ANALISIS REGRESI (3 SKS)

By : Maiyastri

Analisis Regresi adalah analisis data yang mempelajari bentuk hubungan antara 2 variabel /
peubah atau lebih. Pada analisis ini peubah dibedakan antara peubah bebas (independent
variable) dan peubah tergantung (dependent variable) peubah bebas biasanya dilambangkan
dengan X dan peubah tak bebas dilambangkan dengan Y, nilai peubah tak bebas
tergantung/dipengaruhi oleh peubah bebas, oleh sebab itu peubah tak bebas disebut juga sebagai
peubah tergantung dan peubah bebas disebut juga sebagai peubah penjelas/eksplanatory. Secara
umum jenis-jenis analisis regresi dibedakan sebagai berikut:

No Nama Tipe Peubah / Variabel Model

Bebas (X) Tak Bebas
(Y)
1 Analisis Numerik Numerik Y i= β0 +β i x i +ε i
Regresi Linier (X) (Y)
Sederhana
2 Analisis Numerik, Numerik y i=β 0 + β 1 x i 1 + β 2 xi 2 +. ..+ β k x ik + ε i
Regresi Linier Kategorik, (Y)
Berganda X1, Xi, ... Xk

Nilai adalah i = 1, 2, ..., N, dengan N adalah jumlah data, jika datanya populasi. Jadi model di
atas adalah model untuk populasi dan korfisien ragresi di atas merupakan parameter (karena
merupakan karakteristik dari populasi). Jika datanya data contoh, maka parameter menjadi

statistik, maka β diganti dengan b, dan ε diganti dengan e. Maka modelnya menjadi
sebagai berikut:

No Nama Tipe Peubah / Variabel Model

Bebas (X) Tak Bebas
(Y)
1 Analisis Numerik Numerik Y i=b0 +bi x i +e i
Regresi Linier (X) (Y)
 Sederhana
2 Analisis Numerik, Numerik y i=b0 +b1 x i1 +b 2 xi 2 +. ..+b k x ik +e i
Regresi Linier Kategorik, (Y)
Berganda X1, Xi, ... Xk

Contoh masalah yang dapat dianalisa dengan analisis regressi:

1. Seorang ahli ekonorni ingin memepelajari ketergantungan belanja konsumsi perorangan pada
pendapatan real seorang setelah pajak (pendapatan yang bisa di belanjakan)
2. Penelitian tentang produksi padi dengan kadar pupuk.
3. Sebutkan contoh lainnya
Dan lain-lainnya.
Buat scatter plot (diagram pencar)

Data An. Regresi 1

X Y
0 2
1 4
2 7
3 9
4 8

Korelasi = r
Pada bahagian ini akan dibahas hubungan antara vaniabel X dan Y, sedangkan pada
analisa regressi yang telah dibahas sebelumnya dilakukan peramalan nilai Y berdasarkan
nilai X.
Apabila kita ingin melihat hubungan antara biaya iklan dengan hasil
penjualan, atau ingin melihat hubungan antara harga suatu barang dengan permintaan
barang dan lain-lainnya dilihat dengan Koefisien Korelasi.

1. Koefisien Korelasi Pearson

Koefisien korelasi Pearson dilambangkan dengan r adalah mengukur
hubungan antara variabel X dan Y secara linear. Nilai r adalah
 -1 ¿ 0 ¿ +1
 -1 0 1
Kuat negatif Lemah kuat positif

Pada Gambar 2 akan dapat dilihat beberapa contoh plot sebaran data dan korelasinya.
 Gambar 2. Plot Beberapa Bentuk Kolerasi

Rumus koefisien Korelasi Pearson (r)

n n n

r=
n ∑ x i y i−
i=1
( )(∑ ) ∑ xi
i=1 i=1
yi

√[
n n 2 n n 2

n∑ x −
i=1
2
i (∑ ) ][ ∑ (∑ ) ]
i=1
xi n
i=1
2
y −
i
i=1
yi

Sifatnya :
1. r dapat positif atau negatif karena -1 < r < 1.
2. -1 < r < 1 => batasnya.
3. Sifat dasarnya simetris yaitu koefisisen korelasi antara x dan y = koefisien korelasi
antara y dan x.
rxy = ryx
 4. Tidak tergantung pada titik asal dan skala
x i∗¿ ax i +b ; a,c > 0
y i∗¿ cy i +d ; b,d konstanta
r x∗y∗¿=r ¿
xy

5. Kalau x dan y bebas stokastik maka koefisien korelasinya sama dengan nol tetapi
kalau r = 0 tidak berati kedua variabel bebas stokastik.
6. r hanyalah suatu ukuran persamaan linier jadi r tidak mempunyai arti untuk
menggambarkan hubungan yang tidak linier.
7. Meskipun r adalah ukuran persamaan linier antara dua variabel akan tetapi tidak perlu
adanya hubungan sebab akibat.
8. Jika r bernilai posif maka pengaruh X terhadap Y searah, maksudnya jika X
bertambah, maka Y juga bertambah, sedangkan untuk R bernilai negatif, pengaruh X
terhadap Y berlawanan arah, yaitu jika X bertambah, maka Y akan berkurang.

Pengujian Hipotesis Koefisien Korelasi

H 0 : ρ=0 vs
H 0 : ρ≠ 0
Dengan asumsi data X dan Y menyebar normal ststistik ujinya sebagai berikut:
r √n−2
t=
√1−r 2
Nilai t menyebar t-student untuk v=n-2 derajat bebas.