ANALISIS REGRESI DAN REGRESI

SEDERHANA MAKALAH

DOSEN PENGAMPU :
YOGA TRAVILO, S.E., M.AK

DISUSUN OLEH
: KELOMPOK 6
RINO FEBRIYANDA (2110401046)
DANI WALDENO ILHAM (2110401031)
AHMAD DANIEL (21104036)

JURUSAN PERBANKAN SYARIAH

FAKULTAS EKONOMI DAN BISNIS ISLAM
INSTITUT AGAMA ISLAM NEGERI (IAIN) KERINCI
TAHUN AKADEMIK 2023/2024
 KATA PENGANTAR
Assalamu’alaikum warahmatullah wabarakatuh
Dengan rasa syukur, makalah ini disusun sebagai bagian dari studi mata kuliah
Ekonometrika. Tema yang diangkat adalah "Analisis regresi dan regresi sederhana."
Terima kasih kepada dosen pembimbing dan teman-teman seangkatan yang telah
memberikan dukungan. Semoga makalah ini bermanfaat dan dapat menjadi kontribusi
positif. Kritik dan saran yang membangun kami harapkan untuk perbaikan di masa
mendatang.Penulis tentu menyadari bahwa makalah ini masih jauh dari kata sempurna
dan masih banyak terdapat kesalahan serta kekurangan di dalamnya. Untuk itu, penulis
mengharapkan kritik serta saran dari pembaca untuk makalah ini, supaya makalah ini
nantinya dapat menjadi makalah yang lebih baik lagi. Kemudian apabila terdapat
banyak kesalahan pada makalah ini penulis mohon maaf yang sebesar-besarnya.

Demikian, semoga makalah ini dapat bermanfaat, Terima kasih.

Sungai Penuh, FEBRUARI 2024

Kelompok 6

2
 DAFTAR ISI
KATA PENGANTAR...........................................................................2
DAFTAR ISI..........................................................................................3
BAB I : PENDAHULUAN....................................................................4
1.1 Latar Belakang Masalah........................................................4
1.2 Rumusan Masalah.................................................................4
1.3 Tujuan....................................................................................5
BAB II : PEMBAHASAN.....................................................................6
2.1 Sejarah Regresi......................................................................6
2.2 Hubungan Statistik vs Deterministik.....................................7
2.3 Regresi vs Kausalitas (Hubungan Sebab Akibat).................7
2.4 Model Regresi Sederhana......................................................8
2.5 Uji Regresi Linier Sederhana................................................9
2.6 Penaksiran Parameter-parameter Regresi..............................9
2.7 Aplikasi (Penerapan).............................................................12
BAB III : PENUTUP.............................................................................16
3.1 Kesimpulan............................................................................16
3.2 Saran......................................................................................16
DAFTAR PUSTAKA............................................................................17

3
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Masalah

Analisis regresi sederhana adalah analisis ketergantungan dari satu

atau lebih variabel bebas terhadap satu variabel tergantung, dengan tujuan untuk
menduga atau memprediksi nilai rata-rata populasi berdasarkan nilai-nilai variabel
bebasnya. Analisis regresi yang digunakan untuk memprediksi satu variabel
tergantung berdasarkan pada satu variabel bebas disebut analisis regresi
sederhana.
Analisis regresi digunakan sebagai metode analisis utama untuk
membuat proposal. Hal ini disebabkan oleh keyakinan bahwa nilai satu variabel
tunggal dapat dipengaruhi oleh satu atau lebih variabel lain. Dengan
menggunakan analisis regresi, maka kita akan dapat membuat perkiraan
berdasarkan variabel yang paling penting, sehingga dapat meminimalkan
dampaknya.
Pemodelan regresi telah banyak digunakan dalam bidang sosial,
ekonomi, kimia, kesehatan, dan sebagainya. Dengan model regresi yang
dihasilkan, dapat diketahui variabel-variabel yang secara signifikan
mempengaruhi variabel yang lain. Untuk bisa memperoleh variabl-variabel yang
berpengaruh tersebut maka model yang diperoleh harus dapat memenuhi asumsi-
asumsi yang berlaku di dalam regresi. Oleh karena itu dalam makalah ini penulis
akan membahas materi dengan judul “Analisis Regresi dan Regresi Sederhana”.
1.2 Rumusan Masalah
1.2.1 Bagaimana sejarah regresi?
1.2.2 Bagaimana hubungan statistik vs seterministik?
1.2.3 Bagaimana hubungan regresi vs kausalitas (hubungan sebab akibat)
1.2.4 Bagaimana model regresi sederhana?

4
1.3 Tujuan
1.3.1 Untuk mengetahui sejarah regresi.
1.3.2 Untuk mengetahui hubungan statistik vs deterministik.
1.3.3 Untuk mengetahui hubungan vs regresi vs kausalitas (ubungan sebab
akibat).
1.3.4 Untuk mengetahui model regresi sederhana.

5
 BAB II
PEMBAHASAN
2.1 Sejarah Regresi
Analisis regresi pertama diperkenalkan oleh Francis Galton yang pada
saat itu melihat bahwa ada kecenderungan orangtua yang tinggi akan memiliki
anak yang tinggi. Dan begitu sebaliknya, jika orangtua pendek akan cenderung
memiliki anak yang pendek.
Galton menyebutkan bahwa, tinggi rata-rata badan anak yang lahir
ternyata akan cenderung bergerak mundur atau regress mendekati tinggi rata-rata
badan dari populasi secara keseluruhan meskipun kecenderungan orangtua yang
berbadan tinggi akan punya anak berbadan tinggi, sedangkan orangtua yang
berbadan pendek akan mempunyai anak yang berbadan pendek.
Kemudian teman Galton yaitu Karl Pearson mengonfirmasi tentang
hukum regresi, dengan mengumpulkan lebih dari satu juta rekor data tinggi badan
dari anggota sejumlah keluarga. Dia menemukan bahwa kebanyakan sebuah
keluarga dengan ayah yang berpostur tinggi memiliki anak yang lebih pendek dan
keluarga dengan ayah yang berpostur pendek memiliki anak yang lebih tinggi.
Oleh karena itu, regresi tinggi dan pendek badan seorang anak akan
cenderung ssama dengan tinggi rata-rata populasi. Dalam bahasa Galton, hal ini
disebut Regression To Mediocrty. Tetapi sekarang makna regresi telah berbeda
jauh dari apa yang dimaksudkan oleh Galton. Secara umum analisis regresi
diartikan sebagai suatu analisis tentang ketergantungan suatu variabel kepada
variabel lain yaitu variabel bebas dalam rangka membuat estimasi atau prediksi
dari nilai rata-rata variabel tergantung dengan diketahuinya nilai variabel bebas.
2.2 Hubungan Statistik Vs Deterministik
Analisis regresi berkenaan dengan apa yang kita kenal sebagai
statistik, bukan sebagai hubungan fungsional atau deterministik, tetapi saling
ketergantungan antara variabel seperti dalam ilmu fisika. Dalam hubungan
statistik antar variabel, pada dasarnya berurusan dengan variabel acak atau
variable yang bersifat acak atau stokastik, sehingga hal tersebut merupakan

6
distribusi probabilitas. Sedangkan hubungan deterministik tidak bersifat random
atau stokastik.
Suhu, curah hujan, cahaya matahari dan pemumpukan merupakan
contoh dari statistik hal tersebut merupakan variabel penting yang dapat
menjelaskan hasil panen. Tetapi, hal tersebut tidak dapat menentukan secara
estrak hasil panen karena terkait dengan error pengukuran pada variabel-variabel
tersebut yang secara keseluruhan akan berpengaruh, meskipun akan sulit untuk
mengidentifikasi secara individual.
Oleh karena itu, terdapat variabel intrinsik atau variabel acak pada
hasil panen yang tidak dapat dijelaskan secara penuh, tidak tergantung dari berapa
jumlah variabel yang akan digunakan untuk memprediksikan. Ini yang sering kita
sebut dengan istilah koefesien determinasi pada regresi linear.
Dalam fenomena deterministik, kita dapat menentukan secara pasti
hubungan antara variabel, sebagai contoh, hukum gravitasi newton menyatakan
bahwa setiap partikel dalam semesta menarik setiap partikel lain dengan gaya
yang sebanding dengan masanya dan berbanding terbalik dengan kuadrat jarak
antara kedua partikel tersebut.
2.3 Hubungan Regresi vs Kausalitas (Hubungan sebab akibat)
Meskipun analisis regresi berkaitan dengan ketergantungan satu
variabel dengan variabel yang lain, dan hal itu tidak selalu berhubungan sebab
akibat.
Seperti hasil panen, tidak ada alasan statistik untuk mengasumsikan
bahwa curah hujan tidak bergantung pada hasil panen. Dan fakta menjelaskan
bahwa kita memperlakukan hasil panen sebagai sesuatu hal bergantung pada
curah hujan dan hal tersebut disebabkan oleh pertimbangan yang non-statistik.
Secara akal sehat hal tersebut menunjukkan bahwa hubungan tersebut
tidak dapat dibalik, karena kita tidak dapat mengontrol curah hujan dengan
memvariasikan hasil panen.
Jadi, hubungan statistik tidak terdapat hubungan sebab akibat. Untuk
menganggap kausalitas, sesorang harus mengacu pada pertimbangan yang teoritis.

7
2.4 Model Regresi Sederhana
Analisis regresi sederhana adalah hubungan secara linear atau satu
variabel independen (X) dengan variabel independen (Y). analisis ini bertujuan
untuk memprediksi nilai dari variabel independen mengalami kenaikan atau
penurunan dan untuk mengetahui arah hubungan antara variabel independen
apakah positif atau negative. Rumus regresi sederhana sebagai berikut:
Y1 = a + bX
Dimana :
Y1 = variabel dependen ( nilai yang diprediksi)
X = variabel independen
a = konstanta (nilai Y1 apabila X = 0)
b = koeifisien regresi ( nilai peningkatan ataupun penurunan)
2.5 Uji Regresi Linear Sederhana
Adapun syarat uji regresi linear sederhana yakni sebagai berikut :
 Valid dan Relable
 Normal dan Linear
Adapun dasar pengambilan keputusan dalam regresi linear sederhana dapat
mengacu pada dua hal yaitu:
Membandingkan nilai signifikan dengan nilai probabilitas atau p-value 0,05
seperti :
 Jika nilai signifikan < 0,05, maka variabel X berpengaruh terhadap
variabel Y.
 Jika nilai signifikan > 0,05, maka variabel X tidak berpengaruh terhadap
variabel Y.
2.6 Penaksiran Parameter-parameter Regresi
Model regresi linear sederhana dapat dituliskan sebagai Y = B o + B1X + Eu
dengan Y adalah variabel respon, X adalah variabel bebas Bo dan B1 adalah
parameter regresi dan E adalah galat model. Metode theil adalah salah satu
penaksiran parameter kemiringan garis regresi dengan cara mencari median
kemiringan seluruh garis dari pasangan titik pengamatan .

8
Tahap pertama yang dilakukan dalam penafsiran parameter dengan metode theil
adalah mengurutkan data variabel bebas dari terkecil hingga terbesar sehingga X1
< X2 <…Xn. untuk setiap pasangan (Xj, Yj dan (Xk, Yk) nilai kemiringannya
dilambangkan degan bjk dan dituliskan sebagai:
Bjk = (Yk-Yj) / (Xk – Xj) : j<k
Dengan j = 1,2,…,n-1, k=2,3,…,n. penaksiran untuk parameter kemiringan garis
(B1) adalah median dan (bjk). Penaksir parameter intersep (B o) diperoleh dengan
menghitung nilai ai = Yi – BiXi dengan i = 1,2,…,n.
Kemudian median dari { ai } merupakan penaksiran parameter
intersepnya. Contoh Soal :
Tabel Data Penelitian Pengaruh Pendapatan Terhadap Pengeluaran Suatu
Perusahaan Perusahaan
No Tahun Pendapatan (X) Pengeluaran (Y)
1 2001 90 75
2 2002 60 45
3 2003 60 55
4 2004 85 60
5 2005 70 65
6 2006 40 40
7 2007 55 45
8 2008 80 80
9 2009 70 60
10 2010 80 65
11 2011 75 68
12 2012 70 65
Pemecahan :
a) Persamaan Regresi Linear Sederhana
b) Prediksi Pengaruh Pendapatan Terhadap Pengeluaran :
 Jika nilai signifikan < 0,05, maka variabel X berpengaruh terhadap
variabel Y.

9
  Jika nilai signifikan > 0,05, maka variabel X tidak berpengaruh
terhadap variabel Y.
c) Seberapa kuat pengaruh nilai pendapatan X terhadap pengeluaran suatu
Perusahaan?
Hasil Output perhitungan regresi sederhana tentang “Pengaruh
Pendapatan Terhadap Pengeluaran Suatu Perusahaan Perusahaan”, yakni sebagai
berikut :
a) Persamaan Regresi Linear Sederhana
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta T Sig.
1 (Constant) 8.493 10.040 .846 .417
PENDAPATAN .744 .142 .857 5.251 .000
a. Dependent Variable: PENGELUARAN
Pada tabel Coeffecients digunakan untuk melihat persamaan regresi linear
sederhana. Untuk melihat persamaan regresi linear sederhana dapat dilihat dari
kolom B. yang dimana nilai konstanta (a) sebesar 8,493 dan nilai pendapatan
sebesar 0,744.
Jadi, nilai persamaan regresi berganda pada tabel tersebut adalah :
Y1 = 8,493 + 0,744 X

b) Prediksi Pengaruh Pendapatan Terhadap Pengeluaran

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 1202.192 1 1202.192 27.570 .000b
Residual 436.058 10 43.606
Total 1638.250 11
a. Dependent Variable: PENGELUARAN
b. Predictors: (Constant), PENDAPATAN
Pada tabel diatas menjelaskan bahwa nilai F hitung pada kolom F = 27,570
dengan tingkat signifikansi yang ada pada dalam kolom Sig. sebesar 0,000 yang
dimana 0,000 < 0,05, maka tabel tersebut memprediksi bahwa ada pengaruh
pendapatan (X) terhadap pengeluaran (Y).

10
 c) Seberapa kuat pengaruh nilai pendapatan X terhadap pengeluaran suatu
Perusahaan.
Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .857a .734 .707 6.603
a. Predictors: (Constant), PENDAPATAN
Pada tabel diatas menjelaskan besarnya nilai korelasi atau hubungan (R)
yang terdapat pada kolom R yaitu sebesar 0,857, dari output tersebut diperoleh
koefesien determinasi (R.Square) pada kolom R.Square yaitu sebesar 0,734 yang
berarti bahwa pengaruh pendapatan sebagai nilai religiusitas (X) terhadap
pengeluaran sebagai nilai Agresivitas (Y) sebesar 73,4%.
2.7 Aplikasi (Penerapan)
Aplikasi SPSS sangat diperlukan untuk menghitung regresi sederhana,
Adapun langkah-langkah dalam melakukan regresi sederhana menggunakan SPSS
yakni sebagai berikut :
 Buka file
 Klik Variable View, kemudian pada kolom name baris pertama untuk X,
baris kedua atau terakhir untuk Y.

 Pada kolom label, pada kolom baris pertama ketik “pendapatan” sebagai
X, kolom kedua ketik “pengeluaran” sebagai Y.

11
 Buka halaman data view dengan klik Data View, maka di dapat kolom
variable X, dan Y. Kemudian ketikkan data sesuai dengan variablenya.

 Klik Analyze >> Regression >> Linear.

12
 Maka muncul kotak dialog Linear Regression sebagai berikut :

 Klik variable “pengeluaran” atau Y dan masukkan ke kotak Dependent,

kemudian klik variable “pendapatan” atau X, kemudian masukkan ke kotak
Independent. Setelah itu klik OK, maka hasil output yang didapat adalah :

13
 Setelah klik OK maka di dapat hasil :

14
 BAB III
PENUTUP
3.1 Kesimpulan

Analisis regresi sederhana adalah analisis ketergantungan dari satu

atau lebih variabel bebas terhadap satu variabel tergantung, dengan tujuan untuk
menduga atau memprediksi nilai rata-rata populasi berdasarkan nilai-nilai variabel
bebasnya. Analisis regresi yang digunakan untuk memprediksi satu variabel
tergantung berdasarkan pada satu variabel bebas disebut analisis regresi
sederhana.
Analisis regresi digunakan sebagai metode analisis utama untuk
membuat proposal. Hal ini disebabkan oleh keyakinan bahwa nilai satu variabel
tunggal dapat dipengaruhi oleh satu atau lebih variabel lain. Dengan
menggunakan analisis regresi, maka kita akan dapat membuat perkiraan
berdasarkan variabel yang paling penting, sehingga dapat meminimalkan
dampaknya.
3.2 Saran
Penulisan makalah ini diharapkan mampu memberikan manfaat yang
signifikan bagi pembacanya dalam memahami dan mengimplementasikan analisis
regresi sederhana yang berguna untuk melakukan penelitian.
Dengan makalah ini semoga kita dapat mengambil pelajaran, dan
makalah ini masih jauh dari kesempurnaan maka dari itu kritik dan saran yang
bersifat membangun sangat kami harapkan untuk kesemournaan makalah kami.

15
 DAFTAR PUSTAKA
Gujarati, Damodar N. (2004). Basic Econometrics. 4th Edition. New York :
McGraw-Hill companies.
Ary, Maxsi. (2014). Analisis Korelasi & Regresi Sederhana Menggunakan Spss
17.0. Bandung.
Sihabudin, dkk. (2021). Ekonometrika Dasar Teori dan Praktik Berbasis Spss.
Purwokerto : Penerbit CV. Pena Persada.
Marliani, dkk. (2019). Penaksiran Parameter Regresi Sederhana Dengan Metode
Theil. Kendari : Universitas Halu Oleo.
Kusumawardhani, Rizky. (2021). Ekonometrika Suatu Pengantar. Surakarta : CV
Gerbang Media Aksara.

16
17