PERTEMUAN 2
REGRESI LINEAR SEDERHANA
Angka 500 dari contoh ini adalah populasi, sedangkan angka 10 adalah
sampel.
2.1 Regresi
Regresi merupakan pengukur hubungan dua variabel atau lebih yang
dinyatakan dengan bentuk hubungan/fungsi. Tujuan utama analisis regresi adalah
mencari ada tidaknya hubungan linier antara dua variabel:
Variabel bebas (X), yaitu variabel yang mempengaruhi
Variabel terikat (Y), yaitu variabel yang dipengaruhi
Kedua variabel di atas biasanya bersifat kausal atau sebab akibat yaitu saling
berpengaruh. Dengan demikian, regresi merupakan bentuk fungsi tertentu antara
variabel terikat y dan variabel bebas x. Dengan kata lain, Persamaan regresi adalah
persamaan matematika yang memungkinkan kita meramalkan nilai-nilai variabel
terikat (Y) dari nilai-nilai satu atau lebih variabel bebas (X).
Setelah diketahui ada hubungan/pengaruh, maka analisis ini digunakan
untuk keperluan pendugaan/penaksiran variabel terikat (Y) dari suatu nilai variabel
bebas (X).
2.2 Korelasi
Korelasi merupakan pengukur hubungan dua variabel atau lebih yang
dinyatakan sebagai tingkat hubungan (derajat keeratan) antarvariabel. Dalam
menggunakan korelasi, tidak dipersoalkan adanya ketergantungan atau dengan kata
lain, variabel yang satu tidak harus bergantung dengan variabel lainnya.
𝑦𝑖 = 𝛼 + 𝛽𝑥𝑖 + 𝜀𝑖 (3.1)
Dimana:
𝑦̂ = 𝑎 + 𝑏𝑥
𝑦𝑖 = 𝑎 + 𝑏𝑥𝑖 + 𝑒𝑖 ,
Dengan 𝑒𝑖 = 𝑦𝑖 − 𝑦̂𝑖 disebut Sisa dan memberikan galat dalam taksiran model pada
titik data ke-i. Beda antara 𝑒𝑖 dan 𝜀𝑖 jelas terlihat pada gambar 3.1 berikut.
𝑛 𝑛 𝑛
𝑛
𝜕(𝐽𝐾𝐺)
= −2 ∑(𝑦𝑖 − 𝑎 − 𝑏𝑥𝑖 )
𝜕𝑎
𝑖=1
𝑛
𝜕(𝐽𝐾𝐺)
= −2 ∑(𝑦𝑖 − 𝑎 − 𝑏𝑥𝑖 ) 𝑥𝑖
𝜕𝑏
𝑖=1
Dan
∑𝑛𝑖=1 𝑦𝑖 − 𝑏 ∑𝑛𝑖=1 𝑥𝑖
𝑎=
𝑛
Contoh Soal
𝐽𝐾𝑅𝑒𝑠 = ∑ 𝑒𝑖 2
𝑖=1
2
Untuk mengestimasi 𝜎 kita dapat menggunakan rumus:
𝐽𝐾𝑅𝑒𝑠
𝑠2 =
𝑛−2
Estimator 𝑠 2 merupakan estimator yang baik karena bersifat tak bias untuk
𝜎 2 . Perhatikan bahwa penyebut pada rumus di atas adalah n – 2 padahal sampelnya
berukuran n. Jika penyebutnya diganti dengan n maka estimator yang diperoleh akan
bersifat bias. Nilai𝑠 2 merupakan salah satu ukuran kecocokan model (goodness of fit);
semakin kecil nilai 𝑠 2 semakin sesuai model regresinya.
𝐽𝐾𝑅𝑒𝑠 = ∑ 𝑒𝑖 2 = 77,173
𝑖=1
𝐽𝐾𝑅𝑒𝑠 77,173
𝑠2 = = = 8,575
𝑛 − 2 11 − 2
Setelah diperoleh 𝑠 2 kita mempunyai kesimpulan yang lebih lengkap, yakni
persamaan garis regresi yang menghubungkan variabel X dan Y adalah
𝑌̂ = 10,505 − 1,464𝑋
Dengan estimator variansi galat acak 8,575. Nilai 𝑠 2 ini akan menentukan rentangan
nilai-nilai Y jika X diketahui.
Didasarkan pada kenyataan ini kita dapat menginterpretasikan b0 dan b1. Nilai b0
merupakan estimasi kontribusi yang diberikan oleh faktor di luar X terhadap Y
maupun E(Y). Nilai b1 dapat diinterpretasikan sebagai berikut.
1. Jika nilai b1 > 0, maka nilai Yˆ semakin besar apabila nilai X semakin besar.
Karena Yˆ adalah estimator untuk Y (dan juga E(Y)), maka dapat diinterpretasikan
bahwa terdapat pengaruh positif dari variabel X terhadap variabel Y.
2. Jika nilai b1 = 0, maka tidak ada pengaruh variabel X terhadap variabel Y.
3. Jika nilai b1 < 0, maka nilai Yˆ semakin kecil apabila nilai X semakin besar
sehingga dapat diinterpretasikan bahwa terdapat pengaruh negatif dari variabel X
terhadap variabel Y.
Untuk keperluan pengujian hipotesis dan juga untuk membuat interval konfidensi
parameter galat-galat acak diasumsikan sebagai berikut:
1. Memiliki mean 0
2. Memiliki variansi konstan 𝜎 2
3. Tidak berkorelasi
4. Berdistribusi normal.
Asumsi-asumsi ini diperlukan antara lain agar dapat diperoleh statistik uji yang
distribusinya dapat dikenali seperti Snecdor F atau Student t. Jika asumsi-asumsi
tersebut tidak dipenuhi, maka tidak ada jaminan bahwa rumus statistik uji F atau t
yang kita kenal benar-benar berdistribusi F atau t sehingga kesimpulan yang
diperoleh dalam uji hipotesis bisa salah.
𝑌 = 𝛽0 + 𝛽1 𝑋 + 𝜀
Jika 𝛽1 = 0 (atau tidak berbeda secara signifikan dengan 0), maka modelnya dapat
disederhanakan menjadi
𝑌 = 𝛽0 + 𝜀
Ini berarti tidak ada pengaruh dari variabel X terhadap Y karena X tidak ada di dalam
model. Sebaliknya jika 𝛽1 ≠ 0 maka ada pengaruh dari X terhadap Y. oleh karena itu,
rumusan hipotesis untuk menguji pengaruh X terhadap Y adalah:
Jika H0 diterima, maka kesimpulannya tidak ada pengaruh yang signifikan dari
variabel X terhadap variabel Y. Sebaliknya jika H0 ditolak, maka kesimpulannya
terdapat pengaruh yang signifikan dari variabel X terhadap variabel Y.
𝐽𝐾𝑇 = ∑ 𝑌𝑖2
𝑖=1
b. Hitung jumlah kuadrat regresi (JKR)
𝑛 𝑛
𝐽𝐾𝑅 = 𝑏0 ∑ 𝑌𝑖 + 𝑏1 ∑ 𝑋𝑖 𝑌𝑖
𝑖=1 𝑖=1
(∑𝑛𝑖=1 𝑌𝑖 )2
𝐽𝐾𝑅 (𝛽0 ) =
𝑛
𝐽𝐾𝑅𝑒𝑠
𝑅𝐾𝑅𝑒𝑠 =
𝑛−2
Catatan: (Bandingkan antara Hasil perhitungan manual dengan Excel dan SPSS)