1
Robert Kurniawan dan Budi Yuniarto, “Analisis Regresi”, (Jakarta: Kencana, 2016), hal. 43-44
Analisis regresi merupakan salah satu teknik analisis data dalam statistika
yang seringkali digunakan untuk mengkaji hubungan antara beberapa variabel dan
meramal suatu variabel dalam mengkaji hubungan antara beberapa variabel
menggunakan analisis regresi, terlebih dahulu peneliti menentukan satu variabel yang
disebut dengan variabel tidak bebas dan satu atau lebih variabel bebas. Jika ingin
dikaji hubungan atau pengaruh satu variabel bebas terhadap variabel tidak bebas,
maka model regresi yang digunakan adalah model regresi linier sederhana. Kemudian
Jika ingin dikaji hubungan atau pengaruh dua atau lebih variabel bebas terhadap
variabel tidak bebas, maka model regresi yang digunakan adalah model regresi linier
berganda (multiple linear regression model). Kemudian untuk mendapatkan model
regresi linier sederhana maupun model regresi linier berganda dapat diperoleh dengan
melakukan estimasi terhadap parameter-parameternya menggunakan metode tertentu.
Adapun metode yang dapat digunakan untuk mengestimasi parameter model regresi
linier sederhana maupun model regresi linier berganda melalui metode kuadrat
terkecil (ordinary least square/OLS) dan metode kemungkinan maksimum2.
a. Regresi Populasi
Perhatian utama regresi pada dasarnya adalah menjelaskan dan mengevaluasi
hubungan antara suatu variabel dependen dengan satu atau lebih variabel independen.
Kita akan memberi ilustrasi tentang regresi sederhana yang terdiri hanya satu variabel
independen. Ada tiga jenis data yang dapat digunakan dalam ekonometrika salah
satunya adalah data antar ruang atau tempat (cross section). Misalnya kita
mempelajari permintaan barang. Berdasarkan teori ekonomi, permintaan barang
berhubungan terbalik dengan harganya. Artinya, jika harga naik maka jumlah
2
Dewi Laraswati dan Didik Purnomo, “Regresi Linear Dalam Penentuan Nilai Guna Langsung
Kawasan Sindang Gila Propinsi Ntb Dengan Metoda Tcm”, Jurnal Khatulistiwa Informatika, Vol.2 No.
2, 2014, hal. 127
permintaan barang akan menurun dan sebaliknya jika harga turun maka jumlah
permintaan barang akan menurun dan sebaliknya, jika harga turun maka jumlah
permintaanya akan meningkat dengan asumsi variabel selain harga tetap.
Kita asumsikan terdapat hubungan yang linier antara harga dan jumlah
permintaan. Hubungan keduanya tidak harus linier. Namun untuk penyederhanaan
kita asumsikan linier. Hubungan linier keduanya dapat kita tulis dalam persamaan
regresi sebagai berikut:
Yi = β0 + βi X i (2.1)
Dari garis lurus yang kita peroleh. gambar dari persamaan (2.1) disebut dengan garis
regresi populasi, lihat gambar 2.13
3
Ibid, hal. 16-17
b. Regresi Sampel
Perbedaan antara garis regresi populasi dan sampel dapat dilihat dalam
Gambar 2.2. Di dalam gambar 2.2 tersebut, untuk observasi i (Xi) nilai Y aktualnya
adalah Yi sedangkan nilai harapan regresi populasi adalah E(Yi). Perbedaan antara Yi
dengan E(Y) adalah gangguan (ei). Sedangkan nilai prediksi dari regresi sampel
adalah Y^ i dan perbedaan antara Yi dengan Y^ i disebut residual (^e i). Pada obervasi i
tersebut nilai predisksi regresi sampel terlalu tinggi terhadap nilai harapan E(Y)
regresi populasi. Dalam gambar tersebut semua titik disebelah kiri titik A
menghasilkan prediksi regresi sampel terlalu tinggi sedangkan pada sebelah kanan A
akan menghasilkan prediksi regresi sampel yang terlalu rendah dibandingkan dengan
regresi populasi.
Buat DaPustaka:
Kurniawan, Robert dan Budi Yuniarto. 2016. “Analisis Regresi”. Jakarta: Kencana.
Laraswati Dewi dan Didik Purnomo. 2014. “Regresi Linear Dalam Penentuan Nilai
Guna Langsung Kawasan Sindang Gila Propinsi Ntb Dengan Metoda Tcm”,
Jurnal Khatulistiwa Informatika. Vol.2 No. 2, 127.