Modul 2 - Statistika Ekonomi

II

TEORI REGRESI

Arie Wibowo Khurniawan, S.Si,

M.Ak
Materi

Konsep Populasi dan Sampel dalam garis

Regresi
Variabel Gangguan ei
Koefisien Regresi Penaksir
Distribusi probabilitas dan
Hubungan antarvariabel menggunakan uji
Hipotesis
Latihan
Sejarah

Persamaan regresi merupakan persamaan matematis

yang memungkinkan kita meramalkan nilai-nilai
peubah gayut (Y) dari nilai peubah tak gayut (X).
Istilah ini berasal dari telaah kebakaan yang dilakukan
oleh Sir Francis Galton (1822-1911) yang
membandingkan tinggi badan anak laki-laki dengan
tinggi badan ayahnya. Galton menunjukkan bahwa
tinggi anak laki-laki dari ayah yang tinggi setelah
beberapa generasi cenderung mundur (regressed)
mendekati nilai populasi. Dengan kata lain, anak laki-
laki dari ayah yang badannya sangat tinggi,
cenderung lebih pendak dari ayahnya. Sedangkan
anak laki-laki dari ayah yang badannya sangat pendak
cenderung lebih tinggi dari ayahnya. Sekarang istilah
Pengantar Regresi

Dua variabel numerik  ingin diketahui

hubungannya
Dua variabel numerik  salah satu variabel
dianggap sebagai variabel yang
mempengaruhi variabel lainnya
Variabel yang mempengaruhi  X, variabel
bebas, variabel penjelas (Variabel tak gayut)
Variabel yang dipengaruhi  Y, variabel tak
bebas, variabel respon (Variabel gayut)
Konsep Populasi dalam Regresi
Asumsi 1 : Assumptions of the
Y Simple Linear
Distribusi probabilitas Regression Model

p(Yi/Xi) memiliki varian

yang sama σ2 pada setiap
E[Y]=α + β X
Xi.
Asumsi 2 :
Nilai mean(rata-rata) yang
diharapkan terletak pada Identical normal
distributions of

sebuah garis lurus errors, all

centered on the
regression line.
(regresi) populasi.
E (Yi) = = µ=α+β X

X
Misalnya : ingin melihat hubungan antara pengeluaran
untuk iklan (ads expenditures, X) dengan penerimaan
melalui
Tahunpenjualan
1 2 (sales
3 4 revenue,
5 6 Y)7 8 9 10
X 10 9 11 12 11 12 13 13 14 15
Y 44 40 42 46 48 52 54 58 56 60
65

60

55
sales revenue (millions of dollars)

50

45

40
e
Ŷ
e = Y - Ŷ
Y
35
8 10 12 14 16
ads expenditures (millions of dollars)
 Y
Regression Plot
Model Regresi
Populasi
Dalam aplikasinya
data populasi ini
E[Y]=α+ βX
sangat sulit untuk
Yi didapatkan oleh
{
Error: εi } β = Slope karena diperlukan
waktu yang lama dan
}

1 biaya yang tinggi.

α= Intercept Oleh karena itu
biasanya para
praktisi mengunakan
X sampel untuk
Xi
menduga/menaksir/
mengestimasi
Konsep Sampel dalam Regresi
Y Model Regresi
Regression Plot Sebenarnya

Regresi yang diduga

Regresi Sebenarnya

Model Regresi yang

diduga (Sampel)

X
Variabel Gangguan (ei)
Nilai Yi yang diamati
Y biasanya tidak tepat
the observed data point sama dengan nilai
yang dihasilkan oleh
Yi . persamaan regresi

Yi
{
Error ei = Yi − Yi
harapan E(Yi)
atau nilai

Hal ini disebabkan

adanya variabel error
atau variabel
X gangguan (ei).
Xi Variabel gangguan
biasanya
ei = Yi - E(Y disebabkan
i) = Yi - µ

• Kesalahan Pengukuran (human oleh

= Yi:- α - βXi
error)
• Kesalahan Stokastik (kesalahan yang disebabkan
oleh sifat ketidakmungkinan sesuatu di duplikasi)
Menaksir Nilai dan
Garis regresi yang sebenarnya pada dasarnya tidak
dapat diketahui bentuknya, yang dapat diketahui
hanyalah dengan pendekatan metode kuadrat terkecil
(lease square) dari sampel yang kita miliki yaitu :
x1,x2,x3,.. dan y1,y2,y3,...

a
tau
Kasus 1 :

X = % kenaikan biaya promosi penjualan (sales

promotion selama 1 tahun
Y = % kenaikan hasil penjualan selama 1 tahun
X 1 2 3 4
Y 35 5 7 8
10
Buatlah persamaan regresi liniear sederhana
Distribusi Probabilitas dan
Untuk mengetahui seberapa jauh atau dekat jenis
estimasi regresi sampel
menyimpang dari garis regresi populasi
Y =α +βX. perlu diketahui bagaimana terdistribusi
di sekitar α dan bagaimana terdistribusi di sekitar
β. Hal ini dapat dilihat dari variance atau simpangan
baku sbb: dimana :
Kasus 2 :

X = % kenaikan biaya promosi penjualan (sales

promotion selama 1 tahun
Y = % kenaikan hasil penjualan selama 1 tahun
X 1 2 3 4
Y 35 5 7 8
10
Hitunglah Standar Deviasi singel (S)
Interval Kepercayaan
Dalam prakteknya, pendugaan tunggal tidak dapat
memberikan berapa jarak/selisih nilai harapan
(sampel) terhadap nialai sebenaranya (populasi).
Itulah sebabnya sering digunakan pendugaan interval
(selang), yaitu suatu pendugaan berupa interval yang
dibatasi oleh dua nilai, yang disebut nilai batas bawah
dan nilai batas atas.
Untuk membuat pendugaan interval, tentukan terlebih
dahulu besarnya koefisien kepercayaan atau tingkat
kepercayaan, yang diberi simbol 1-α. Besarnya nilai 1-
α misalnya 90% (α=10%), 95% (α=5%), 99%
Luas kurva = (α=1%)
1 atau
atau angka
α/2 lainnya.
1-α α/2 100%

-tα/2 +tα/2
Interval Kepercayaan dan
Adapun Interval kepercayaan α dan β adalah

da
n
Ingat !
1 !! 2
a
tau

3
4

5
Kasus 3 :

X = % kenaikan biaya promosi penjualan (sales

promotion selama 1 tahun
Y = % kenaikan hasil penjualan selama 1 tahun
X 1 2 3 4
Y 35 5 7 8
10

Hitunglah Interval kepercayaan α dan β dengan

derajat keyakinan 95%
Uji Hipotesis
Uji ini bertujuan untuk membuktikan ada atau
tidaknya hubungan linier yang berarti antara
variabel X dan Y, dimana hubungan ini ditentukan
oleh
1 parameter β. Pada umumnya hipotesis
dirumuskan sbb:
H0 : β = 0 (tidak terdapat hubungan berarti
antara X dan Y)
H1: β ≠ 0 (terdapat hubungan berarti antara X
dan Y)
Kriteria :
1. apabila ttabel < thitung, maka H0 diterima
2. apabila ttabel > thitung, maka H0 ditolak dan
berarti terdapat
2
H0 : β = 0 (tidak terdapat hubungan berarti
antara X dan Y)
H1: β > 0 (terdapat hubungan positif antara X
dan Y)
Kriteria :
1. apabila ttabel < thitung, maka H0 ditolak
2. apabila ttabel > thitung, maka H0 diterima
dimana:
Kasus 4 :

X = % kenaikan biaya promosi penjualan (sales

promotion selama 1 tahun
Y = % kenaikan hasil penjualan selama 1 tahun
X 1 2 3 4
Y 35 5 7 8
10

Ujilah apakah terdapat hubungan linier yang

berarti antara X dan Y
ARIE WIBOWO K
0813 111 77 904
buitenzorg99@yaho
o.com