BAB II

REGRESI LINEAR SEDERHANA

A. Landasan Teori
Analisis regresi diperkenalkan pertama kali oleh Sir Francis Galton
(1822-1911) sebagai metode statistika dalam proses analisis data. Analisis
regresi merupakan salah satu alat yang paling sering digunakan untuk
mengevaluasi pengaruh suatu variabel bebas terhadap variabel terikat.
Analisis regresi dapat digunakan dalam membantu melakukan proyeksi
penentuan karakteristik hubungan antar variabel. Berdasarkan model regresi,
analisis dapat menghasikan kegunaan serta arah atau pola hubungan antar
variabel (Dewi dkk., 2019).
Menurut Yudiaatmaja (2013), tujuan analisis regresi adalah untuk
memprediksi nilai variabel bebas dengan variabel terikatnya. Namun saat ini
analisis regresi umumnya digunakan dengan tujuan mengidentifikasi variabel-
variabel bebas mana saja yang signifikan dalam memengaruhi variabel
terikatnya dengan menghitung koefisien variabel-variabel bebasnya. Hal ini
sejalan dengan apa yang dikemukakan oleh Sunyoto (2011) dalam
Yudiaatmaja (2013), bahwa tujuan analisis regresi adalah untuk mengetahui
ada tidaknya pengaruh signifikan antara satu atau lebih variabel bebas
terhadap variabel terikatnya baik secara parsial atau pun simultan.
Menurut Johan Harlan (2018), regresi sederhana adalah analisis yang
dilakukan terhadap satu variabel terikat dengan satu variabel bebas. Adanya
satu variabel dependen dan satu variabel independen menjadikan bentuk
grafik dalam model regresi sederhana berbentuk garis linier dua dimensi.
Variabel terikat pada regresi linier sederhana disebut juga sebagai respons
atau kriterion, sedangkan variabel independen dikenal sebagai prediktor atau
regresor. Kovariat adalah variabel independen yang berkorelasi dengan
prediktor lainnya, juga mempengaruhi respons. Kovariat umumnya tidak
diminati hubungannya dengan respons dan hanya digunakan untuk
pengendalian hubungan prediktor-respons dalam model. Respons pada regresi
linier selalu berupa variabel kontinu, sedangkan prediktor dapat berupa

5
 6

variabel kontinu, indikator, ataupun kategorik yang disubstitusikan menjadi

variabel indikator.
Menurut Yudiaatmaja (2013), model regresi linier sederhana
dinyatakan dalam persamaan:
Y = β0 + β1X + u
Dalam hal ini:
Y adalah variabel terikat
X adalah variabel bebas
u adalah komponen sisaan yang tidak diketahui nilainya
βo adalah konstanta model
β1 adalah parameter yang nilainya tidak diketahui sehingga diduga
menggunakan statistik sampel
Berdasarkan hasil dari persamaan rumus regresi linier sederhana dapat
diartikan bahwa apabila nilai konstanta tidak ada kenaikan nilai dari variabel
bebas, maka nilai variabel terikat adalah sama dengan nilai konstanta; apabila
nilai koefisien regresi variabel bebas memiliki nilai pengaruh tertentu, maka
setiap penambahan satu skor akan menambah atau menaikkan skor yang sama
pada variabel bebas; apabila nilai koefisien regresi variabel bebas bernilai
signifikan terhadap variabel terikat didapatkan hasil penelitian berupa nilai
signifikansi hitung lebih kecil dari taraf signifikansi standar yang ditetapkan
peneliti; apabila nilai koefisien regresi variabel bebas bernilai tidak signifikan
terhadap variabel terikat didapatkan hasil penelitian berupa nilai signifikansi
hitung lebih besar dari taraf signifikansi standar yang ditetapkan peneliti
(Rifkhan, 2023).

B. Soal Latihan
Mobil Bekas 123 adalah salah satu perusahaan jual beli mobil bekas di
Yogyakarta yang memiliki berbagai macam jenis mobil dengan umur yang
berbeda-beda. Setiap bulannya kurang lebih 50 mobil dapat terjual. Data
dibawah ini merupakan data umur dan harga mobil yang sudah terjual pada
bulan April 2023. Analisislah dengan menggunakan program EViews, apakah
umur mobil dapat mempengaruhi tinggi rendahnya harga mobil. Uraikan dan
 7

tentukan analisis berikut: rumusan hipotesis, uji t, koefisien determinasi,

persamaan Regresi Linier Sederhana, serta grafik!
Tabel 2.1 Umur dan Harga Mobil Terjual di Mobil Bekas 123
Umur (Bulan) Harga (Rupiah)
60 Rp 147.900.000
48 Rp 179.220.000
72 Rp 121.800.000
60 Rp 142.680.000
60 Rp 154.860.000
60 Rp 170.520.000
72 Rp 114.840.000
72 Rp 165.300.000
24 Rp 294.060.000
84 Rp 121.800.000
84 Rp 83.520.000
66 Rp 135.900.000
40 Rp 179.700.000
36 Rp 181.800.000
66 Rp 145.080.000
50 Rp 165.540.000
12 Rp 285.300.000
24 Rp 294.060.000
42 Rp 157.800.000
90 Rp 71.280.000
54 Rp 145.530.000
40 Rp 179.700.000
24 Rp 294.060.000
76 Rp 97.800.000
84 Rp 83.520.000
66 Rp 135.900.000
40 Rp 179.700.000
36 Rp 181.800.000
76 Rp 134.280.000
60 Rp 154.860.000
12 Rp 285.300.000
24 Rp 294.060.000
42 Rp 157.800.000
60 Rp 147.900.000
48 Rp 179.220.000
72 Rp 121.800.000
18 Rp 382.680.000
65 Rp 142.860.000
60 Rp 170.520.000
72 Rp 114.840.000
 8

Umur (Bulan) Harga (Rupiah)

72 Rp 165.300.000
24 Rp 294.060.000
68 Rp 142.500.000
56 Rp 157.380.000
12 Rp 285.300.000
24 Rp 294.060.000
42 Rp 157.800.000
12 Rp 311.280.000
54 Rp 145.530.000
26 Rp 277.200.000

C. Langkah Kerja
1. Membuka aplikasi EViews kemudian memilih create a new EViews
workfile.

2. Pada workfile create masukkan Unstructured/Undated. Pada kolom Data

Range masukkan 50. klik OK.
 9

3. Memilih menu File, memilih import dan kemudian memilih import file.

4. Memasukkan berkas berisikan data yang sudah disimpan sebelumnya.

5. Mengklik Custom range, pada menu Start Cell, memilih Plug A pada
Sheet.
 10

6. Memasukkan number pada kolom Data Type dan memilih Next.

7. Mengklik Finish.

8. Memilih harga_rupiah dan umur_bulan, kemudian klik menu Quick dan

Estimate Equation.
 11

9. Memasukkan rumus umur_bulan c harga_rupiah pada kolom kemudian

mengklik OK.

10. Untuk mengetahui hasil output, klik View lalu Estimation Output.

11. Untuk membuat grafik, mengklik menu Quick dan memilih menu Graph
atau dengan mengklik Resid.
 12

D. Hasil atau Output

Dependent Variable: HARGA__RUPIAH_
Method: Least Squares
Date: 09/11/23 Time: 09:01
Sample: 1 50
Included observations: 50

Variable Coefficient Std. Error t-Statistic Prob.

C 3.34E+08 10729876 31.16752 0.0000

UMUR__BULAN_ -2988462. 194075.7 -15.39843 0.0000

R-squared 0.831645 Mean dependent var 1.83E+08

Adjusted R-squared 0.828138 S.D. dependent var 72069111
S.E. of regression 29877181 Akaike info criterion 37.30227
Sum squared resid 4.28E+16 Schwarz criterion 37.37875
Log likelihood -930.5567 Hannan-Quinn criter. 37.33139
F-statistic 237.1118 Durbin-Watson stat 2.071706
Prob(F-statistic) 0.000000

Estimation Command:
=========================
LS HARGA__RUPIAH_ C UMUR__BULAN_

Estimation Equation:
=========================
HARGA__RUPIAH_ = C(1) + C(2)*UMUR__BULAN_

Substituted Coefficients:
=========================
HARGA__RUPIAH_ = 334423624.787 - 2988461.72347*UMUR__BULAN_

E. Interpretasi
1. Uji t
Ho : β = 0, artinya umur tidak memengaruhi harga mobil
Ha : β ≠ 0, artinya umur memengaruhi harga mobil
Untuk melakukan uji t dapat dilihat dari membandingkan nilai
probabilitas, yaitu dengan nilai alpha (α) 0,05. Dapat dilihat bahwa nilai
alpha lebih besar dari nilai probabilitas 0,0000 maka keputusan yang
diambil adalah menolak Ho yang artinya variabel umur memengaruhi
variabel harga mobil.
2. Koefisien Determinasi
Pada pengujian ini, diperoleh nilai Adjusted R-square sebesar
0,8281 yang apabila disesuaikan dalam persentase adalah 82,81% artinya
 13

nilai variabel umur memengaruhi variabel harga mobil sebesar 82,81%

sedangkan sisanya, 17,19% dipengaruhi oleh faktor lain di luar model.
3. Persamaan Regresi
Persamaan umum:
Y = βo + β1X + u
Keterangan:
Y = Variabel dependen
βo = Konstanta
β1 = Koefisien
X = Variabel independen
u = Error
Persamaan regresi dapat dilihan dalam output kolom coefficients
dimana nilai intercept sebesar 3.34E+08 sedangkan koefisien umur
sebesar (-2988462) Dengan demikian persamaan regresi dari harga
adalah Y = 334423624.787 - 2988461.72347X + u. Dengan kata lain
setiap kenaikan umur sebesar 1 bulan akan menurunkan harga mobil
sebesar Rp2.988.461,72347. Apabila nilai variabel bebas (umur)
dianggap nol, maka nilai variabel terikat (harga mobil) sebesar
Rp334.423.624,787.
4. Grafik

Gambar 2.1 Pengaruh Umur Terhadap Harga Mobil

Keterangan:
X = umur (bulan)
Y = harga mobil (rupiah)
 14

a. Garis yang berwarna biru, yaitu garis Residual dimana garis ini
menunjukkan selisih antara nilai Fitted dan Actual.
b. Garis yang berwarna merah, yaitu garis Actual dimana garis ini
menunjukkan data Actual yang sebenarnya.
c. Garis yang berwarna hijau, yaitu garis Fitted dimana garis ini
menunjukkan persamaan yang telah disesuaikan.
 DAFTAR PUSTAKA

Bahrom, O.D., Mardon, dan K.B.A. O’gli. 2023. The Role of Econometrics in The
World Economy. Models and Methods for Increasing The Efficiency of
Innovative Research. 3(25): 11-21. Available from:
<https://interonconf.org /index.php/ger/article/view/6367> [Accessed 6
July 2023]
CFA Institute. 2020. Portofolio Management in Practise. Wiley: New Jersey
Gujarati, D.N. 2022. Basic econometrics edisi ke-5. Newyork: Hill Companies
Harlan, J. 2018. Analisis Regresi Linier. Depok: Gunadarma
Hidayat, A. dan P. Sadewa. 2020. Pengaruh Penggunaan Aplikasi Eviws Terhadap
Sikap Belajar Dan Kemampuan Pemecahan Masalah Statistik. Edumaspul:
Jurnal Pendidikan. 4(1): 321-328. Available from: <https://ummaspul.e-
journal.id/maspuljr/article/view/253> [Accessed 6 July 2023]
Kuncara, T., Z.T. Rahmadi, K.I. Yulianto, dan A. Muchlis. 2022. Pendalaman
Fitur EViews Untuk Menghasilkan Publikasi Ilmiah Yang Berkualitas
Bersama Asosiasi Dosen Muda Indonesia (ADMI). Jurnal Abdi
Masyarakat Multidisiplin. 1(3): 60-63. Available from: <http://journal.
admi.or.id/index.php/JAMMU/article/view/485 > [Accessed 6 July 2023]
Kusumangtyas, E., Sugiyanto, E. Subagyo, W.C. Adinugraha, J. Jacob, Y. Berry,
A. Nuraini, Sudjono, dan S. Syah. 2022. Konsep dan Praktik
Ekonometrika Menggunakan Eview. Lamongan: Academia Publication
Panjawa, J.L. dan R. Sugiharti. 2021. Pengantar Ekonometrika Dasar Teori dan
Aplikasi Praktis Untuk Sosial Ekonomi. Magelang: Pustaka Rumah Cinta
Rifkhan. 2023. Pedoman Metodologi Penelitian Data Panel dan Kuesioner.
Indramayu: CV. Adanu Abimata
Rofil, M. dan Isyanto. 2020. Pelatihan Program EViews untuk Mahasiswa
Fakultas Ekonomi dan Bisnis Universitas Wiraraja Sebagai Sarana untuk
Meningkatkan Kualitas Penelitian. Jurnal Pengabdian Kepada Masyarakat.
3(2): 168-175. Available from: <http://www.ejournal.iaiibrahimy.
ac.id/index.php/Abdi_Kami/article/view/402> [Accessed 6 July 2023]
Salvatore, D. 2021. Theory and Problems of Statistics and Econometrics Second
Edition. New York: McGraw-Hill
Sarbani, Zukrianto, dan Nazaruddin. 2022. Pengaruh Tingkat Kemiskinan
Terhadap Pembangunan Rumah Layak Huni Di Provinsi Riau
Menggunakan Metode Analisis Regresi Sederhana. Jurnal Teknologi dan
Manajemen. 1(3):131-136. Available from:
<http://jurnal-tmit.com/index.php/home/article/ view/46/17> [Accessed 6
July 2023]
Susanti, S.D., Y. Sukmawaty, dan N. Salam. 2019. Analisis Regresi dan Korelasi.
Purwokerto: CV IRDH
Yudiaatmaja, F. 2013. Analisis Regresi dengan Menggunakan Aplikasi Komputer
Statistik SPSS. Jakarta: PT Gramedia Pustaka Utama