maka semakin tepat persamaan regresi yang dibentuk. Tujuan utama regresi adalah untuk membuat perkiraan nilai suatu variabel variabel dependen jika nilai
variabel yang lain yang berhubungan dengannya variabel lainnya sudah ditentukan.
Ada beberapa defenisi regresi yang dapat dijabarkan yaitu :
1. Analisis regresi merupakan suatu teknik untuk membangun sebuah persamaan garis lurus dan menggunakan persamaan tersebut untuk
membuat perkiraan Mason, 1996:489
2. 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, 2002: 2
3. Analisis regresi adalah hubungan yang didapat dan dinyatakan dalam bantuk persamaan matematik yang menyatakan hubungan fungsional antar
variabel – variabel. Sudjana, 2005: 310
2.2 Persamaan Regresi
Model analisis regresi merupakan suatu model yang parameternya linier bias saja fungsinya berbentuk garis lurus. Dan secara kuantitatif dapat digunakan untuk
menganalisis pangaruh suatu variabel terhadap variabel lainnya. Analisis regresi
Universitas Sumatera Utara
menyangkut studi tentang hubungan antara suatu variabel Y yang disebut variabel respon atau variabel dependen yaitu variabel yang keberadaannya dipengaruhi
oleh variabel lainnya Sugiyono.Dr,2010. Dan variabel X merupakan variabel predictor atau variabel independen yaitu variabel bebas tidak dipengaruhi
variabel lainnya.
Sifat hubungan antara variabel dalam persamaan regresi merupakan hubungan sebab akibat. Oleh karena itu, sebelum menggunakan persamaan regresi
dalam menjelaskan hubungan antara dua atau lebih variabel, maka perlu dilakukan penganalisisan data untuk mengetahui apakah variabel
– variabel tersebut berkolerasi. Sehingga membentuk sebuah pola garis lurus seperti gambar 2.1
berikut ini:
Gambar 2.1 pola garis lurus
Antara variabel babas X dan variabel terikat Y membentuk pola sebuah garis yang lurus, dan dalam aflikasinya jika nilai X meningkat maka nilai Y juga
Universitas Sumatera Utara
akan meningkat, jika nilai X mengalami penurunan maka nilai Y juga akan mengalami penurunan. Untuk mengetahui hubungan
– hubungan antara variabel bebas maka regresi linier terdiri dari dua bentuk, yaitu:
1. Analisis Regresi Linier Sederhana simple analisis regresi
2. Analisis Regresi Linier Berganda multiple analisis regresi
2.3 Analisis Regresi Linier Sederhana
Regresi linier sederhana digunakan untuk mendapatkan hubungan matematis dalam bentuk suatu persamaan antara variabel tak bebas dengan variabel bebas
tunggal. Regresi linier sederhana hanya memiliki satu perubahan regresi linier untuk populasi adalah
Y= a + Bx 2.1
Dengan :
Y = Subyek dalam variabel dependen yang diprediksikan X = Subyek pada variabel independen yang mempunyai nilai tertentu.
a = parameter intercept b = parameter koefisien regresi variabel bebas
Persamaan model regresi sederhana hanya memungkinkan bila pengaruh yang ada itu hanya dari independent variabel variabel bebas terhadap dependent
Universitas Sumatera Utara
variabel variabel tak bebas. Jadi harga b merupakan fungsi dari koefisien korelasi. Bila koefisien korelasi tinggi, maka harga b juga besar, sebaliknya bila
koefisien korelasi negatif maka harga b juga negatif, dan sebaliknya bila koefisien korelasi positif maka harga b juga positif Sudjana,2005.
2.4 Analisis Regresi Linier Berganda
