Analisis regresi adalah analisis statistika yang mempelajari hubungan antara dua atau lebih
peubah kuantitatif sehingga salah satu peubah dapat diramalkan (predicted) oleh peubah
lainnya (peubah bebas)
Hubungan antara dua peubah dapat dibedakan menjadi dua yaitu:
1. Hubungan fungsional (deterministik) antara dua variabel dapat dinyatakan secara
matematis. Hubungan fungsional dapat ditulis ke dalam bentuk: Y = f(X); misalnya Y =
0,1X
2. Hubungan statistik (stokastik) antara dua peubah tidak sempurna, pada umumnya
dalam hubungan statistik pengamatan tidak jatuh pas di kurva hubungan. Misalnya
hubungan antara X yang menyatakan usia (dalam tahun) dan Y yang menyatakan tingkat
steroid dinyatakan dalam gambar berikut.
Model regresi secara formal menyatakan dua hal tentang hubungan statistik, yaitu
kecenderungan peubah tak bebas (Y) berubah terhadap peubah bebas (X) dalam bentuk
sistematis dan tersebarnya titik titik di sekitar kurva hubungan statistik.
Model regresi linier sederhana adalah model yang menggambarkan hubungan antara peubah X
dan Y yang linier (ordo 1) dengan jumlah peubah bebas/penjelas hanya satu. Perubahan pada Y
diasumsikan disebabkan karena adanya perubahan pada X. Model populasi regresi linier
sederhana yang hubungannya linier adalah :
Y = β0 + β 1 X +ε
dengan β 0 dan β 1 adalah parameter regresi, ε adalah galat/error (peubah acak), X adalah
peubah bebas yang nilainya diketahui dan presisinya sangat tinggi (bukan peubah acak) dan Y
adalah peubah tak bebas (peubah acak).
Asumsi dalam model regresi linier adalah :
Bentuk hubungannya linier, Y merupakan fungsi linier dari X dan galat yang acak
Galat ε i adalah peubah acak yang bebas terhadap nilai X
Galat adalah peubah acak yang menyebar normal dengan rataan 0 dan memiliki ragam
yang konstan. Sifat ragam galat yang konstan/homogen disebut homoskedastisitas
E ( ε i )=0 dan E ( ε 2i )=σ 2, untuk i =1, 2, …, n
Galat ε i saling bebas atau tidak saling berkorelasi satu sama lain sehingga E ( ε i ε j ) =0 ,i ≠ j
atau cov ( ε i ε j ) =0 ,i ≠ j
Metode Kuadrat Terkecil (MKT) digunakan untuk menghitung dugaan bagi parameter regresi.
Penduga bagi koefisien kemiringan garis β 1
n
S S
∑ (x i−x )( y i− y )
b 1= XY =r XY Y = i=1
S XX SX n
∑ (x i−x )2
i=1
Pembahasan
Grafik hubungan harga jual rumah dengan luas lantai rumahnya digambarkan oleh grafik
dibawah ini.
Total
∑ yi =¿2865 ∑ x i=¿17150
i=1 i=1
Mea
n y = 286,5 x = 1715
2
No ( y i− y ) ( x i−x ) (x i−x )
1 (-41,5)(-315) = 13072,50 (−315)2=¿ 99225,00
2
2 (25,5)(-115) = -2932,50 (−115) =¿ 13225,00
2
3 (-7,5)(-15) = 112,50 (−15) =¿ 225,00
2
4 (21,5)(160) = 3.440,00 (160) =¿25600,00
5 (-87,5)(-615) = 53.812,50 (−615)2=¿ 378225,00
2
6 (-67,5)(-165) = 11.137,50 (−165) =¿ 27225,00
2
7 (118,5)(635) = 75.247,50 (635) =¿ 403225,00
8 (37,5)(735) = 27.562,50 (735)2=¿540225,00
9 (32,5)(-290) = -9.425,00 (−290)2=¿ 84100,00
10 (−31,5 )( -15) = 472,50 (−15)2=¿ 225,00
10 10
Total
∑ (x i−x)( yi − y) = 172500,00 ∑ (x i−x)2= 1571500,00
i=1 i=1
Rata-Rata
S XY S Y i=1
∑ (x i−x )( y i− y ) 172500
b 1= =r XY = = =0,11
S XX SX n
1571500
∑ (x i−x )2
i=1
yang artinya setiap penambahan satu m2 luas lantai menyebabkan harga rumah naik
sebesar 0,11 juta rupiah atau Rp 110.000.
Penduga bagi intersep β 0 adalah:
b 0=¿ y−b1 x = (286,5)-(0,11)(1715)=98,25
b 0 adalah nilai dugaan bagi nilai rata-rata Y ketika X bernilai nol. Dalam kasus ini, tidak ada
rumah yang memiliki luas lantai sama dengan 0m2 sehingga b 0=¿98,25 hanya
mengindikasikan untuk luas lantai yang berada dalam selang pengamatan.
Dugaan persamaan regresi linier sederhananya adalah :
Harga Rumah = 98,25 + 0,11 Luas Lantai
Pertanyaannya, apakah galat/sisaan yang dihasilkan oleh dugaan persamaan garis regresi
menghasilkan galat yang memenuhi kondisi Gauss-Markov? Jawabannya dijelaskan dalam
bahasan Diagnosa Model Melalui Pemeriksaan Sisaan.
Keragaman yang mampu dijelaskan dapat dihitung dengan menghitung Jumlah Kuadrat Regresi
(JKR) sedangkan keragaman yang tidak mampu dijelaskan dapat dihitung dengan menghitung
Jumlah Kuadrat Galat (JKG). Jumlah Kuadrat Total (JKT) dapat dihitung dengan persamaan
sebagai berikut :
JKT =JKR +JKG
Jumlah Kuadrat Total = Jumlah Kuadrat Regresi + Jumlah Kuadrat Galat
n
∑ ¿¿
i=1
dengan nilai y adalah nilai rata-rata peubah tak bebas Y, y i adalah nilai pengamatan ke-i
peubah tak bebas Y dan ^
y i adalah nilai dugaan y untuk suatu nilai x i.
Jumlah Kuadrat Total (JKT) mengukur keragaman nilai y i disekitar nilai rataannya ( y ), Jumlah
Kuadrat Regresi (JKR) menjelaskan keragaman karena adanya hubungan linier antara x dan y
sedangkan Jumlah Kuadrat Galat (JKG) menggambarkan keragaman yang disebabkan oleh
faktor-faktor selain faktor hubungan linier x dan y.
Total
∑ yi =¿2865
∑ (^y i− y )2=¿18934,93
i=1 i=1
Mean y = 286,5
No ¿ ¿
1 ¿ = 47,93 ¿ = 1722,25
2 ¿ = 1453,39 ¿ = 650,25
3 ¿ = 34,26 ¿ = 56,25
4 ¿ = 15,50 ¿ = 462,25
5 ¿ = 399,71 ¿ = 7656,25
6 ¿ = 2439,21 ¿ = 4556,25
7 ¿ = 2381,19 ¿ = 14042,25
8 ¿ = 1864,45 ¿ = 1406,25
9 ¿ = 4138,69 ¿ = 1056,25
10 ¿ = 891,23 ¿ = 992,25
10 10
Total
∑ ( y ¿ ¿ i−^y i ) =¿ ¿13665,57
2
∑ ( y i− y )2=¿32600,50
i=1 i=1
Rata-Rata
Sumber
No Db JK KT F-Hitung
Keragaman
10
1 Regresi 1
∑ (^y i− y )2=¿18934,93 (18934,93/1) = 18934,93 KTR/KTG =11,08
i=1
10
3 Total (10-1) = 9
∑ ( y i− y )2=¿32600,50
i=1
Uji F untuk parameter regresi dapat diperoleh dari Tabel Sidik Ragam. Hipotesis untuk Uji F ini
adalah :
H 0 : β 1=0, koefisien regresinya sama dengan nol, tidak ada pengaruh luas lantai terhadap harga
rumah
H 1 : β1 ≠ 0, koefisien regresinya tidak sama dengan nol, ada pengaruh luas lantai terhadap harga
rumah
F Hitung diperoleh dengan membandingkan KTR terhadap KTG, diperoleh nilai F Hitung sebesar
11.08. Kemudian bandingkan nilai F Hitung dengan nilai F Tabel pada ∝=0.05 dengan F(dbR ,dbG) =
F(1,8)= 5,32. Nilai F Hitung lebih besar dari nilai F tabel tolak H 0 artinya luas lantai
mempengaruhi harga rumah secara nyata.
Uji Koefisien Regresi
1. H0 (Hipotesis nol) : β 1=0 artinya luas lantai tidak mempengaruhi harga jual rumah
H1 (Hipotesis satu) : β 1 ≠ 0 artinya luas lantai mempengaruhi harga jual rumah
2. Statistik Uji
√
n
∑ ( y i− ^y i )2
i =1
sb =
1 n
( n−2) ∑ (x i−x)2
i=1
b1
t hitung =
sb1
^
y i adalah nilai dugaan y pada pengamatan ke-i
3. Daerah kritis
Tolak H0 jika t hitung > t ( α ,(n−k)) atau −( t¿¿ hitung)<t ( α ,(n−k)) ¿ dengan k adalah jumlah peubah
2 2
bebas
Jika α tidak diketahui, gunakan α=0,05, n adalah jumlah sampel
Pembahasan
1. H0 (Hipotesis nol) : β 1=0 artinya peubah bebas X tidak mempengaruhi peubah respon Y
H1 (Hipotesis satu) : β 1 ≠ 0 artinya peubah bebas X mempengaruhi peubah respon Y
2. Statistik Uji
b1
t hitung =
sb
√
1
∑ ( y i− ^y i )2
sb = 1
i =1
n
( n−2) ∑ ( x i−x)
i=1
2
=
√ 13665,57
(10−2 ) (1571500,00)
=0,03
b1 0,11
t hitung = = =3,33
s b 0,03
1
t α =t 0,05 =2,262
( ,(n−k)) ( ,(10−1))
2 2
3. Pengambilan keputusan
Karena nilai t hitung > t tabel dimana 3,33 > 2,262 maka tolak H0
4. Kesimpulan luas lantai mempengaruhi harga jual rumah