ANALISIS REGRESI

Dosen : Dr. Ir. Setiawan, MS

Dicatat oleh : Devi Novita Sari
PART 1 – Pengantar Model Regresi

Fokusan dari Analisis Regresi :

1. Membuat model untuk meramalkan kejadian.

2. Merumuskan interpretasi dari model yang sudah dibuat.

Definisi Analisis Regresi

Analisis Regresi adalah studi mengenai ketergantungan (keterkaitan) suatu variabel,

yaitu variabel dependen terhadap satu/lebih variabel lainnya, yaitu variabel penjelas.

Penggunaan Model Regresi

a. Untuk meramalkan nilai Y jika nilai variabel X diketahui.

b. Untuk memperhitungkan besarnya pengaruh secara kuantitatif masing-masing
variabel eksplanator (X) terhadap variabel respon (Y), apakah variabel X
berpengaruh signifikan atau tidak.
c. Interpretasi dari model yang didapatkan.

Perbedaan Regresi dan Time Series

Regresi → Meramalkan kondisi dengan melibatkan variabel lain.

Time series → Meramalkan kondisi berdasarkan data di masa lalu.

Jenis Variabel dalam Regresi

Penamaan variabel-variabel dalam analisis regresi adalah sebagai berikut:

VARIABEL X VARIABEL Y
- Fixed variable - Random variable
- Variabel peramal - Variabel yang diramalkan
- Input - Output
- Variabel bebas/independen - Variabel tak bebas/dependen
- Variabel penjelas - Variabel yang dijelaskan

*Variabel X dan Y ditentukan berdasarkan fenomena atau kasus yang akan dimodelkan.
Hal-hal yang Harus Diperhatikan dalam Pembuatan Model Regresi

1. Mengidentifikasi/menentukan variabel X dan Y dari data yang diperoleh. Dimana

X = variabel bebas, Y = variabel terikat.
2. Membuat scatter plot (diagram pencar)
• Tujuan membuat scatter plot adalah untuk menentukan model yang ingin
dibangun apakah cocok linier atau tidak.
• Scatter plot berguna untuk mengetahui karakter data, mendeteksi adanya
outlier, dan mengetahui adanya pelanggaran asumsi.
• Scatter plot juga bisa mendeskripsikan hubungan antar variabel, apakah saling
mempengaruhi atau tidak.
3. Melihat penyebaran data dan mengetahui korelasi untuk setiap variabel X
terhadap Y.
4. Membuat statistika deskriptif untuk melihat karakter data.
5. Membuat model yang tepat dari karakter data.

Catatan :

Dalam Statistika tidak ada model yang 100% tidak error sehingga disebut Model
Stokastik. Sementara, Model Deterministik adalah model yang tidak memiliki error (R2 =
100%)