BAB 2 LANDASAN TEORI
2.1 Defenisi Analisis Regresi dan Korelasi
1. Analisis korelasi adalah metode statistika yang digunakan untuk menentukan
kuatnya atau derajat hubungan linier antara dua variabel atau lebih. Semakin nyata hubungan linier garis lurus, maka semakin kuat atau tinggi derajat
hubungan garis lurus antara kedua variabel atau lebih. Ukuran untuk derajat hubungan garis lurus ini dinamakan koefisien korelasi.
2. Analisis Regresi adalah metode statistika yang digunakan untuk menentukan
kemungkinan bentuk hubungan pengaruh antara dua atau lebih variabel bebas X dengan variabel terikat Y. Tujuan pokok penentuan metode ini adalah
untuk meramalkan atau memperkirakan nilai dari satu variabel Y dalam hubungannya dengan variabel yang lain X.
2.2 Analisis Regresi Sederhana dan Berganda
2.2.1 Analisis Regresi Sederhana
Analisis regresi sederhana adalah proses mengestimasi menaksir sebuah fungsi hubungan antara variabel dependen Y dengan variabel independen X. Dalam suatu
persamaan regresi besarnya nilai variabel dependen adalah tergantung pada nilai variabel lainnya.
Persamaan regresi linier sederhana Y terhadap X adalah: 1.
Model populasi regresi linier sederhana dinyatakan dalam persamaan
Universitas Sumatera Utara
Y
i
= α + βX
i
+
i
… 2.1
2. Model sampel penduga untuk regresi linier sederhana:
i
= a + bX
i
di mana: Xi = variabel bebas independen Yi = variabel terikat dependen
a = penduga bagi intersep b = penduga bagi koefisien regresi
β
i = 1,2,3,… Nilai
α dan β adalah parameter yang nilainya tidak diketahui sehingga diduga menggunakan statistik sampel. Komponen sisaan kesalahan
i
= galat menunjukkan:
1. Pengaruh dari variabel yang tidak dimasukkan dalam persamaan regresi karena
berbagai pertimbangan. 2.
Penetapan persamaan yang tidak sempurna. 3.
Kesalahan pengukuran dalam pengumpulan dan pemrosesan data. Nilai a menunjukkan intersep konstanta persamaan tersebut, artinya untuk nilai
variabel X = 0 maka besarnya Y = a, parameter b menunjukkan besarnya koefisien slope persamaan tersebut, nilai ini menunjukkan besarnya perubahan nilai Y jika nilai
X berubah sebesar satu satuan. Dengan menggunakan metode kuadrat terkecil nilai a dan b dapat dihitung dengan menggunakan rumus sebagai berikut:
∑ ∑
∑ ∑
∑ ²
dan
a =
∑
b
∑
…2.2
Universitas Sumatera Utara
2.2.2
Analisis Regresi Berganda
Regresi berganda adalah bentuk hubungan atau pengaruh dari dua atau lebih variabel bebas X dengan variabel terikat Y. Persamaan regresi linier berganda dari Y terhadap X
adalah: 1.
Model populasi berganda adalah:
Y = α + β
1
X
1
+ β
2
X
2
+ … + β
n
X
n
+
i
…2.3 2.
Model penduga model sampel regresi linier ganda adalah:
Y = b + b
1
X
1
+ b
2
X
2
+ … + b
n
X
n
…2.4
Koefisien α dan β adalah parameter yang nilainya tidak diketahui, sehingga
diduga menggunakan statistik sampel. Nilai b , b
1
, dan b
2
akan diperoleh dari tiga persamaan normal berikut:
∑Y = nb + b
1
∑X
1
+ b
2
∑X
2
∑X
1
Y = b ∑X
1
+ b
1
∑X
1 2
+ b
2
∑X
1
X
2
∑X
2
Y = b ∑X
2
+ b
1
∑X
1
X
2
+ b
2
∑X
1 2
Koefisien b , b
1
dan b
2
dapat dihitung dengan rumus sebagai berikut:
b = b
1 1
– b
2 2
b
1
=
∑ ²ᵢ ∑ ᵢ ᵢ ∑ ᵢ ᵢ ∑ ᵢ ᵢ
∑ ²ᵢ ∑ ²ᵢ ∑ ᵢ ᵢ ²
Universitas Sumatera Utara
b
=
∑ ²ᵢ ∑ ᵢ ᵢ ∑ ᵢ ᵢ ∑ ᵢ ᵢ
∑ ²ᵢ ∑ ²ᵢ ∑ ᵢ ᵢ ²
Nilai dari b , b
1
dan b
2
dari tiga persamaan normal di atas dapat juga dihitung dengan metode matriks. Persamaan normal di atas adalah bentuk sistem persamaan
linier SPL yang dapat diselesaikan dengan metode determinan, yaitu menggunakan aturan Crammer.
Jika AX = b merupakan suatu persamaan linier dalam k peubah, maka sistem persamaan tersebut mempunyai penyelesaian dengan metode determinan sebagai
berikut:
a =
| | | |
b
1
=
| | | |
… b
k
=
| | | |
dengan
A
j
j = 1,2, … , k adalah matriks yang diperoleh dengan menggunakan anggota-anggota pada kolom ke-j dari matriks A dengan anggota pada matriks b.
2.3 Uji Regresi Linier Berganda
Untuk mengetahui atau menguji kepastian dari persamaan regresi berganda tersebut apakah X
1
dan X
2
berpengaruh secara simultan dan signifikan terhadap Y dilakukan dengan uji F.
1. Hipotesis yang diuji
H :
β = β = 0, berarti X dan X tidak berpengaruh simultan dan signifikan terhadap Y.
Universitas Sumatera Utara
H :
β = β ≠0, berarti antara X dan X tidak berpengaruh simultan dan signifikan terhadap Y.
2. Pengaruh uji statistic taraf nyata
α = 5
∑ Yᵢ ᵢ ²
JKT =
∑
Y² -
∑ ²
JK
reg
= JKT – JK
res
, JK
res
+ JK
reg
∑ ᵢ
ᵢ
² = ∑
ᵢ
ᵢ
ᵢ² + ∑ ᵢ
ᵢ
²
di mana: JK
res
Jumlah Kuadrat Residu adalah variasi yang tidak dijelaskan. JK
reg
Jumlah Kuadrat Regresi adalah variasi yang dijelaskan. JKT Jumlah Kuadrat Total adalah variasi total.
F
hitung
= …2.5
Tabel 2.1 Anova
Suber Variasi JK
Dk JKT
F Regresi
JK
reg
K
Resudu JK
res
n-k-1
Total JKT n-1
3. Kriteria Pengujian
Universitas Sumatera Utara
Pada tingkat keyakinan 95 atau taraf nyata 5, dengan derajat kebebasan penyebut n-k-1. Nilai F tabel diperoleh dari daftar distribusi F.
4. Membuat Kesimpulan
1 Standart Error Estimate
Standart error atau kesalahan buku adalah angka yang digunakan untuk mengukur ketetapan suatu penduga atau mengukur jumlah variasi titik-titik observasi di atas
dan di bawah regresi populasi. Karena standart error populasinya tidak diketahui, maka
ₑ diduga dengan Sₑ standart error estimate sehingga Sₑ adalah standart deviasi yang menggambarkan variasi titik-titik di atas dan di bawah garis regresi
sampel. Nilai S ₑ dapat diperoleh dengan rumus sebagai berikut:
S ₑ =
∑ ²
…2.6
Apabila semua titik-titik observasi berada pada tepat garis regresi, berarti standart error penduga sama dengan nol. Dengan demikian standart error penduga
berguna untuk mengetahui batasan seberapa jauh melesetnya perkiraan dalam meramalkan data.
2 Variasi dan Standart Deviasi
Standart deviasi S adalah akar kuadrat dari variansi dan menunjukkan standar penyimpangan data dari nilai rata-rata hitungnya. Nilai S² menunjukkan sebaran
atau fluktuasi data terhadap rata-rata hitungnya. Nilai S² dapat dihitung dengan rumus sebagai berikut:
S² =
∑
…2.7
Universitas Sumatera Utara
2.4 Analisis Korelasi Sederhana dan Berganda