REGRESI

Tujuan :
Setelah selesai mempelajari ini, siswa akan dapat :
1. Memahami pengertian, dan membedakan antara variabel terikat (dependen), dan
variabel bebas (independen)
2. Menggambar suatu scatter diagram, dan menggunakan diagram tersebut untuk
membedakan hubungan positif, dan negatif serta pola linier dan non linier
3. Menentukan persamaan regresi dengan menggunakan metode least squares
4. Menggunakan persamaan yang ditetapkan untuk mencari nilsi Y yang diperkirakan dari
nilai X tertentu
5. Membuat perbedaan antara peramalan yang dapat diandalkan dan yang tidak dapat
diandalkan.

1.1 Pengertian Analisis Regrsi

Analisis regresi adalah mempelajari hubungan yang ada diantara variabel-variabel,
sehingga dari hubungan yang diperoleh kita dapat menaksir variabel yang satu apabila
variabel lainnya diketahui

Misalnya :
- Hubungan anatara pendapatan seseorang dengan pengeluaran sehari-hari
- Hubunan antara keadaan cuaca dengan banyaknya minuman ringan yang terjual

Untuk menggambarkan garis regresi digunakan suiatu diagaram yang dinamakan

“Scatter Diagram” atau diagram pencar.

“Scatter Diagram” atau diagram pencar adalah suatu cara penyajian data dalam
bentuk yang merupakan pencaran titik-titik yang terdapat pada atau di antara salib sumbu
di mana setiap titik mempunyai koordinat tertrntu yang terdiri dari absis yang merupaka
variabelbebas (independenatau X). Dan ordinat yang merupakan variabel terikat (dependent
atau Y)Seperti grafik di bawah ini :
Grafik 8.1 Scatter Diagram

Y
..........
.. . . . . . . . . . . . . . . . . .
. . . .. ... . .. . . . ..
.... .. ..... ....
. . . . . . . . . .. . . . . . . . . .. .. .
. . . . . . . . . . . .. . . . . . . . .. . . . ..
. . . . . . . . . . . . . . . . .. . . . . . .
. . . . . . . . . .. . .. .. ..
.............

0 X
 Analisa regresi akan menunjukkan bagaimana sifat hubungan antara dua variabel
yakni antara variable yang diketahui atau independent variable X (= variabel bebas X)
dengan variable yang belum diketahui atau dependent variable Y (= variabel terikat Y).
Analisa korelasi akan menunjukkan tentang besarnya tingkatan atau derajat
hubungan antara variable X dan Y berkaitan dengan sifat hubungan antara dua variable
tersebut.
Ada 3 macam sifat hubungan antara dua variable yakni :

a. Hubungan positif (searah)

b. Hubungan negatif (berlawanan arah)
c. Tidak ada hubungan

Hubungan positif (searah) maksudnya jika nilai X naik, dimana nilai Y juga ikut naik
dan jika nilai X turun, maka nilai Y juga ikut turun.
Hubungan negatif (berlawanan arah) maksudnya jika nilai X naik, maka nilai Y turun dan
jika nilai X turun, maka nilai Y naik.
Tidak ada hubungan maksudnya : jika nilai X berubah (naikatau turun), maka nilai Y tetap dan
sebaliknya.
Contoh variabel yang mempunyai hubungan positif :
X = biaya iklan. Y = volume penjualan.
X = pendapatan Y = konsumsi
X = tinggi badan Y = berat badan

Contoh variabel yang mempunyai hubungan negatif :

X = harga barang Y = permintaan
X = jumlah eksport Y = jumlah kelahiran
X = pemukiman Y = lahan pertanian.

Contoh variabel yang tidak mempunyai hubungan :

X = tinggi gedung Y = jumlah penduduk
X = berat kendaraan Y = panjang jalan
X = berat badan Y = jumlah kecelakaan.
Diagram 6.1. Tiga buah Scatter Diagram

Y Y Y

0 0 0
X X X
( Hubungan positif ) ( Hubungan negatif) ( Tidak ada hubungan)
Dan untuk mengetahui kuat lemahnya derajat tingkat hubungan antara variable X dan Y
diukur dengan koefisien korelasi.

8.2. Regresi Linier

Tujuan utama dari analisa regresi adalah untuk mendapatkan ramalan atau taksiran
dari suatu variable (Y) dengan menggunakan variable lain yang telah diketahui (X). Dari
pola hubungan antara dua variable terseut (X) dan (Y) bisa terbentuk berbagai macam
persamaan regresi, mungkin linier atau non linier (kuadratis, kubik, ellips, logaritme dan
sebagainya).

Persamaan Regresi Linier secara umum pengamatan garis lurus dinyatakan sebagai
Ý = a + b X. Dari serangkaian data sampel ( X i,Yi) dengan i = 1,2,3,…… .n, dibuat
diagram pencarnya (Scater diagram), dari semua kemungkinnan garis lurus yang dapat
ditarik pada diagran pencar tersebut. Dengan metode kuadrat tekecil (Least Squares
method) akan memberikan jumlah kuadrat deviasi vertikal (tegak) dari titik-titik
observasi ke garis regresi tersebut sekecil mungkin, atau dengan kata lain metode
kuadrat tekecil memberikan  (Yi - Ý )2 =  (ei )2 yangg terkecil. Bila digambarkan
akan nampak sebagai berikut :

• (xi,yi) Ý = a + bX
ei

Gambar 7.1. Kreteria kuadrat terkecil X

Agar jumlah kuadrat simpangan vertikal ke garis regresi (Ý = a + b Xi ), sekecil

mungkin, maka  (Yi - Ý )2 =  (ei )2 diminimumkan terhadap a dan b dari persamaan
linier :
Ý = a + bX
dimana :
a = bilangan konstanta (intercept)
b = juga disebut koefisien regresi.
Ý = variabel dependen yang ditaksir (terikat)
Xi = variabel independen (bebas)
n = nilai sampel

Sedangkan nilai a dan b dapat dihitung berdasarkan dua persamaan normal sebagai
berikut :
Yi = n . a + b. Xi ............... I
 XiYi = a Xi + b.  Xi2 ............... II
I

Atau dengan rumus yang ke II ini :

n . XiYi - Xi . Yi

b =
n .  Xi2 - ( Xi) 2

Yi (Xi )
a = - b
n n

Contoh 1 :

Tabel di bawah ini menunjukkan jumlah pengunjung pasar malam dan pendapatan yang
dterima oleh suatu panitia adalah sebagai berikut ini :

Jumalah pengunjung, dan pendapatan yang diterima

Tahun Pengunjung(ribuan Pendapatan XY X2

orang) (jutaan Rp)

X Y
1 8 12 696 64
2 10 13 130 100
3 12 16 192 144
4 13 17 221 169
5 17 20 340 289
6 18 23 414 324
7 20 25 500 400
Jumlah 98 126 1893 1490

Dengan menngunakan metode Least Square dari persamaan di atas yaitu :

n . XiYi - Xi . Yi
b =
n .  Xi2 - ( Xi) 2

7(1893) - 98 (126) (13.251,0) - (12348,0)

=
7 (1490) - (98)2 (10.430,0) – ( 9.604,0)

903,0
=
826,0
 = 1,09
126 98
a = - 1,09
7 7
= 18,0 - 1,09 (14)
= 18,0 - 15,26
= 2,74
Jadi persamaa regresinya adalah sebagai berikut : Y = 2,74 + 1,09 X, berarti bahwa
apabila variabel X (pengunjung ) = 0, maka variabel Y (pendapatan) akan menjadi sebesar
Rp 2,74 juta rupiah.
Setelah mendapatkan persamaan regresi tersebut, maka dapat digambarkan garis
regresi tersebut dengan memasukkan nilai-nilai X dan Y dari persamaan regresi yang telah
ada yaitu :

X 0 1 2 3 4
Y 2,74 3,83 4,92 6,01 7,10

Grafiknya sebagai berikut :

Y

7,10 --- ...................................................................

.
6,10 --- .................................................. .
. .
4,92 --- ................................ . .
. . .
3,83 --- ............... . . .
. . . .
2,74 --- . . . .
. . . .
0 X
1 2 3 4
 Setelah mendapatkan titik-titik scatter diagram, kemudian hubungkan titik-titik
tersebut menjadi garis regresi. Setelah mengetahui persamaan regresi dan garis regresi dari
scatter diagram di atas, maka dapatlah disimpulkan bahwa, hubungan antara variabel X
(jumlah pengunjung) dengan variabel Y (pendapatan yang diterima) adalah positif.

Jadi kesimpulannya adalah : bertambahnya jumlah pengunjung akan nengakibatkan

bertambahnya pendapatan yang diterima

Pertanyaan :
Dengan menggunakan persamaan di atas, maka jika dalam tahun ke 8 ada 22.000 orang
pengunjung, maka diperkirakan (diramalkan) akan diperoleh pendapatan sebagai berikut :

Y = 2,74 + 1,09 X di mana X = 22

Y = 2,74 + 1,09 (22)

= 2,74 + 23,98
= 26,72
Jadi kesimpulannya adalah sebagai berikut : yaitu dengan betambahnya pengunjung
menjadi 22.000 orang dalam tahun ke 8, maka pendapatan yang diterima menjadi 26,72 juta
rupiah.

Contoh 2.
Data di bawah ini adalah omzet dari penjualan (dalam jutaan rupiah) dan pengalaman kerja
(dalam tahun) dari 8 orang salesman pada suatu perusahaan sebagai berikut :

Nama Karyawan Omzet Penjualan (jutaan Rp) Pengalaman Kerja (Tahun)

A 5 2
B 7 2
C 6 2
D 8 4
E 6 3
F 10 5
G 9 4
H 5 1

Pertanyaan :
a. Gambarkan scatter diagram dari data tersebut secara jelas dan lengkap
b. Tentukan persamaan garisnya
c. Taksirlah berdasarkan persamaan regresi tersebut, omzet penjualan dari seorang
karyawan yang mempunyai pengalaman kerja 2,5 tahun
d. Apa yang saudara dapat simpulkan mengenai hubungan omzet penjualan dan
pengalaman kerja di perusahaan tersebut
Jawaban :
a. Omzet penjualan, dan pengalaman kerja

Y (jutaan Rp)

10 --- •

•
8 --- •
• . .

6 --- • • .

• • . .
4 --- . . . .
. . . .
2 --- . . . .
. . . .
X
0 1 2 3 4 5

b. Mencari persamaan regresi

Tabel omzet penjualan dan pengalaman kerja

Nama OmzetPenjuala PengalamanKerja XY X2

Karyawan (Y) (X)
A 5 2 10 4
B 7 2 21 9
C 6 2 12 4
D 8 4 32 16
E 6 3 18 9
F 10 5 50 25
G 9 4 36 16
H 5 1 5 1
Jumlah 56 24 184 84
- Dengan menggunakan Eliminasi, dan subsitusi
Y = na + b ∑X I
XY = a ∑X + b ∑X2 II

56 = 8 a + 24 b x 24
184 = 24 a + 84 b x 8

1344 = 192 a + 576 b

1472 = 192 a + 672 b -

- 128 = 0 - 96 b

b = - 128/ -96
= 1,333

Untuk mencari a subsitusikan b ke dalam persamaan I, sehingga akan menghasilkan :

56 = 8a + 24 b
56 = 8a + 24 (1,333)
56 = 8a + 31,999
56 - 31,999 = 8 a
24 = 8a
a = 24/8
a = 3
Jadi persamaan regresinya adalah : Y = 3,0 + 1,333X

- Dengan menngunakan metode Least Square dari persamaan di atas yaitu :

n . XiYi - Xi . Yi
b =
n .  Xi2 - ( Xi) 2

8(184) - 24 (56) (1472,0) - (1344,0)

=
 8 (84) - (24)2 (672,0) - ( 576,0)

128,0
=
96,0
= 1,333
56,0 24,0
a = - 1,333
8 8
= 7,0 - 1,09 (3,0)
= 7,0 - 4,0
= 3,0
Ini berarti, apabila variabel X (pengalaman kerja) = 0, maka variabel Y (omzet
penjualan) akan menjadi 3

c. Apabila diketahui bahwa seseorang karyawan mempunyai pengalaman kerja selama 2,5
tahun, mak omzet penjualan yang ditaksir oleh perusahaan tersebut adalah :

Persamaan regresinya adalah = Y = 3,0 + 1,333X

Jika X = 2,5

Maka Yx = 3,0 + 1,333 X

= 3,0 + 1,333 (2,5)
= 3,0 + 3,3325
= 6,3325
Sehingga persamaan tersebut akan memperoleh penjualan sebesar 6,3325
d. Kesimpulan mengenai hubungan antara omzet penjualan dan pengalaman kerja di
perusahaan tersebut adalah sebagai berikut : setelah mengetahui dan mendapatkan
persamaan regresi dan garis regresi dari garfik di atas, maka ternyata ada hubungan
yang positif antara omzet penjualan dan pengalaman kerja yaitu artinya jika
pengalaman kerja karyawan bertambah, maka omzet penjualan perusahaan tersebut
akan meningkat atau sebaliknya.