REGRESI, ANGKA INDEKS DAN TIME SERIES

1. REGRESI
Regresi merupakan suatu alat ukur yang juga digunakan untuk mengukur ada
atau tidaknya korelasi antarvariabelnya. Jika kita memiliki dua buah variabel atau lebih
maka sudah selayaknya apabila kita ingin mempelajari bagaimana variabel-variabel itu
berhubungan atau dapat diramalkan. Istilah regresi itu sendiri berarti ramalan atau
taksiran. Persamaan yang digunakan untuk mendapatkan garis regresi pada data diagram
pencar disebut persamaan regresi. Salah satu jenis persamaan regresi adalah regresi
linear sederhana.
Regresi Linear Sederhana adalah Metode Statistik yang berfungsi untuk menguji
sejauh mana hubungan sebab akibat antara variabel faktor penyebab (X) terhadap
variabel akibatnya. Faktor penyebab pada umumnya dilambangkan dengan X atau
disebut juga dengan predictor sedangkan variabel akibat dilambangkan dengan Y atau
disebut juga dengan Response.
Persamaan regresi linier dari Y terhadap X dirumuskan sebagai berikut:

Y=a+bX
Keterangan:
Y = variabel terikat
X = variabel bebas
a = intersep
b = koefisien regresi/slop
CONTOH SOAL dan PENYELESAIAN:
Seorang manager perusahaan ingin mengetahui apakah kompetensi pegawai (X)
berpengaruh terhadap kinerja pegawai (Y), kita ambil sampel acak 8 orang pegawai dengan
data sebagai berikut:
KOMPETENSI KINERJA
XY Y2 X2
(X) PEGAWAI (Y)
35 8 280 1225 64
49 9 441 2401 81
27 7 189 729 49
33 6 198 1089 36
60 13 780 3600 169
21 7 147 441 49
48 11 495 2025 121
51 12 612 2601 144

𝑎 = (∑𝑌)(∑𝑋2) − (∑𝑋)(∑𝑋𝑌) 𝑏 = 𝑛∑𝑋𝑌 − (∑𝑋) (∑𝑌)

𝑛∑𝑋2 −(∑𝑋)2 𝑛∑𝑋2 − (∑𝑋)2

𝑎 = (321) (713) − (73) (3142) 𝑏 = 8(3142) − (73) (321)

8(713) – (73)2 8(713) – (73)2

𝑎 = -1,3147 𝑏 = 4,5413

Dengan demikian, persamaan regresi linear 𝑌 atas 𝑋 untuk soal diatas adalah: 𝑌 = a + 𝑏𝑋
𝑌 = −1,3147 + 4,5413𝑋 .
2. ANGKA INDEKS
Angka indeks atau sering disebut indeks saja, pada dasarnya merupakan
suatu angka yang dibuat sedemikian rupa sehingga dapat dipergunakan untuk melakukan
perbandingan antara kegiatan yang sama (produksi, ekspor, hasil penjualan, jumlah uang
beredar, dan lain sebagainya) dalam dua waktu yang berbeda. Tujuan pembuatan angka
indeks sebetulnya adalah untuk mengukur secara kuantitatif terjadinya perubahan dalam
dua waktu yang berlainan, misalnya indeks harga untuk mengukur perubahan harga
(berapa kenaikannya atau penurunannya). Adapun macam-macam angka indeks salah
satunya adalah Indeks Harga Agregat Tak Tertimbang.
Indeks harga agregat tak tertimbang pada periode t (lt) dihitung dengan rumus :

dimana :
= harga per unit jenis barang i pada periode t
= harga per unit jenis barang i pada periode dasar
CONTOH SOAL:
Perhatikan data tabel berikut, yang menyajikan harga barang berdasarkan jenis, untuk
tahun 1994-1996
Harga
Jenis Barang
1994 1995 1996
(1) (2) (3) (4)
A 100 150 200
B 200 250 300
C 500 600 700
D 400 500 600
Jumlah 1.200 1.500 1.800

Hitunglah indeks harga agregat tak tertimbang untuk tahun 1995 dan 1996 dengan waktu
dasar tahun 1994.
 Penyelesaian :

3. TIME SERIES
Time Series dalah serangkaian pengamatan terhadap peristiwa, kejadian, atau
variabel yang diambil dari waktu ke waktu, dicatat secara teliti menurut urutan-urutan
waktu terjadinya, kemudian disusun sebagai data statistik sebagai data berkala. Salah
satu pola data Time Series adalah Trend. Model persamaan trend suatu data berkala atau
data runtun waktu bisa berbentuk linier dengan metode semi rata-rata.
CONTOH SOAL:
Diketahui data pelanggan telepon seluler suatu provider sebagai berikut:
TAHUN 2009 2010 2011 2012 2013 2014
PELANGGAN
TELEPON 4,2 5 5,6 6,1 6,7 7,2
(Juta Orang)
a) Tentukan model fungsi linier data berkala pelanggan seluler tersebut
b) Hitunglah berapa jumlah pelanggan pada tahun 2016
Penyelesaian dengan metode semi rata-rata:
Jumlah
Rataan Nilai X Nilai X
Tahun Pelanggan
Kelompok (K1) (K2)
(Juta)
2009 4,2 -1 -4
K1 2010 5,0 4,93 0 -3
2011 5,6 1 -2
2012 6,1 2 -1
K2 2013 6,7 6,67 3 0
2014 7,2 4 1
2015 5 2
Forecasting
2016 6 3

Sehingga model trend liniernya dan nilai untuk tahun 2016 diperoleh sebagai berikut:
b= (Rataan K2 - Rataan K1)
(Tahun dasar K2 – Tahun dasar K1)
b = (6,67 – 4,93)
(2012 – 2009)
b = 1,74
3
b = 0,58

Y2010 = 4,93 + 0,58X Y2010 = 4,93 + 0,58 (6) = 8,41 Juta orang

Y2013 = 4,93 + 0,58X Y2013 = 4,93 + 0,58 (3) = 6,67 Juta orang
 REFERENSI

 Husin, Usman. 2003. Pengantar Statistik. Jakarta: PT. Bumi Aksara.

 Kazmier, Leonar J. 2003. Statistik Untuk Bisnis. Jakarta : Erlangga.
 Sugiarto dan Dergibson Siagian. 2000. Metode Statistika Untuk Bisnis dan
Ekonomi. Jakarta : Gramedia Pustaka Utama.