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.
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
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 :
•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
Point Serial
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 ?