SIFAT-SIFAT

ANALISIS REGRESI

PowerPoint® Slides
by Yana Rohmana
Education University of Indonesian

© 2007 Laboratorium Ekonomi & Koperasi Publishing Jl. Dr. Setiabudi 229 Bandung, Telp. 022 2013163 - 2523
 Hal-hal yang akan dipelajari:
 Asal mula istilah regresi
 Interpretasi modern tentang regresi
 Perbedaan antara ketergantungan secara
statistik dan fungsional
 Regresi Hubungan hubungan sebab akibat
dan korelasi
 Konsep tentang Fungsi Regresi Populasi
(FRP), arti linier, dan kesalahan pengganggu
 Fungsi Regresi Sampel (FRS)

Chapter 2 Sifat - sifat Analisis Regresi

 Asal Mula Istilah Regresi
 Istilah regresi diperkenalkan oleh seseorang yang
bernama Francis Galton.
 Menurut hasil penelitian Francis Galton, meskipun ada
kecenderungan bagi para orang tua yang tinggi
mempunyai anak yang tinggi dan orang tua yang pendek
mempunyai anak yang pendek, distribusi mengenai tinggi
dari suatu populasi tidak berubah dari generasi ke
generasi.
 Penemuan itu ditulis dalam artikel berjudul Family
Likeness in Stature (Proceedings of Royal Society, London,
vol. 40, 1886).
 Menurut penjelasannya, ada suatu kecenderungan untuk
rata-rata anak dari orang tua dengan tinggi tertentu
bergerak menuju nilai rata-rata dari seluruh populasi.
 Hukum regresi yang universal dari Galton telah
dibuktikan oleh kawannya yang bernama Karl Pearson,
dengan jalan mengumpulkan lebih dari seribu catatan
mengenai tinggi dari para anggota kelompok keluarga.
3

Chapter 2 Sifat - sifat Analisis Regresi

 Asal Mula Istilah Regresi
 Karl Pearson menemukan bahwa rata-rata tinggi
anak dari kelompok orang tua yang tinggi ternyata
lebih kecil dari tinggi ayahnya, dan rata-rata tinggi
anak dari kelompok orang tua yang pendek
ternyata lebih besar daripada tinggi ayah, jadi
seolah-olah semua anak yang tinggi dan yang
pendek bergerak menuju ke rata-rata tinggi dari
seluruh orang laki-laki.
 Menurut istilah Galton: regression to mediocrity.
Dari uraian diatas, bisa disimpulkan bahwa pada
umumnya tinggi anak mengikuti tinggi orang tua.

Chapter 2 Sifat - sifat Analisis Regresi

 Interpretasi Modern Tentang Regresi
 Dari buku Basic Econometrics karangan Damodar
Gujarati, disebutkan bahwa interpretasi modern
tentang regresi adalah sebagai berikut.
 “Analisis regresi berkenaan dengan studi
ketergantungan dari satu variabel yang disebut variabel
tidak bebas (dependent variable), pada satu atau lebih
variabel, yaitu variabel yang menerangkan, dengan
tujuan untuk memperkirakan dan atau meramalkan
nilai rata-rata dari variabel tidak bebas apabila nilai
variabel yang menerangkan sudah diketahui. Variabel
yang menerangkan sering disebut variabel bebas
(independent variable) atau explanatory variables.”
 Nilai perkiraan untuk waktu yang akan datang dari
variabel sosial dan ekonomi disebut ramalan, sangat
berguna untuk dasar perencanaan. 5

Chapter 2 Sifat - sifat Analisis Regresi

 Interpretasi Modern Tentang Regresi
 Contoh-contoh penggunaan garis regresi antara lain
sebagai berikut.
 Garis regresi tinggi badan anak (Y) terhadap umur anak
(X) dapat dipergunakan untuk memperkirakan rata-rata
tinggi anak kalau umurnya sudah diketahui.
 Seorang ahli perencanaan ekonomi akan meramalkan
konsumsi (Y) setelah pendapatan (X) diketahui dengan
regresi.
 Seorang ahli moneter/perbankan akan meramalkan
tingkat harga (Y) setelah jumlah uang beredar (X)
diketahui.
 Seorang ahli ekonomi ingin meramalkan besarnya
permintaan suatu jenis barang (Y) dengan
menggunakan regresi, setelah besarnya harga barang
tersebut ditentukan (X). 6

Chapter 2 Sifat - sifat Analisis Regresi

 Perbedaan Antara Ketergantungan Secara
Statistik dan Fungsional
 Regresi yang kita pergunakan berkenaan dengan
ketergantungan statistik (statistical dependent), bukan
ketergantungan fungsional secara deterministik, seperti
halnya dalam ilmu alam (fisika).
 Hubungan antarvariabel secara statistik berkenaan
dengan variabel yang acak atau variabel yang stokastik
(random or stochastic variables), yaitu variabel yang
mempunyai distribusi probabilitas (probability
distribution).
 Di dalam hubungan fungsional (functional relationship),
variabelnya tidak acak (nonrandom).
 Jumlah produksi padi (Y) tidak hanya dipengaruhi oleh
jumlah pupuk (X1), tetapi dipengaruhi juga oleh faktor-
faktor lainnya, seperti tersedianya bibit (X2), luas
sawah yang ditanami (X3), curah hujan (X4), jumlah
petani yang menanam padi (X5), tingkat kesuburan
tanah (X6) dan masih ada faktor-faktor lainnya lagi.
7

Chapter 2 Sifat - sifat Analisis Regresi

 Perbedaan Antara Ketergantungan Secara
Statistik dan Fungsional
 Menggunakan garis regresi setelah nilai X
diketahui, tidak tepat 100%.
 Ketidaktepatan ramalan nilai Y dengan
menggunakan regresi disebabkan adanya berbagai
kesalahan (error), antara lain sebagai berikut.
1. Kesalahan dalam mengukur variabel
2. Kesalahan karena tidak semua variabel yang
mempengaruhi Y dimasukkan dalam persamaan
regresi.
3. Kesalahan karena fungsi yang dipakai tidak cocok
(fit), misalnya seharusnya fungsi parabola, tetapi
yang dipergunakan fungsi linear.
4. Juga karena asumsi-asumsi yang dipergunakan
tidak benar.
8

Chapter 2 Sifat - sifat Analisis Regresi

 Perbedaan Antara Ketergantungan Secara
Statistik dan Fungsional
 Hubungan fungsional yang deterministik sifatnya
tidak memperhitungkan adanya kesalahan, seolah-
olah hubungan itu pasti. Kalau X sudah diketahui,
pasti nilai Y dapat diramalkan dengan tepat.
 Kita hanya membahas hubungan statistik, yaitu
hubungan yang memperhitungkan adanya
berbagai kesalahan, paling tidak kesalahan dalam
mengukur variabel (measurement’s error).
 Bentuk fungsi yang dipakai bukan Y = a + bX,
tetapi Y = a + bX + e, dimana e = kesalahan
pengganggu yang menyebabkan tidak tetapnya
ramalan nilai Y, setelah nilai X diketahui.

Chapter 2 Sifat - sifat Analisis Regresi

 Regresi Hubungan Sebab Akibat dan Korelasi

 Walaupun analisis regresi berkenaan dengan

ketergantungan suatu variabel terhadap variabel
lainnya, tidak harus diartikan sebagai hubungan sebab
dan akibat (causal relationship).
 Jadi hubungan statistik tidak merupakan hubungan
sebab dan akibat, bukan hubungan yang eksak (exact
relationship), Paling-paling kita bisa mengatakan kalau
X sekian, maka dapat diharapkan bahwa rata-rata Y
akan mencapai sekian.
 Analisis korelasi bertujuan untuk mengukur
kuatnya tingkat hubungan linear antara dua
variabel. Untuk mengukur kuatnya hubungan
(korelasi), antara dua variabel X diberi simbol rxy atau r
saja. Nilai ini letaknya antara –1 dan 1. 10

Chapter 2 Sifat - sifat Analisis Regresi

 Regresi Hubungan Sebab Akibat dan Korelasi
Y
Y

Scattergram

Scattergram

… …
…… … … ……
… … …
… … … ……
…… … … … …
… … ……
…… … … …
…

X
X
Hubungan positif
Hubungan negatif

Y
Y

Scattergram

Scattergram

…..
……….
………….. …………………
…………………
……….. ……
…...
X
X
Tidak ada hubungan
Tidak ada hubungan (hubungan lemah)
(hubungan lemah)

11

Chapter 2 Sifat - sifat Analisis Regresi

 Rata-rata pengeluaran konsumsi bersyarat untuk
berbagai kelompok pendapatan

200
Konsumsi (ribuan Rp)

150

100

50
80 100 120 140 160 180 200 220 240 260

pendapatan (ribuan Rp) 12

Chapter 2 Sifat - sifat Analisis Regresi

 Garis Regresi Linier Sederhana

Y
Rata-rata bersyarat
E(Y/Xi)
Konsumsi (ribuan Rp)

149

101

65

80 140 220 X
pendapatan (ribuan Rp)
13

Chapter 2 Sifat - sifat Analisis Regresi

 Fungsi Regresi Populasi (FRP)

E(Y/Xi) = f (Xi) .................................... (2.1)

 Bahwa setiap rata-rata bersyarat E(Y/Xi)

merupakan fungsi Xi. E(Y/Xi) dibaca rata-rata
bersyarat Y untuk X = Xi
 Persamaan (2.1) menyatakan bahwa rata-rata
populasi dari distribusi Y untuk X = Xi
berhubungan secara fungsional dengan Xi, dengan
perkataan lain, fungsi itu menunjukkan bagaimana
rata-rata populasi Y berubah bersamaan dengan
berubahnya nilai variable X.

14

Chapter 2 Sifat - sifat Analisis Regresi

 Fungsi Regresi Populasi (FRP)

 sebagai suatu pegangan hipotesis dia menganggap

bahwa fungsi regresi populasi E(Y/Xi) merupakan
fungsi linear dari Xi, dengan bentuk persamaan
sebagai berikut:

E(Y/Xi) = A + B (Xi) ......................................... (2.2)

A = Intercept, yaitu jarak dari titik asal ke titik perpotongan antara garis
regresi dengan sumbu tegak.
B = koefisien arah (slope) atau koefisien regresi.
A sebetulnya merupakan nilai E(Y/Xi) kalau Xi = 0.
A dan B disebut koefisien sebenarnya atau parameter.
15

Chapter 2 Sifat - sifat Analisis Regresi

 Fungsi Regresi Sampel (FRS)

 Fungsi regresi populasi (FRP) merupakan fungsi

regresi sebenarnya, dalam praktiknya kita tidak
tahu, sebab kita hanya menyelidiki sampel, bukan
populasi.
 Jadi, yang kita peroleh adalah fungsi regresi
sampel (FRS) sebagai perkiraan fungsi regresi
populasi. FRS ini yang kita pergunakan untuk
meramalkan Y kalau variabel bebas sudah
diketahui.
 Seperti halnya untuk populasi ada fungsi regresi
E(Y/Xi), Yi = A + BXi, maka untuk sampel bentuk
fungsi regresinya sebagai berikut.

 i  a  b i
16

Chapter 2 Sifat - sifat Analisis Regresi

 Fungsi Regresi Sampel (FRS)

 Dibaca Y topi, sebagai perkiraan E(Y/Xi); a, b

perkiraan A, B. a dan b disebut estimator atau
statistic.
 Nilai dari a dan b disebut estimate atau nilai
perkiraan. Untuk selanjutnya, kata estimator kita
terjemahkan pemerkira, sedangkan estimate kita
terjemahkan perkiraan. Perkiraan sebagai nilai
tertentu dari pemerkira.

17

Chapter 2 Sifat - sifat Analisis Regresi

 Fungsi Regresi Sampel (FRS)

. FRS2
200
.
X sampel 1 (Tabel 2.3)
Sampel 2 (Tabel 2.4)
. .
Regresi 1
FRS1
Konsumsi (ribuan Rp)

150
.. . .
x
x
x
Regresi 2

.. .x

100 .
x
x

50
80 100 120 140 160 180 200 220 240 260

18

Chapter 2 Sifat - sifat Analisis Regresi

 Fungsi Regresi Sampel (FRS)
Y

Yi Yi

ei
^Yi
^Yi
E(Y/Xi)
E(Y/Xi)

X
Xi

Coba lihat J. Supranto Hal: 51

19

Chapter 2 Sifat - sifat Analisis Regresi

 Kesalahan Pengganggu

 Kebenaran regresi merupakan kebenaran statistik, yaitu

kebenaran secara rata-rata, (pada umumnya) tidak berlaku
per individu.
 i  i   /  i 
 Atau, i   / i    i
 dimana  i = suatu deviasi antara individu Yi dengan rata-rata
bersyarat E(Y/Xi), dibaca epsilon.
 i bisa mengambil nilai positif atau negatif dan random
sifatnya, disebut kesalahan pengganggu (disturbance’s
error). Istilah Inggris lainnya untuk  i selain disturbance’s
error adalah stochastic disturbance’s atau stochastic error
term. Sering kali diberi simbol Ui.

20

Chapter 2 Sifat - sifat Analisis Regresi

 Kesalahan Pengganggu

 Kesalahan pengganggu bisa diartikan sebagai

kesalahan yang disebabkan adanya faktor-faktor
yang mempengaruhi Y, tetapi karena sesuatu hal,
tidak dimasukkan ke dalam persamaan regresi.

i     i   i

 /  i    /  i    i /  i 

 i /  i   0

21

Chapter 2 Sifat - sifat Analisis Regresi

 TERIMA KASIH

22

Chapter 2 Sifat - sifat Analisis Regresi