BAB I

PENDAHULUAN

A. Latar Belakang
Analisis regresi adalah analisis statistika yang sering digunakan dalam segala
bidang ilmu pengetahuan. Analisis ini bertujuan untuk memodelkan hubungan antara
dua jenis variabel yaitu variabel tak bebas (Y) dengan satu atau lebih variabel bebas
(X) dalam suatu sistem. Hubungan antara variabel-variabel tersebut dinyatakan dalam
suatu model regresi yang secara umum dinyatakan sebagai ( ) , dengan
menghubungkan variabel bebas dan tak bebas melalui suatu parameter yang
dinamakan sebagai parameter regresi, dinotasikan dengan β.
Model regresi dapat diperoleh dengan melakukan estimasi terhadap parameter
modelnya. Untuk menduga nilai parameter regresi ini biasanya digunakan Metode
Kuadrat Terkecil (MKT), dimana prinsip kerjanya adalah meminimumkan jumlah
kuadrat sisaan nilai observasi terhadap rata-rata nilai dugaannya. Metode MKT ini
diterapkan jika beberapa asumsi terpenuhi, seperti asumsi kenormalan, non-
multikolinieritas, kehomogenan ragam sisaan (homoskedastisitas) dan non
autokorelasi. Semua asumsi harus terpenuhi supaya didapatkan penduga parameter
yang bersifat BLUE (Best Linier Unbiased Estimator).

B. Rumusan Masalah
1. Apa Sifat dasar regresi penafsiran model regresi, regresi dan penyebab, regresi
dan korelasi?
2. Apa pengertian linier, fungsi regresi populasi, fungsi regresi sampel?

C. Tujuan Pembelajaran
1. Untuk mengetahui Sifat dasar regresi penafsiran model regresi, regresi dan
penyebab, regresi dan korelasi.
2. Untuk mengetahui pengertian linier, fungsi regresi populasi, fungsi regresi
sampel.

1
 BAB II
PEMBAHASAN
1.1 Sifat Dasar Regresi
A. Pengertian Regresi
Regresi adalah metode statistik yang dipakai untuk memperkirakan
hubungan antara sebuah variabel terikat dan satu variabel independen atau
lebih. Metode ini juga bisa digunakan untuk menilai kekuatan hubungan
antara variabel dengan perkiraan masa depan.
Dalam suatu studi, peneliti akan mengetahui hubungan antar variabel,
dengan satu variabel yang memberikan pengaruh/mempengaruhi, dan ada
pula variabel yang dipengaruhi, misalnya hubungan antara rerata biaya
hidup bulanan mahasiswa dengan indeks prestasinya, tingkat sosial
ekonomi orangtua dengan kecerdasarn anak, dan sebagainya. Peneliti
harus memahami mana variabel yang mempengaruhi, dan mana variabel
yang dipengaruhi.
Variabel yang mempengaruhi disebut variabel bebas sedangkan yang
dipengaruhi disebut sebagai variabel tak bebas atau variabel terikat. Secara
kuantitatif hubungan antara variabel bebas dan variabel terikat dapat
dimodelkan dalam suatu persamaan matematik, sehingga dapat diduga
nilai suatu variabel terikat bila diketahui nilai variabel bebasnya.
Persamaan matematik yang menggambarkan hubungan antara variabel
bebas dan terikat sering disebut persamaan regresi.
Persamaan regresi dapat terdiri dari satu atau lebih variabel bebas dan
satu variabel terikat. Persamaan yang terdiri dari satu variabel bebas dan
satu variabel terikat disebut persamaan regresi sederhana, sedangkan yang
terdiri dari satu variabel terikat dan beberapa variabel bebas disebut
persamaan regresi berganda. Regresi dapat dipisahkan menjadi regresi
linear dan regresi non linear
Misalkan kita mempunyai sejumlah data berpasangan {(xi , yi), i = 1,
2, 3, . . ., n} data itu dapat diplotkan atau digambarkan pada bidang
Kartesius yang disebut sebagai diagram pencar atau diagram hambur. Dari
diagram pencar dapat diperkirakan hubungan antara variabel-variabel itu
apakah mempunyai hubungan linear atau tidak linear.

2
 B. Kelebihan Analisis Regresi
Beberapa kelebihan dari analisis regresi sehingga membuat metode ini
masih tetap digunakan adalah sebagai berikut:
1. Kemudahan untuk digunakan
Salah satu kelebihannya adalah metode ini cukup simpel dan mudah
dipahami, namun tetap menghasilkan insight yang powerful.
2. Menentukan Kekuatan Prediktor
Analisis regresi dapat mengidentifikasi sekuat apa pengaruh yang
diberikan oleh variabel prediktor (variabel independen) terhadap
variabel lainnya (variabel dependen).
3. Dapat Memprediksi Tren di Masa yang Akan Datang
Kelebihan selanjutnya dari metode ini adalah dapat digunakan untuk
memprediksi nilai yang ada pada masa depan. Ini sejalan dengan
fungsi dari analisis regresi yang dapat digunakan untuk peramalan dan
prediksi.

C. Kelemahan Analisis Regresi

Tentunya ketika memiliki kelebihan, pasti akan ada kekurangannya.
Kekurangan yang paling mencolok adalah karena hasil ramalan dari
analisis regresi merupakan nilai estimasi, sehingga kemungkinan untuk
tidak sesuai dengan data aktual tetaplah ada. Selain itu, penentuan variabel
independen dan variabel dependen yang saling berkaitan dalam hal sebab-
akibat juga terbilang cukup susah, karena bisa jadi model yang tidak cukup
bagus disebabkan karena kesalahan dalam memilih variabel yang
digunakan untuk analisis. Misalkan data gaji pegawai tidak berkaitan
dengan tempat anaknya bersekolah, sehingga jika menggunakan variabel
tersebut model yang didapatkan tidak akan bagus.

1.2 Penafsiran Model Regresi

Regresi sederhana digunakan untuk menganalisis hubungan kausal satu
variable bebas terhadap satu variabel tergantung. Model yang digunakan untuk
melakukan analisis regresi linier sederhana adalah sebagai berikut:
Y= a + bX +£

3
Keterangan :
Y = Nilai yang diramaikan
a = konstansta/intercept
b = koefisien regresi/slope
X= variable bebas
£= nilai residu

Dalam analisis ada beberapa hal yang harus dianalisis sebagai dasar untuk
melakukan analisis lebih mendalam dari sekedar persamaan regresi yang
terbentuk. Beberapa hal yang perlu dianalisis berkaitan dengan analisis regresi
adalah sebagai berikut:
a. Persamaan regresi
Persamaan regresi digunakan untuk menggambarkan model hubungan
antarvariabel bebas dengan variable tergantungnya. Persamaan regresi itu
memuat nilai konstanta atau intercept nilai koefisien regresi atau slope dan
variable bebasnya.
b. Nilai prediksi
Nilai merupakan besarnya nilai variable tergantung yang diperoleh dari
prediksi dengan menggunakan persamaan regresi yang telah terbentuk.
c. Koefisien determinasi
Koefisien determinasi merupakan besarnya kontribusi variable bebas
terhadap variable tergantungnya.
d. Kesalahan bakti estimasi
Merupakan satuan yang digunakan untuk menentukan besarnya tingkat
penyimpangan dari persamaan regresi yang terbentuk dengan nilai
senyatanya. Semakin tinggi kesalahan baku estimasi semakin lemah
persamaan regresi tersebutuntuk digunakan sebagai alat proyeksi.
e. Kesalahan baku koefisien regresi
Merupakan satuan yang digunakan untuk menunjukkan tingkat
penyimpangan dari masing-masing koefisien regresi. Semakin tinggi
kesalahan baku koefisien regresi maka semakin lemah variable tersebut
untuk diikutkan dalam model persamaan regresi (semakin tidak
berpengaruh)

4
 f. Nilai f hitung
Digunakan untuk menguji menguji pengaruh simultan variable bebas
terhadap variable tergantungnya. Jika variable bebas memiliki pengaruh
secara simultan terhadap variable tergantung maka model persamaan
regresi masuk dalam kriteria cocok atau fit. Sebaliknya, jika tidak terdapat
pengaruh secara simultan maka hal itu akan masuk dalam kategori tidak
cocok atau not fit.
g. Nilai t hitung
Nilai t hitung digunakan untuk menguji pengaruh secara persial (per
variable) terhadap variable tergantungnya. Apakah variable tersebut
memiliki pengaruh yang berarti terhadap variable tergantungya atau tidak.
h. Kesimpulan
Kesimpualan merupakan pernyataan singkat berdasarkan hasil analisis
apakah variable bebas yang diuji memiliki pengaruh yang berarti terhadap
variable tergantung atau tidak. Di samping itu kesimpulan juga
menyatakan apakah model regresi yamg terbentuk masuk dalam kriteria
cocok (fit) atau tidak.

1.3 Regresi Dan Penyebab

Metode analisis regresi digunakan untuk menghasilkan hubungan
antara dua variabel atau lebih dalam bentuk numerik dan untuk bagaimana dua
atau lebih peubah saling berkait, dimana telah diketahui variabel lainnya dan
variabel mana yang mempengaruhinya. Persamaan regresi ini merupakan
persamaan garis yang paling mewakili hubungan antara dua variabel tersebut.
Beberapa asumsi statistik yang diperlukan dalam melakukan analisis regresi
adalah :
a. Variabel tak bebas, yaitu fungsi linier dari variabel bebas. Jika hubungan
tersebut tidak linier, data sering kali harus ditransformasikan agar menjadi
linier.
b. Variabel bebas adalah tetap atau diukur tanpa kesalahan.
c. Tidak ada korelasi antara variabel bebas
d. Variansi dari variabel tak bebas terhadap garis regresi adalah sama untuk
seluruh nilai variabel tak bebas.

5
 e. Nilai variabel tak bebas harus berdistribusi normal atau mendekati normal.
f. Nilai peubah bebas sebaiknya merupakan besaran yang relative mudah
diproyeksikan.

1.4 Regresi Dan Korelasi

Analisis korelasi tujuan utamanya adalah untuk mengukur kuat atau
derajat hubungan linier antara dua variabel. Sedangkan regresi tujuan
utamanya untuk menaksir atau meramalkan nilai rata-rata satu variabel atas
dasar nilai yang tetap variabel-variabel lain.

Teknik regresi dan korelasi mempunyai beberapa perbedaan yang

mendasar. Dalam analisis regresi berlaku sifat asimetri yaitu cara bagaimana
variabel tak bebas dan variabel yang menjelaskan diperlakukan. Variabel tak
bebas diasumsikan bersifat statistik, random atau stokhastik, yaitu mempunyai
distribusi probabilitas. Dipihak lain, variabel yang menjelaskan (explanatory
variables) diasumsikan mempunyai nilai yang tetap (dalam pengambilan
sampel secara berulang). Sedangkan, dalam analisis korelasi, kita
memperlakukan yang manapun dari (dua) variabel secara simetris, tidak ada
perbedaan antara variabel tak bebas dan variabel yang menjelaskan.

2.1. Pengertian linier

Analisis regresi linier sederhana adalah hubungan secara linear antara satu
variabel independen (X) dengan variabel dependen (Y). Analisis regresi
sederhana dapat digunakan untuk mengetahui arah dari hubungan antara
variabel bebas dengan variabel terikat, apakah memiliki hubungan positif atau
negatif serta untuk memprediksi nilai dari variabel terikat apabila nilai
variabel bebas mengalami kenaikan ataupun penurunan. Pada regresi
sederhana biasanya data yang digunakan memiliki skala interval atau rasio.

Rumus regresi linear sederhana sebagai berikut:

6
 Y = a + bX

Keterangan:
Y = Variabel dependen (variabel terikat)
X = Variabel independent (variabel bebas)
a = Konstanta (nilai dari Y apabila X = 0)
b = Koefisien regresi (pengaruh positif atau negatif)

2.2. Fungsi regresi populasi

Dalam kenyataan, sebenarnya kita tidak bisa meneliti populasi secara
keseluruhan (complete enumeration), sehingga bentuk fungsi populasi
merupakan persoalan “empiris. Dalam analisis regresi lebih ditekankan
membuat perkiraan (estimate) dari koefisien berdasarkan hasil penelitian
“sampel”.
Fungsi regresi populasi merupakan fungsi regresi sebenarnya, tetapi dalam
prakteknya kita tidak pernah tahu, karena yang kita teliti biasanya adalah
sampel dan bukan populasi.

2.3. Fungsi regresi sampel

Fungsi regresi populasi merupakan fungsi regresi sebenarnya. Dalam
praktiknya kita tidak tahu, sebab kita hanya menyelidiki sampel, bukan
populasi. Dengan demikian yang kita analisis adalah fungsi regresi sampel
sebagai perkiraan fungsi regresi populasi. Fungsi regresi inilah yang sering
digunakan untuk meramalkan Y jika variabel bebas (X) diketahui. Dalam hal
ini maka regresi sampel merupakan pendekatan (approximation) garis regresi
sebenarnya (populasi), maka peran pengambilan sampel yang mewakili
populasi menjadi “penting”.

7
 BAB III

PENUTUP

A. Kesimpulan
Regresi adalah metode statistik yang dipakai untuk memperkirakan hubungan
antara sebuah variabel terikat dan satu variabel independen atau lebih. Metode ini
juga bisa digunakan untuk menilai kekuatan hubungan antara variabel dengan
perkiraan masa depan.
Beberapa kelebihan dari analisis regresi sehingga membuat metode ini masih
tetap digunakan adalah Kemudahan untuk digunakan, Menentukan Kekuatan
Prediktor, Dapat Memprediksi Tren di Masa yang Akan Datang. Kekurangan yang
paling mencolok adalah karena hasil ramalan dari analisis regresi merupakan nilai
estimasi, sehingga kemungkinan untuk tidak sesuai dengan data aktual tetaplah ada.
Analisis korelasi tujuan utamanya adalah untuk mengukur kuat atau derajat
hubungan linier antara dua variabel. Sedangkan regresi tujuan utamanya untuk
menaksir atau meramalkan nilai rata-rata satu variabel atas dasar nilai yang tetap
variabel-variabel lain.
Regresi sederhana digunakan untuk menganalisis hubungan kausal satu
variable bebas terhadap satu variabel tergantung. Analisis regresi linier sederhana adalah
hubungan secara linear antara satu variabel independen (X) dengan variabel dependen (Y).

B. Saran
Dengan terselesaikannya makalah ini tentu masih banyak kekurangan, namun
syukur Alhamdulillah penulis ucapkan dengan penuh ta’dzim kepada Allah jalla
jalaaluh yang telah memberikan petunjuk-Nya sehingga makalah ini bisa tersusun,
saran dari para pembaca penulis terima dengan terbuka, semoga dapat menambah
hasanah ilmu pengetahuan bagi penulis. Jazakumullah bil khair.

8
 DAFTAR PUSTAKA

Reskiana. (2016). Sifat Analisis Regresi (universitas alauddin, 2016)

Sulistiyowati, wiwik. (2017). Statistik Dasar Konsep Dan Aplikasinya.
Sidoarjo. UMSIDA Press
Amalia,N. (2016). Penerapan Regresi Linier Berganda Dengan Metode
Statistik. Surabaya. Airlangga