Teori Analisis Regresi Linier Mengenal Analisis Regresi
MENGENAL ANALISIS REGRESI
Bab ini mengulas duduk kasus pengenalan analisis regresi dan teori regresi. Sesudah tamat membaca kepingan ini maka pembaca akan sanggup memahami:
- Pengertian regresi linear
- Konsep-konsep dasar dalam regresi
- Kegunaan metode analisis regresi
2.1 Pengertian
Untuk mengukur besarnya imbas variabel bebas terhadap variabel tergantung dan memprediksi variabel tergantung dengan memakai variabel bebas. Gujarati (2006) mendefinisikan analisis regresi sebagai kajian terhadap hubungan satu variabel yang disebut sebagai variabel yang diterangkan (the explained variabel) dengan satu atau dua variabel yang menunjukan (the explanatory). Variabel pertama disebut juga sebagai variabel tergantung dan variabel kedua disebut juga sebagai variabel bebas. Jika variabel bebas lebih dari satu, maka analisis regresi disebut regresi linear berganda. Disebut berganda sebab imbas beberapa variabel bebas akan dikenakan kepada variabel tergantung.
2.2 Tujuan
Tujuan memakai analisis regresi ialah
Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasarkan pada nilai variabel bebas.
Menguji hipotesis karakteristik dependensi
Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai variabel bebas diluar jangkaun sample.
2.3 Asumsi
Penggunaan regresi linear sederhana didasarkan pada perkiraan diantaranya sbb:
Model regresi harus linier dalam parameter
Variabel bebas tidak berkorelasi dengan disturbance term (Error) .
Nilai disturbance term sebesar 0 atau dengan simbol sebagai diberikut: (E (U / X) = 0
Varian untuk masing-masing error term (kesalahan) konstan
Tidak terjadi otokorelasi
Model regresi dispesifikasi secara benar. Tidak terdapat bias spesifikasi dalam model yang dipakai dalam analisis empiris.
Jika variabel bebas lebih dari satu, maka antara variabel bebas (explanatory) tidak ada hubungan linier yang nyata
2.4 Persyaratan Penggunaan Model Regresi
Model kelayakan regresi linear didasarkan pada hal-hal sebagai diberikut:
a. Model regresi dikatakan layak jika angka signifikansi pada ANOVA sebesar < 0.05
b. Predictor yang dipakai sebagai variabel bebas harus layak. Kelayakan ini diketahui kalau angka Standard Error of Estimate < Standard Deviation
c. Koefesien regresi harus signifikan. Pengujian dilakukan dengan Uji T. Koefesien regresi signifikan kalau T hitung > T table (nilai kritis)
d. Tidak boleh terjadi multikolinieritas, artinya dihentikan terjadi hubungan yang sangat tinggi atau sangat rendah antar variabel bebas. Syarat ini spesialuntuk berlaku untuk regresi linier berganda dengan variabel bebas lebih dari satu.
e. Tidak terjadi otokorelasi. Terjadi otokorelasi kalau angka Durbin dan Watson (DB) sebesar < 1 dan > 3
f. Keselerasan model regresi sanggup diterangkan dengan memakai nilai r2 semakin besar nilai tersebut maka model semakin baik. Jika nilai mendekati 1 maka model regresi semakin baik. Nilai r2mempunyai karakteristik diantaranya: 1) selalu positif, 2) Nilai r2 terbaik sebesar 1. Jika Nilai r2 sebesar 1 akan memiliki arti kesesuaian yang sempurna. Maksudnya seluruh variasi dalam variabel Y sanggup diterangkan oleh model regresi. Sebaliknya kalau r2 sama dengan 0, maka tidak ada hubungan linier antara X dan Y.
g. Terdapat hubungan linier antara variabel bebas (X) dan variabel tergantung (Y)
h. Data harus berdistribusi normal
i. Data berskala interval atau rasio
j. Kedua variabel bersifat dependen, artinya satu variabel ialah variabel bebas (disebut juga sebagai variabel predictor) sedang variabel lainnya variabel tergantung (disebut juga sebagai variabel response)
2.5 Linieritas
Ada dua macam linieritas dalam analisis regresi, yaitu linieritas dalam variabel dan linieritas dalam parameter. Yang pertama, linier dalam variabel ialah nilai rata-rata kondisional variabel tergantung yang ialah fungsi linier dari variabel (variabel) bebas. Sedang yang kedua, linier dalam parameter ialah fungsi linier parameter dan sanggup tidak linier dalam variabel.
2.6 Uji Hipotesis
Pengujian hipotesis sanggup didasarkan dengan memakai dua hal, yaitu: tingkat signifikansi atau probabilitas (α) dan tingkat kepercayaan atau confidence interval. Didasarkan tingkat signifikansi pada umumnya orang memakai 0,05. Kimasukan tingkat signifikansi mulai dari 0,01 hingga dengan 0,1. Yang dimaksud dengan tingkat signifikansi ialah probabilitas melaksanakan kesalahan tipe I, yaitu kesalahan menolak hipotesis saat hipotesis tersebut benar. Tingkat kepercayaan pada umumnya ialah sebesar 95%, yang dimaksud dengan tingkat kepercayaan ialah tingkat dimana sebesar 95% nilai sample akan mewakili nilai populasi dimana sample berasal. Dalam melaksanakan uji hipotesis terdapat dua hipotesis, yaitu:
- H0 (hipotessis nol) dan H1 (hipotesis alternatif)
misal uji hipotesis contohnya rata-rata produktivitas pegawai sama dengan 10 (μ x= 10), maka suara hipotesisnya ialah:
- H0: Rata-rata produktivitas pegawai sama dengan 10
- H1: Rata-rata produktivitas pegawai tidak sama dengan 10
Hipotesis statistiknya:
- H0: μ x= 10
- H1: μ x > 10 Untuk uji satu sisi (one tailed) atau
- H1: μ x < 10
- H1: μ x ≠ 10 Untuk uji dua sisi (two tailed)
Beberapa hal yang harus diperhatikan dalam uji hipotesis ialah;
- Untuk pengujian hipotesis kita memakai data sample.
- Dalam pengujian akan menghasilkan dua kemungkinan, yaitu pengujian signifikan secara statistik kalau kita menolak H0 dan pengujian tidak signifikan secara statistik kalau kita mendapatkan H0.
- Jika kita memakai nilai t, maka kalau nilai t yang semakin besar atau menjauhi 0, kita akan cenderung menolak H0; sebaliknya kalau nila t semakin kecil atau mendekati 0 kita akan cenderung mendapatkan H0.
Menggunakan kurva untuk menguji hipotesis sanggup digambarkan sebagai diberikut:
a) Untuk uji dua sisi
b) Untuk uji sebelah kanan
c) Untuk uji sebelah kiri
2.7 Karakteristik Model yang Baik
Model dikatakan baik berdasarkan Gujarati (2006), kalau memenuhi beberapa kriteria menyerupai di bawah ini:
Parsimoni: Suatu model tidak akan pernah sanggup secara tepat menangkap realitas; jadinya kita akan melaksanakan sedikit abstraksi ataupun penyederhanaan dalam pembuatan model.
Mempunyai Identifikasi Tinggi: Artinya dengan data yang ada, parameter-parameter yang diestimasi harus memiliki nilai-nilai yang unik atau dengan kata lain, spesialuntuk akan ada satu parameter saja.
Keselarasan (Goodness of Fit): Tujuan analisis regresi ialah menunjukan sebanyak mungkin variasi dalam variabel tergantung dengan memakai variabel bebas dalam model. Oleh sebab itu, suatu model dikatakan baik kalau eksplanasi diukur dengan memakai nilai adjusted r2 yang setinggi mungkin.
Konsitensi Dalam Teori: Model sebaiknya segaris dengan teori. Pengukuran tanpa teori akan sanggup menyesatkan hasilnya.
Kekuatan Prediksi: Validitas suatu model berbanding lurus dengan kemampuan prediksi model tersebut. Oleh sebab itu, pilihlah suatu model yang prediksi teoritisnya berasal dari pengalaman empiris.
2.8 Ringkasan
Analisis regresi tidak sama dengan analisis korelasi. Jika analisis hubungan dipakai untuk melihat hubungan dua variable; maka analisis regresi dipakai untuk melihat imbas variable bebas terhadap variable tergantung serta memprediksi nilai variable tergantung dengan memakai variable bebas. Dalam analisis regresi variable bebas berfungsi untuk menunjukan (explanatory) sedang variable tergantung berfungsi sebagai yang diterangkan (the explained). Dalam analisis regresi data harus berskala interval atau rasio. Hubungan dua variable bersifat dependensi. Untuk memakai analisis regresi diharapkan beberapa persyaratan yang harus dipenuhi.
2.9 Pertanyaan
1) Apa yang dimaksud dengan analisis regresi?
2) Apa tujuan kita memakai analisis regresi?
3) Apa perbedaan dasar antara regresi linier sederhana dan regresi linier berganda
4) Sebutkan perkiraan dalam analisis regresi?
4) Sebutkan perkiraan dalam analisis regresi?
5) Sebutkan persyaratan dalam memakai analisis regresi?
6) Apa yang dimaksud dengan linieritas dalam analisis regresi?
6) Apa yang dimaksud dengan linieritas dalam analisis regresi?
7) Ada berapa jenis hipotesis dalam analisis regresi?
8) Bagaimana menguji suatu model regresi dikatakan sudah baik?
9) Terangkan uji hipotesis dua sisi dan satu sisi?
10) Sebutkan syarat-syarat model yang baik?
#Baca Juga : PENGERTIAN FRANCHISE/WARALABA
0 Response to "Teori Analisis Regresi Linier Mengenal Analisis Regresi"
Posting Komentar