Contoh
1. Regresi Universal Galton
Tujuan regresi untuk memprediksi rata-rata tinggi badan anak laki-
laki dengan mengetahui
Y tinggi badan
X ayahnya
X X
Tinggi Badan Anak
X X
75 X X = Nilai rata-rata
X
X X X X
Laki-laki, inci
X X X X
70 X X
X X
X X X X
X X X
65 X
X
X X
X
60
X
X X X X X
X X X X X
X X X
50 X
X
X X
X
40
10 11 12 13 14 X
Umur, Tahun
Gambar 2. Distribusi Hipotesis dr
Tinggi Badan Terkait dengan Kondisi
UmurTertentu
Contoh Regresi
3.Contoh ekonomi, mempelajari ketergantungan pengeluaran pribadi
dr penghasilan setelah kena pajak (disposible real personal income).
Analisis tsb dapat memperkirakan nilai kecenderungan tambahan
konsumsi (MPC), yg merupakan pengeluaran konsumsi rata-rata.
KORELASI ;
Mengukur kekuatan atau tingkat hubungan linier di antara dua
variabel
Tidak ada perbedaan antara variabel dependen dan independen
Semua variabel bersifat random (stokastik)
REGRESI :
Mengukur kekuatan hubungan, estimasi atau perkiraan dari rata-
rata dari nilai variabel dependen
Terdapat perbedaan antara variabel dependen dan independen
Variabel bersifat stokastik dan non stokastik
Istilah dan Notasi
Y X
Variabel dependen Variabel independen
Variabel yang Variabel penjelas
dijelaskan
Variabel yang Variabel yang
diprediksi memperkirakan
Variabel regresan Variabel regresor
Variabel respon Variabel stimulus
Variabel endogen Variabel eksogen
Variabel hasil Variabel kovariat
Variabel yang Variabel kontrol
dikontrol
Variabel stokastik Variabel non stokastik
Sifat dan Sumber Data
Tipe data : data time series, data cross section, data pool
Sumber data
Ketepatan data
Pengukuran variabel : skala rasio, skala interval, skala ordinal,
skala nominal
observasi yg seharusnya tidak dimasukkan tetapi dimasukkan).
Walaupun data eksperiman, kesalahan pengukuran dapat timbul
Ketepatan Data
karena perkiraan atau pembulatan.
Data survey, permasalahan adanya kuesioner yg tidak dijawab scr
lengkap, sehingga tidak mencerminkan perilaku scr keseluruhan
(sample selectivity bias). Permasalahan selanjutnya dari kuesioner
yang masuk, ternyata tidak semua pertanyaan dijawab terutama
pertanyaan yang sensitif yang berkaitan dgn keuangan.
Metode pengambilan sampel dapat bervariasi, sehingga
menyulitkan untuk melakukan komparasi hasil.
Data ekonomi umumnya tersedia pd tingkatan agregat, misal data
makro (inflasi, pertumbuhan, PDB, TK). Data agregat mungkin tdk
dapat menginformasikan kondisi individual atau unit mikro.
Alasan kerahasiaan, data yang diterbitkan hanya dalam bentuk
agregat tk tinggi, misal Internal Revenue Service, tidak
diperbolehkan memberikan informasi mengenai pengembalian
pajak individu.
Catatan; Peneliti sebaiknya selalu mengingat bahwa hasil
penelitian akan selalu setara kualitasnya dgn kualitas
data (GIGO)
Skala Pengukuran
1.Nominal: Skala ini menempatkan angka sebagai atribut objek.
Tidak memiliki efek evaluatif karena hanya menempatkan angka
ke dalam kategori tanpa struktur, tidak memiliki peringkat dan
tidak ada jarak; (jenis kelamin, mata angin, warna). Contoh; Pria
= 1 dan Wanita = 0
2.Ordinal: Skala ordinal memiliki peringkat, tapi tidak ada jarak
posisional objektif antar angka karena angka yang tercipta
bersifat relatif subjektif. Skala ini menjadi dasar dalam skala
likert , (sangat memuaskan, memuaskan, tidak memuaskan,
sangat tidak memuaskan). Contoh; Sangat Tidak Setuju = 1,
Tidak Setuju = 2, Tidak Tahu = 3, Setuju = 4, Sangat Setuju = 5
3.Interval: Skala interval adalah skala ordinal yang memiliki poin
jarak objektif dalam keteraturan kategori peringkat, tapi jarak
yang tercipta sama antar masing-masing angka. (umur, suhu,
pendidikan). Contoh; Umur 20-30 tahun = 1, Umur 31-40 tahun
= 2, Umur 41-50 tahun = 3
4.Rasio: Skala rasio adalah skala interval yang memiliki nol
mutlak. (pendapatan, konsumsi, tabungan)
TERIMA KASIH