REGRESI LINEAR

SEDERHANA

Oleh Muhamad Mujahidin

Model Regresi Linear Sederhana

 Model regresi liner merupakan suatu model yang parameternya linier (bisa saja
fungsinya tidak berbentuk garis lurus), dan secara kuantitatif dapat digunakan untuk
menganalisis pengaruh suatu variabel terhadap variabel lainnya. Analisis regresi
menyangkut studi tentang hubungan antara satu variabel Y yang disebut variabel tak
bebas atau variabel yang dijelaskan (dependend variable) dan satu atau lebih variabel X1,
X2, …., Xk, yang disebut variabel bebas atau variabel penjelas (independent variable).
 Persamaan regresi yang hanya terdiri dari satu variabel bebas, maka model tersebut
dikenal dengan sebutan regresi linier sederhana (simple regression). Sedangkan jika dalam
persamaan regresi terdapat lebih dari satu variabel bebas, maka model yang diperoleh
disebut dengan regresi linier berganda (multiple regression).
 Perhatian utama regresi pada dasarnya adalah menjelaskan dan mengevaluasi hubungan
antara suatu variabel dependen dengan satu atau lebih variabel independen. Kita akan
memberi ilustrasi tentang regresi sederhana yang terdiri dari satu variabel independen.
Sebagai contoh, diberikan ilustrasi sebagai berikut: menurut model pendekatan tradisional
(traditional approach) yang dikemukakan oleh Dornbusch (2000), bahwa perubahan
harga saham dipengaruhi oleh nilai tukar. Misalkan jika nilai tukar rupiah terhadap
dollar Amerika Serikat mengalami apresiasi (dollar AS depresiasi) maka harga saham di
Bursa Efek Indonesia mengalami penguatan, dan sebaliknya jika nilai tukar rupiah
terhadap dollar AS mengalami depresiasi (dollar AS apresiasi) maka harga saham di Bursa
Efek Indonesia mengalami penurunan dengan asumsi variabel selain harga tetap.
 Kita asumsikan terdapat hubungan yang linier antara harga saham dan nilai tukar.
Hubungan keduannya tidak harus linier, namun untuk penyederhanaan kita asumsikan
linier. Hubungan linier kedua dapat kita tulis dalam persamaan regresi berikut :
 Yi = a + b Xi + ei
 Yi = a + b Xi + ei
 Dalam persamaan tersebut variabel Y yaitu jumlah permintaan barang (harga saham)
disebut variabel dependen (dependent variable) sedangkan variabel X yaitu harga
barang (nilai tukar) disebut sebagai variabel independen (independent variable). Jumlah
permintaan barang aktual tidak harus sama dengan nilai harapannya. Ada banyak faktor
yang mempengaruhi jumlah permintaan barang selain harga. Dimana ei adalah variabel
gangguan (disturbance/errors terms) yang nilainya bisa positif atau negatif.
 Variabel gangguan ini muncul karena hubungan variabel ekonomi adalah hubungan yang
acak atau random tidak seperti hubungan variabel dalam matematika yang bersifat
deterministik. Pada tingkat harga yang sama, jumlah barang yang dibeli konsumen akan
berbeda. Hal ini terjadi karena ada faktor selain harga yang juga bisa mempengaruhi
permintaan barang, misalnya selera konsumen. Dengan demikian, variabel gangguan
mencerminkan faktor-faktor selain harga (nilai tukar) yang mempengaruhi jumlah
permintaan konsumen tetapi tidak dimasukan dalam persamaan.
 Oleh karen itu, variabel dependen Y adalah variabel random ( random variable) atau
stokastik (stochastic variable) yang besar kecilnya tergantung dari variabel independen X.
Variabel independen X adalah variabel tetap atau non-stochastic, sedangkan variabel ei
adalah variabel random atau stokastik.
Contoh
 Data tentang hubungan antara nilai penjualan produk (Y) dengan biaya promosi (X)
sebagai berikut.
B_PromosiN_Sales
23 100
24 120
34 135
36 200
34 250
37 255
38 260
39 268
45 270
48 300
49 340
50 370
60 380
80 390
86 400
89 405
90 469
95 500
96 554
98 556
98 576
 Langkah-langkah untuk melakukan Analisis Regresi

 a. Buka lembar kerja baru, dengan meng-klik menu File lalu pilih New kemudian klik
Data akan muncul tampilan layar Data Editor.
 b. Definisikan variabel yang akan digunakan di tab sheet Variable View yang ada di
bagian kiri bawah, dengan cara klik Variable View kemudian isi nama variabelnya, ketik
X_Promosi lalu tekan ENTER dan ketik Y_Sales lalu tekan ENTER.
 c. Selanjutnya klik Data View pada pojok kiri bawah dan masukkan data contoh di atas
pada kolom variabel masing-masing data. Hasilnya seperti pada tampilan berikut.
 d. Simpan data Anda dengan cara meng-klik menu File lalu pilih Save As dan tulis nama
filenya, misalnya regresi sederhana.
 e. Lakukan analisis regresi linier sederhana dengan cara, klik menu Analyze ===> pilih
submenu Regression ===> lalu klik Linear, pada layar akan muncul tampilan berikut.
 f. Masukkan variabel X _ S a l e s pada kotak sebelah kiri ke kotak Dependent,
dan variabel y_Promosi ke kotak Independent(s) dengan mengklik tombol tanda
panah, seperti tampak pada tampilan berikut.
 g. Kemudian klik OK, hasilnya seperti pada tampilan berikut.
 Koefisien Determinasi (r2)

Berdasarkan tampilan output SPSS model summary besarnya R2 adalah 0,889 artinya
88,9% perubahan/variasi nilai variabel dependen (Y_Sales) dapat dijelaskan oleh variasi dari
variabel independen (X_Promosi), dan sisanya (100% - 88,9% = 11,1%) dijelaskan oleh
sebab-sebab yang lain di luar model.
Uji Signifikansi Serentak (Uji-F)

Berdasarkan uji ANOVA atau F-test didapat nilai F-hitung

sebesar 152,051 dengan probabilitas 0,000; karena
probabilitas jauh lebih kecil dari α = 0,05 maka model
regresi dapat digunakan untuk memprediksi nilai penjualan
(Y_Sales).
Uji Signifikansi Parsial (Uji-t)

Untuk menginterpretasikan koefisien variabel bebas (independen)

dapat menggunakan unstandardized coefficients maupun
standardized coefficients.
Hipotesis Uji

 Ho : koefisien regresi tidak signifikan (β = 0)

 H1 : koefisien regresi signifikan (β ≠ 0)
 Yi = a + b Xi + ei
 Berdasarkan tabel coefficients dapat dituliskan persamaan regresinya : 
 Y_Sales = 45,528 + 4,917 X_Promosi atau
 Y = 45,528 + 4,917 X
 Nilai t-hitung sebesar 12,331 dengan probabilitas 0,000; karena probabilitas jauh lebih
kecil dari α = 0,05 maka Ho ditolak, koefisien regresi signifikan atau berpengaruh nyata
terhadap variabel dependen (Y). Jika biaya promosi naik Rp 1 maka nilai penjualan barang
naik sebesar Rp 4,917.