3 Menguji apakah estimasi parameter tersebut signifikan atau tidak 4 Melihat apakah tanda magnitud dari estimasi parameter cocok dengan teori.
2.2.1 Analisis Regresi Linier Sederhana
Regresi linier sederhana digunakan untuk memperkirakan hubungan antara dua variabel di mana hanya terdapat satu variabelpeubah bebas X dan satu peubah tak
bebas Y. Dalam bentuk persamaan, model regresi sederhana adalah :
Y = a + bX
Keterangan : Y adalah variabel terikattak bebas dependent
X adalah variabel bebas independent a adalah penduga bagi intercept
α b adalah penduga bagi koefisien regresi
β
Penggunaan regresi linear sederhana didasarkan pada asumsi diantaranya sebagai berikut:
Model regresi harus linier dalam parameter Variabel bebas tidak berkorelasi dengan disturbance term eror .
Nilai disturbance term sebesar 0 atau dengan simbol sebagai berikut: E U X = 0
Varian untuk masing-masing error term kesalahan konstan Tidak terjadi otokorelasi
Universitas Sumatera Utara
Model regresi dispesifikasi secara benar. Tidak terdapat bias spesifikasi dalam model yang digunakan dalam analisis empiris
Jika variabel bebas lebih dari satu, maka antara variabel bebas explanatory tidak ada hubungan linier yang nyata
2.2.2 Analisis Regresi Linier Berganda
Regresi linear ganda adalah regresi dimana variabel terikatnya Y dihubungkan dijelaskan lebih dari satu variabel, mungkin dua, tiga, dan seterusnya variabel bebas
namun masih
menunjukan diagram
hubungan yang
linear.Penambahan variabel bebas ini diharapkan dapat lebih menjelaskan karateristik hubungan yang ada walaupun masih saja ada variabel yang terabaikan.
Bentuk umum persamaan regresi linear berganda dapat ditulis sebagai berikut:
= +
Keterangan: Y
= variabel terikat = koefisien regresi
= variabel bebas = kesalahan pengganggu disturbance terma
Jika sebuah variabel terikat dihubungkan dengan dua variabel bebas maka persamaan regresi linear bergandanya adalah:
=
Universitas Sumatera Utara
Nilai dari koefisien dapat ditentukan dengan cara berikut ini:
=
=
=
Dimana: =
= =
= =
=
2.3 Uji Keberartian Regresi
