Mengenal Analisis Regresi Linier dalam

Penelitian
Sebuah penelitian tidak akan lengkap tanpa adanya analisis. Guna
analisis dalam suatu penelitian yakni membuktikan kebenaran hipotesis.
Analisis sendiri terdiri dari berbagai jenis, salah satunya adalah analisis
regresi linier.
Apa Itu Analisis Regresi Linier?
Seorang peneliti tentu sudah tidak asing dengan regresi linier sebagai
analisis sebuah penelitian. Regresi linier adalah suatu metode statistika
untuk mencari tahu hubungan antara variabel terikat atau (y) dengan satu
atau lebih variabel bebas (x).

Regresi linier merupakan salah satu model analisis sederhana dengan

jenis data interval atau rasio. Melalui analisis ini, peneliti dapat
melakukan prediksi berdasarkan data-data yang didapatkan.

Secara umum, regresi linier digunakan untuk mengetahui apakah

variabel bebas yang diteliti memiliki korelasi yang signifikan terhadap
variabel terikat. Selain itu, analisis ini juga bisa digunakan untuk
mengetahui variabel mana saja yang berpengaruh signifikan terhadap
variabel terikat.
Jenis-jenis Regresi Linier
Sebelum melakukan analisis dengan regresi linier , peneliti harus dapat
memilih jenis regresi linier mana yang akan digunakan. Oleh karena itu,
penting bagi peneliti untuk memahami masing-masing jenis regresi
linier. Terdapat dua jenis regresi linier yang biasanya digunakan dalam
penelitian, yakni:
1. Regresi Linier Sederhana
Regresi linier sederhana merupakan salah satu jenis regresi linier yang
digunakan untuk mencari tahu korelasi antara variabel bebas dan terikat.
 Pada regresi linier sederhana, terdapat satu variabel bebas dan variabel
terikat.

Dengan menggunakan regresi linier, peneliti bisa mengetahui arah

hubungan antara variabel bebas dan terikat. Selain itu, peneliti juga bisa
melakukan prediksi besar nilai dari variabel terikat.

Untuk bisa menggunakan analisis ini,  peneliti harus memenuhi

beberapa asumsi terlebih dahulu. Asumsi-asumsi yang dimaksud antara
lain:

 Data yang didapat berjenis interval atau rasio

 Distribusi data normal
 Jumlah sampel antara variabel bebas dan terikat sama
 Memiliki hubungan linier

Ketika syarat-syarat atau asumsi untuk melakukan regresi linier telah

terpenuhi, peneliti bisa mencari tahu korelasi antara variabel bebas
dengan terikat melalui rumus regresi linier yakni:

Y= a + bX

2. Regresi Linier Berganda

Jenis regresi linier lain yang perlu diketahui adalah regresi linier
berganda. Sama seperti regresi linier sederhana, regresi linier berganda
dilakukan untuk mencari tahu korelasi antara variabel bebas dan terikat.
Hanya saja, pada analisis ini, jumlah variabel bebas yang diteliti lebih
dari satu.

Apabila peneliti ingin menggunakan analisis ini, ada beberapa asumsi

klasik yang mesti terpenuhi, diantaranya:

 Data berbentuk interval atau rasio

 Memiliki linearitas
 Residual bersifat normal
 Terhindar dari Heteroskedastisitas
 Non Multikolinearitas

Ketika semua asumsi telah terpenuhi, analisis regresi baru bisa

dilakukan dengan menggunakan persamaan:

Y = a + b1X1 + b2X2 + b3X3 + … + bnXn

Penghitungan analisis regresi linier tidak melulu dilakukan secara

manual. Apabila data yang dikumpulkan terlalu banyak, peneliti bisa
menggunakan aplikasi statistik untuk melakukan analisis ini. Dengan
begitu, hasil yang didapat bisa lebih cepat dan juga akurat.

Meskipun disebut sebagai analisis yang sederhana, regresi linier

memiliki sedikit tingkat kesulitan, terutama bagi peneliti baru, seperti
mahasiswa. Untuk mempermudah melakukan analisis, peneliti bisa
memanfaatkan kami, jasa pengolahan data. Segera hubungi kami untuk
membantu melakukan pengolahan data dan analisis penelitian!
 Regresi Linear
Analisis Regresi digunakan untuk meneliti hubungan antar dua atau lebih
variabel, dengan paling tidak satu variabel sebagai variabel dependen (respon)   
dan variabel lainnya sebagai variabel independen (variabel prediktor) X Sebagai contoh
:
1. Hubungan antara biaya iklan dan penjualan
2. Hubungan antara berat badan, umur dan asupan gizi

Hubungan antar variabel tersebut dimodelkan dalam bentuk fungsi (persamaan),

misalnya fungsi linear. Tujuan dari pemodelan regresi adalah untuk mendapatkan
estimasi parameter (koefisien) model regresi. Model Regresi dapat digunakan untuk
eksplanatori maupun prediksi.
Regresi Linear Sederhana
Analisis regresi linear sederhana adalah analisis regresi linear yang hanya melibatkan
dua variabel, yaitu satu variabel independen dan satu variabel dependen. Disebut linear
sederhana karena variabel dependen diasumsikan berhubungan linear dalam
parameter dan linear dengan variabel independen. Secara umum, model regresi linear
sederhana dengan satu variabel independen dan fungsi linear dalam X dapat ditulis
dengan :

Yi = β0 + β1X1i + εi

Yi merupakan nilai variabel independen observasi ke – i.

β1  merupakan parameter koefisien regresi.
Xki merupakan nilai variabel independen ke-k, observasi ke-i
εi merupakan nilai random error

Estimator   dicari dengan menggunakan metode Least Square

Error (LSE) yaitu metode yang meminimalkan jumlah kuadrat error.

Dengan mendiferensialkan persamaan L diatas secara parsial terhadap β0,

β1, kemudian menyamakannya dengan nol. Sehingga diperoleh estimasi   
dan   sebagai berikut :