REGRESI

EMMY LILIMANTIK
Regresi pertama kali diperkenalkan oleh
Sir Francis Galton (1886), dalam
artikelnya berjudul Family Likeness in
Stature 
Menemukan tendensi bahwa orang tua
yang memiliki tubuh tinggi memiliki
anak-anak yang tinggi pula dan orang tua
yang pendek memiliki anak-anak yang
pendek pula.
Regresi adalah metode yang dipakai untuk mengukur
hubungan antara 2 variabel atau lebih.
Metode untuk memprediksi sesuatu yang belum
diketahui berdasarkan sesuatu yang sudah diketahui.
Pengukur hubungan antara 2 variabel atau lebih yang
dinyatakan dengan bentuk hubungan atau fungsi.
Y = f(x)
 Untuk menentukan bentuk hubungan antar variabel
diperlukan pemisahan yang tegas (variable X) dan (variable
Y).
 Variabel Y : variable yang ditentukan, variable terikat,
variable yang dipengaruhi, variable dependen
 Variabel X : variable yang menentukan, variable bebas,
variable yang mempengaruhi, variable independen
Pada regresi harus ada variabel yang ditentukan (Y) dan
variabel yang menentukan (X).
Kedua variabel biasanya bersifat kausalitas (mempunyai
hubungan sebab akibat) atau adanya ketergantungan
variabel yang satu dengan variabel yang lain dan
sebaliknya.
Digunakan terutama untuk tujuan peramalan
(forecasting).
 1. Gambar menunjukkan distribusi dari
tinggi anak sesuai dengan anggapan
Tinggi badan anak (Y) (penemuan Galton) terhadap tinggi badan
ayahnya.
2. Titik yang membentuk garis disebut
x
75 x x dengan rata-rata (mean value).
70 x
x
x
x
x
x
x
3. Garis yang terbentuk disebut garis regresi.
x x x x 4. Tinggi anak (variable Y) dan tinggi ayah
65 x x x x
x x x (variable X).
60 x x
x
Dengan data (jika tinggi ayah diketahui) kita
dapat membentuk sebuah garis regresi yang
60 65 70 75
dapat memprediksi tinggi anak. 
Tinggi badan ayah (X)
 LINIER SEDERHANA (simple
regression)

1 Variabel Y, 1 variabel X
REGRESI

LINIER BERGANDA (multiple

regression)
1 Variabel Y, > 1 variabel X
 REGRESI LINIER SEDERHANA
Sebuah metode pendekatan untuk pemodelan hubungan
antara satu variabel terikat (Y) dan satu variabel bebas (X).
Digunakan untuk mengetahui pengaruh dari variabel bebas
terhadap variabel terikat.
Variabel bebas menerangkan variabel terikatnya.
Dalam analisis regresi sederhana, hubungan antara variabel
bersifat linier, dimana perubahan pada variabel X akan diikuti
oleh perubahan pada variabel Y secara tetap.
 Secara matematis model analisis regresi linier
sederhana dapat digambarkan sebagai berikut :
Y = a + bX + e

Keterangan :
Y = variabel dependen
X = variabel independen
a adalah intercept atau konstanta
b adalah koefisien regresi atau slope
e adalah residual atau error
 Menentukan koefisien a dan koefisien b
   
n ∑XY – ∑X.∑Y ∑Y – b ∑X
b= a=
n ∑X (∑X)
2– 2
n
 

Keterangan :
n = ukuran sampel
a = nilai konstanta
b = nilai koefisien regresi untuk variabel X
(besarnya perubahan nilai variabel bebas)
Contoh soal :
Diketahui suatu penelitian terhadap hubungan antara nilai biaya
periklanan dengan tingkat penjualan dari sebuah koperasi adalah
sebagai berikut : (dalam ribuan rupiah).
Tentukan persamaan regresinya !

Biaya Periklanan Tingkat Penjualan

50 40
51 46
52 44
53 55
54 49
Jawab :

Menentukan persamaan regresinya

 Langkah 1 :
Menentukan variable X dan variable Y.

Dalam soal ini variable biaya periklanan merupakan

variable X dan tingkat penjualan merupakan variable Y.
Langkah 2 : Membuat table regresi sederhana
Periklanan (X) Tkt. Penjualan (Y) X2 Y2 (XY)

50 40

51 46

52 44

53 55

54 49

260 234
Periklanan (X) Tkt. Penjualan (Y) X2 Y2 (XY)

50 40 2500 1600 2000

51 46 2601 2116 2346

52 44 2704 1936 2288

53 55 2809 3025 2915

54 49 2916 2401 2646

260 234 13530 11078 12195

Langkah 3 : Menentukan koefisien a dan koefisien b

   
n ∑XY – ∑X.∑Y ∑Y – b ∑X
b= a=
n ∑X (∑X)
2– 2
n
  (234) – 2,7 (260)
5 (12195) –(260)(234) a=
b = 5
5 (13530) – (260) 2
= -93,6

= 2,7
 ● Langkah 4 : Menentukan persamaan regresi linier
sederhana
Y=a+bX
Maka persamaan regresi dalam soal ini adalah :
            Y = -93,6 + 2,7 X           

o variable X = biaya periklanan

o variable Y = tingkat penjualan
o Konstanta/intercept (a) = -93,6
o Slope = 2,7
Persamaan :            Y = -93,6 + 2,7 X           

Cara membaca persamaan regresi :

Intercept (a)
• Pengaruh variable biaya iklan terhadap tingkat penjualan
adalah negative. Negative disini bukan berarti minus.
• Artinya jika tidak ada biaya iklan, maka tingkat penjualan
koperasi adalah sebesar 93,6.

Slope (b)
Setiap kenaikan biaya iklan sebesar Rp 1, maka penjualan
akan meningkat sebesar 2,7.