ANALISIS REGRESI

TUJUAN INSTRUKSIONAL KHUSUS

 Setelah mempelajari pokok bahasan ini,

mahasiswa diharapkan mampu:
1. Menjelaskan dan menghitung Persamaan
regresi
2. Menjelaskan dan menghitung Model Regresi
3. Menjelaskan dan menghitung Analisis Korelasi
ANALISIS REGRESI
 Jika kita mempunyai data yang terdiri
atas dua atau lebih variabel, hubungan
yang didapat pada umumnya dinyatakan
dalam bentuk persamaan matematik
yang menyatakan hubungan fungsional
antara variabel-variabel. Studi yang
menyangkut masalah ini dikenal dengan
analisis regresi.
Persamaan Regresi
 Persamaan regresi adalah persamaan matematika yang
menyatakan hubungan fungsional antara variabel-variabel.
Hubungan fungsional tersebut tergantung pada parameter-
parameternya yang diharapkan berlaku untuk populasi
berdasarkan data sampelnya.Variabel tak bebasVariabel bebas
 Contoh bentuk persamaan matematik:
Y  a  b. X
Variabel tak Variabel bebas
bebas

 Untuk analisis regresi akan dibedakan dua jenis variabel :

• Variabel bebas atau variabel prediktor, dinyatakan dengan X1, X2, X3,
X4, … , Xk
• Variabel tak bebas atau variabel respon, dinyatakan dengan Y
Model Regresi Linier

Regresi linier Regresi linier untuk

untuk sampel populasi

Yˆ  a  b . X Diharapkan berlaku untuk  y . x  1   2 . X

populasi
 Model Regresi Non Linier :
 Regresi Pangkat duaDiharapkan berlaku untuk populasi
ˆ
Y  a  b . X  c. X 2  y. x  1   2 . X   2 . X 2

 Regresi Parabola Kubik

Diharapkan berlaku untuk

Yˆ  a  b . X  c. X 2  d . X 3  y. x  1   2 . X   3 . X 2   4 . X 3

populasi
 Regresi eksponen
Yˆ  a .b X  y. x  1 . 2 X
atau
logYˆ  log a  (logb) . X log  y. x  log 1  (log 2 ).X
 Regresi Geometrik Diharapkan berlaku untuk populasi
Yˆ  a . X b  y. x  1 . X  2
atau
logYˆ  log a  b.(log X ) log  y. x  log 1   2 .(log X )

Diharapkan berlaku untuk

 Regresi logistik
1 1
ˆ
Y  
1   2 X
y. xpopulasi
a .b X
atau
1
1
log  log a  (log b) . X log  log  1  (log  2 ).X
Yˆ  y. x

 Regresi Hiperbola
1
Yˆ 
1  y. x 
a  b. X 1   2 . X
Model Regresi
1. METODE TANGAN BEBAS
Metode ini dengan memperhatikan letak titik-
titik dalam diagram, bentuk regresi dapat Sumbu Y
diperkirakan.
• Regresi linier
Jika letak titik-titik itu Regresi
linier
sekitar garis lurus
Sumbu X

• Regresi non linier

Jika letak titik-titik itu Sumbu Y

sekitar garis lengkung

Metoda tangan bebas ini memberikan hasil Regresi

lengkun
regresi yang berbeda tiap orang, g
tergantung pada pertimbangan pribadi Sumbu X
masing-masing, di samping itu metoda ini
dapat dipakai untuk menolong
menentukan dugaan regresi apakah linier
atau tidak
2. METODA KUADRAT TERKECIL
Cara ini berpangkal pada kenyataan bahwa jumlah pangkat dua (kuadrat)
daripada jarak antara titik-titik dengan garis regresi yang sedang dicari harus
sekecil mungkin
• Regresi Linier (Yi ).(X i )  (X i )(X i Yi )
2
a
Yˆ  a  b . X n.X i2  (X i ) 2
n.X i Yi  (X i ).(Yi )
b
n.X i2  (X i ) 2
• Model Parabola Kuadratik

Yi  n.a  b.X i  c.X i2

Yˆ  a  b . X  c. X 2 X i Yi  a.X i  b.X i2  c.X i3
Setelah proses
subsitusi, maka X i2Y  a..X i2  b.X i3  c.X i4
didapatkan nilai-
nilai : a, b, & c,
• Model Parabola Kubik Yi  n.a  b.X i  c.X i2  d .X i3
Yˆ  a  b . X  c. X 2  d . X 3 X i Yi  a.X i  b.X i2  c.X i3  d .X i4
X i2Y  a..X i2  b.X i3  c.X i4  d .X i5
X i3Y  a..X i3  b.X i4  c.X i5  d .X i6
• Model eksponen
Yˆ  a .b X logYˆ  log a  (logb) . X
 log Yi   Xi 
log a   (log b). 
n  n 
n. ( X i . log Yi )  ( X i ).( log Yi )
log b 
atau n.  X i2  ( X ) i2

Yˆ  a .ebX ln Yˆ  ln a  b . X
• Model Geometrik
Yˆ  a . X b logYˆ  log a  b.(log X )
 log Yi   Xi 
log a   b . 
n  n 
n. ( X i . log Yi )  (log  X i ).( log Yi )
b
n.( log 2 X i2 )  (log  X ) i2
• Model logistic
1 1
Yˆ  log  log a  (log b) . X
a .b X Yˆ 1
 log
Yi   Xi 
log a   (log b). 
n  n 
1 1
n. ( X i . log )  ( X i ).( log )
Yi Yi
log b 
n.  X i  ( X ) i
2 2

• Model Hiperbola
1
Yˆ  (
1 1
).(X i2 )  (X i )( X i . )
a  b. X Yi Yi
a
n.X i2  (X i ) 2
1 1
n.  X i  (X i ).( )
Yi Yi
b
n.X i2  (X i ) 2
 SOAL-SOAL YANG DIPECAHKAN
Xi Yi Xi.Y i Xi2
34 32 1088 1156  Data berikut melukiskan hasil pengamatan
38
34
36
31
1368
1054
1444
1156
mengenai banyak orang yang datang (X)
40
30
38
29
1520
870
1600
900
dan banyaknya orang yang belanja (Y)
40 35 1400 1600 disebuah toko selama 30 hari.
40 33 1320 1600
34 30 1020 1156
35 32 1120 1225
39 36 1404 1521
33 31 1023 1089
32 31 992 1024
42 36 1512 1764
40 37 1480 1600
42 35 1470 1764
42 38 1596 1764
41 37 1517 1681
32 30 960 1024
34 30 1020 1156
36 30 1080 1296
37 33 1221 1369
36 32 1152 1296
37 34 1258 1369
39 35 1365 1521
40 36 1440 1600
33 32 1056 1089
34 32 1088 1156
36 34 1224 1296
37 32 1184 1369
38 34 1292 1444
1105 1001 37094 41029
 Analisis Korelasi
 Analisis korelasi digunakan untuk mempelajari dan mengukur kekuatan
hubungan antara dua variabel, yaitu variabel pengharapan (predictor)
dengan variabel-variabel kriteria, atau dengan kata lain mengukur
hubungan antara variabel tidak bebas dengan variabel bebas.
 Jenis hubungan antara dua variabel, ada yang positif dan negatif.
Hubungan X dan Y dikatakan positif apabila kenaikan (penurunan) X
pada umumnya diikuti oleh kenaikan (penurunan) Y. Sebaliknya
dikatakan negatif kalau kenaikan (penurunan) X pada umumnya diikuti
oleh penurunan (kenaikan) Y.
 Kuat atau tidaknya hubungan antara X dan Y, apabila hubungan X dan
Y dapat dinyatakan dengan fungsi linier (paling tidak mendekati), diukur
dengan suatu nilai yang disebut koefisien korelasi r (Pearson
Correlation Coefficient).

r
X Y i i
xi = Xi – X
yi = Yi – Y
( X )( Y
2 2
i i ) r = koefisien korelasi yang dicari
Y = Nilai rata – rata variabel Y
X = Nilai rata – rata variabel X
 Pengujian hipotesis atau model mengenai korelasi adalah sebagai
berikut :
• r = 0, maka tidak ada hubungan antara dua variabel tersebut
• r > 0, maka ada hubungan positif
• r < 0, maka ada hubungan negatif
 Jika sampel kurang dari 100, maka angka korelasi terkecil yang dapat
dipertimbangkan adalah  0,30.
 Berikut ini adalah tabel besaran hubungan korelasi Pearson :
No. r (Koefisien korelasi) Ukuran tingkat hubungan
1 0,0 < r < 0,2 Sangat rendah
2 0,2 < r < 0,4 rendah
3 0,4 < r < 0,6 Sedang
4 0,6 < r < 0,8 Kuat
5 0,8 < r < 1,0 Sangat kuat

Sumber : Dillon dan Goldstein,1984