A.

Bentuk Fungsional hubungan Regresi

Pemilihan bentuk fungsional hubungan regresi terkait dengan pemilihan peubah bebasnya.
Ada kalanya, teori bilang ilmu bersangkutan bisa menunjukkan bentuk fungsional yang
cocok. Teori belajar, misalnya, mungkin mengindikasikan bahwa fungsi regresi yang
menghubungkan biaya produksi dengan berapa kalisuatu item tertentu telah pernah muncul
harus memiliki bentuk tertentu dengansifat-sifat asimtotik tertentu pula.
Yang lebih sering dijumpai adalah bahwa bentuk fungsional hubunganregresi tersebut tidak
diketahui sebelumnya, sehingga harus ditetapkan setelahdatanya diperoleh dan dianalisis.
Oleh karenanya, fungsi regresi linier ataukuadratik sering digunakan sebagai suatu model
yang cukup memuaskan bagifungsi regresi yang tidak diketahui bentuknya. Bahkan, kedua
jenis fungsi regresiyang sederhana itu masih juga sering digunakan meskipun teori yang
mendasarinyamenunjukkan bentuk fungsionalnya, terutama bila bentuk fungsional
yangditunjukkan oleh teori terlalu rumit namun secara logis bisa dihampiri oleh suatufungsi
linier atau kuadratik.
1. Model
Bentuk umum fungsi regresinya linier dapat dituliskan sebagai baerikut:
Y i=β 0 + β 1 X i+ ε i
Y i = Nilai perubahan respons dalam amatan ke-i
β 0 dan β 1 = Parameter
X i  = Koefisien nilai peubah bebas dari amatan ke-i
ε i = Suku galat yang bersifat acak dengan rataan E{ε i }−0 dan ragam σ 2{ε i }−σ 2, ε i dan ε j

tidak berkorelasi sehingga peragam (covariance) σ { ε i , ε j } −0 untuk semua i,j:i≠ j

i = 1, 2,. . . . . n
Model regresi tersebut dikatakan sederhana, linear dalam parameter, dan linier dalam
peubah bebas. Dikatakan “sederhana” karena hanya ada satu peubah bebas, “linear
dalam parameter” karena tidak ada parameter yang muncul sebagaisalah satu eksponen
atau dikalikan atau dibagi oleh parameter lain, dan “lineardalam peubah bebas” sebab
peubah ini di dalam model berpangkat satu. Model yang linear dalam parameter dan
linear dalam peubah bebas juga dinamakan model ordo-pertama.

2. Makna Parameter Regresi

 Kedua parameter β 0 dan β 1dalam model regresi dnamakan koefisien regresi. β 1adalah
kemiringan (slope) garis regresi. Kemiringan maenunjukkan rataan sebaran peluang bagi
Y untuk setiap kenaikan X satu satuan. Parameter β 0 adalah nilai intersep Y garis regresi
tersebut. Bila cakupan modeltidak mencakup X = 0, maka β 0mempunyai makna sebagai
rerata.
Intersep β 0 = 0,4845 menunjukkan nilai fungsi pada X = 0. karena modelregresi linear ini
diformulasikan untuk diterapkan pada pendapatan yang berkisar antara 11 sampai 120,
maka dalam hal ini β 0 mempunyai makna rata-rata konsumsi pada waktu X sama dengan
nol adalah sebesar 0,4845.

3. Metode Kuadrat Kecil

Tujuan metode kuadrat terkecil adalah menemukan nilai dugaan b 0 dan b 1 yang
menghasilkan jumlah kesalahan kuadrat minimum. Dalam pengertian tertentu,yang segera
akan bahas, nilai dugaan itu akan menghasilkan fungsi regresi linier yang “baik”.
Penduga Kuadrat Terkecil.
Pendekatan Pertama, digunakan suatu prosedur pencarian numerik.Prosedur ini untuk
berbagai nilai dugaan b 0 dan b 1 yang berbeda sampai diperolehnilai dugaan yang
meminimumkan. Pendekatan kedua adalah menemukan nilai-nilai b 0 dan b 1 secara analitis
yang meminimumkan Jumlah Kesalahan Kuadrat (∑ e2 ). Pendekatan analitis mungkin
dilakukan bila model regresinya secara sistematis tidak terlalu rumit.

4. Asumsi-Asumsi Metode Kuadrat Terkecil

Metode OLS yang dikenal sebagai metode Gaussian merupakan landasanutama di dalam
teori ekonometrika. Metode OLS ini dibangun denganmenggunakan asumsi-asumsi
tertentu.
Asumsi 1 : Hubungan antara Y (variabel dependen) dan X (variabel independen) adalah
linier dalam parameter. Model regresi yang linier dalam parameter dapat dilihat dalam
persamaan (2.16). Dalam hal ini berhubungan linier terhadap Y.
Asumsi 2 : Variabel X adalah variabel tidak stokastik yang nilainya tetap. Nilai X adalah
tetap untuk berbaga  observasi yang berulang-ulang.Kembali dalam kasus hubungan
jumlah permintaan barang dengan tingkatharganya, untuk mengetahui tingkat variasi
jumlah permintaan barang maka melakukan berbagai observasi pada tingkat harga
 tertentu. Jadi dengan sampel yang berulang-ulang nilai variabel independen (X) adalah
tetap ataudengan kata lain variabel independen (X) adalah variabel yang dikontrol.
Asumsi 3 : Nila harapan (expected value) atau rata-rata dari variabelgangguan ei adalah
nol atau harganya, untuk mengetahui tingkat variasi jumlah permintaan barang maka
melakukan berbagai observasi pada tingkatharga tertentu. Jadi dengan sampel yang
berulang-ulang nilai variabel independen (X) adalah tetap atau dengan kata lain variabel
independen (X)adalah variabel yang dikontrol. Karena mengasumsikan bahwa
nilaiharapan dari Y hanya dipengaruhi oleh variabel independen yang ada ataudapat
dinyatakan sbb:
Asumsi 4 : Varian dari variabel gangguan e i adalah sama (homoskedastisitas) harganya,
untuk mengetahui tingkat variasi jumlah permintaan barang maka melakukan berbagai
observasi pada tingkat harga tertentu. Jadi dengan sampel yang berulang-ulang nilai
variabel independen (X) adalah tetap atau dengan kata lain variabel independen (X)
adalahvariabel yang dikontrol. harganya, untuk mengetahui tingkat variasi
jumlah permintaan barang maka melakukan berbagai observasi pada tingkat harga
tertentu. Jadi dengan sampel yang berulang-ulang nilai variabel independen(X) adalah
tetap atau dengan kata lain variabel independen (X) adalahvariabel yang dikontrol.
Asumsi 5 : Tidak ada serial korelasi antara gangguan e i atau gangguan e i tidak saling
berhubungan dengan e j yang lain ,untuk mengetahui tingkatvariasi jumlah permintaan
barang maka melakukan berbagai observasi padatingkat harga tertentu. Jadi dengan
sampel yang berulang-ulang nilai variabel independen (X) adalah tetap atau dengan kata
lain variabelindependen (X) adalah variabel yang dikontrol.

B. Uji Hipotesis
Hipotesis adalah suatu prosedur untuk pembuktian kebenaran sifat populasi berdasarkan data
sampel. Seseorang yang melakukan penelitian akan lebih banyakmenggunakan data sampel
daripada data populasi. Dari sampel yang diambilkemudian dapat jadikan sebagai alat untuk
verifikasi kebenaran populasi. Di dalammelakukan penelitian berdasarkan sampel, seorang
peneliti dengan demikian harusmenyatakan secara jelas hipotesis penelitian yang dilakukan
untuk dibuktikankebenarannya melalui penelitian dari data sampel.
Dalam statistika, hipotesis yang ingin uji kebenarannya tersebut biasanya bandingkan dengan
hipotesis yang salah yang nantinya akan tolak. Hipotesis yangsalah dinyatakan sebagai
hipotesis nol disimbolkan H 0 dan hipotesis yang benar dinyatakan sebagai hipotesis alternatif
dengan simbol H a . Dalam menguji kebenaran hipotesis dari data sampel, statistika telah
mengembangkan uji t. Uji t merupakan suatu prosedur yang mana hasil sampeldapat
digunakan untuk verifikasi kebenaran atau kesalahan hipotesis nol ( H 0). Keputusan untuk
menerima atau menolak H 0 dibuat berdasarkan nilai uji statistik yang diperoleh dari data.

Hal yang penting dalam hipotesis penelitian yang menggunakan data sampe ldengan
menggunakan uji t adalah masalah pemilihan apakah menggunakan dua sisiatau satu sisi. Uji
hipotesis dua sisi dipilih jika tidak punya dugaan kuat atau dasarteori yang kuat dalam
penelitian, sebaliknya memilih satu sisi jika peneliti mempunyai landasan teori atau dugaan
yang kuat. Misalnya menguji hubung anantara pendapatan terhadap konsumsi pada hitungan
sebelumnya. Karena mempunyai landasan teori atau dugaan yang kuat bahwa terdapat
hubungan yang positif antara jumlah pendapatan terhadap konsumsi maka menggunakan uji
satu sisi. Adapan hipotesis nol dan hipotesis alternatif dapat dinyatakan :
H 0 : β1≤ 0
H a : β 1> 0

Hipotesis nol yakni menyatakan bahwa pendapatan tidak berpengaruh dan atau berpengaruh
negatif terhadap konsumsi yang ditunjukkan oleh koefiesin β 1 ≤ 0. Sedangkan hipotesis
alternatif menyatakan bahwa pendapatan berpengaruh positif terhadap konsumsi yang
ditunjukkan oleh β 1> 0.
Namun misalnya hubungan antara dua variabel dalam persamaan regresi bisa positif maupun
negatif maka prosedur uji hipotesis harus dilakukan dengan ujidua sisi. Dalam kasus
hubungan antara jumlah pendapatan terhadap konsumsi. Jumlah pendapatan dan konsumsi
bisa berhubungan positif atau negatif tergantungdari jenis barangnya. Jika barang kualitas
rendah (inferior) maka hubungan antara jumlah konsumsi barang dan pendapatan akan
negatif yakni semakin tinggi pendapatan seseorang maka jumlah konsumsi barang inferior
akan semakin kecil. Sedangkan jika barang adalah normal atau barang mewah
maka hubungannya akan positif karena semakin tinggi pendapatan seseorang maka
semakin besar jumlahkonsumsi kedua jenis barang ini.
Karena pendapatan mempunyai pengaruh yang positif terhadap konsumsimaka uji yang
digunakan adalah uji satu sisi bukan uji dua sisi. Adapun proseduruji t dengan uji satu sisi
adalah sbb:
1. Membuat hipotesis melalui uji satu sisi
  Uji hipotesis negatif satu sisi
2. Menghitung nilai satisitik t ( t hitung) dan mencari nilai t kritis dari tabeldistribusi t pada
dan degree of freedom tertentu.
3. Membandingkan nilai t hitung dengan t kritisnya. Keputusan menolak ataumenerima H 0
sbb:
 Jika nilai t hitung > nilai t kritis maka H 0 ditolak atau menerima H a
 Jika nilai t hitung < nilai t kritis maka H 0 diterima atau menolak H a
Jika menolak hipotesis nol H 0 atau menerima hipotesisi alternatif H a berartisecara statistik
variabel independen signifikan mempengaruhi variabel dependendan sebaliknya jika
menerima H 0 dan menolak H 1 berarti secara statistik variabelindependen tidak signifikan
mempengaruhi variabel dependen.
Keputusan menolak hipotesis nol ( H 0 ¿ atau menerima hipotesis alternatif H a dapat juga
dijelaskan melalui distribusi probabilitas t. Keputusan menolak hipotesis nol atau tidak
berdasarkan uji dua sisi, menjelaskan keputusan menolak hipotesis nol dengan hipotesis
alternatif positif. Menjelaskan keputusan menolak hipotesis nol jika hipotesis alternatifnya
adalah negatif.

C. Uji Normalitas
Uji signifikansi pengaruh variabel independer. terhadap variabel dependenmelalui uji t hanya
akan valid jika residual yang kita dapatkan mempunyai distribusinormal. Ada beberapa
metode yang bisa digunakan untuk mendeteksi apaka,hresidual mempunyai distribusi normal
atau tidak. Dalam bab ini akan dibahas hanya2 metode yaitu: (1) melalui histogram dan (2)
uji yang dikembangkan oleh Jarque-Bera (J-8).
 Histrogram Residual Histogram residual merupakan metode grafis yang paling sederhana
digunakan untuk mengetahui apakah bentuk dari probability distribution function (PDF)
dari random variabel berbentuk distribusi normal atau tidak. Jika histogram residual
menyerupai grafikdistribusi normal maka bisa dikatakan bahwa residual mempunyai
distribuslnormal.
 Uji Jarque-Bera Uji normalitas residual metode OLS secara formal dapatdideteksi dari
metode yang dikembangkan o:eh Jarque-Bera (J-Bf, MetodeJB ini didasarkan pada
sampel besar yang diasumsikan bersifat asymptotic.Uji statistik dari J-B ini
menggunakan perhitungan skewness dan kurtosis.Jika suatu variabel didistribusikan
secara normal maka nilai koefisien S = C dan K=3. Oleh karena itu, jika residual
 terdistribusi secara normal maka diharapkan nilai statistik JB akan sama dengan nol.
Nilai statistik JB ini didasarkan pada distribusi Chi Squares dengan derajat kebebasan
(df) 2. Jika nilai probabilitas p dari statistik JB besar aLaU dengan kata lain jika nilai
statistik dari JB ini tidak signifikan maka kita menerima hipotesis bahwa residual
mempunyai distribusi 11ormal karena nilai statistik JB mendekati nol. Sebaliknya jika
nilai probabilitas p dari statistik JB kecil atau signifikan maka kita menolak hipotesis
bahwa residul mempunyai distribusi normal karena nilai statistik JB tidak sama dengan
nol.

D. Kecocokan Model
Uji statistik fungsinya untuk melihat hubungan antara variabel dependendan variabel
Independen. Jenis uji statistik yaitu sebagai berikut :
 Uji R2 (uji koefisien determinasi) Penguji ini dimaksudkan untuk mengukurseberapa
jauh variabel independen mempengaruhi variabel dependen.
 Uji F (uji regresi secara bersama) Penguji ini dimaksudkan untukmengetahui ada
tidaknya pengaruh variabel independen secara bersama-sama dengan variabel dependen.
 Uji t (t-test) Pengujian ini dimaksudkan untuk mengetahui ada tidaknya pengaruhnya
variabel independen secara parsial atau sendiri-sendiri denganvariabel dependen.
 Uji Asumsi Klasik Dalam model regresi linier ada beberapa asumsi yangharus dipenuhi
agar memenuhi kondisi BLUE (Best Linier UnbiasedEstimate). Pengujian ini
dimaksudkan untuk menganalisis beberapa asumsidari persamaan regresi yang dihasilkan
valid untuk memprediksi. MenurutSantoso (2005) dalam analisis regresi terdapat
beberapa asumsi yang harusdipenuhi sehingga persamaan regresi yang dihasilkan akan
valid jikadigunakan untuk memprediksi. Penggunaan asumsi ini merupakankonsekuensi
dari beberapa penggunaan metode Orginal Least Square (OLS)dalam menghitung
persamaan regresi.
 DAPUS

Hidayat, Zaki. 2013. Regresi Linier Sederhana. Diakses melalui

https://id.scribd.com/doc/139000012/Makalah-Analisis-Regresi-Linier-Sederhana-Zaki-
Hidayat

Oktoviani, Elsa. Dkk. 2016. Analisis Regresi. [Online]. Diakses melalui

https://www.academia.edu/31079231/makalah analisis regresi