BAB III

ANALISIS REGRESI
 An Introduction
Regresi linier sering digunakan untuk
melihat nilai prediksi atau perkiraan yang
akan datang

Apabila X dan Y mempunyai hubungan, maka

nilai X yang sudah diketahui dapat
digunakan memperkirakan Y

Perkiraan mengenai terjadinya sesuatu

kejadian (nilai variabel untuk waktu yang
akan datang, seperti prediksi produksi 3
tahun yang akan datang, prediksi harga
bulan depan, ramalan jumlah penduduk 10
tahun mendatang, ramalan hasil penjualan
tahun depan).
 Ramalan mengetahui suatu kejadian baik
secara kualitatif (akan turun hujan, akan
terjadi perang, akan lulus ujian)

Kuantitatif (produksi padi akan mencapai

16 juta ton, indek harga 9 bahan pokok
naik 10%, penerimaan devisa turun 5%)

Melakukan peramalan adalah dengan

mengunakan garis regresi
Lanjutan

Variable Y yang nilainya akan diramalkan disebut

variable tidak bebas (dependent variable)

sedangkan variable X yang nilainya digunakan

untuk meramalkan nilai Y disebut variable bebas
(independent variable) atau variable peramal
(predictor) dan sering kali disebut variable yang
menerangkan (exsplanatory).
 X Y
Prediktor Variabel respon
variabel indipenden Variabel dependen
Adakah korelasi/ hubungannya nya ?
Dapatkah variabel X memprediksi Y ? Analisis Regresi

Analisis regresi digunakan untuk mengetahui bagaimana variabel

dependen atau kriterium dapat diprediksikan melalui variabel
independen atau prediktor secara individu atau parsial maupun
secara bersama-sama atau simultan.
Ilustrasi hubungan positif

X Y

Pupuk Produksi
Berat Tekanan
Badan darah
 Ilustrasi hubungan negatif

X Y
Jumlah aseptor Jumlah kelahiran
Harga suatu barang Permintaan barang
darah
 Scatter Plot Examples
Weak
Strong relationships
relationships

y y

x x

y y

x x
Scatter Plot Examples
No
relationship

x
 Jenis Analisis Regresi
I. Regresi linier jika hubungan antara variabel bebas terhadap
variabel tak bebas berbentuk linier
a bX
Regresi linier sederhana Y
Regresi linier berganda Y a b1 X1 b2 X 2 b3 X 3

II. Regresi tak linier jika hubungan antara variabel bebas

terhadap variabel tak berbentuk linier
Regresi kuadratik Y a bX cX 2
Regresi kubik Y a bX 2
Y a bX cX 2 dX 3
Y a bX 2 cX 3
Y a bX 3
Regresi Linier Sederhana
 Xi variabel independen ke-i
Yi variabel dependen ke-i maka bentuk
model regresi sederhana adalah :
Yi X i i , i 1,2,, n
Yi X
Y a bX
i
dengan
, atau a, b parameter yang tidak diketahui
i sesatan random dgn asumsi

E[ i ] 0

Var ( i ) 2
Dari garis regresi sampel diperoleh : Turunkan
^ ^ D
ei Yi ( X i ) terhadap
Dan a dan b
n
D ei (Yi (a bX i )) 2
2
!!!!
i 1
 Analisis Regresi
Pendugaan terhadap koefisien regresi:

( x)( y )
xy n
b Metode
x 2

( x ) 2
Kuadrat Terkecil
n

a
Y X 2

X XY
n X 2 X
2

Bagaimana Pengujian terhadap model regresi ??

parsial (per koefisien) uji-t
bersama uji-F (Anova)
Bagaimana menilai kesesuaian model ??
R2 (Koef. Determinasi: % keragaman Y yang mampu dijelaskan oleh X)
 ATAU
y x xy x2 y2

. . . . .
. . . . .

y x xy x2 y2

n xy x y
b
n x 2 ( x ) 2
a y bx

y
y
x
x
n n
 Latihan
Carilah persamaan regresi Y pada X dari data Tabel :

( x)( y )
xy n
b
x 2

( x ) 2

n
53305 -
665951
12 0.8972
37525
665 2

12
a y b1 x 29.53
jadi diperoleh persamaan regresi :
Y 29.5294 0.8972 X
i i
 MENGUJI KOEFISIEN REGRESI
DENGAN ANALISIS VARIANSI

Perhatikan

y y y y y y
i i i i
variasi regresi sisa

n n n

i
( y
i 1
y ) 2
i
(
y y )
i 1
2
i i
( y
y ) 2

i 1
 Variasi yang diterangkan dan
Yang tidak dapat diterangkan

y
yi
JKS = (yi - yi )2 y
_
JKT = (yi - y)2

y _
_ JKR = (yi - y)2 _
y y

Xi x
 Tabel Anava :

Sumber JK dk RK F Hitung
Variasi

Regresi JKR= 1 RKR=JKR/1 F=RKR/RKS

x x
n
2
b i
i 1

Sesatan JKS= JKT-JKR n-2 RKS=JKS/n-2 Ftabel

F(alpha, 1,n-2)

Total JKT= n-1

n y
2

y n
i 1
2
i
i