1.

Model Regresi merupakan perwujudan dari suatu abstraksi berbagai aspek realita yang terjadi dalam
dunia nyata, yang dibuat untuk satu atau berbagai tujuan (Sugiyanti,2009). Analisis Regresi adalah suatu
teknik statistik yang menggunakan hubungan antara dua variabel atau lebih untuk mendapatkan garis fit
sehingga satu variabel dapat diprediksi atau diestimasi berdasarkan variabel lainnya. Tujuan model
Regresi untuk mendapatkan suatu bentuk hubungan antara variabel yang akan diestimasi (dependent
variable) dengan variabel bebas (independent variable) dan menggunakan model tersebut untuk
mengestimasi nilai dari variabel yang akan diestimasi. Model Regresi mengasumsikan faktor-faktor yang
diramal menunjukkan adanya suatu hubungan sebab akibat (cause-effect relationship) dengan satu atau
lebih variabel bebas (independent variable). Model causal lebih digunakan untuk pengambilan
keputusan (decision making) dan kebijaksanaan (policy). Konsep sebuah hubungan antara dua variabel,
kita kenal dengan hubungan fungsional dan hubungan statistik. Sebuah hubungan fungsional antara dua
variabel dinyatakan dengan sebuah formula matematika. Idealnya, model Regresi adalah persamaan
matematik yang dapat meramalkan nilai-nilai suatu variabel tak bebas dari nilai-nilai variabel bebas
(Walpole,1982:340). Pada Regresi harus ada variabel yang ditentukan dan variabel yang menentukan
atau dengan kata lain adanya ketergantungan variabel yang satu dengan variabel lainnya. Untuk
menentukan bentuk hubungan diperlukan pemisahan yang tegas antara variabel tak bebas yang diberi
simbol X dan variabel bebas yang diberi simbol Y. Hubungan tersebut dapat dituliskan dalam bentuk
persamaan yang menghubungkan variabel tak bebas X dengan variabel bebas Y.
Persamaan regrsi linear sederhana Y = a+bX+Ԑ

2. Otokorelasi merupakan suatu keadaan di mana variabel pengganggu (error term) pada periode
tertentu berkorelasi dengan variabel pengganggu pada periode lain sehingga variabel gangguan tidak
acak (Sugiyanto,2009). Otokorelasi (atau dikenal juga sebagai korelasi serial) hanya muncul dalam data
runtut waktu dan ditandai oleh pola kesalahan yang beruntun. Yakni, bila besarnya kesalahan kian besar
atau kecil atau menunjukkan pola siklus atau lainnya karena observasi-observasi X disusun secara
kronologis, pola ini menunjukkan bahwa beberapa variabel lain berubah secara sistematis dan
memengaruhi variabel dependen.
Otokorelasi dapat terjadi karena beberapa sebab berikut :
a. Kesalahan menentukan model
b. penggunaan lag pada model
c. tidak dimasukkannya variabel penting. Otokorelasi berakibat pada parameter yang diestimasi menjadi
bias dan variannya tidak minimun.

Otokorelasi dapat dihilangkan dengan cara menambah variabel yang dianggap menjelaskan perubahan
yang sistematis tersebut ke dalam persamaan Regresi. Contoh bila residu nampak mengikuti pola siklus
maka variabel-variabel dummy dibutuhkan untuk menghitung variasi musim. Jika siklusnya lebih panjang
dan nampaknya berhubungan keadaan perekonomian maka variabel yang dapat mencerminkan
pendapatan nasional seperti PDB dapat ditambahkan untuk menghilangkan otokorelasi tersebut. Residu
yang cenderung terus-menerus naik atau turun dapat dihilangkan dengan menambahan variabel waktu
sebagai variabel independen.
Sedangkan perbedaan antara korelasi dan regresi sebagai berikut :
 1. Ukuran statistik yang menentukan hubungan atau asosiasi dua kuantitas dikenal
sebagai Korelasi. Regresi menggambarkan bagaimana variabel independen secara
numerik terkait dengan variabel dependen.
2. Korelasi digunakan untuk merepresentasikan hubungan linier antara dua variabel.
Sebaliknya, regresi digunakan agar sesuai dengan garis terbaik dan memperkirakan
satu variabel berdasarkan variabel lain.
3. Dalam korelasi, tidak ada perbedaan antara variabel dependen dan independen yaitu
korelasi antara x dan y mirip dengan y dan x. Sebaliknya, regresi y pada x berbeda dari
x pada y.
4. Korelasi menunjukkan kekuatan hubungan antar variabel. Berbeda dengan, regresi
mencerminkan dampak perubahan unit dalam variabel independen pada variabel
dependen.
5. Korelasi bertujuan untuk menemukan nilai numerik yang mengekspresikan hubungan
antar variabel. Tidak seperti regresi yang tujuannya adalah untuk memprediksi nilai-nilai
variabel acak berdasarkan nilai-nilai variabel tetap.

Kesimpulannya bahwa ada perbedaan besar antara kedua konsep matematika ini, meskipun
keduanya dipelajari bersama. Korelasi digunakan ketika peneliti ingin mengetahui bahwa
apakah variabel yang diteliti berkorelasi atau tidak, jika ya maka apa kekuatan asosiasi mereka.
Koefisien korelasi Pearson dianggap sebagai ukuran korelasi terbaik. Dalam analisis regresi,
hubungan fungsional antara dua variabel dibentuk sehingga membuat proyeksi masa depan
pada peristiwa.

Sumber : BMP EKMA 43122