LANDASAN TEORI
µy.x = A + BX
Keterangan :
µy.x = Rata-rata Y bagi X tertentu
A, B = konstanta atau parameter atau koefisien regresi populasi
Y = a + bX
Keterangan :
Y = penduga bagi µy.x
X = variabel bebas (variabel yang diketahui)
a,b = penduga parameter A dan b
a = intersep ( nilai Y, bila X = 0)
b = slop (kemiringan garis regresi)
c. Pendekatan Matriks
(ΣXn )( ) ( )
ΣX a
2
ΣX b
=
ΣY
ΣXY
A= (
n ΣX
ΣX ΣX2 )
a=
detA 1
detA
A 1= (
ΣY ΣX
ΣXY ΣX
2 )
b=
detA 2
detA (
A 2 = Σn ΣY
ΣX ΣXY )
d. Rumus (II)
(n )(ΣXY)−(ΣX )( ΣY)
b=
(n )(ΣX2 )−(ΣX )2
a=Υ −b . Χ
2.2. Kesalahan Baku Regresi dan Koefisien Regresi Sederhana
Kesalahan baku atau selisih taksir standar merupakan indeks yang
digunakan untuk mengukur tingkat ketepatan regresi (pendugaan) dan koefisien
regresi (penduga) atau mengukur variasi titik-titik observasi di sekitar garis
regresi. Apabila semua titik observasi berada tepat pada garis regresi maka
kesalahan baku akan bernilai sama dengan nol. Hal itu berarti perkiraan yang telah
dilakukan terhadap data sesuai dengan data yang sebenarnya. Berikut ini rumus-
rumus yang secara langsung digunakan untuk menghitung kesalahan baku regresi
dan koefisien regresi (Hasan, 2002).
a. Untuk regresi, kesalahan bakunya dirumuskan:
√
S e=
ΣY 2−a.ΣY−b.ΣXY
n−2
S a=
√ ΣX2 −Se
n. Σ2 −(ΣX )2
√
Se
S b=
2 ( ΣX )2
ΣX −
n
Keterangan:
Y = variabel terikat
a, b1, b2, b3,…, bk = koefisien regresi
X1, X2, X3,…, Xk = variabel bebas
e = kesalahan pengganggu (distribance terma), artinya nilai-
nilai dari variabel lain yang tidak dimasukkan dalam
persamaan. Nilai ini biasanya tidak dihiraukan dalam
perhitungan.
( Σx 22 )( Σx 1 y )−( Σx 2 y )( Σx 2 x3 )
b1 =
( Σx 21 )( Σx 22 )−( Σx 1 x2 )2
( Σx12 )( Σx 2 y )−( Σx1 y )( Σx 2 x 3 )
b2 =
( Σx12 )( Σx 22 )−( Σx 1 x 2 )2
ΣY−b1 ΣX1 −b 2 ΣX2
a=
n
Dimana:
2
2 2 (ΣX 1 )
Σx 1 =ΣX1 −
n
2 2
(ΣX 2 )2
Σx 2 =ΣX2 −
n
2
2 2 (ΣY )
Σy =ΣY −
n
(ΣX1 )(ΣY)
Σx 1 y=ΣX 1 Y −
n
(ΣX2 )(ΣY )
Σx 2 y=ΣX 2 Y −
n
( ΣX1 )(ΣX2 )
Σx 1 x 2=ΣX1 X 2 −
n
b. Persamaan Normal