DOSEN PENGAMPU :
Kholid Ansori, SE., MM
Disusun Oleh :
Dilla Agfrilita : 21.336.0030
Defriyadi : 21.336.0028
Kelompok : 4
Puji dan syukur saya ucapkan kepada Tuhan Yang Maha Kuasa, karena
berkat rahmat dan karunia-Nya saya dapat menyelesaikan tugas makalah
ini. Saya juga bersyukur atas berkat rezeki dan kesehatan yang diberikan
kepada saya sehingga saya dapat mengumpulkan bahan – bahan materi
makalah ini dari beberapa sumber. Saya telah berusaha semampu saya
untuk mengumpulkan berbagai macam bahan tentang “ANALISIS
REGRESI”.
saya sadar bahwa makalah yang saya buat ini masih jatuh dari kata
sempurna, karena itu saya mengharapkan saran dan kritik yang
membangun untuk menyempurnakan makalah ini menjadi lebih baik lagi.
Oleh karena itu saya mohon bantuan dari para pembaca.
Demikianlah makalah ini saya buat, apabila ada kesalahan dalam
penulisan, saya mohon maaf yang sebesarnya dan sebelumnya saya
mengucapkan terima kasih.
ii
DAFTAR ISI
iii
BAB I
PENDAHULUAN
A. Latar Belakang
Analisis regresi merupakan alat statistik yang banyak digunakan
dalam berbagai bidang. Analisis tersebut bertujuan untuk mengetahui
hubungan antara variabel dependen dan variabel independen. Ada tiga
macam tipe dari analisis regresi. Tipe yang pertama adalah regresi linier
sederhana yang berfungsi untuk mengetahui hubungan linier antara dua
variabel, satu variabel dependen dan satu variabel independen. Tipe
kedua adalah regresi linier berganda yang merupakan model regresi linier
dengan satu variabel dependen dan lebihdari satu variabel independen.
Tipe ketiga adalah regresi non linier yang berasumsi bahwa hubungan
antara variabel dependen dan variabel independen tidak linier pada
parameter regresinya (Yan and Gang Su, 2009).
Analisis regresi merupakan suatu cara yang dapat digunakan untuk
mengetahui hubungan sebuah variabel tak bebas dengan satu atau lebih
variabel bebas. Analisis regresi dapat digunakan untuk menganalisis data
dan mengambil kesimpulan yang bermakna tentang hubungan
ketergantungan variabel terhadap variabel lainnya. Berdasarkan jumlah
variabel bebas, analisis regresi linier dibagi menjadi dua macam yaitu,
analisis regresi linier sederhana dan analisis regresi linier berganda.
Salah satu tujuan dalam analisis regresi adalah untuk mengestimasi rata-
rata populasi atau nilai rata-rata variabel dependen berdasarkan nilai
variabel independen yang diketahui. Hasil dari analisis regresi berupa
koefisien regresi untuk masing-masing variabel independen. Pada
umumnya digunakan metode estimasi kuadrat terkecil untuk
mengestimasi koefisien regresi. Metode kuadrat terkecil adalah suatu
metode yang digunakan untuk mengestimasi koefisien garis regresi
dengan cara meminimumkan jumlah kuadrat residual. Penggunaan
metode kuadrat terkecil memerlukan beberapa asumsi klasik yang harus
dipenuhi.
1
Beberapa asumsi itu antara lain:
(1) merupakan variabel random dan mengikuti distribusi normal;
(2) varians dari adalah konstan dan homoskedastisitas;
(3) tidak ada autokorelasi; dan
(4) tidak ada multikolinieritas di antara variabel independen.
B. Rumusan Masalah
1. Apa itu Analisis Regresi ?
2. Apa saja Tujuan dan Kegunaan Analisis Regresi ?
3. Bagaimana Persyaratan Penggunaan Regresi ?
4. Apa itu Regresi Linear dengan Variabel Moderating ?
5. Apa saja Jenis-Jenis Analisis Regresi ?
C. Tujuan Penulisan
1. Untuk mengetahui pengertian analisis regresi
2. Untuk mengetahui tujuan dan kegunaan analisis regresi
3. Untuk mengetahui persyaratan penggunaan regresi
4.Untuk mengetahui apa itu regresi linear dan varibael moderating
5. Untuk mengetahui jenis-jenis analisis regresi
2
BAB II
PEMBAHASAN
1
Arnita, Pengantar Statistika, (Bandung: Citapustaka Media Perintis, 2013), hal: 142.
2
Dikutip dari: http://teratainear.blogspot.com/p/makalah-regresi-dan-korelasi.html,
diakses pada tanggal 13-10-2023 pukul 13:15
3
persamaan linier jika digambarkan secara (scatter diagram), semua nilai Y
dan X akan berada pada suatu garis lurus. Dan dalam ilmu ekonomi, garis
itu dinamakan garis regresi.
Berkaitan dengan analisis regresi ini, setidaknya ada empat
kegiatan yang lazim dilaksanakan yakni :
1. Mengadakan estimasi terhadap parameter berdasarkan data empiris.
2. Menguji berapa besar variasi variabel dependen dapat diterangkan oleh
variasi independen.
3. Menguji apakah estimasi parameter tersebut signifikan atau tidak.
4. Melihat apakah tanda magnitude dari estimasi parameter cocok dengan
teori.
3
Sunardi Nur, Pengantar Statistika, (Jakarta: Bumi Aksara, 2009), hal: 121
4
c. Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan
pada nilai variabel bebas diluar jangkauan sample. 4
4
Arnita, Pengantar Statistika, (Bandung: Citapustaka Media Perintis, 2013), hal: 142
5
10. Kedua variabel bersifat dependen, artinya satu variabel merupakan
variabel bebas (disebut juga sebagai variabel predictor) sedang
variabel lainnya variabel tergantung (disebut juga sebagai variabel
response).5
6
2. Absolut residual
Model ini mirip dengan MRA, tetapi variabel moderating didekati
dengan selisih mutlak (absolut residual) antara variabel bebas dengan
variabel moderatingnya. Penerimaan hipotesis juga sama, dan model ini
masih riskan terhadap gangguan multikolinearitas meskipun risiko itu lebih
kecil dari pada dengan metode MRA.
3. Residual
Model ini menggunakan konsep lack of fit yaitu hipotesis
moderating diterima terjadi jika terdapat ketidakcocokan dari deviasi
hubungan linear antara variabel independen. Langkahnya adalah dengan
meregresikan antara kepuasan kerja terhadap kompensasi dan dihitung
nilai residualnya. Pada program SPSS dengan klik Save pada regreesion,
lalu klik pada usntandardized residual. Nilai residual kemudian diambil
nilai absolutnya lalu diregresikan antara kinerja terhadap absolut residual.
7
diketahui, regresi logistik tidak memerlukan hubungan linier antara
variabeldependen dan variabel independen seperti halnya regresi linier.
Regresi logistik menerapkan transformasi log non-linier untuk
memprediksi rasio peluang. Oleh karena itu, ia dengan mudah menangani
berbagai jenis hubungan antara variabel dependen dan variabel
independen.
3. Analisis Regresi Polinomial
Regresi polinomial biasanya digunakan untuk menganalisis data
lengkung dan ini terjadi ketika kekuatan variabel independen lebih dari 1.
Dalam metode analisis regresi ini, garis yang paling cocok tidak pernah
menjadi ‘garis lurus’ tetapi selalu ‘garis kurva’ cocok dengan poin
data.Perlu dicatat bahwa regresi polinomial lebih baik digunakan ketika
beberapa variabel memiliki eksponen dan sedikit yang tidak. Selain itu,
dapat memodelkan data yang dapat dipisahkan secara non-linier yang
menawarkan kebebasan untuk memilih eksponen yang tepat untuk setiap
variabel dan itu juga dengan kontrol penuh atas fitur pemodelan yang
tersedia.
4. Analisis Regresi Bertahap
Analisis regresi bertahap adalah proses semi-otomatis yang
dengannya model statistik dibangun baik dengan menambahkan atau
menghapus variabel yang bergantung pada statistik-t dari koefisien
estimasi mereka. Jika digunakan dengan benar, regresi bertahap akan
memberi kita data yang lebih kuat daripada metode apa pun. Ini berfungsi
dengan baik saat kita bekerja dengan sejumlah besar variabel
independen.Dimana analisis data ini hanya menyempurnakan model
analisis dengan memasukkan variabel secara acak. Analisis regresi
bertahap direkomendasikan untuk digunakan jika terdapat beberapa
variabel independen, di mana pemilihan variabel independen dilakukan
secara otomatis tanpa campur tangan manusia.
Perlu kita catat bahwa dalam pemodelan regresi bertahap, variabel
ditambahkan atau dikurangkan dari kumpulan variabel penjelas.
8
Kumpulan variabel yang ditambahkanatau dihapus dipilih tergantung pada
statistik uji dari koefisien yang diperkirakan.
5.Analisis Regresi Ridge
Regresi ridge didasarkan pada metode kuadrat terkecil biasa yang
digunakan untuk menganalisis data multikolinearitas (data di mana
variabel independen sangat berkorelasi). Kolinearitas dapat dijelaskan
sebagai hubungan yang hampir linier antara variabel.Setiap kali terjadi
multikolinearitas, perkiraan kuadrat terkecil tidak akan bias; tetapi, jika
perbedaan di antara keduanya lebih besar, maka itu mungkin jauh dari
nilai sebenarnya. Namun, regresi ridge menghilangkan kesalahan standar
dengan menambahkan beberapa tingkat bias ke perkiraan regresi dengan
motif untuk memberikan perkiraan yang lebih dapat diandalkan.Perlu kita
catat bahwa asumsi yang diturunkan melalui regresi ridge mirip dengan
regresi kuadrat terkecil, satu-satunya perbedaan adalah normalitas.
Meskipun nilai koefisien dibatasi dalam regresi ridge, nilai koefisien tidak
pernah mencapai nol yang menunjukkan ketidakmampuan untuk memilih
variabel.7
Keterangan
Y = Variabel dependen
X = Variabel independen
a = Konstanta atau titik potong Y
b = Koefisien dari regresi atau beta
€ = Residual regresi atau istilah kesalahan (error).
7
https://www.academia.edu/45336348/MAKALAH_ANALISIS_REGRESI. diakses pada
tanggal 14-10-2023 pukul 17:35
9
Contohnya:
Mahasiswa Universitas Brawijaya melakukan penelitian dan menghasilkan
data tentang berat badan 10 mahasiswa yang diprediksi dipengaruhi oleh
konsumsi jumlah kalori/hari. Analisis data tersebut menggunakan regresi
linier sederhana!
Jawab :
Tujuan penelitian : apakah konsumsi jumlah kalori/hari
mempengaruhi berat badan mahasiswa.
Variabel : X (variable bebas/predictor) = jumlah kalori/hari
Y (variable tak bebas/response) = berat badan
10
387 149769 60 3600 23220
527 277729 85 7225 44795
415 172225 63 3969 26145
512 262144 74 5476 37888
4141 1802235 643 43495 279294
Koefisien regresi b ditentukan dengan menggunakan rumus yang telah
diberikan, yaitu :
Keterangan
Y = Variabel dependen
11
X = Variabel independen
a = Konstanta atau titik potong Y
b, c, d = Koefisien dari regresi atau beta
€ = Residual regresi atau istilah kesalahan (error).
Contohnya :
erdapat data tentang IQ dan tingkat kehadiran sepuluh mahasiswa teknik
elektro Universitas Brawijaya yang diperkirakan mempengaruhi nilai UAS
mereka. Pada tabel data tersebut, (1) Buatlah persamaan regresi linier
berganda, kemudian (2) Variabel yang mana memberikan pengaruh lebih
besar terhadap nilai UAS ?
Pembahasan :
12
G. Langkah Regresi linear dengan excel
Sebagai latihan ketikkan angka-angka berikut pada range A1:C11 seperti
terlihat pada tampilan 1 berikut:
Tampilan 1. Data untuk Regresi
Klik menu Tool kemudian klik Data Analysis. (Catatan: jika setelah
mengklik Tool, ternyata tidak muncul pilihan Data Analysis, berarti menu
tersebut belum diaktifkan di program Excel Anda. Untuk mengaktifkannya,
klik Tool, kemudian klik Add ins, selanjutnya conteng pada pilihan Analysis
Toolpak, setelah itu klik ok. Lalu ulangi tahap 2 ini).
13
Proses Regresi
Selanjutnya akan muncul tampilan 3 berikut:
Tampilan 3. Regression
Isi Input Y Range (bisa dengan mengetikkan ke dalam kotak putihnya atau
memblok data). Input Y Range adalah variabel yang menjadi variabel
terikat (dependent variable). Kemudian isikan Input X Range. Input X
Range adalah variabel yang menjadi variabel bebas (independent
variable). Semua variabel bebas diblok sekaligus. Catatan: Baik Y range
maupun X range, didalamnya termasuk judul/nama variabel.
Selanjutnya conteng kotak Labels. Ini artinya, memerintahkan Excel untuk
membaca baris pertama dari data kita sebagai nama variabel. Anda juga
bisa menconteng Constant is Zero, jika menginginkan output regresi
dengan konstanta bernilai 0. Anda juga bisa menconteng Confidence
Level jika ingin mengganti nilai confidence level (jika tidak diconteng,
Excel akan memberikan confidence level 95%). Dalam latihan kita kedua
pilihan tersebut tidak kita conteng.
14
data kita. Conteng Output Range dan isi kotak putihnya dengan sel
pertama dimana output tersebut akan ditempatkan. Dalam contoh ini,
misalnya ditempatkan pada sel A16.
Residual setelah uji regresi excel
Pada pilihan Residual, terdapat 4 pilihan. Anda bisa menconteng sesuai
dengan keinginan. Dalam kasus ini kita conteng semua pilihan tersebut.
Selanjutnya, terdapat pilihan untuk menghasilkan Normal Probability.
Dalam kasus kita, juga kita conteng pilihan ini. Perlu diketahui
bahwasanya upaya menampilkan Residual dan Norma Probability Plot,
anda akan menggunakannya untuk melakukan uji normalitas.
Setelah itu, klik OK. Maka akan muncul hasil regresi berikut:
Summary
Coefficient Beta
15
Residual Output
Ada empat tabel hasil yang ditampilkan (yang tergantung pada pilihan
yang kita buat sebelumnya), yaitu SUMMARY OUTPUT, ANOVA,
RESIDUAL OUTPUT, dan PROBABILITY OUTPUT. Pada SUMARY
OUTPUT ditampilkan nilai multiple R, R square, adjusted R square,
standard error dan jumlah observasi. Pada ANOVA ditampilkan analisis
variance dan nilai F serta pengujiannya, yaitu membandingkan F Hitung
dengan Tabel F: F Tabel dalam Excel. Selanjutnya ditampilkan
perhitungan regresi kita yang mencakup intercept (konstanta) dan
koefisien-koefisien regresi untuk masing-masing variabel. Dari hasil ini kita
bisa membentuk persamaan regresi menjadi:
Selain itu, karena tadi kita menconteng empat pilihan residual output dan
1 pilihan normal probability, maka juga ditampilkan 5 kurva untuk pilihan-
pilihan tersebut. Tetapi seperti yang kita lihat di bawah ini, kelima kurva
tersebut bertumpuk. Untuk itu, kita perlu memindahkan (menarik) kurva-
kurva tersebut ke bagian yang lain dari worksheet kita sehingga bisa
dibaca.
Perhitungan Regresi dengan Excel
16
Tampilan 5. Hasil Perhitungan 2
17
BAB III
PENUTUP
A. Kesimpulan
Analisis regresi berbeda dengan analisis korelasi. Jika analisis
korelasi digunakan untuk melihat hubungan dua variable; maka analisis
regresi digunakan untuk melihat pengaruh variable bebas terhadap
variable tergantung serta memprediksi nilai variable tergantung dengan
menggunakan variable bebas. Dalam analisis regresi variable bebas
berfungsi untuk menerangkan (explanatory) sedang variable tergantung
berfungsi sebagai yang diterangkan (the explained). Dalam analisis
regresi data harus berskala interval atau rasio. Hubungan dua variable
bersifat dependensi. Untuk menggunakan analisis regresi diperlukan
beberapa persyaratan yang harus dipenuhi.
Ada dua macam linieritas dalam analisis regresi, yaitu linieritas
dalam variabel dan linieritas dalam parameter. Yang pertama, linier dalam
variabel merupakan nilai rata-rata kondisional variabel tergantung yang
merupakan fungsi linier dari variabel (variabel) bebas. Sedang yang
kedua, linier dalam parameter merupakan fungsi linier parameter dan
dapat tidak linier dalam variabel.
B. Saran
Makalah yang penulis buat ini jauh dari kesempurnaan baik dari
segi buku referensi, penulisan apalagi kata-kata yang tidak terurai dengan
baik. Penulis mengharap kritikan dan saran untuk kesempurnaan makalah
ini.
18
DAFTAR PUSTAKA