Konsep regresi

Regresi merupakan pengukur hubungan dua variabel atau lebih yang

dinyatakan dengan bentuk hubungan atau fungsi. diperlukan pemisahan yang tegas
antara variabel bebas dan variabel terikat, biasanya disimbolkan dengan x dan y. pada
regresi harus ada variabel yang ditentukandan variabel yang menentukan atau dengan
kata lain, adanya ketergantungan antara variabel yang satu dan variabel lainya. kedua
variabel dalam regresi biasanya bersifat kausal atau sebab akibat yaitu saling
berpengaruh. dengan demikian, regresi merupakan bentuk fungsi tertentu antara
variabel terikat Y dan variabel bebas X atau dapat dinyatakan bahwa regresi adalah
sebagai suatu fungsi y = f(x). bentuk regresi tergantung pada fungsi atau persamaan
yang dimilikinya.1
Perubahan nilai suatu variabel dapat disebabkan karena adanya perubahan
pada variabel-variabel lain yang mempengaruhinya. Analisis regresi (regression
analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan
persamaan tersebut untuk membuat perkiraan (prediction). Dengan demikian analisis
regresi sering disebut sebagai analisis prediksi. Karena merupakan prediksi, maka
nilai prediksi tidak selalu tepat dengan nilai riilnya, dimana semakin kecil tingkat
penyimpangann antar nilai prediksi dengan nilai riilnya, maka semakin tepat
persamaan regresi yang kita bentuk.
Regresi adalah sebuah alat statistik yang memberikan penjelasan tentang pola
hubungan (model) antara dua variabel atau lebih. Dalam analisis regresi dinenal
dengan dua variabel yaitu :
1. Variabel Respon / Variabel dependen, yaitu variabel yang keberadaanya
dipengaruhi oleh variabel lainnya dan dinotasikan dengan variabel Y.
2. Variabel Prediktor / Variabel Independen yaitu variabel yang bebas (tidak
dipengaruhi oleh variabel lainnya) dan dinotasikan dengan variabel X.

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)

dimana Yi = jumlah permintaan barang

Xi = harga barang
i = observasi ke 1, 2, 3, …., n1
Dalam persamaan (2.1) tersebut variabel Y yaitu jumlah permintaan barang
disebut variabel dependen sedangkan variabel X yaitu harga barang disebut variabel
independen. Persamaan (2.1) tersebut disebut pesamaan regresi populasi. Persamaan
tersebut menunjukkan nilai harapan jumlah permintaan barang. Nilai harapan tersebut
dapat dinyatakan dalam persamaan sebagai berikut:
E(Yi) = β0 + βi Xi (2.2)
Nilai harapan dapat diinterpretasikan sebagai rata – rata jumlah permintaan barang
pada harga tertentu.
Jumlah permintaan barang aktual tidak harus sama dengan nilai harapanya.
Ada banyak factor yang mempengaruhi jumlah permintaan barang selain harga . Oleh
karena itu, jumlah permintaan barang actual dapat ditulis sebagai berikut:
Yi = E(Yi) + ei (2.3)
Atau dapat dinyatakan dalam bentuk persamaan sebagai berikut:
Yi = β0 + βi Xi + ei (2.4)
Dimana ei adalah variabel gangguan atau kesalahan yang nilainya bisa positif atau
negatif.
 Variabel gangguan ini muncul karena hubungan variabel ekonomi adalah
hubungan yang acak atau random tidak seperti hubungan variabel dalam matematika
yang bersifat deterministik. Pada tingkat harga yang sama, jumlah barang yang dibeli
konsumen akan berbeda. Hal ini terjadi karena ada faktor selain harga yang juga bisa
mempengaruhi permintaan barang, misalnya selera konsumen. Dengan demikian,
variabel gangguan mencerminkan factor-faktor selain harga yang mempengaruhi
jumlah permintaan konsumen tetapi tidak dimasukan dalam persamaan. Oleh karena
itu, variabel dependen Y adalah variabel random atau stokastik yang besar kecilnya
tergantung dari variabel independen X. Variabel independen X adalah variabel tetap
atau nonstokastik. Sedangkan variabel gangguan e variabel random atau stokastik.
Secara umum variabel gangguan ini disebabkan oleh dua hal. Yang pertama,
variabel gangguan muncul karena model yang digunakan terlalu sederhana tidak
mencerminkan realitas. Misalnya dalam kasus permintaan barang diatas dimana kita
hanya memasukkan variabel harga saja sebagai satu-satunya factor yang
mempengaruhi jumlah permintaan barang. Sumber kedua munculnya variabel
gangguan berhubungan dengan perilaku variabel ekonomi yang mencerminkan
perilaku manusia. Misalnya jika variabel harga merupakan satu-satunya factor yang
mempengaruhi jumlah permintaan barang belum tentu tingkat jumlah permintaan
barang dari setiap konsumen akan sama dari waktu ke waktu.

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.