BAB 2

LANDASAN TEORI

2.1 Konsep Dasar Analisis Regresi

Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling mungkin terjadi dimasa yang akan datang berdasarkan informasi yang sekarang dimiliki agar memperkecil kesalahan. Analisis regresi dapat juga diartikan sebagai usaha memprediksi perubahan. Perubahan nilai suatu variabel dapat disebabkan karena adanya perubahan pada variabel-variabel lain yang mempengaruhinya. Misalnya, volume pupuk terhadap hasil panen padi, karena adanya perubahan volume pupuk maka produksi padi dengan sendirinya akan berubah. Dalam fenomena alam banyak sekali kejadian yang saling berkaitan sehingga perubahan pada variabel lain berakibat pada perubahan variabel lainnya. Teknik yang digunakan untuk menganalisis ini adalah analisis regresi.

Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai analisis prediksi. Karena merupakan prediksi, maka nilai prediksi tidak selalu tetap dengan nilai riilnya, semakin kecil tingkat penyimpangan antara nilai prediksi dengan nilai riilnya, maka semakin tepat persamaan regresinya.

Universitas Sumatera Utara

1 Persamaan Regresi Sederhana Regresi linier sederhana yaitu suatu prosedur untuk mendapatkan hubungan matematis dalam bentuk persamaan antar variabel bebas tunggal dengan variabel tidak bebas tunggal. 2. dua atau lebih variabel memiliki hubungan sebab akibat. Variabel yang nilainya akan mempengaruhi nilai variabel lain disebut variabel bebas (independent variabel). 2.2 Persamaan Regresi Persamaan regresi yang digunakan untuk membuat taksiran mengenai variabel dependen disebut persamaan regresi estimasi. Sifat hubungan antar variabel dalam persamaan regresi merupakan hubungan sebab akibat (causal relationship).Sehingga dapat didefinisikan bahwa: analisis regresi adalah metode statistik yang digunakan untuk menentukan kemungkinan hubungan antara variabel-variabel. Oleh karena itu. yaitu suatu formula matematis yang menunjukkan hubungan keterkaitan antara satu atau beberapa variabel yang nilainya sudah diketahui dengan satu variabel lain yang nilainya belum diketahui.2. Universitas Sumatera Utara . Regresi linier sederhana hanya memiliki satu peubah X yang dihubungkan dengan satu peubah tidak bebas Y. sebelum menggunakan persamaan maka perlu diyakini terlebih dahulu secara teoritis atau perkiraan sebelumnya. sedangkan variabel yang nilainya dipengaruhi oleh nilai variabel lain disebut variabel tidak bebas (dependent variabel).

biasanya sangat sulit ditentukan. umur sapi ketika pengamatan mulai dilakukan (X2). sehingga diperlukan suatu model yang dapat diprediksi dan meramalkan respon yang penting terhadap persoalan tersebut. yaitu regresi linier ganda. maka regresi sederhana untuk sampel adalah sebagai berikut: Ŷ = b0 + b1x 2.Bentuk umum dari persamaan regresi linier untuk populasi adalah: µy. Untuk memberikan gambaran tentang suatu permasalahan atau persoalan. Bentuk umum regresi linier berganda untuk populasi adalah : Universitas Sumatera Utara . Jika θ1 dan θ2 ditaksir oleh b0 dan b1. Misalnya rata-rata pertambahan berat daging sapi (Y) bergantung pada berat pemulusan (X1). berat makanan yang diberikan setiap hari (X3) dan faktor lainnya.2 Persamaan Regresi Linier Berganda Banyak data pengamatan terjadi akibat lebih dari dua varriabel.x = θ1 + θ2x Dengan θ1 dan θ2 merupakan parameter-parameter yang ada dalam regresi tersebut.2.

β3 = galat dugaan (error) b1. .y = β0 + β1X1 + β2X2 +. β2. . . b2.. + βkXk Di mana β0.. . .Y) yang dapat disajikan dalam tabel sebagai berikut : Universitas Sumatera Utara . bk diperlukan n buah pasang data (X1. yaitu : Ŷ= b0 + b1X1 + b2X2 + . bk e Untuk mencari nilai b0. Model regresi linier berganda untuk populasi diatas dapat ditaksir berdasarkan sebuah sampel acak yang berukuran n dengan model regresi linier berganda untuk sampel. . .µx..+ bkXk Dengan : Ŷ b0 = nilai penduga bagi variabel Y = dugaan bagi parameter konstanta β0 = dugaan bagi parameter konstanta β1. X2. .. b1. . . . .. .βk adalah koefisien atau parameter model.β2. . b2. β1 . Xk. . . . . .

. ... .. . . X21 . X2.. .. . . .Tabel 2.Y) RESPONDEN 1 X1 X11 X2 X21 . data Y2 Universitas Sumatera Utara .. XK2 Y2 .. . . . . . XK1.. . . .. Xk. ..1 dapat dilihat bahwa Y1 berpasangan dengan X11. Xkn Yn Dari tabel 2. . XK XK1 Y Y1 2 X12 X22 . . .1 : Data hasil pengamatan dari n Responden (X1. . n X1n X2n . ..

X2n. XK2 dan pada umumnya data Yn berpasangan dengan X1n. ... X22. . .Berpasangan dengan X12. Persamaan regresi berganda dengan dua variabel bebas X1. . Xkn. . . X2 ditaksir oleh : Ŷ = b0 + b1X1 + b2X2 Diperoleh tiga persamaan normal yaitu : ∑Y1 ∑Y1 X1i ∑Y1 X2i = b0n + b1X1i + b2∑X2i = b0 ∑X1i + b1∑X1i2 + b2∑X1iX2i = b0∑X2i + b1 ∑X1iX2i + b2∑X2i2 Sehingga dalam bentuk matriks dapat dituliskan : ∑X1i ∑X1i ∑X1i X2i ∑X2i ∑X1i X2i x ∑X2i Yi ∑Y1 X1i ∑Y1 X2i n ∑Xi ∑X2i b0 = b1 b2 Universitas Sumatera Utara .

Dalam penelitian ini penulis menggunakan empat variabel. X2. yaitu 1 variabel tak bebas (dependent variable) dan tiga variabel bebas (independent variable). X3 ditaksir oleh : Ŷ = b0 + b1X1 + b2X2 +b3X3 Untuk rumus diatas harus diselesaikan dengan empat normal yaitu : ∑Y1 ∑Y1 X1i ∑Y1 X2i ∑Y1 X3i = b0n + b1X1i + b2∑X2i + b3 X3i = b0 ∑X1i + b1∑X1i2 + b2∑X1iX2i + b3∑X1i X3i = b0∑X2i + b1 ∑X1iX2i + b2∑X2i2 + b3∑X2i X3i = b0∑X3i + b1 ∑X3iX1i + b2∑X2iX3i+ b3∑X3i Sehingga dalam bentuk matriks ∑X1i ∑X ∑X2i ∑X3i ∑X2 1i ∑X1i X2i ∑X1i X3i ∑X2i ∑X1i X2i ∑X2 2i ∑X2iX3i ∑X3i ∑X1i X3i ∑X2i X3i ∑X2 3i Yi ∑Y1 X ∑Y1 X2i ∑Y1 X3i n b0 = x b1 b2 b3 Dengan : Universitas Sumatera Utara . Untuk regresi linier berganda dengan tiga variabel bebas X1.

…. b1. sehingga diperoleh model regresi berganda Y atas X1. X3.k = Dengan : Y = nilai data hasil pengamatan Ŷ = nilai hasil regresi n = ukuran sampel k = banyak variabel bebas Universitas Sumatera Utara . X2. X2. X 3 = Variabel Bebas koefisien regresi Berganda Harga-harga b0 . dan b3 disubsitusikan ke dalam persamaan. Ukuran tersebut dapat dihitung oleh kekeliruan baku taksiran : sy2 1. b2. maka antara nilai Y dengan Ŷ akan menimbulkan perbedaan hasil yang sering disebut sebagai kekeliruan.Ŷ = Variabel Terikat X1. Dalam persamaan model regresi linier yang diperoleh.2.

Xk tidak mempengaruhi Y) H1 : minimal ada satu parameter koefisien regresi yang tidak sama dengan nol atau mempengaruhi Y.. .. Menentukan nilai F dengan rumus : F= Universitas Sumatera Utara . X2. . Menentukan formulasi hipotesis H0 : b1 = b2 = b3 = . 3.= bk = 0 (X1.3 Uji Regresi Linier Ganda Pengujian regresi linier perlu dilakukan untuk mengetahui apakah variabel – variabel bebas secara bersamaan memiliki pengaruh terhadap variabel tak bebas. . . Menentukan taraf nyata α dan nilai Ftabel dengan derajat kebebasan V1 = k dan V2 = n-k-1. Menentukan criteria pengujian H0 diterima bila Fhitung < Ftabel H1 ditolak bila Fhitung > Ftabel 4. 2. Langkah – langkah pengujian regresi linier berganda adalah : 1.2.

. + bk∑Y1 Xki Dengan : X1i = X1i + X1i = X1i + X1i = X1i + JKres = ∑ (Yi – Ŷi)2 5. Membuat kesimpulan apakah H0 diterima atau ditolak.Dengan : JKreg = jumlah kuadrat regresi JKres = jumlah kuadrat residu (sisa) (n-k-1) = derajat kebebasan Untuk : JKreg = b1∑Yi X1i + b2 ∑YiX2i + . .3 Koefisien Determinasi Universitas Sumatera Utara . 2.

Universitas Sumatera Utara . Artinya apabila variabel yang satu meningkat. Hubungan antara variabel dapat dikelompokkan menjadi tiga jenis : 1) Korelasi Positif Terjadinya korelasi positif apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang sama (berbanding lurus). Dua variabel dikatakan berkolerasi apabila perubahan dalam satu variabel diikuti oleh perubahan variabel lain.Koefisien determinasi yang ditandai dengan R2 untuk pengujian regresi linier berganda yang mencakup lebih dari dua variabel. maka akan diikuti peningkatan variabel lainnya. Maka R2 akan ditentukan oleh rumus : R2= Dengan : JKreg = jumlah kuadrat regresi 2.4 Koefisien Korelasi Analisis korelasi adalah alat yang membahas tentang derajat hubungan antara satu variabel dengan variabel lainnya. baik yang searah maupun tidak.variabel bebas X yang ada dimodel persamaan regresi berganda secara bersama-sama. Koefisien determinasi adalah untuk mengetahui proporsi keberagaman total dalam variabel tak bebas Y yang dapat dijelaskan atau diterangkan oleh variabel .

Artinya apabila variabel yang satu meningkat.k dapat dicari dengan rumus : ry. Artinya apabila variabel yang satu meningkat..2. kadang diikuti dengan peningkatan pada variabel lain dan kadang diikuti dengan penurunan pada variabel lain.1.k = (n∑ X 1i − (∑ X 1i ) 2 ) (n∑ Yi − (∑ Yi ) 2 ) 2 2 n∑ X 1iYi − (∑ X 1i )(∑ Yi ) Sedangkan untuk mengetahui korelasi antar variabel bebas dengan tiga buah variabel bebas adalah : a.1.….. maka akan diikuti penurunan variabel lainnya. maka akan diikuti penurunan variabel. Koefisien korelasi antara X1 dan X2 Universitas Sumatera Utara ..2) Korelasi Negatif Terjadinya korelasi negatif apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang berlawanan (berbanding terbalik). besarnya koefisien korelasi berkisar antara -1 r +1 Untuk mencari korelasi antara variabel Y terhadap X1 atau ry. 3) Korelasi Nihil Terjadinya korelasi nihil apabila perubahan antara variabel yang satu diikuti oleh variabel lainnya dengan arah yang tidak teratur (acak). Berdasarkan hubungan antar variabel yang satu dengan variabel lainnya dinyatakan dengan koefisien korelasi yang disimbolkan dengan “ r “ . Artinya apabila variabel yang satu meningkat. 2.

Koefisien Korelasi antara X1 dan X3 r13 = (n∑ X 1i − (∑ X 1i ) 2 ) (n∑ X 3i − (∑ X 3i ) 2 ) 2 2 n∑ X 1i X 3i − (∑ X 1i )(∑ X 3i ) c.0. Koefisien Korelasi antara X2 dan X3 r23 = ( n ∑ X 2 i − ( ∑ X 2 i ) 2 ) ( n ∑ X 3i − ( ∑ X 3i ) 2 ) 2 2 n∑ X 2i X 3i − (∑ X 2i )(∑ X 3i ) Nilai koefisien korelasi adalah -1 r +1. dapat dilihat dalam perumusan berikut : r .r12 = (n∑ X 1i − (∑ X 1i ) 2 ) (n∑ X 2i − (∑ X 2i ) 2 ) 2 2 n∑ X 1i X 2i − (∑ X 1i )(∑ X 2i ) b.0.50 Berarti korelasi sedang secara negatif Universitas Sumatera Utara .80 Berarti korelasi kuat secara negatif r . Untuk lebih mengetahui seberapa jauh derajat antara variabel – variabel tersebut. Jika dua variabel berkorelasi negatif maka nilai koefisien korelasinya akan mendekati -1 . jika dua variabel tidak berkolerasi maka nilai koefisien korelasinya akan mendekati 0 . sedangkan jika dua variabel berkolerasi positif maka nilai koefisien korelasinya akan mendekati 1.

2. . Untuk menguji tersebut digunakan kekeliruan baku yang ditaksir sy2 kekeliruan tersebut koefisien bi adalah : 1. .79 1. .r 0.1 = 1. k.. .y = β0 + β1X1 + β2X2 +.2.k. Uji statistik yang paling tepat adalah menggunakan uji t (t – student ). ..50 r r 0.5 Uji Koefisien Regresi Ganda Adanya variabel – variabel bebas dalam regresi linier ganda perlu diuji untuk melihat seberapa besar pengaruhnya terhadap variabel tidak bebas.2. . k.1 = 1. + βkXk Adanya asumsi bahwa variabel – variabel bebas memberikan pengaruh yang berarti atau tidak terhadap variabel tidak bebas akan diuji hipotesis H0 melawan hipotesis H1 dalam bentuk : H0 = βi = 0. . jadi untuk melihat Universitas Sumatera Utara .00 Berarti korelasi lemah Berarti korelasi sedang secara positif Berarti korelasi kuat secara positif 2. . H1 = βi = 0. Dimisalkan populasi mempunyai model regresi berganda yaitu : µx.….49 0.

2.Sbi = Dengan : 2 S Y 1. Universitas Sumatera Utara . dimana kriteria pengujian adalah : tolak H0 jika ti > ttabel dan terima H0 jika ti < ttabel. α).3 = ∑ (Y − Yˆ ) i n − k −1 X2 ij = JK reg 2 i 2 R2 = ∑y Perhitungan t : ti = Dengan distribusi t – student serta dk = (n – k – 1). ttabel = t(n – k – 1.

Sign up to vote on this title
UsefulNot useful