A.

REGRESI
 Regresi adalah suatu yang menunjukkan hubungan
antara dua variabel atau lebih.
atau: hubungan antara variabel bebas dengan variabel terikat
atau: garis yang menunjukkan hubungan dua macam variabel
(Estimating line)

 Analisis regresi : menunjukkan bentuk hubungan antara

dua variabel atau lebih  Persamaan Regresi

 Analisis regresi sebagai kajian terhadap hubungan satu

variabel yang disebut sebagai variabel yang diterangkan
(the explained variable) dengan satu atau dua variabel
yang menerangkan (the explanatory)
Tujuan Menggunakan Regresi

 Mengestimasi atau menduga suatu hubungan antara

variabel – variabel ekonomi, misalnya Y = f(x).

 melakukan peramalan atau prediksi nilai variabel

terikat (tidak bebas) atau dependent variable
berdasarkan nilai variabel terkait (variabel
independen/bebas).

 Membuat estimasi rata-rata dan nilai variabel terikat

dengan didasarkan pada nilai variabel bebas.
JENIS-JENIS REGRESI
 Regresi dikelompokkan menjadi 2 :
1. Regresi linier
Regresi linier terdiri dari :
a. Regresi linier sederhana
b. Regresi linier berganda
Regresi yang menunjukkan hubungan antara satu variabel
terikat (dependent variable) dan lebih dari satu (>1)
variabel bebas (independent variable).
2. Regresi non linier
 1. REGRESI LINIER SEDERHANA

 Regresi yang menunjukkan hubungan antara satu

variabel terikat (dependent variable) dan satu
variabel bebas (independent variable), yang saling
berhubungan sacara linier

 Model persamaan :

Y    X  
dimana: Y = var iabel terikat
X = var iabel bebas
 = koefisien intercept
 = koefisien slope/ koef. regresi/ gradien
 = error
REGRESI LINIER SEDERHANA, lanjutan...

 Model tersebut ditaksir dengan :

Yˆ  a  bX
 tiap pengamatan akan memenuhi :

Yˆi  a  bX i
REGRESI LINIER SEDERHANA, lanjutan...
 Sehingga error yang terjadi :

ei  Yi  Yˆi  Yi  (a  bXi )
 Untuk mendapatkan nilai a dan b, maka error harus
minimal  digunakan metode kuadrat terkecil (least
square methods)
REGRESI LINIER SEDERHANA, lanjutan...

 Dari penurunan yang dilakukan, didapat :

n n n
n  xi yi  x
b i 1 i 1
i
i 1
yi
b
 XY  N X Y
n n 2
2
n  xi  ( xi )
i 1 i 1
2
X NX
2

a  y  bx
 2. REGRESI LINIER BERGANDA

Model yg memperlihatkan hubungan antara satu variable

terikat (dependent variable) dgn beberapa variabel bebas
(independent variables).

Yi = 0 + 1 X1i + 2 X2i + … + k Xki + i

dimana: i = 1, 2, 3, …. N (banyaknya pengamatan)

0, 1, 2, …, k adalah parameter yang nilainya

diduga melalui model:

Yi = b0 + b1 X1i + b2 X2i + … + bk Xki

http://rosihan.web.id
 B. KORELASI
 Analisis korelasi : menunjukkan kekuatan hubungan
antara dua variabel atau lebih  koefisien Korelasi

 Analisis korelasi dipergunakan untuk mengetahui

keeratan hubungan antara dua variabel atau lebih tanpa
memperhatikan ada atau tidak adanya hubungan
kausal diantara variabel-variabel tersebut.

 Korelasi dapat bersifat linier atau tidak linier

 Korelasi dikatakan linier jika pada scatter diagram

semua titik terlihat mengelompok disekitar garis lurus.
KOEFISIEN KORELASI
 Koefisien korelasi merupakan angka yang menunjukkan
keeratan hubungan antara variabel bebas dengan variabel
terikat
 Koefisien korelasi linier anara X dan Y :
n n n
nxi yi  xi  yi
i 1 i 1 i 1
rxy 
n n n n
2 2
{nxi  (xi ) }{n yi  ( yi )2}
2

i 1 i 1 i 1 i 1

 Sifat koefisien korelasi :

a. rxy = ryx
b. -1 ≤ rxy ≤ 1
KOEFISIEN DETERMINASI
 Koefisien determinasi adalah suatu alat ukur yang
digunakan untuk mengetahui sejauh mana tingkat
hubungan antar variabel X dan Y

 Secara matematis, Koefisien determinasi antara X

dan Y
 Y  Y ' 
2
2
r 1

 Y Y 2