I Made Suiantara

(2081421002 )

MAGISTER ILMU EKONOMI

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS UDAYANA
2021

REGRESI SEDERHANA
EKONOMETRIKA INTERMEDIATE
 ANALISIS REGRESI
Analisis regresi merupakan salah satu alat
statistik yang banyak digunakan dalam berbagai
bidang. Analisis tersebut bertujuan untuk
10% 20 %
mengetahui hubungan antara variabel dependen
dan variabel independen.

analisis regresi linier analisis regresi linier

sederhana berganda

Pemodelan dengan regresi telah banyak digunakan mulai dari bidang sosial,
ekonomi, kimia, kesehatan, dan sebagainya. Dengan model regresi yang
10%
dihasilkan, dapat diketahui variabel-variabel yang secara signifikan
mempengaruhi variabel yang lain.
Konsep Regresi Sederhana
Istilah regresi pertama kali digunakan
dalam statistik oleh Sir Francis Galton
pada tahun 1877
menunjukkan bahwa sifat tinggi
badan anak yang dilahirkan Asumsi umum atau prasyarat analisis regresi:
ternyata menurun (regress) dari
• Data yang dianalisis jenis data interval atau
tinggi badan orang tuanya.
ratio.
• Data dipilih secara random.
• Data yang dihubungkan berdistribusi normal.
Kegunaan regresi dalam penelitian • Data yang dihubungkan berpola linear.
salah satunya adalah memprediksi • Data yang dihubungkan mempunyai pasangan
nilai variabel terikat apabila variabel yang sama sesuai dengan subjek yang sama.
bebas telah diketahui.
Pengertian Regresi Linier Sederhana
Regresi Linear Sederhana adalah regresi yang
memiliki satu variabel independen (X) dan satu
variabel dependen (Y). Analisis Regresi Sederhana ini
bertujuan untuk menguji pengaruh antara variabel X
terhadap variabel Y. Variabel yang dipengaruhi
disebut variabel dependen, sedangkan variabel yang
mempengaruhi disebut variabel independen.

Koefisien (b) regresi linier adalah nilai dari

variabel (X) yang bisa bermakna positif atau
negatif, yang fungsinya mempengaruhi
variabel (Y). Jika nilai variabel X positif maka
akan berpengaruh naik terhadap variabel Y,
akan tetapi jika nilai variabel X ternyata negatif
justru akan berpengaruh turun terhadap
variabel Y.
 Goodness Of Fit

Model statistik menggambarkan

seberapa baik itu sama dengan
serangkaian pengamatan. Ukuran
goodness of fit biasanya meringkas
perbedaan antara nilai yang diamati
dan nilai yang diharapkan dalam
model tersebut.
Bentuk Fungsional Hubungan Regresi
Pemilihan bentuk fungsional hubungan regresi
terkait dengan pemilihan peubah bebasnya. Ada
kalanya, teori bilang ilmu bersangkutan bisa
menunjukkan bentuk fungsional yang cocok.

Yang lebih sering dijumpai adalah bahwa bentuk

fungsional hubungan regresi tersebut tidak
diketahui sebelumnya, sehingga harus ditetapkan
setelah datanya diperoleh dan dianalisis.
Bentuk Fungsional Hubungan Regresi
MODEL
Bentuk umum fungsi regresinya linear

Yi = β0 + β1Xi + εi

Dalam hal ini :

• Yi adalah nilai perubahan respons dalam
amatan ke-i
• β 0 dan β 1 adalah parameter
• Xi adalah konstanta yang diketahui, yaitu
nilai peubah bebas dari amatan ke-i
Bentuk Fungsional Hubungan Regresi
Makna Parameter Regresi
Kedua parameter β0 dan β1 dalam model regresi.
dinamakan koefisien regresi. β1 adalah kemiringan
(slope) garis regresi. Kemiringan menunjukkan
perubahan rataan sebaran peluang bagi Y untuk stiap
kenaikan X satu satuan.

Semisal ntersep 𝛽0 = 0,4845 menunjukkan nilai fungsi pada X = 0.

karena model regresi linear ini diformulasikan untuk diterapkan
pada pendapatan yang berkisar antara 11 sampai 120, maka
dalam hal ini β0 mempunyai makna rata-rata konsumsi pada
waktu X sama dengan nol adalah sebesar 0,4845.
Bentuk Fungsional Hubungan Regresi
Metode Kuadrat Terkecil
Tujuan metode kuadrat terkecil adalah menemukan
nilai dugaan b0 dan b1 yang menghasilkan jumlah
kesalahan kuadrat minimum. Dalam pengertian
tertentu, yang segera akan bahas, nilai dugaan itu akan
menghasilkan fungsi regresi yang “baik”.

Pendekatan Pertama, digunakan suatu prosedur

pencarian numerik. Prosedur ini untuk berbagai nilai
dugaan b0 dan b1 yang berbeda sampai diperoleh
nilai dugaan yang meminimumkan. Pendekatan
kedua adalah menemukan nilai- nilai b0 dan b1
secara analitis yang meminimumkan Jumlah
Kesalahan Kuadrat
 Uji Hipotesis
Hipotesis merupakan pernyataan tentang
sifat populasi sedangkan uji hipotesis adalah
suatu prosedur untuk pembuktian kebenaran
sifat populasi berdasarkan data sampel.
Seseorang yang melakukan penelitian akan
lebih banyak menggunakan data sampel
daripada data populasi.
Adapan hipotesis nol dan hipotesis
alternatif dapat dinyatakan sbb:
H0 : β1 ≤ 0
Ha : β1 > 0
Dalam statistika, hipotesis yang ingin
uji kebenarannya tersebut biasanya
bandingkan dengan hipotesis yang
salah yang nantinya akan tolak.
Hipotesis yang salah dinyatakan
sebagai hipotesis nol (null hypothesis)
disimbolkan H0 dan hipotesis yang
benar dinyatakan sebagai hipotesis
alternatif (alternative hypothesis)
dengan simbol Ha.
 Uji Hipotesis
Misalnya hubungan antara dua variabel dalam
persamaan regresi bisa positif maupun negatif maka
prosedur uji hipotesis harus dilakukan dengan uji dua
sisi. Dalam kasus hubungan antara jumlah
pendapatan terhadap konsumsi.

Karena pendapatan mempunyai pengaruh yang positif terhadap konsumsi

maka uji yang digunakan adalah uji satu sisi bukan uji dua sisi. Adapun
prosedur uji t dengan uji satu
1. Membuat hipotesis melalui uji satu sisi
- Uji hipotesis negatif satu sisi
2. Menghitung nilai satisitik t ( t hitung) dan mencari nilai t kritis dari tabel
distribusi t pada dan degree of freedom tertentu.
3. Membandingkan nilai t hitung dengan t kritisnya. Keputusan menolak atau
menerima H0 sbb:
- jika nilai t hitung > nilai t kritis maka H0 ditolak atau menerima Ha
- jika nilai t hitung < nilai t kritis maka H0 diterima atau menolak Ha
 Uji Normalitas

● Uji signifikansi pengaruh variabel

independen terhadap variabel dependen
melalui uji t hanya akan valid jika
residual yang kita dapatkan mempunyai
distribusi normal. Ada beberapa
metode yang bisa digunakan untuk
mendeteksi apaka,h residual
mempunyai distribusi normal atau
tidak.
Kecocokan Model
Uji R2 (uji koefisien determinasi)
Penguji ini dimaksudkan untuk mengukur
seberapa jauh variabel independen
mempengaruhi variabel dependen.

Uji F (uji pengaruh secara bersama)

Penguji ini dimaksudkan untuk mengetahui ada
tidaknya pengaruh variabel independen secara
bersama- sama dengan variabel dependen.

Uji t (t-test)
Pengujian ini dimaksudkan untuk mengetahui ada
tidaknya pengaruhnya variabel independen secara
parsial atau sendiri-sendiri dengan variabel dependen.
 Kecocokan Model

Uji Asumsi Klasik

Uji Asumsi Klasik Dalam model regresi linier
ada beberapa asumsi yang harus dipenuhi
agar memenuhi kondisi BLUE (Best Linier
Unbiased Estimate). Pengujian ini
dimaksudkan untuk menganalisis beberapa
asumsi dari persamaan regresi yang
dihasilkan valid untuk memprediksi.
Thank you!