ANALISIS

REGRESI

Oleh :

T. Citra Nisa Farza, S.Pd., M.Si

PENGANTAR

Apabila dua variabel X dan Y mempunyai hubungan sebab-

akibat maka nilai variabel X yang sudah diketahui dapat
digunakan untuk menduga atau meramal Y. Ramalan
pada dasarnya merupakan dugaan mengenai terjadinya
suatu kejadian (nilai suatu variabel) untuk waktu yang
akan datang.

Nilai Y yang nilainya akan diramalkan disebut variabel

tak bebas (dependent variable), sedangkan variabel X
yang nilainya dipergunakan untuk meramalkan nilai Y
disebut variabel bebas (independent variable).
ANALISIS REGRESI

Analisis regresi dapat dikatakan jantung dari

ekonometrika. Dengan regresi kita berupaya
mengungkapkan hubungan antar variabel
dengan memasukkan unsur kausalitas.

Dengan kata lain kita ingin mengetahui jika

suatu variabel berubah (misalnya x: tingkat
pendidikan) maka, apa yang terjadi dengan
variabel lainnya (misalnya y: tingkat
gaji/upah).
Hubungan Statistik dan Deterministik

Dalam analisis regresi pembahasan difokuskan pada

hubungan antar variabel yang bersifat statistik,
bukan fungsional/deterministik.

Dalam hubungan di antara variabel yang bersifat

statistik, pada dasarnya kita menghadapi variabel
acak/random/stokastik.

Untuk membedakan kedua jenis hubungan tersebut,

perhatikan contoh berikut:
Sambungan ...

Dalam teori ekonomi mikro tentang permintaan

dijelaskan bahwa jumlah barang X yang diminta (Q x)
dipengaruhi oleh harga barang tersebut (P x), harga
barang lain yang berkaitan (Pr), pendapatan
konsumen (I), selera konsumen (T), harapan
ketersediaan dan harga di masa yang akan datang
(E), serta jumlah penduduk (N). Secara matematis
hubungan tersebut ditulis:

Qx = A + B1Px + B2Pr + B3I + B4T + B5E + B6N

Sambungan ...
Qx = A + B1Px + B2Pr + B3I + B4T + B5E + B6N
Persamaan matematis ini merupakan hubungan
deterministik karena semua variasi jumlah barang X
yang diminta hanya dipengaruhi oleh variasi keenam
variabel itu. Pada kenyataannya, banyak sekali yang
mempengaruhi jumlah barang X yang diminta selain
keenam variabel ditas, seperti penemuan produk baru,
kebijakan baru, dan sebagainya.
Teori ekonomi hanya memerhatikan variabel-variabel yang
bersifat substansial dan pengaruhnya sangat kuat. Di lain
pihak, ekonometrika memerhatikan juga pengaruh variabel
lain karena tujuannya adalah untuk menguji teori dengan
fakta. Oleh karena itu, hubungan yang relevan dalam
ekonometrika adalah hubungan stokastik.
Regresi & Hubungan Sebab Akibat (Kausalitas)

Meskipun analisis regresi berkaitan dengan ketergantungan satu

variabel terhadap variabel lainnya, hal ini tidak selalu berarti
hubungan sebab-akibat (kausalitas).

Hubungan sebab-akibat secara sederhana bahwa hubungan antar

variabel X dan Variabel Y timbal balik atau saling ketergantungan.

Contoh: Harga barang pokok (Px) mempengaruhi inflasi (INF) di

daerah X. Di sisi lain Inflasi (I) juga mempengaruhi harga barang
pokok (Px).

Dari pernyataan di atas bahwa varibel inflasi (INF) bisa menjadi

varibel X juga bisa menjadi variabel Y, begitu juga dengan variabel
harga barang pokok (Px).
Sambungan ...

Namun dalam beberapa contoh fenomena ekonomi bahwa

hubungan statistik semata-mata tidak dapat secara logis
berarti sebab-akibat. Untuk menganggap bahwa hubungan
tersebut berasal dari sebab-akibat, pertimbangannya harus
dibuat atas dasar pertimbangan teoritis atau pemikiran yang
mendalam dengan akal sehat.

Contoh sederhana: Ketergantungan hasil panen (variabel Y)

pada suhu, curah hujan, sinar matahari, pupuk dll.

Akal sehat menyarankan bahwa hubungan antara hasil panen

denga curah hujan tidak bisa dibalik karena kita tidak bisa
mengendalikan curah hujan dengan mengubah-ubah hasil
panen. Jadi curah hujan tidak bisa menjadi variabel Y
Regresi & Korelasi

Analisis korelasi adalah suatu analisis yang bertujuan

untuk mengukur derajat hubungan linear antara dua
variabel. Contoh: kita tertarik untuk menemukan
koefesien korelasi antara nilai ujian statistik dan nilai
ujian matematika.  seperti perhitungan pada
pertemuan yang lalu.

Sedangkan di Analisis Regresi, kita dapat melakukan lebih

dari itu!
Sambungan ...

1. Kita dapat menduga dan atau meramalkan nilai rata-rata suatu

variabel atas dasar nilai tetap dari variabel-variabel lain. Jadi kita
mungkin ingin mengetahui apakah kita dapat meramal rata-rata
nilai ujian statistik dengan mengetahui nilai ujian matematika
mahasiswa.
2. Dalam analisis regresi ada asimetris cara bagaimana variabel
tidak bebas (Y) dan variabel bebas (X) diperlakukan. Variabel
bebas diasumsikan bersifat statistik, random atau stokastik, yaitu
mempunyai distribusi probabilitas. Di pihak lain, variabel bebas
diasumsikan mempunyai nilai yang tetap.

Penjelasan detail akan dibahas pada saat penggunaan

aplikasi SPSS atau Eviews pada pertemuan yang akan
dating.
Sambungan ...

Intinya:
Dalam analisis korelasi  tidak ada perbedaan variabel tidak bebas
dan variabel bebas (perlakukan kita sama)
Dalam analisis regresi  adanya perlakukan yang beda antara
variabel tidak bebas dan variabel bebas. Sebagian besar teori
regresi bersyarat pada asumsi : bahwa variabel tidak bebas (Y)
adalah stokastik, tetapi variabel bebasnya adalah tetap.

Secara ringkas perbedaan antara analisis regresi dengan korelasi

sbb:
No Korelasi
1 Bertujuan mengukur derajat
hubungan linear antar variabel
2 Tidak ada perbedaan variabel
tidak bebas dan variabel bebas
Regresi
Bertujuan mengukur derajat
pengaruh linear antar variabel
Variabel tidak bebas bersifat
random dan variabel bebas
mempunyai nilai tetap
Jenis Analisis Regresi

Analisis Regresi dapat dibedakan berdasarkan:

1. Banyaknya variabel dalam model
2. Banyaknya persamaan dalam model
3. Sifat-sifat linearitasnya

Banyaknya
Banyaknya variabel
variabel dalam model, dibedakan
dalam model, dibedakan menjadi:
menjadi:

a. Analisis regresi sederhana atau regresi dua variabel; yang mempelajari

ketergantungan satu variabel tidak bebas hanya pada satu variabel
bebas.
b. Analisis regresi berganda atau regresi lebih dari dua variabel yang
mempelajari ketergantungan suatu variabel tidak bebas pada lebih dari
satu variabel bebas.
Sambungan ...

Banyaknya
Banyaknya persamaan model, dibedakan
persamaan model, dibedakan menjadi:
menjadi:

a. Analisis regresi dengan persamaan tunggal. Dalam hal ini, hanya ada satu
persamaan yang digunakan dalam model.
b. Analisis regresidengan persamaan simultan. Dalam hal ini, terdapat lebih dari
satu persamaan yang digunakan dalam model.

Berdasarkan
Berdasarkan sifat linearitasnya, dibedakan
sifat linearitasnya, dibedakan menjadi:
menjadi:

a. Analisis regresi linear merupakan suatu persamaan regresi di mana semua

koefisien parameter dan semua variabel yang digunakan (baik variabel bebas
maupun variabel tidak bebas) dalam persamaan tersebut bersifat linear.
b. Analisis regresi non-linear. Suatu regresi dikatakan nonlinear jika salah satu
atau lebih variabel yang digunakan (baik variabel bebas atau variabel tidak
bebas) dalam persamaan tersebut tidak linear, tetapi koefisien parameternya
tetap bersifat linear. (akan di bahas lebih kanjut pada pertemuan kedepan)
Istilah & Notasi

Dalam berbagai literature, istilah variabel tidak bebas

dan variabel bebas digambarkan dengan berbagai
cara, sebagai berikut:

Variabel tidak bebas (Dependent Variabel bebas (Independent

variable) variable)
Variabel yang dijelaskan Variabel yang menjelaskan
(Explained variable) (Explanatory variable)
Yang diramalkan Peramal
(Predictand) (Predictor)
Yang diregresi Yang meregresi
(Regressand) (Regressor)
Tanggapan Perangsang atau variabel kendali
(Response) (Stimulus or control variable)
Sambungan ...

Tidak ada perbedaan antara istilah yang satu dengan

yang lain, yang paling umum digunakan adalah
variabel bebas dan variabel tidak bebas serta variabel
independen dan variabel dependen.

Pada umumnya huruf Y menggambarkan variabel tidak

bebas dan X (X1, X2, ..., Xk) menggambarkan variabel
bebas; Xk menggambarkan variabel yang menjelaskan
ke k. Indeks bawah i atau t akan menggambarkan
pengamatan atau nilai ke-i atau ke-t.
Sambungan ...

Secara umum, kita akan menggunakan indeks bawah i untuk data seksi-
silang (cross section), yaitu data yang dikumpulkan pada satu waktu
tertentu, seperti sensus populasi, pengumpulan pendapat, penelitian
survei.

Indeks bawah t biasanya akan digunakan untuk data deretan waktu

(time series), yaitu data yang dikumpulkan selama satu periode/jangka
waktu tertentu seperti PDB, kesempatan kerja, pengangguran, dll.

Xki (atau Xkt) akan menggambarkan pengamatan ke-i (atau ke-t) atas
variabel Xk. N menggambarkan jumlah total pengamatan atau nilai
dalam populasi dan n menggambarkan jumlah total pengamatan
sampel.
 ...
Terima Kasih
...