KONSEP DASAR

ANALISIS REGRESI
KELOMPOK 1
Moh. Aan Himam Anwar (062)
Syntia Debora (064)
Satini Kartikasari (070)
ANALISIS REGRESI
PENGERTIAN
 LATAR BELAKANG

Regresi diperkenalkan oleh Francis Galton. Analisis regresi merupakan analisis yang
memanfaatkan dua atau lebih variabel sehingga salah satu variabel bisa diramalkan
dari variabel lainnya. Pada analisis regresi terdiri dua jenis variabel yaitu variabel

“
Bebas (variabel independen) dan variabel tak bebas (variabel dependen).

Secara umum, analisis regresi pada dasarnya adalah studi mengenai ketergantungan satu
variabel dependen (terikat) dengan satu atau lebih variabel independent (variabel
penjelas/bebas), dengan tujuan untuk mengestimasi dan/ atau memprediksi rata-rata populasi
“
atau niiai rata-rata variabel dependen berdasarkan nilai variabel independen yang diketahui.
Pusat perhatiannya adalah pada upaya menjelaskan dan mengevalusi hubungan antara suatu
variabel dengan
satu atau lebih variabel independen.

KELOMPOK 1
KONSEP DASAR ANALISIS
REGRESI
 ANALISIS REGRESI
Analisis regresi adalah analisis yang bertujuan untuk mengetahui apakah ada

pengertian
pengaruh suatu variabel terhadap variabel lain. Tujuan utama penggunaan
analisis ini adalah meramalkan/menduga nilai dari satu variabel dalam
hubungannya dengan variabel yang lain yang diketahui melalui persamaan
regresinya.

Hasil analisis regresi adalah berupa koefisien regresi untuk masing-masing

variabel independen.
Koefisien ini diperoleh dengan cara memprediksi nilai variable dependen dengan
suatu persamaan. Koefisien regresi dihitung dengan dua tujuan sekaligus :

•Pertama, meminimumkan penyimpangan antara nilai actual dan nilai estimasi

variable dependen;
•Kedua, mengoptimalkan korelasi antara nilai actual dan nilai estimasi variable
dependen berdasarkan data yang ada.
ADA EMPAT KEGIATAN YANG LAZIM DILAKSANAKAN DENGAN
MENGGUNAKAN ANALISIS REGRESI

01 Mengadakan estimasi terhadap parameter berdasarkan data empiris.

02 Menguji berapa besar variasi variabel dependen dapat diterangkan oleh

variasi independen.

03 Menguji apakah estimasi parameter tersebut signifikan atau tidak

04 Melihat apakah tanda magnitude dari estimasi parameter cocok dengan

teori
 PERSAMAAN GARIS REGRESI

Persamaan garis regresi adalah model hubungan antara dua

variabel atau lebih yaitu antara variabel bergantung (dependent
variable) dengan variael bebasnya.

Sedangkan yang dimaksud garis regresi adalah suatu garis yang

ditarik diantara titik-titik sedemikian rupa sehingga dapat
digunakan untuk menaksir besarnya variabel yang satu
berdasarkan besar variabel yang lain dan juga dapat digunakan
untuk mengetahui macam korelasinya (positif atau negatifnya).

Apabila dua variabel x dan y yang mempunyai hubungan atau

korelasi maka perubahan nilai variabel diartikan sebagai variabel
yang satu mempengaruhi variabel yang lainnya.
POLA HUBUNGAN
X DAN Y
Melalui analisis regresi, kita bisa mengembangkan
model yang dapat digunakan untuk memprediksi
nilai-nilai variabel dependen atau responnya
berdasarkan nilai-nilai satu atau lebih variabel
independen atau penjelas. Regresi linier sederhana
berusaha untuk menemukan apakah nilai-nilai Y
yang bergantung (seperti penjualan toko) dan
variabel X independen (seperti jumlah sales).
HUBUNGAN ANTAR VARIABEL
Hubungan antar variabel dapat berupa hubungan linier ataupun hubungan t
idak linier.
Misalnya, berat badan orang dewasa sampai pada tahap tertentu bergantun
g pada tinggi badan, keliling lingkaran bergantung pada diameternya, dan t
ekanan gas bergantung pada suhu dan volumenya. Atau dalam ilmu pemas
aran, nilai penjualan akan bergantung pada biaya promosi. Hubungan-hub
ungan itu bila dinyatakan dalam bentuk matematis akan memberikan persa
maan-persamaan tertentu.
02
Untuk dua variabel, hubungan liniernya dapat dinyatakan dalam bentuk
persamaan linier, yakni: Y = a + bX. Hubungan antara dua variabel
03
pada persamaan linier jika digambarkan secara (scatter diagram), semua
nilai Y dan X akan berada pada suatu garis lurus.

04
Hubungan Antara Variabel
Hubungan antar variabel tersebut biasanya dinyatakan dalam suatu model matematis (fungsi) misal y = f(x) dimana y adalah
variabel bergantung/dependent variabel atau bisa juga dikatan sebagai variabel yang dipengaruhi (indikator) dan x adalah
variabel bebas (independent variabel) atau biasa juga disebut sebagai variabel yang memengaruhi (prediktor).

Sebagai ilustrasi, misalkan y = 12 + 0,2x, model tersebut dapat diartikan bahwa nilai y akan bertambah besar 0,2 unit satuan
untuk setiap x berubah sebesar 1 unit satuan,
misal untuk x = 0
maka nilai y = 12
dan jika x = 5

maka nilai y berubah menjadi y = 12 + 0,2 (5) = 14,5 dan seterusnya.

 MODEL REGRESI
Model regresi merupakan suatu cara formal untuk mengekspresikan dua unsur penting suatu
hubungan statistik :

1 2
Suatu kecenderungan Perpencaran titik-titik
berubahnya peubah tidak di ser kurva hubungan
bebas Y secara sistematis statistik itu.
sejalan dengan berubahnya
peubah besar X.

Kedua ciri ini disatukan dalam suatu model regresi dengan cara mempostulatkan bahwa :

1. Ada suatu rencana peluang peubah Y untuk setiap taraf (level) peubah X.
2. Rataan sebaran-sebaran peluang berubah secara sistematis sejalan dengan berubahnya nilai peubah X.
 MACAM ANALISIS REGRESI :

Regresi Linier Sederhana Regresi Dummy

01 Hubungan antara 2 variabel. Yaitu x (variabel

bebas) dan y (variabel tak bebas). 04 Hubungan antara variabel y
(data kuantitatif) dan variabel x (data kualitatif).
Kedua variabel datanya kuantitatif

Regresi Linier Berganda Regresi Logistik

02 Hubungan antara variabel y dengan dua atau
lebih variabel x. Semua variabel datanya
05 Hubungan antara variabel y (data kualitatif)
dan variabel x (data kuantitatif).
kuantitatif.

Regresi Non Linier

03 Hubungan antara variabel y dan x yang tidak

linier. Tidak linier maksudnya laju perubahan y 06
akibat laju perubahan x tidak konstan untuk
nilai-nilai x tertentu..
 SYARAT-SYARAT
Model kelayakan regresi linear dalam IBM SPSS didasarkan pada hal-hal sebagai berikut:

•Model regresi dikatakan layak jika angka signifikansi pada ANOVA sebesar < 0.05
•Predictor yang digunakan sebagai variabel bebas harus layak. Kelayakan ini diketahui jika angka
Standard Error of Estimate < Standard Deviation
•Koefesien regresi harus signifikan. Pengujian dilakukan dengan uji t. Koefesien regresi signifikan
jika t hitung > t table (nilai kritis). Dalam IBM SPSS dapat diganti dengan menggunakan nilai
signifikansi (sig) dengan ketentuan sebagai berikut:
•Jika sig < 0,05; koefesien regresi signifikan
•Jika sig > 0,05; koefesien regresi tidak signifikan

•Tidak boleh terjadi multikolinieritas, artinya tidak boleh terjadi korelasi antar variabel bebas yang
sangat tinggi atau terlalu rendah. Syarat ini hanya berlaku untuk regresi linier berganda dengan
variabel bebas lebih dari satu. Terjadi multikolinieritas jika koefesien korelasi antara variable
bebas > 0,7 atau < - 0,7
•Tidak terjadi otokorelasi jika: - 2 ≤ DW ≤ 2
 
 SYARAT-SYARAT
Model kelayakan regresi linear dalam IBM SPSS didasarkan pada hal-hal sebagai berikut:

f. Keselerasan model regresi dapat diterangkan dengan menggunakan nilai r 2 semakin besar nilai
tersebut maka model semakin baik. Jika nilai mendekati 1 maka model regresi semakin baik. Nilai r 2
mempunyai karakteristik diantaranya:

1) selalu positif,
2) Nilai r2 maksimal sebesar 1. Jika Nilai r2 sebesar 1 akan mempunyai arti kesesuaian yang sempurna.
Maksudnya seluruh variasi dalam variabel tergantung (variabel Y) dapat diterangkan oleh model
regresi. Sebaliknya jika r2 sama dengan 0, maka tidak ada hubungan linier antara variabel bebas
(variabel X) dan variabel tergantung (variabel Y).

g. Terdapat hubungan linier antara variabel bebas (X) dan variabel tergantung (Y)
h. Data harus berdistribusi normal
i. Data berskala interval atau rasio
j. Terdapat hubungan dependensi, artinya satu variabel merupakan variabel tergantung yang tergantung
pada variabel (variabel) lainnya.
 
  
Macam-macam Teknik Korelasi

Product Moment Pearson Biserial

Satu berskala nominal buatan dan satu berskala
Kedua variabelnya berskala interval
interval
Rank Spearman Koefisien kontingensi

Kedua variabelnya berskala ordinal Kedua varibelnya berskala nominal

Point Serial

Satu berskala nominal sebenarnya dan satu

berskala interval
 TUJUAN PENGGUNAAN ANALISIS REGRESI, ANTARA LAIN:

Membuat estimasi rata-rata dan nilai Menguji hipotesis karakteristik dependensi.

variabel tergantung dengan didasari
pada nilai variabel bebas. A B

Untuk meramalkan nilai rata-rata variabel

bebas dengan didasarkan pada nilai
C
variabel bebas diluar jangkauan sample.
KESIM PULAN
 Analisis regresi atau peramalan adalah suatu proses memperkirakan secara sistematis tentang apa yang paling
mungkin terjadi dimasa yang akan datangberdasarkan informasi masa lalu
dan sekarang yang dimiliki agar kesalahannya dapat diperkecil.

 Supaya tidak salah paham bahwa peramalan tidak memberikan jawaban pastitentang apa yang akan terjadi
melainkan berusaha mencari pendekatan apa yang akan terjadi. Jadi, regresi memngemukakan tentang keingin
tahuan apa yang terjadi dimasa depan untuk memberikan kontribusi menentukan keputusan yang terbaik.

 analisis regresi digunakan untuk memprediksikan seberapa jauh perubahan nilai variabel independen
dimanipulasi/diubah-ubah atau dinaik-turunkan.

 Manfaat dari hasil analisis regresi adalah untuk membuat keputusan apakah naik dan menurunnya variabel
dependen dapat dilakukan melalui peningkatan variabel independen atau tidak. Sebagai contoh naiknya jumlah
penjualan dapat dilakukan melalui jumlah iklan atau tidak
Thank you
ANY QUESTION ?