ANALISIS REGRESI

Jika kita mempunyai data yang terdiri atas dua atau lebih variable, adalah sewajarnya
untuk mencari suatu cara bagaimana variable-variabel itu berhubungan . hubungan yang didapat
umumnya dinyatakan dalam bentuk persamaan matematik yang menyatakan hubungan
fungsional antara variable-variabel. Studi yang menyangkut masalah ini dikenal dengan analisis
regresi

A. Hubungan Fungsional Antara Variabel

1. Persamaan Regresi Linier dari Y terhadap X
Persamaan regresi linier dari Y terhadap X dirumuskan :
Y =a+bX
Dimana :
Y = variable terikat
X = variable bebas
a = intersep
b = koefisien regresi/slop

Persamaan regresi linier di atas dapat pula ditulis dalam bentuk :

∑ xy
Y=
( )
∑ x2
x

2. Persamaan Regresi Linier dari X terhadap Y

Persamaan regresi linier dari X terhadap Y dirumuskan :
X =a+bY
Dimana :
X = variable terikat
Y = variable bebas
a = intersep
b = koefisien regresi
Persamaan regresi linier di atas dapat pula dituliskan dalam bentuk :
 ∑ xy
X=
( )
∑ y2
y

B. Metoda Tangan Bebas

Metoda ini adalah metoda kira-kira berdasarkan diagram pencar. Dengan memperhatikan
letak titik-titik dalam diagram, bentuk regresi dapat diperkirakan. Jika letak titik-titik tersebut
disekitar garis lurus, maka cukup beralasan untuk menduga regresi linier. Jika letak titik-titik
tersebut sekitar garis lengkung, maka diduga sebagai regresi nonlinier.

Gambar 1. Regresi linier

Regresi linier ditarik secocok mungkin dengan letak titik-titik, kemudian persamaannya
ditentukan dengan menggunakan dua titik yang dilaluinya.

Gambar 2 menunjukkan diagram pencar yang menunjukkan model lengkung. Regresi

dapat digambarkan apakah dengan parabola, pangkat tiga atau bentuk lain
 Gambar 2. Regresi nonlinier

C. Metoda Kuadrat Terkecil

Cara ini berasal pada kenyataan bahwa jumlah pangkat dua (kuadrat) daripada jarak
antara titik-titik denganan garis regresi yang sedang dicari harus sekecil mungkin.

Jadi untuk model regresi populasi :

Akan ditaksir harga 1 dan 2 oleh a dan b sehingga didapat regresi

Koefisien regresi a da b untuk regresi linier dapat ditulis dengan rumus :

Apabila yang dihitung terlebih dahulu adalah koefisien b, maka koefisien a dapat ditulis :

Dengan X́ dan Ý masing-masing rata-rata untuk variable X dan Y

D. REGRESI KUADRATIS ATAU REGRESI PARABOLA

Regresi kuadratis adalah regresi dengan variabel X ada yang berpangkat dua.
Bentuk regresi kuadratis adalah

Y = a + bX + cX2

Keterangan:
Y = variabel terikat
X = variabel bebas
a, b, c = konstanta
Nilai a, b, c dapat dicari dengan menggunakan persamaan normal (persamaan tiga
variabel), sebagai berikut :

Dalam bentuk diagram pencar digambarkan

 Diagram pencar regresi kuadratis

Contoh soal :

Diketahui data dari variabel X dan Y sebagai berikut :

a. Buatlah persamaan garis regresinya dengan bentuk kuadratis ( Y = a + bX + cX2)

b. Berapa nilai ramalan Y jika X = 4

Penyelesaian :

a. Persamaan regresi kuadratis

E. REGRESI EKSPONENSIAL ATAU LOGARITMA
Regresi eksponensial adalah regresi dengan variabel X berpangkat konstanta b atau
konstanta b berpangkat X . Bentuk umum regresi eksponensial adalah

Y = ab x

Keterangan:
Y = variabel terikat
X = variabel bebas
a, b = konstanta atau penduga

Untuk menentukan nilai a dan b , bentuk persamaan di atas harus

ditransformasikan menjadi bentuk persamaan linear dengan menggunakan logaritma
Dalam bentuk diagram pencar digambarkan sebagai berikut :

Diagram pencar regresi eksponensial

Contoh soal

Diketahui data dari variabel X dan Y sebagai berikut :

a. Buatlah persamaan regresi eksponensialnya

b. Berapa nilai ramalan Y jika x = 4 ?

Model Eksponensial

Persamaan :

Y^ = ab x
Apabila dibuat dalam bentuk persamaan linier maka persamaan diatas menjadi :

log Y^ = log a + ( log B ) X

Apabila :

Y^ ' = log Y^
a' = log a
b' = log b maka diperoleh model Y^ ' = a' + b' X
Dimana :

∑ log Yi − ( log b ) ∑ Xi
log a =
n ( )
n
n ( ∑ Xi log Yi ) − ( ∑ Xi ) (∑ log Yi )
log b = 2
n ∑ Xi 2 − ( ∑ Xi )