Regresi linier (linear regression) adalah teknik yang digunakan untuk memperoleh
model hubungan antara 1 variabel dependen dengan 1 atau lebih variabel independen.
Apabila digunakan 1 variabel independen dalam model, maka teknik ini dinamakan regresi
linier sederhana (simple linear regression). Sedangkan, jika yang digunakan adalah beberapa
variabel independen, teknik ini dinamakan regresi linier ganda (multiple linear regression).1
Variabel independen adalah variabel yang bebas dan tidak bergantung. Maksudnya
variabel yang berubah-ubah tanpa adanya pengaruh variabel atau variabel-variabel yang lain.
Tetapi, sebaliknya sesuatu perubahan yang terjadi pada variabel bebas akan mengakibatkan
terjadinya perubahan pada variabel yang lain. Variabel dependen adalah variabel tidak bebas
dan bergantung. Maksudnya variabel yang hanya akan berubah manakala terjadi perubahan
pada variabel atau variabel-variabel lainnya.2
Kedua bentuk variabel tersebut kadang-kadang saling berasosiasi dengan variabel lain,
tetapi bisa saja tidak mempunyai hubungan di antara keduanya. Variabel-variabel yang saling
berhubungan misalnya: variabel curah hujan dengan variabel hasil panen, variabel produksi
telur dengan variabel makanan ayam, variabel pendapatan dengan variabel konsumsi, dan
70
lain-lain. Untuk mengetahui adanya antara 2 buah variabel, diperlukan adanya pengamatan
terhadap 2 buah variabel tersebut.3
Manfaat dari hasil analisis regresi adalah untuk membuat keputusan apakah naik dan
menurunnya variabel dependen dapat dilakukan melalui peningkatan variabel independen
atau tidak. Sebagai contoh, naiknya jumlah penjualan dapat dilakukan melalui jumlah iklan
atau tidak.4
1
Johan Harlan, Analisis Regresi Linear, (Depok: Gunadarma, 2018), h. 5.
2
Soegyarto Mangkuatmodjo, Statistik Lanjutan, (Jakarta: PT Rineka Cipta, 2004), h.188
3
Ibid., h. 189
4
Sugiyono, Statistika untuk Penelitian, (Bandung: CV ALFABETA, 2015), h. 260.
Persamaan regresi linier sederhana merupakan suatu model persamaan yang
menggambarkan hubungan satu variabel bebas/ predictor (X) dengan satu variabel tak
bebas/ response (Y), yang biasanya digambarkan dengan garis lurus, seperti disajikan pada
Gambar 1.5
Y= a+ bX
Y =a+bX
Yang mana :
X = variabel bebas/prediktor
a=¿ ¿
b=n ¿ ¿
Variabel dependen pada regresi linear disebut juga sebagai respons atau kriterion,
sedangkan variabel independen dikenal pula sebagai prediktor atau regresor. Kovariat adalah
variabel independen yang berkorelasi dengan prediktor lainnya, juga mempengaruhi respons.
5
I Made Yuliara, “Modul: Regresi Linier Sederhana” http://3218126438990fa0771ddb555f70be42.pdf
diakses pada 02 November 2019
Kovariat umumnya tidak diminati hubungannya dengan respons dan hanya digunakan untuk
pengendalian hubungan prediktor-respons dalam model.
Respons pada regresi linear selalu berupa variabel kontinu, sedangkan prediktor dapat
berupa variabel kontinu, indikator, ataupun karegorik yang disubstitusikan menjadi variabel
indikator.6
6
Johan Harlan, Analisis Regresi Linear , op. cit., hal.5
7
Ibid., hal.6
Langkah-langkah Analisis dan Uji Regresi Linier Sederhana
Adapun langkah-langkah yang perlu dilakukan untuk melakukan analisis dan uji regresi linier
sederhana adalah sebagai berikut :
1 Dian 530 89
2 Echa 300 48
3 Winda 358 56
4 Kelo 510 72
5 Intan 302 54
6 Putu 300 42
8
I Made Yuliara, “Modul: Regresi Linier Sederhana”
http://3218126438990fa0771ddb555f70be42.pdf diakses pada 02 November 2019
7 Aditya 387 60
8 Anita 527 85
9 Sefia 415 63
10 Rosa 512 74
No X X2 Y Y2 XY
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
n n n
r=
i=1
( )( )
n ∑ X i Y i− ∑ Xi ∑ Y i
i=1 i=1
√[
n n 2 n n 2
n∑ X −
i=1
2
i (∑ ) ][ ∑ (∑ ) ]
i=1
Xi n
i=1
2
Y −
i
i=1
Yi
Nilai ini memberi arti bahwa, hubungan variable bebas/predictor X dengan variabel terikat/
response Y adalah sangat kuat, prosentasenya 95%. Jadi, berat badan memang sangat
dipengaruhi oleh konsumsi jumlah kalori/hari.
Koefisien Determinasi (r 2 ¿
Koefisien determinasi dapat ditentukan dengan mengkuadratkan koefisien korelasi. Dari
contoh kasus di atas, maka koefisien determinasinya adalah r 2 = 0,90 . Nilai ini berarti
bahwa, 90% variabel bebas/ predictor X dapat menerangkan/ menjelaskan variabel tak bebas/
response Y dan 10% dijelaskan oleh variabel lainnya.9
9
I Made Yuliara, “Modul: Regresi Linier Sederhana”
http://3218126438990fa0771ddb555f70be42.pdf diakses pada 02 November 2019
C. Uji Signifikasi Parameter
Dengan uji signifikansi ini dapat diketahui apakah variable bebas/ predictor/ independent (X)
berpengaruh secara signifikan terhadap variable tak bebas/ response/ dependent (Y). Arti dari
signifikan adalah bahwa pengaruh antar varible berlaku bagi seluruh populasi. uji signifikansi
menggunakan uji-t :
Langkah-langkah yang perlu dilakukan dalam uji-t pada regresi linier adalah:
1. Menentukan Hipotesis
H 0 : β=0; variabel X tidak berpengaruh signifikan/nyata terhadap Y
H 1: β ≠ 0 ; variabel X berpengaruh signifikan/nyata teerhadap Y.
2. Menentukan tingkat signifikansi (α ¿
Tingkat signifikansi, α yang sering digunakan adalah α =5 % (α =0,05).
3. Menghitung daerah penolakan menggunakan rumus :
r √n−2
t hit =
√ 1−r 2
4. Menentukan daerah penolakan H 0 (daerah kritis)
Bentuk pengujian dua arah, sehingga menggunakan uji-t dua arah :
H 0 akan ditolak jika t hit > t tab atau -(t ¿¿ hit)←(t tab ) ¿, berarti H 1 diterima. H 0akan diterima jika
2. Tingkat signifikan α =5 %
Dengan menggunakan tabel uji-t untuk taraf signifikan α =5 %= 0,05 dan df= 8, maka
diperoleh nilai t pada table, yaitu : t tab=2,306
Kesimpulan : Nilai t hit > t tab , sehingga dikatakan bahwa, ada pengaruh nyata (signifikan)
variabel predictor X terhadap variabel respons Y dengan taraf signifikan 5%.10
Simpulan
Regresi linier (linear regression) adalah teknik yang digunakan untuk memperoleh
model hubungan antara 1 variabel dependen dengan 1 atau lebih variabel independen.
Persamaan regresi linier sederhana merupakan suatu model persamaan yang menggambarkan
hubungan satu variabel bebas/ predictor (X) dengan satu variabel tak bebas/ response (Y).
Persamaan regresi linier sederhana secara matematik diekspresikan oleh : Y = a + bX . Uji
signifikansi bertujuam untuk mengetahui apakah variable bebas/ predictor/ independent (X)
berpengaruh secara signifikan terhadap variable tak bebas/ response/ dependent (Y). Arti dari
signifikan adalah bahwa pengaruh antar varible berlaku bagi seluruh populasi.
10
I Made Yuliara, “Modul: Regresi Linier Sederhana” http://3218126438990fa0771ddb555f70be42.pdf
diakses pada 02 November 2019