ANALISIS REGRESI
Dosen Pengampu : Dr. Enny Keristiana Sinaga, S.Pd., M,Si.
Disusun Oleh:
MANAJEMEN KONSTRUKSI B
Analisis regresi dalam statistika adalah salah satu metode untuk menentukan hubungan
sebab-akibat antara satu variabel dengan variable yang lain. Analisis regresi juga merupakan
salah satu analisis yang paling sering dan pemakaiannya juga sangat luas. Analisis ini juga
digunakan untuk menentukan variabel bebas mana saja yang berhubungan dengan variabel
terikat, dan untuk mengetahui bentuk-bentuk hubungan tersebut. Manfaat dari hasil analisis
regresi ini digunakan untuk membuat sebuah keputusan apakah naik dan turunnya suatu variabel
dependen yang dapat dilakukan melalui peningkatan variabel independen atau tidak.
Metode analisis ini sudah dibicarakan sampai sekarang terhadap data mengenai sebuah
karakteristik atau lambing sebuah data (jika data itu kualitatif) dan mengenai sebuah variabel,
diskrit ataupun kontinu (jika data itu kuantitatif). Tetapi, dapat disadari bahwa banyak persoalan
atau fenomena yang melingkupi lebih dari sebuah variabel. Contohnya adalah jika berat seorang
laki-laki dewasa sampai tingkat tertentu bergantung pada tingginya, tekanan suatu gas bergantung
pada suhunya, hasil produksi padi bergantung pada jumlah pupuk yang dipakai, banyaknya hujan,
cuaca dan sebagainya.
Terdapat dua jenis dasar analisis regresi yaitu yang pertama regresi linear sederhana dan
yang kedua adalah regresi linear berganda (multiples). Jika analisis regresi linear sederhana
memakai satu variabel independen untuk mendefinisikan atau memperkirakan sebuah hasil dari
suatu variabel dependen Y. Sedangkan analisis regresi linear multiples atau berganda berfungsi
untuk menemukan pengaruh dari dua atau lebih variabel independent (variabel bebas atau X)
terhadap variabel dependent (variabel terikat Y).
Dengan demikian secara sederhana dapat dikatakan bahwa, jika kita ingin mengetahui
ada atau tidaknya pengaruh satu variabel X terhadap variabel Y maka kita akan menggunakan
analisis regresi sederhana. Dan sementara apabila jika kita ingin mengetahui antara pengaruh dua
variabel X atau lebih terhadap variabel Y maka kita menggunakan analisis regresi linear ganda
(multiples).
B. ANALISIS REGRESI LINEAR SEDERHANA
Analisis regresi linier sederhana adalah sebuah hubungan secara linear antara satu variabel
independen (X) dengan variabel dependen (Y). Analisis ini digunakan untuk mengetahui arah
sebuah hubungan antara variabel independen dengan variabel dependen apakah arah sebuah
hubungan tersebut positif atau negatif dan untuk memperkirakan dari suatu nilai variabel
dependen apabila nilai pada variabel independen mengalami kenaikan ataupun penurunan. Data
yang biasanya digunakan berskala interval atau rasio.
Y = a +bx
Keterangan:
Y, X = variabel
a, b = bilangan konstan (konstanta)
Hubungan antara dua variabel pada persamaan linear jika digambarkan secara
grafis (scatter diagram), semua nilai Y dan X akan berada pada suatu garis lurus.
Dalam ilmu ekonomi, garis itu disebut garis regresi.
μ y.x = A + BX
Keterangan:
Ŷ = a + bX
Keterangan:
a=( ∑ y ) ( ∑ x )−( ∑ x ) ∑ xy ¿
2 ¿
n ( ∑ x )−( ∑ x ) ²
2
n ( ∑ xy )−( ∑ x ) (∑ y )
b=
n ( ∑ x2 ) −( ∑ x ) ²
X² Y² XY
215.504.455.204 222.052.058.176 691.760.130.568
219.577.273.059 167.399.631.025 606.276.789.030
226.046.714.522 151.029.290.625 584.332.452.220
235.898.881 148.050.561.529 590.972.850.700
242.890.354.803 134.777.828.641 572.155.875.744
249.803.398.728 152.779.356.900 615.776.679.790
115.405.809.519 976.088.526.896 366.327.477.807
( 278332 )−(334391)
a=
( 692430 )−(833243)
(−56059)
a=
(−140813)
a=0,398
n ( ∑ xy )−( ∑ x ) (∑ y )
b=
n ( ∑ x2 ) −( ∑ x ) ²
6 ( 366327 )−(9128217)(2411785)
b=
6 ( 115405 )−(9128217)²
( 2197952 )−(220153)
b=
( 692430 )−(833243)
( 1977799 )
b=
(−140813)
b=(−14,045)
Dalam kasus ini a = angka konstan bernilai 0,398. Angka ini merupakan angka konstan
yang mempunyai arti bahwa, jika tidak ada Jumlah Penduduk (X) maka nilai Jumlah Kemiskinan
(Y) adalah sebesar 0,398. Sedangkan b angka koefisien regresi nilainya sebesar -14,045. Angka
ini mengandung arti bahwa penambahan 1% tingkat Jumlah Penduduk (X), maka Jumlah
Kemiskinan (Y) akan meningkat sebesar -14,045. Karena nilai koefisien regresi bernilai minus
(-), maka dengan demikian dapat dikatakan bahwa Jumlah Penduduk (X) berpengaruh
negatif terhadap Jumlah Kemiskinan (Y) di kota Palembang. Sehingga persamaan regresinya adalah Y
= 0,398
Berdasarkan hasil analisis regresi linear sederhana dapat disimpulkan bahwa variabel dari
Jumlah Penduduk (X) memiliki pengaruh negatif terhadap variabel Jumlah Kemiskinan (Y) di Kota
Palembang (b = -14,045). Secara simultan Jumlah Penduduk memiliki pengaruh terhadap Jumlah
Kemiskinan di kota Palembang sebesar 0,398%, sedangkan -14,045% dan sisanya dipengaruhi oleh
variabel diluar yang diteliti.
Y = a + b1 X1 + b2 X2 + … + bn Xn
Keterangan :
Y = variable tak bebas (nilai variabel yang akan diprediksi)
a = konstanta
b1,b2,…, bn = nilai koefisien regresi
X1,X2,…, Xn = variabel bebas
Bila terdapat 2 variable bebas, yaitu X1 dan X2, maka bentuk persamaan regresinya
adalah :
Y = a + b1X1 + b2X2 + e
Buat model regresi linear ganda untuk memprediksi penjualan produk berdasarkan
variabel iklan dan produk.
Penyelesaian :
Untuk membuat model regresi linear ganda, kita dapat menggunakan rumus berikut:
Y = a + b1X1 + b2X2 + e
Cov (X 1 , Y )
B1=
Var (X 2)
Cov ( X 2 ,Y )
B 2=
Var ( X 2 )
Y = a + B1X1 + B2X2
Dengan model ini, kita dapat memprediksi penjualan produk berdasarkan nilai iklan
dan produk yang diberikan.
D. KOEFISIEN DETERMINASI
Pengujian koefisien determinasi ini dilakukan dengan maksud mengukur kemampuan
model dalam menerangkan seberapa pengaruh variabel independen secara bersama–sama
(stimultan) mempengaruhi variabel dependen yang dapat diindikasikan oleh nilai (Ghozali,
2016). Uji koefisien determinasi dilakukan untuk mengetahui seberapa besar variabel endogen
secara simultan mampu menjelaskan variabel eksogen. Semakin tinggi nilai r 2 berarti semakin
baik model prediksi dari model penelitian yang diajukan. Uji koefisien determinasi (R 2) dilakukan
untuk menentukan dan memprediksi seberapa besar atau penting kontribusi pengaruh yang
diberikan oleh variabel independen secara bersama – sama terhadap variabel dependen.
Untuk mengetahui prosentase pengaruh variable-variable X1 dan X2 terhadap variable Y
digunakan koefisien determinasi. Besarnya r2 dihitung dengan rumus :
Contoh Kasus:
Diperoleh dari regresi dengan nilai sebagai berikut
Y=15,086-1,015X1-0,41X2
Tentukanlah koefisien determinasinya!
Penyelesaian:
n ( a ∑ y+ b 1−∑ YX 1=b 2 ∑ XY 2 )−(∑ Y )²
r ²=
n ( ∑ Y 2 ) −(∑ Y )²
r ²=10 ¿ ¿
r²=0,939
DAFTAR PUSTAKA