rata-rata
populasi atau niiai rata-rata variabel dependen berdasarkan nilai variabe! independen yang
diketahui. Pusat perhatian adalah pada upaya menjelaskan dan mengevalusi hubungan
antara suatu variabel dengan satu atau lebih variabel independen.
Hasil analisis regresi adalah berupa koefisien regresi untuk masing-masing variable
independent. Koefisien ini diperoleh dengan cara memprediksi nilai variable dependen
dengan suatu persamaan.
Analisis regresi merupakan alat analisis staistik yang memanfaatkan hubungan antara
dua variabel atau lebih. Tujuannya adalah untuk membuat perkiraan (prediksi) yang dapat
dipercaya untuk nilai suatu variabel (biasa disebut variabel terikat atau variabel dependent
atau variabel respons), jika nilai variabel lain yang berhubungan dengannya diketahui
(biasa disebut variabel bebas atau variabel independent atau variabel prediktor).
Analisis regresi pertama kali dikenalkan sebagai metode analisis statistik pada tahun
1877 oleh Sir Francis Galton (1822-1911) yang meneliti tentang hubungan antara tinggi
badan orang tua (ayah) dengan anaknya. Beliau mengungkapkan bahwa terdapat
kecenderungan orang tua yang tinggi badannya akan memiliki anak yang tinggi pula atau
sebaliknya orang tua yang pendek badannya akan memiliki anak yang pendek pula, tetapi
distribusi (penyebaran) rata-rata tinggi badan dari generasi kegenerasi adalah tetap.
Selanjutnya hasil analisis Galton disempurnakan oleh Karl Pearson dengan
mengambil sampel lebih dari 1000 pengamatan. Pearson menemukan bahwa untuk
kelompok anak yang tinggi dan kelompok orang tua yang tinggi, ternyata tinggi badan
anak lebih pendek dari ayahnya. Sedangkan dari kelompok ayah dan anak yang lebih
pendek, ternyata tinggi badan anaknya lebih tinggi dari ayahnya. Peristiwa yang berbalikan
inilah disebut merosot (to regres).
B. KONSEP REGRESI
Setiap analisis regresi pasti ada korelasinya, tetapi analisis korelasi belum tentu
dilanjutkan dengan analisis regresi. Analisis korelasi yang dilanjutkan dengan analisis
regresi yaitu apabila korelasi mempunyai hubungan kausal (sebab – akibat) atau hubungan
fungsional. Untuk menetapkan dua variable mempunyai hubungan kausal atau tidak, harus
didasarkan pada teori atau konsep-konsep tentang dua variable tersebut.
C. KEGUNAAN REGRESI
Kegunaan dari analisis regresi adalah :
1. Analisis regresi digunakan untuk mengetahui bagaimana pola variable dependent
2. Untuk memperoleh suatu persamaan garis yang menunjukkan persamaan hubungan
antara dua variabel. Persamaan garis yang diperoleh disebut persamaan regresi.
3. Untuk mengetahui besarnya pengaruh perubahan tiap unit variabel bebas terhadap
perubahan variabel terikatnya. Pengaruh perubahan tiap unit variabel bebas ditunjukkan
oleh nilai koefisien regresinya.
4. Untuk menaksir nilai variabel terikat (Y) berdasarkan variabel bebas (X) yang nilainya
telah diketahui. Penaksiran disini bersifat deterministik (pasti) atau non-stokastik,
maksudnya penaksiran atau pendugaan yang dilakukan mengabaikan faktor
ketidakpastian.
D. REGRESI LINIER SEDERHANA
Analisis regresi sederhana hanya terdiri atas satu variabel bebas (peubah
penjelas/eksplanatori/prediktor) X dan satu variabel terikat (respon) Y dengan hubungan
linier. Kedua variabel ini merupakan variabel kuantitatif, khusus untuk Y harus dengan
skala interval atau rasio. Dengan visualisasi secara geometris dapat ditafsirkan bahwa
dengan analisis regresi kita ingin menduga garis populasi yang sesungguhnya tidak pernah
diketahui (garis lurus putus-putus) berdasarkan sampel pasangan data pada sampel.
Persoalanvini merupakan persoalan estimasi uji inferensi daam regresi. Garis regresi
penduga ini dapat dipergunakan untuk meramal (prediksi) rentang rata-rata nilai Y pada
saat nilai X diketahui, demikian juga rentang nilai-nilai Y pada saat nilai tertentu dari X .
Keterangan :
𝑟 = koefisien korelasi product moment antara variable X dan variable Y.
𝑆𝑌 = simpangan baku variable Y
𝑆𝑌 = simpangan baku variable X
Harga a dan b dapat pula ditentukan dengan rumus :
𝑛 ∑ 𝑋𝑌 − ∑ 𝑋. ∑ 𝑌
𝑏=
𝑛 ∑ 𝑋 2 − (∑ 𝑋)2
∑ 𝑌 ∑ 𝑋 2 − ∑ 𝑋 . ∑ 𝑋𝑌
𝑎=
𝑛 ∑ 𝑋 2 − (∑ 𝑋)2
Berdasarkan nilai a dan b tersebut, selanjutnya dapat diketahui model persamaan
̂ = a + bx
regresi linier 𝒀
1. Pengujian keberartian koefisien regresi linier sederhana dengan Uji-F
Hipotesis yang diuji untuk menguji keberartian koefisien regresi linier yaitu :
H0 : 𝛽 = 0 (koefisien regresi tidak berarti/tidak nyata)
H1 : 𝛽 ≠ 0 (koefisien regresi berarti/nyata)
Untuk pengujian hipotesis ini menggunakan Uji-F dengan Rumus :
2
𝑅𝐽𝐾𝑅𝑒𝑔(𝑏⁄𝑎) 𝑆𝑅𝑒𝑔(𝑏 ⁄𝑎)
𝐹ℎ = = 2
𝑅𝐽𝐾𝑅𝑒𝑠 𝑆𝑅𝑒𝑠
𝑅𝐽𝐾𝑅𝑒𝑔(𝑏⁄𝑎) = rerata jumlah kuadrat regresi b/a (varians regresi b/a)
𝑅𝐽𝐾𝑅𝑒𝑠 = rerata jumlah kuadrat residu/sisa (varians residu/sisa)
Kriteria pengujian :
Terima H0 jika Fh < Ftabel dan
Terima H0 jika Fh < Ftabel
Ftabel ditentukan dari tebel distribusi F untuk 𝛼 tertentu serta dk pembilang k = 1 dan
dk penyebut = n – 2 (k = banyaknya variable independent).
Untuk memudahkan perhitungan Fh, disajikan dalam table ringkasan ANAVA seperti
berikut :
Tebel 1. Ringkasan ANAVA Regresi Linier Sederhana
Rerata
Sumber Jumlah
Jumlah
Varians dk Kuadrat Fhitung Ftabel
Kuadrat
(SV) (JK)
(RJK)
Total n ∑ 𝑌2 - - -
𝑆2
𝑆𝑏 = √∑(𝑋 𝑦.𝑥 atau dengan rumus :
−𝑋̅)2
𝑖
𝑛−1
𝑆𝑒2 = 𝑆𝑦.𝑥
2
= (𝑛−2) (𝑆𝑦2 − 𝑏 2 𝑆𝑥2 )
𝑒 𝑆2
𝑆𝑏 = √∑(𝑋 −𝑋̅ )2
𝑖
d. Menentukan harga ttabel, yaitu didapat dari membaca table distribusi-t untuk taraf
signifikansi (𝛼 tertentu) dan dk = n – k – 1. Dalam hal ini n = banyaknya pasang
data (sampai unit analisis) dan k = banyaknya variable bebas.
e. Pengujian hipotesis
Pengujian hipotesis dilakukan dengan kriteria :
- Terima H0 jika |𝑡ℎ | < 𝑡𝑡 dan
- Tolak H0 jika |𝑡ℎ | > 𝑡𝑡
f. Pengujian keberartian konstanta regresi (a)
Selain digunakan untuk pengujian keberartian koefisien regresi, Uji-t juga dapat
digunakan untuk menguji keberartian konstanta regresi. Langkah-langkah
pengujian konstanta regresi secara prinsip hamper sama dengan pengujian koefisien
regresi, hanya bedanya yaitu pada : 1) rumusan hipotesis, dan 2) rumus menentukan
simpangan baku konstanta.
1. Hipotesis yang dapat diuji yaitu :
H0 : a = 0 (koefisien regresi tidak berarti/tidak nyata)
H1 : 𝑎 ≠ 0 (koefisien regresi berarti/nyata)
2. Simpangan baku kostanta dihitung dengan rumus :
2
1 𝑋̅ 2
𝑆𝑎 = √𝑆𝑒 ( + )
𝑛 ∑(𝑋𝑖 − 𝑋̅)2
Atau, jika hipotesis menduka misalkan konstanta regresi adalah p%, maka
thitung ditentukan dengan rumus :
𝒃−𝒑
𝒕𝒉 = 𝑆𝑎
4. Menentukan harga ttabel, yaitu didapat dari membaca table distribusi-t untuk
taraf signifikansi (𝛼 tertentu) dan dk = n – k – 1. Dalam hal ini n = banyaknya
pasang data (sampai unit analisis) dan k = banyaknya variable bebas.
5. Pengujian hipotesis
Pengujian hipotesis dilakukan dengan kriteria :
- Terima H0 jika |𝑡ℎ | < 𝑡𝑡 dan
- Tolak H0 jika |𝑡ℎ | > 𝑡𝑡
Data berikut adalah data kenaikan biaya promosi penjualan (sales Promotion) Selama 1
tahun dan kenaikna hasil Penjualan selama 1 tahun dalam persen.
X 1 2 4 6 7
Y 3 5 7 8 10
X = % kenaikan biaya promosi penjualan (sales promotion) selama 1 tahun.
(∑ 𝑿𝟏 ) (∑ 𝒀)
d. ∑ 𝒙𝟏 𝒚 = ∑ 𝑿𝟏 𝒀 − 𝒏
(∑ 𝑿𝟏 ) (∑ 𝒀)
e. ∑ 𝒙𝟐 𝒚 = ∑ 𝑿𝟐 𝒀 − 𝒏
(∑ 𝑿𝟏 ) (∑ 𝑿𝟐 )
f. ∑ 𝒙𝟏 𝒙𝟐 = ∑ 𝑿𝟏 𝑿𝟐 − 𝒏
𝑱𝑲
b. 𝑹𝑱𝑲𝑹𝒆𝒔 = 𝒅𝒌𝑹𝒆𝒔
𝑹𝒆𝒔
8. Menentukan harga Ftabel dan menguji hipotesi penelitian, hipotesis yang di uji yaitu:
H0 : Regresi ganda Y atas X1 dan X2 tidak berarti/tidak nyata (tidak signifikan)
H1 : Regresi ganda Y atas X1 dan X2 berarti/nyata (signifikan)
Atau secara statistic ditulis :
H0 : 𝛽 1 = 𝛽 2 = 0
H1 : selain H0
Hipotesis tersebut diuji menggunakan Uji-F dengan kriteria pengujian :
Terima H0 jika Fh < Ft , dan
Tolak H0 jika Fh > Ft
Ftabel ditentukan dari table distribusi F untuk 𝛼 tertentu (missal 𝛼 = 0,05) serta dkpembilang
= k dan dkpenyebut = n – k – 1.
9. Selanjutnya dilakukan uji lanjut untuk menguji keberartian pengaruh setiap variable
bebas (predictor) secara parsial/sendiri-sendiri.
Dalam regresi ganda dengan dua variable bebas, maka uji lanjut ini dilakukan untuk
menguji :
a. Pengaruh X1 terhadap Y, dengan mengendalikan X2
b. Pengaruh X2 terhadap Y, dengan mengendalikan X1
Pengujian hipotesis uji lanjut ini dilakukan dengan Uji-t, baik uji dua pihak, uji satu
pihak kanan, maupun uji satu pihak kiri.
Hipotesis yang di uji untuj dua pihak yaitu :
H0 : 𝛽 i = 0
H1 : 𝛽 i ≠ 0 ; i = 1, 2, 3, …, k
Uji hipotesis satu pihak kanan
H0 : 𝛽 i ≤ 0
H1 : 𝛽 i > 0 ; i = 1, 2, 3, …, k
Uji hipotesis satu pihak kiri
H0 : 𝛽 i ≥ 0
H1 : 𝛽 i < 0 ; i = 1, 2, 3, …, k
Langkah-langkah pengujiannya yaitu :
𝑏1 (∑ 𝑥1 𝑦) + 𝑏2 (∑ 𝑥2 𝑦)
𝑅=√
∑ 𝑦2
𝑆𝑒2 𝑆𝑒2
𝑆𝑏𝑖 = √ 2 atau rumus : 𝑆𝑏𝑖 = √ 2 atau rumus lain :
̅̅̅𝑖 ) )(1−𝑅𝑖2 )
(∑(𝑋𝑖𝑗 −𝑋 (∑ 𝑥𝑖𝑗 )(1−𝑅𝑖2 )
8. Menentukan harga 𝐹ℎ :
𝑅𝐽𝐾𝑅𝑒 𝑔 (𝐽𝐾𝑅𝑒 𝑔 )/𝑘
𝐹ℎ = =
𝑅𝐽𝐾𝑅𝑒 𝑠 (𝐽𝐾𝑅𝑒 𝑠 )/(𝑛−𝑘−1)
DAFTAR PUSTAKA
Dr. Supardi U.S, M.M., M.Pd dalam buku “Aplikasi Statistika dalam Penelitian”
Edisi Revisi Tahun 2013.
Akbar, Purnomo Setiady dan Husaini Usman. 2006. Pengantar Statistika Edisi
Kedua. Jakarta : PT Bumi Aksara
Akdon dan Riduwan .2013. Rumus dan Data dalam Analisis Statistika. Bandung
: Alfabeta.
Hamid, H.M. Akib dan Nar Herrhyanto. 2008. Statistika Dasar. Jakarta :
Universita Terbuka.
Supranto. 2009. Statistik Teori dan Aplikasi Edisi Ketujuh. Jakarta : Erlangga