Professional Documents
Culture Documents
TO OUR
PAGE
ANALISIS REGRESI
Ramdhan Firmansyah
NPM: 24041116142
• Keselerasan model regresi dapat diterangkan dengan menggunakan nilai R2semakin besar
nilai tersebut maka model semakin baik. Jika nilai mendekati 1 maka model regresi
semakin baik. Nilai R2 mempunyai karakteristik diantaranya: 1) selalu positif, 2) Nilai
R2 maksimal sebesar 1. Jika Nilai R2 sebesar 1 akan mempunyai arti kesesuaian yang
sempurna. Maksudnya seluruh variasi dalam variabel tergantung (variabel Y) dapat
diterangkan oleh model regresi. Sebaliknya jika R2 sama dengan 0, maka tidak ada
hubungan linier antara variabel bebas (variabel X) dan variabel tergantung (variabel
Y).
• Terdapat hubungan linier antara variabel bebas (X) dan variabel tergantung (Y).
• Data berskalainterval atau rasio
1. Regresi Sederhana
Regresi sederhana didasarkan pada hubungan fungsional ataupun kausal
antara satu variabel independen dengan satu variabel dependen.
Persamaan umum regresi linier sederhana adalah : Y = bX + a
Dimana :
Y = subyek dalam variabel dependen yang diprediksikan
a = harga Y bila X = 0 (harga konstan)
b = angka arah atau koefisien regresi, yang menunjukkan angka
peningkatan ataupun penurunan variabel dependen yang
didasarkan pada variabel independen Bila b (+) maka naik, dan bila (-)
maka terjadi penurunan.
Regresi Sederhana
X = subyek pada variabel Independen yang mempunyai nilai tertentu.
Secara teknis harga b merupakan tangen dari (perbandingan) antara
panjang garis variabel Independen dengan variabel dependen, setelah
persamaan regresi ditemukan.
𝑆𝑦 Dimana
ℎ𝑎𝑟𝑔𝑎 𝑏 = 𝑟 r = koefisien korelasi product moment antara variabel X dengan
𝑆𝑥
variabel Y
Harga a = Y - bX Sy = simpangan baku variabel
Sx = simpangan baku variabel Y Jadi harga b merupakan fungsi
dari koefisien korelasi.
Bila koefisien korelasi tinggi, maka harga b juga besar, sebaliknya bila
koefisien korelasi rendah maka harga b juga renah (kecil). Selain itu bila
koefisien korelasi negatif maka harga b juga negatif, dan sebaliknya bila
koefisien korelasi positif maka harga b juga positif.
𝑛(σ 𝑋𝑌) − (σ 𝑋)(σ 𝑌)
𝑟=
[𝑛(σ 𝑋 2 ) − σ 𝑋)2 [𝑛(σ 𝑌 2 ) − (σ 𝑌)2 ]
(σ 𝑌𝑖 )(σ 𝑋𝑖2 ) − (σ 𝑋𝑖 ) (σ 𝑋𝑖 𝑌𝑖 )
𝑎=
𝑛 σ 𝑋𝑖2 − (σ 𝑋𝑖 )2
𝑛 σ 𝑋𝑖 𝑌𝑖 − (σ 𝑋𝑖 )(σ 𝑌𝑖 )
𝑏=
𝑛 σ 𝑋𝑖2 − (σ 𝑋𝑖 )2
Macam-macam Regresi
Regresi berganda Analisis regresi ganda digunakan oleh peneliti, bila peneliti
bermaksud meramalkan bagaimana keadaan (naik turunnya)
variabel dependen (kriterium), bila dua atau lebih variabel
Y = a + b1X1 + b2X2
independen sebagai prediktor dimanipulasi (dinaik-turunkan
nilainya). Jadi analisis regresi ganda akan dilakukan bila
jumlah variabel independennya minimal 2. Persamaan
regresi untuk dua prediktor adalah :