Istilah regresi pada mulanya bertujuan untuk membuat perkiraan nilai satu variabel tinggi badan anak terhadap satu variabel lain tinggi badan orang tua.
Ada beberapa defenisi regresi yang dapat dijabarkan yaitu: a. Analisis regresi merupakan suatu teknik untuk membangun persamaan
garis lurus dan menggunakan persamaan tersebut untuk membuat perkiraan. Mason, 1996:489
b. Persamaan regresi adalah suatu formula matematis yang menunjukkan hubungan keterkaitan antara satu atau beberapa variabel yang nilainya
sudah diketahui dengan variabel yang nilainya belum diketahui. Algifari, 2000:2
c. Analisis regresi adalah hubungan yang didapat dan dinyatakan dalam bentuk persamaan matematik yang menyatakan hubungan fungsional
antara variabel-variabel. sudjana, 2002: 310
3.2 Analisa Regresi Linier
Sebelum melakukan analisis korelasi dalam sebuah penelitian maka terlebih dahulu harus diketahui apakah variabel-variabel yang akan dikorelasikan
merupakan regresi linier atau non linier, karena hal ini akan dipergunakan dalam menganalisa data.
Yang dimaksud dengan analisa regresi linier adalah jika hubungan persamaan tersebut searah dan membentuk sebuah pola garis lurus seperrti
gambar 3.1 berikut ini:
Universitas Sumatera Utara
10 9
8 7
6 5
4 3
2 1
20 18
16 14
12 10
X Y
Scatterplot of Y vs X
Gambar 3.1 pola garis lurus
Antara variabel bebas � dan variabel terikat � membentuk sebuah pola garis yang
lurus, dan dalam aplikasinya jika nilai � meningkat maka nilai � juga meningkat
dan jika nilai � mengalami penurunan maka nilai � juga akan mengalami
penurunan. Di dalam teorinya analisa regresi linier mempunyai dua bentuk persamaan
yaitu: a. Analisa regresi linier sederhana simple analisis regresi
b. Analisa regresi linier berganda multiple analisis regresi
3.3 Analisa Regresi Linier Sederhana
Yang dimaksud dengan hubungan linier sederhana adalah yang ditunjukkan dengan persamaan
� = � + ��. Persamaan ini hanya memiliki 2 variabel saja,
Universitas Sumatera Utara
hanya satu variabel terikat � dan satu variabel bebas �. sehingga setiap nilai �
bertambah dengan �, kalau nilai � = 0 maka nilai � sebesar � saja.
Penggunaan model regresi linier sederhana hanya memungkinkan bila pengaruh yang ada itu hanya dari independent variabel variabel bebas terhadap
dependent variabel variabel terikat, tidak boleh ada pengaruh timbal balik, yaitu jika variabel terikat juga berpengaruh terhadap variabel bebas.
Dalam regresi linier sederhana dihindari sifat autokorelasi. Autokorelasi adalah hubungan antara nilai suatu variabel dengan nilai variabel yang lain sama
pangestu, 2004:155. Misalnya kalau pada tahun pertama pembelian bak penampungan air banyak sekali, maka pembelian bak penampungan air pada 10
tahun kemudian juga akan banyak, karena usia bak penampungan air tersebut memang hanya dapat bertahan 10 tahun. Pembelian bak penampungan air 10
tahun sebelumnya akan rusak, sehingga pembelian secara bersama-sama setiap 10 tahun sekali, sehingga pembelian akan melonjak. Dengan kata lain ada hubungan
antara pembelian bak penampungan air yang sama dengan pembelian 10 tahun yang akan datang. Inilah yang dimaksud dengan Autokorelasi.
Ciri penting dari regresi sederhana adalah apabila terdapat homoscedasticity. Homoscedasticity adalah kesamaan distribusi
� pada setiap nilai
�. Artinya berapapun besarnya �, kalau diamati nilai �-nya dan dihitung deviasi standarnya relatif sama, misalnya jika pada nilai
�
1
diamati nilai � dan
dicatat deviasi standarnya, dan dibandingkan dengan nilai � pada �
2
maka nilainya sama, yang berarti distribusi nilai
� terhadap nilai � selalu sama. Gejala inilah yang dimaksud dengan homoscedasticity. Kalau distribusinya tidak sama
maka tidak boleh terjadi pada regresi linier sederhana.
Universitas Sumatera Utara
Analisis regresi linier sederhana terdiri dari satu variabel bebas dan satu variabel terikat. Model regresi linier sederhananya adalah:
Y = a + bX keterangan:
� = Variabel terikat dependent variable
� = Variabel bebas independent variable
� = Konstanta intrcept
� = Kemiringan slope
3.4 Regresi Linier Berganda
