Regresi Dengan Dua Variabel

REGRESI DENGAN DUA VARIABEL

1. Rangkuman Model regresi dengan dua variabel. Konsep analisis regresi o

o

o

o

Analisis regresi adalah studi tentang hubungan antara variabel dependen dengan satu atau lebih variabel independen. Analisis regresi digunakan untuk mengetahui hubungan antara variabel dependen dengan variabel independen. Apabila hanya ada satu variabel dependen dan satu variabel dependen disebut analisis regresi sederhana. Apabila terdapat beberapa variabel independen disebut analisis regresi berganda.

Tujuan analisis regresi

1. Untuk menaksir nilai rata-rata dari variabel terikat berdasarkan nilai-nilai variabel bebas yang ada. 2. Untuk menguji hipotesis tentang sifat ketergantungan antarvariabel yakni hipotesis berdasarkan teori ekonomi. 3. Untuk memprediksi atau meramalkan nilai rata-rata dari variabel terikat berdasarkan nilai variabel bebas bebas yang berada diluar diluar rentang sampel. sampel.

Bentuk model regresi dengan dua variable di tulis dengan 2 bentuk berbeda,perbedaan berbeda,perbedaan ini terletak pada data yang digunakan dalam peneliltian ,apakah data tersebut berdasarkan Populasi atau sample,berikut fungsi dari kedua regresi : a. Fungsi regresi yang menggunakan data populasi (FRP)

Trusted by over 1 million members

Try Scribd FREE for 30 days to access over 125 million titles without ads or interruptions! Start Free Trial Cancel Anytime.





b. Fungsi regresi yang menggunakan data sampel (FRS)

Diartika : *A atau a adalah konstanta. *B atau b merupakan koefisien koefisien regresi, menggambarkan tingkat Elastisitas.

*Y menunjukan variabel terikat adau dependen *X menunjukan variable bebas atau independen. *Notasi a dan b merupakan perkiraan dari A dan B. Huruf a, b, disebut sebagai estimator atau statistik, sedangkan nilainya disebut sebagai estimate atau nilai perkiraan.

Metode Kuadrat Terkecil Biasa (Ordinary Least Square) (OLS)

Penghitungan konstanta (a) dan koefisien regresi (b) dalam suatu fungsi regresi linier sederhana dengan metode OLS dapat dilakukan dengan rumusrumus sebagai berikut:





Misalnya saja kita ingin meneliti meneliti pengaruh bunga deposito jangka waktu 1 bulan (sebagai variabel X = Budep) terhadap terjadinya inflasi di Indonesia (sebagai variabel Y=Inflasi) pada kurun waktu Januari 2001 hingga Oktober 2002, yang datanya tertera sebagai berikut :

Berdasarkan data yang tertera di atas, maka nilai a dan b dapat dicari melalui penggunakan kedua rumus tersebut, baik itu rumus pertama ataupun kedua. Seandainya kita ingin menggunakan rumus pertama, maka langkah awal yang dapat dilakukan adalah mengadakan penghitungan- penghitungan atau pengembangan data untuk disesuaikan dengan komponen rumus, sehingga nantinya dapat secara langsung diaplikasikan ke dalam rumus. Pengembangan data yang dimaksudkan adalah menentukan nilai X1 2 , nilai Y2 , serta nilai XY. Hasil pengembangan data dapat dilihat pada tabel berikut:





Setelah mendapatkan hitungan-hitungan hasil pengembangan data, maka angka-angka tersebut dapat secara langsung dimasukkan ke dalam rumus I, sebagai berikut: Mencari nilai b:









Prinsip Prinsip Prinsip metode OSL  Regresi adalah analisa yang menentukan hubungan pengaruh antara variable bebas terhadap variable terikat,dengan demikian regresi akan dengan sendiri menghitung nilai a,b, dan e (error) oleh karena itu dapat di hitung dengan cara matematis,bisa dengan bantuan Spss ataupun manual. –







perkiraan,sementara simbol Y hanyalah berarti data. Setiap data akan memiliki sebaran fokus yang berbeda dengan lain nya,ada yang berada dalam garis regresi ada pula yang tidak berada pada garis regresi Apabila data data tidak terdapat pada pada garis regresi maka akan muncul nilai residual yang berarti dengan ei,atau kesalahan penggangu,untuk penggangu,untuk data yang tepat terdapat pada garis Y sama dengan Y^(Y cap). Dalam garis regresi nilai a digunakan untuk menentukan letak titik potong garis pada sumbu Y , apabila nilai a>0 maka titik potong pada sumbu Yakan Yakan berada diatas origin origin (0),jika nilai a<0 maka maka titik potong potong nya akan akan berada dibawah origin (0). Koefisien regresi atau nilai b berfungsi sebagai penentuan tingkat kemiringan garis regresi. Semakin rendah 52 nilai b, artinya derajat kemiringan garis regresi terhadap sumbu X menjadi rendah pula,namun bila semakin tinggi nilai b maka derajat kemiringan garis regresi terhadap sumbu X akan semakin tinggi. Gambaran uraian kurva.





2) pengaruh secara bersama-sama Pengujian pertama kali dilakukan oleh R.A Fisher dengan alat ujinya menggunakan pembandingan nilai statistik t dengan nilai t tabel, Apabila nilai statistik t lebih besar dibandingkan dengan nilai t tabel, maka variabel X dinyatakan signifikan mempengaruhi mempengaruhi Y. Sebaliknya, jika nilai statistik t lebih kecil dibanding dengan nilai t tabel, maka variabel X dinyatakan tidak signifikan mempengaruhi Y. Kemudian Neyman dan Pearson mengembangkan pengujian secara serentak dengan membandingkan antara nilai statisti dengan nilai table pengujian secara bersama-sama bersama-sama menggunakan alat alat uji pembandingan pembandingan nilai F. Yang membedakan diantara penggunaan uji t dan uji F terletak pada jumlah variabel bebas yang diuji signifikansinya dalam mempengaruhi Y. Jika hanya menguji signifikansi satu variabel bebas saja, maka yang digunakan adalah uji t. Oleh karena itu disebut sebagai uji signifikansi secara individual. Sedangkan pengujian signifikansi signifikansi yang menggunakan lebih dari satu variabel bebas yang diuji secara bersama-sama dalam mempengaruhi Y, maka alat ujinya adalah menggunakan uji F. Sebagai perbandingan antara penggunaan uji t dan uji F dapat dilihat pada tabel berikut:





Jika semua tahap regresi telah dilakukan maka hal terpenting adalah Interpretasi hasil regresi dimaksudkan disini adalah mengetahui informasi-informasi yang terkandung dalam hasil regresi melalui pengartian dari angka-angka parameternya,kata kunci dari regresi adalah pengaruh maka bila nilai ( t hitung ) dari nilai t (table) dapat di simpulkan bahwa variable bebas tersebut mempengaruhi secara signifikan terhadap Y atau variable bebas nya. Tahapan regresi belum dapat di interpretasikan secara sempurna apabila peneliti belum bisa menjelaskan seberapa besar prosentasi variable X yang mempengaruhi Y, sebagai contoh kita dapat mengambarkan Y (inflasi) diibaratkan dengan gelas, dan variabel X (Budep) sebagai air, maka hitungan-hitungan yang dilakukan di atas belum mampu memberikan informasi tentang seberapa banyak air yang ada dalam gelas tersebut. Untuk mengetahui seberapa banyak isi air di dalam gelas tersebut maka perlu di lakukan pengujian penghitungan koefisien determinasi, yang biasa disimbolkan dengan R2 (baca: R square). Koefisien determinasi (R2) adalah angka yang menunjukkan proporsi variabel dependen yang dijelaskan oleh variasi variabel independen, Koefisien determinasi





Analisis regresi intinya adalah menjelaskan berapa besar pengaruh tingkat signifikansi variabel independen dalam mempengaruhi variabel dependen. namun hasil regresi seperti tertera pada persamaan di atas telah dapat diinterpretasi, jadi dapat menunjukkan inti tujuan analisis regresi, tapi bukan berarti bahwa tahapan analisis telah selesai hingga di sini. Hasil regresi di atas masih perlu dipastikan apakah besarnya nilai t (hitung) ataupun angka-angka parameter telah valid ataukah masih bias. Bila nilai-nilai tersebut sudah dapat dipastikan valid atau tidak bias, sebenarnya analisis regresi dapat berhenti di sini saja. Tetapi, bila nilai-nilai belum dapat dipastikan valid, maka perlu dilakukan langkah-langkah analisis lanjutan untuk menjadikan parameter-parameter tersebut menjadi valid. Validitas (ketidakbiasan) informasi dari nilai-nilai hasil regresi dapat diketahui dari terpenuhinya asumsi-asumsi klasik, yaitu jika data variabel telah terbebas dari masalah Autokorelasi, tidak ada indikasi adanya heteroskedastisitas, maupun tidak terjadi multikolinearitas atau saling berkolinear antar variable. Hasil regresi masih perlu dipastikan apakah besarnya nilai thit ataupun angka-angka parameter telah valid ataukah masih bias. jika nilai-nilai belum dapat dipastikan valid, maka perlu dilakukan langkah-langkah analisis lanjutan untuk menjadikan parameter-parameter parameter-parameter tersebut menjadi valid. Valid jika:Telah memenuhi asumsi-asumsi klasik, yaitu •

1. jika data variabel telah

•

terbebas dari masalah Autokorelasi,

•

2. tidak ada indikasi adanya heteroskedastisitas, heteroskedastisitas,





 Mengembangkan data  Menghitung nilai parameter Mengetahui arti dan fungsi parameter  Menentukan signifikan tidaknya variabel bebas  Membaca hasil regresi  Menyebutkan asumsi-asumsi asumsi-asumsi

Regresi Dengan Dua Variabel

Recommend Documents