ANALISIS REGRESI A.

Pengertian Regresi Regresi diperkenalkan oleh Francis Galton dalam makalah (Family in Stature, Processing of Royal Society, London, vol.40, 1886), yang mengemukakan bahwa meskipun ada kecenderungan bagi orang tua yang tinggi mempunyai anak-anak yang tinggi dan bagi orang tua yang pendek untuk mempunyai anak-anak yang pendek, distribusi tinggi suatu populasi tidak berubah secara mencolok (besar) dari generasi ke generasi. Sir Francis Galton (1822 – 1911), memperkenalkan model peramalan, penaksiran, atau pendugaan, yang selanjutnya dinamakan regresi, sehubungan dengan penelitiannya terhadap tinggi badan manusia. Penelitian tersebut membandingkan antara tinggi anak laki-laki dan tinggi badan ayahnya. Galton menunjukkan bahwa tinggi badan anak laki-laki dari ayah yang tinggi setelah beberapa generasi cenderung mundur (regressed) mendekati nilai tengah populasi. Dengan kata lain, anak laki-laki dari ayah yang badannya sangat tinggi cederung lebih pendek dari pada ayahnya, sedangkan anak laki-laki dari ayah yang badannya sangat pendek cenderung lebih tinggi dari ayahnya. (Ronal E. Walpole). Analisis regresi digunakan untuk menentukan bentuk (dari) hubungan antar variabel. Tujuan utama dalam penggunaan analisis ini adalah untuk meramalkan atau menduga nilai dari satu variabel dalam hubungannya dengan variabel yang lain yang diketahui melalui persamaan garis regresinya. (Iqbal Hasan). Analisis regresi berkenaan dengan studi ketergantungan satu variabel yaitu variabel tidak bebas atau variabel tergantung (dependent variable) pada satu atau lebih variabel lain yaitu variabel yang menjelaskan (explanatory variables) dengan maksud menaksir atau meramalkan nilai rata-rata hitung (mean) atau rata-rata (populasi) variabel tak bebas, dipandang dari segi yang diketahui atau tetap (constant). Adakalanya, setelah kita memperoleh data berdasarkan sampel, kita ingin menduga nilai dari suatu variabel Y yang bersesuaian dengan nilai tertentu dari variabel X. Hal ini diperoleh dengan menaksir nilai Y dari kurva kuadrat minimum yang sesuai dengan data yang kita himpun dari sampel. Kurva yang diperoleh dan kita bentuk dari data sampel itu disebut kurva regresi Y terhadap X, karena Y diduga dari X. (Murray R. Spiegel).

. lazimnya digunakan persamaan regresi linier sederhana sampel sebagai penduga persamaan regresi linier sederhana populasi dengan bentuk persamaan seperti berikut : y = a + bX. a adalah penduga bagi intercept (α). model regresi sederhana adalah y = a + bx.. b adalah penduga bagi koefisien regresi (β). . . Dan Y disebut variabel terikat juga karena variabel yang nilai-nilainya bergantung pada variabel lain. adalah variabelvariabel independen dan Y adalah variabel dependen. X dinamakan variabel bebas karena variabel ini nilai-nilainya tidak bergantung pada variabel lain.. dimana Y adalah variabel dependen (tak bebas). X2. Atau dengan kata lain α dan β adalah parameter yang nilainya tidak diketahui sehingga diduga melalui statistik sampel. Xn. dimana variasi dari X akan diiringi pula oleh variasi dari Y. Hubungan antar variabel yang akan dipelajari disini hanyalah hubungan linier sederhana. terutama untuk menelusuri pola hubungan yang modelnya belum diketahui dengan baik.. sedangkan keeratan hubungan dapat diketahui dengan analisis korelasi.. Menurut kelaziman. atau untuk mengetahui bagaimana variasi dari beberapa variabel independen mempengaruhi variabel dependen dalam suatu fenomena yang komplek. juga berdasarkan pertimbangan biaya yang relatif besar jika melakukan pengamatan terhadap populasi.. sebagian besar mahasiswa biasanya tidak melakukan pengamatan populasi secara langsung. Berkaitan dengan analisis regresi ini. Jika X1. maka nilai X dapat digunakan untuk menduga atau meramal nilai Y. X2. X adalah variabel bebas. Hal itu dilakukan selain pertimbangan waktu. Jika dibuat secara matematis hubungan itu dapat dijabarkan sebagai berikut: Y = f(X1. e). yakni bentuk hubungan dan keeratan hubungan. Xn... tenaga.Dalam melakukan analisis regresi. (Iqbal Hasan). Analisis regresi dipergunakan untuk menelaah hubungan antara dua variabel atau lebih.. yakni variabel independen (bebas) dan variabel dependen (terikat). yakni hubungan yang hanya melibatkan dua variabel (X dan Y) dan berpangkat satu. (Sambas dan Maman). Regresi sederhana. dimana. adalah bentuk regresi dengan model yang bertujuan untuk mempelajari hubungan antara dua variabel. X adalah variabel independen (bebas) dan e adalah variabel residu (disturbace term). setidaknya ada empat kegiatan yang lazim dilaksanakan yakni : (1) mengadakan estimasi terhadap parameter berdasarkan . Dalam hal ini. Bentuk hubungan bisa diketahui melalui analisis regresi. y adalah variabel takbebas (terikat). Dan karena antara Y dan X memiliki hubungan. dalam ilmu statistika ada dua macam hubungan antara dua variabel yang relatif sering digunakan. maka terdapat hubungan fungsional antara X dan Y. Jika ditulis dalam bentuk persamaan.

Untuk dua variabel. (2) menguji berapa besar variasi variabel dependen dapat diterangkan oleh variasi independen. Hubungan-hubungan itu bila dinyatakan dalam bentuk matematis akan memberikan persamaan-persamaan tertentu. Misalnya. (Moh. dan tekanan gas bergantung pada suhu dan volumenya. garis itu dinamakan garis regresi. berat badan orang dewasa sampai pada tahap tertentu bergantung pada tinggi badan. semua nilai Y dan X akan berada pada suatu garis lurus. Nazir). hubungan liniernya dapat dinyatakan dalam bentuk persamaan linier. Hubungan antar variabel dapat berupa hubungan linier ataupun hubungan tidak linier. dan (4) melihat apakah tanda magnitud dari estimasi parameter cocok dengan teori. . Atau dalam ilmu pemasaran. nilai penjualan akan bergantung pada biaya promosi. Hubungan antara dua variabel pada persamaan linier jika digambarkan secara (scatter diagram). yakni: Y = a + bX. keliling lingkaran bergantung pada diameternya.data empiris. (Iqbal Hasan). (3) menguji apakah estimasi parameter tersebut signifikan atau tidak. Dan dalam ilmu ekonomi.