Statistik Bisnis
10
Ekonomi dan Bisnis Akuntansi F041700012 Putri Renalita Sutra Tanjung,SE.,MM.,MAk
Abstract Kompetensi
Memahami dan mengerti regresi dan Mahasiswa mampu memahami dan
korelasi linier sederhana, uji regresi mengerti regresi dan korelasi linier
logistik sederhana, uji regresi logistik
Regresi Linier Sederhana
Pengertian
Istilah “regresi” pertama kali diperkenalkan oleh Sir Francis Galton pada tahun 1886. Galton
menemukan adanya tendensi bahwa orang tua yang memiliki tubuh tinggi, memiliki anak-
anak yang tinggi pula dan orang tua yang pendek memiliki anak-anak yang pendek pula.
Kendati demikian, ia mengamati ada kecenderungan bahwa tinggi anak bergerak menuju
rata-rata tinggi populasi secara keseluruhan.
Dengan kata lain, ketinggian anak yang amat tinggi atau orang tua yang amat pendek
cenderung bergerak ke arah rata-rata tinggi populasi
Interprestasi modern mengenai regresi agak berlainan dengan regresi versi Galton. Secara
umum, analisis regresi pada dasarnya adalah studi mengenai ketergantungan variable
dependen (terikat) dengan satu atau lebih variable independen (variable penjelas/bebas)
dengan tujuan untuk mengestimasi dan/atau mempredikasi rata-rata populasi atau nilai rata-
rata variable dependen berdasarkan nilai variable independen yang diketahui (Gujarati,
2003).
Analisis regresi digunakan untuk mengetahui besarnya pengaruh satu variabel bebas atau
lebih terhadap satu variabel tidak bebas. Data yang dianalisis dengan regresi merupakan
data kuantitatif yang memiliki skala pengukuran minimal interval.
Analisa korelasi digunakan untuk mengetahui keeratan hubungan dua variabel acak yang
memiliki skala pengukuran minimal interval dan berdistribusi normal bivariat.
Analisis regresi digunakan untuk mengetahui besarnya pengaruh satu variabel bebas atau
lebih terhadap satu variabel tidak bebas. Data yang dianalisis dengan regresi merupakan
data kuantitatif yang memiliki skala pengukuran minimal interval.
Analisa korelasi digunakan untuk mengetahui keeratan hubungan dua variabel acak yang
memiliki skala pengukuran minimal interval dan berdistribusi normal bivariat.
ANALISIS REGRESI
a) Tentukan dulu variabel bebas (independent variable) disimbolkan dengan X dan variabel
tidak bebas (dependent variable) disimbolkan Y
b) Berdasarkan jumlah variabel bebas dan pangkat dari variabel bebas, analisa regresi
terdiri dari :
Regresi
Regresi non linear
sederhana
Regresi non linear
Regresi non linear
multipel (berganda)
Analisis korelasi pertama kali dikembangkan oleh Karl Pearson pada tahun 1990. Tujuan
dari analisis korelasi adalah untuk menentukan seberapa erat hubungan antara dua
variabel.
Analisis korelasi adalah suatu teknik statistika yang digunakan untuk mengukur keeratan
hubungan atau korelasi antara dua variabel.
Jenis-jenis korelasi:
1) Korelasi negatif menunjukan bahwa kedua peubah (X dan Y) memiliki kecenderungan
yang berlawanan (yaitu kenaikan nilai X, diikuti dengan penurunan nilai Y, demikian juga
sebaliknya penurunan nilai X diikuti dengan kenaikan nilai Y)
2) Korelasi nol (r=0) menunjukan bahwa kedua peubah tidak berkorelasi, yaitu kenaikan
atau penurunan nilai peubah X, tidak mempengaruhi nilai peubah Y
3) Korelasi positif menunjukan bahwa kedua peubah memiliki kecenderungan yang sama,
yaitu kenaikan nilai X, diikuti dengan kenaikan nilai Y, demikian juga sebaliknya
penurunan nilai X diikuti dengan penurunan nilai Y
Koefisien Korelasi
Ukuran korelasi antara dua buah variabel yang paling banyak digunakan adalah koefisien
korelasi yang dikembangkan oleh Pearson.
Untuk menunjukkan besarnya keeratan hubungan antara dua variabel acak yang masing-
masing memiliki skala pengukuran minimal interval dan berdistribusi bivariat, digunakan
koefisien korelasi yang dirumuskan sebagai berikut:
Dimana:
r : nilai koefisien korelasi
∑X : jumlah pengamatan variabel X
∑Y : jumlah pengamatan variabel Y
∑XY : jumlah hasil perkalian variabel X dan Y
(∑X2) : jumlah kuadrat dari pengamatan variabel X
(∑X)2 : jumlah kuadrat dari jumlah pengamatan variabel X
(∑Y2) : jumlah kuadrat dari pengamatan variabel Y
(∑Y)2 : jumlah kuadrat dari jumlah pengamatan variabel Y
n : jumlah pasangan pengamatan Y dan X
Koefisien korelasi yang dirumuskan seperti itu disebut koefisien korelasi Pearson atau
koefisien korelasi product moment.
Tepat Koefisien korelasi mempunyai nilai antara -1 sampai 1. Nilai r = -1 yang disebut
dengan linier sempurna negatif, terjadi apabila titik contoh atau kombinasi terletak tepat
pada suatu garis lurus yang mempunyai kemiringan negatif. Nilai r = 1 disebut dengan linier
sempurna positif dan hal ini terjadi apabila semua titik contoh terletak tepat pada satu garis
lurus dengan kemiringan positif. Nilai koefisien korelasi yang mendekati -1 atau 1
menyatakan bahwa hubungan kedua variabel adalah kuat atau korelasi kedua variabel
tinggi. Akan tetapi apabila nilai r mendekati 0, hubungan antara kedua variabel sangat lemah
atau mungkin tidak ada sama sekali.
Langkah-langkahnya:
1) Buka software SPSS
2) Import data yang sudah ditabulasi di Excel, maka tampilannya sebagai berikut:
Lalu pilih Ok
Interpretasi hasil:
Nilai koefisien korelasi 0,860 ini menunjukkan hubungan korelasi yang positif, apabila
harga minya mentah kelapa sawit (CPO – di Rotterdam) meningkat, maka produksi juga
akan meningkat. Nilai koefisien sebesar 0,860 termasuk kedalam korelasi positif yang
kuat. Ini menunjukkan eratnya hubungan variabel harga dengan produksi. Jadi, dengan
demikian teori penawaran tersebut dapat dibenarkan.
Persamaan regresi:
Produksi = 6076119,73 + 14648,80 Harga
Arti koefisien b0 yaitu apabila Produksi sama dengan nol maka harga sama dengan
6076119,73. Sedangkan arti koefisien b1 yaitu apabila produksi naik sebanyak satu satuan
(nilai produksi = 1), maka harga akan bertambah banyak 14648,80 rupiah
Regresi Logistik
Logistic regression sebetulnya mirip dengan diskriminan yaitu kita ingin menguji apakah
probabilitas terjadinya variable terikat diprediksi dengan variable bebasnya.
Berikut ini beberapa contoh kasus yang umumnya di analisis dengan logistic regression:
Seorang dokter ingin mengetahui apakah probabilitas seorang pasien terserang
penyakit jantung dapat di prediksi dari tekanan darah, kadar kolesterol, kalori yang
dimakan, jenis kelamin dan gaya hidup
Seorang auditor ingin menentukan probabilitas sebuah perusahaan bangkrut dengan
melihat beberapa rasio keuangan, ukuran besarnya perusahaan (besar atau kecil)
1) Buka SPSS
2) Import data yang sudah di input pada Excel,
3) Pilih variabel view, sebagai berikut:
8) Save Regresi Logistik
9) Tekan tombol Save lalu centang Probabilities, Group membership, Unstandardized dan
Studentized kemudian klik Continue
Di atas adalah kode variabel dependen. Yaitu kategori “Tidak Mengalami Kanker”
dengan kode 0 dan “Mengalami Kanker” dengan kode 1. Oleh karena yang diberi kode
1 adalah “Mengalami Kanker”, maka “Mengalami Kanker” menjadi referensi atau efek
dari sebab. Sebab yang dimaksud adalah kejadian yang dihipotesiskan sebagai
penyebab munculnya efek atau masalah. Dalam hal ini, merokok (kode 1) dan ada
riwayat keluarga (kode 1) menjadi sebab yang dapat meningkatkan resiko terjadinya
kanker paru (kode 1)
Di atas: Tabel Iteration History pada block 0 atau saat variabel independen tidak
dimasukkan dalam model: N=40 mendapatkan Nilai -2 Log Likelihood: 54,55
Degree of Freedom (DF) = N – 1 = 40-1=39. Chi-Square (X2) Tabel Pada DF 39 dan
Probabilitas 0.05 = 54,57.
Nilai -2 Log Likelihood (54,55) < X2 tabel (54,57) sehingga menerima H0, maka
menunjukkan bahwa model sebelum memasukkan variabel independen adalah FIT
dengan data.