Istilah regresi pada mulanya bertujuan untuk membuat perkiraan nilai satu
variabel tinggi badan anak terhadap satu variabel yang lain tinggi badan orang tua. Pada perkembangan selanjutnya, analisis regresi dapat digunkan sebagai alat
untuk membuat perkiraan nilai suatu variabel dengan menggunakan beberapa variabel lain yang berhubungan dengan variabel tersebut.
Ada beberapa definisi 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. Algifri, 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.
2.2 Analisa Regresi Linear
Sebelum melakukan analisis korelasi dalam sebuah penelitian maka terlebih
dahulu harus diketahuai apakah variabel-variabel yang akan dikorelasikan merupakan regresi linear atau non linear, karena hal ini akan dipergunakan dalam
menganalisa data.
Universitas Sumatera Utara
Yang dimaksud dengan analisa regresi linear adalah jika hubungan persamaan tersebut searah dan membentuk sebuah pola garis lurus seperti gambar
2.2 berikut ini
Gambar 2.2 pola garis lurus
Antara variabel bebas X dan variabel terikat Y membentuk sebuah pola garis
yang lurus, dan dalam aplikasinya jika nilai X meningkat maka nilai Y juga meningkat dan jika nilai X mengalami penurunan makan nilai Y juga mengalami
penurunan.
Didalam teorinya analisa regresi linear mempunyai dua bentuk persamaan yaitu:
a. Analisa regresi linear sederhana simple analisis regresi
Universitas Sumatera Utara
b. Analisa regresi linear berganda multiple analisis regresi.
2.3 Analisa regresi linear sederhana
Yang dimaksud dengan hubungan linear sederhana adalah yang ditunjukkan
dengan persamaan Y = a + . Persamaan ini hanya memiliki 2 variabel saja,
hanya satu variabel terikat Y dan satu variabel bebas X. Sehingga setiap nilai X bertambah dengan satu satuan maka nilai Y akan bertambah dengan b kalau
nilai X = 0 maka nilai Y sebesar a saja.
Penggunaan model regresi 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 linear sederhana dihindari sifat autokorelasi, yang dimaksud
dengan auto korelasi adalah hubungan antara nilai suatu variabel dengan nilai variabel yang lain sama Pangestu, 2004: 155. Misalnya kalau pada tahun
pembelian bak penampungan air banyak sekali, maka pembelian bak mandi 10 tahun lagi juga akan banyak, karena usia bak air tersebut memang hanya bertahan
10 tahun. Yang dibeli 10 tahun sebelumnya akan rusak, sehingga pemebelian secara bersama-sama setiap 10 tahun sekali, sehingga pembelian akan melonjak.
Dengan kata lain ada hubungan antara pembelian bak air yang sama dengan pembelian 10 tahun yang akan datang. Inilah yang dimaksud adanya auto korelasi.
Universitas Sumatera Utara
Ciri penting dari regresi sederhana adalah apabila terdapat homoscedasticity. Homoscedasticity adalah kesamaan distribusi Y pada setiap nilai X. Artinya
berapapun besarnya X, kalau diamati nilai Y nya dan dihitung deviasi standartnya relative sama, misalnya jika pada nilai
diamati nilai Y dan dicatat deviasi satndartnya, dan dibandingkan dengan nilai Y pada
maka nilainya sama, yang berarti distribusi nilai Y terhadap nilai X selalu sama. gejala ini yang dimaksud
dengan homoscedasticity. Kalau distribusinya tidak sama maka tidak boleh terjadi pada regresi linear sederhana.
Model regresi linier sederhanaya adalah:
Keterangan : Ŷ
= Variabel terikat dependent variable = Variabel bebas independent variable
a = Konstanta intrcept
b = Kemiringan slope
2.4 Analisis Regresi Linear Berganda
