MAKALAH
Statistik Pendidikan
Tentang :
Analisis Uji Regresi Sederhana
Dosen
Pengampu : Ir. Khairur Rahman
Disusun oleh :
Miftahul Janah
18.11.2358
Luluk Fitriyani
18.11.2343
SEKOLAH TINGGI AGAMA ISLAM AN-NADWAH
KUALA TUNGKAL
2020
KATA PENGANTAR
Alhamdulillah puji syukur atas
kehadirat Allah SWT atas segala limpahan Rahmat dan Hidayah-Nya, sehingga kami
dapat menyelesaikan makalah ini yang berjudul “Analisis Uji Regresi Sederhana”. Shalawat dan
salam semoga dilimpahkan atas junjungan kita Nabi besar Muhammad SAW beserta
keluarga, sahabat dan sekalian umatnya yang bertaqwa.
Ucapan terima kasih pula kami tujukan kepada semua pihak yang telah membantu
kami dalam proses penyusunan makalah ini, baik bantuan materil maupun
nonmateril.
Kami menyadari bahwa makalah ini masih jauh dari
kesempurnaan. Oleh karena itu, kritik dan
saran yang sifatnya membangun sangat kami harapkan guna penyempurnaan penyusunan makalah selanjutnya. Akhirnya
penulis berharap semoga makalah ini dapat bermanfaat bagi kita semua, amin.
Kuala
Tungkal April 2020
Penulis
DAFTAR ISI
BAB I
PENDAHULUAN
A. Latar Belakang
Regresi adalah suatu metode analisis statistik yang digunakan
untuk melihat pengaruh antara dua atau lebih banyak variabel. Hubungan
variabel tersebut bersifat fungsional yang diwujudkan dalam suatu model
matematis. Pada analisis regresi, variabel dibedakan menjadi dua bagian, yaitu
variabel respons (response variable) atau biasa juga disebut variabel
bergantung (dependent variable), dan variabel explanatory atau
biasa disebut penduga (predictor variable) atau disebut juga variabel
bebas (independent variable).
Regresi terbagi menjadi beberapa jenis, yaitu regresi
sederhana (linier sederhana dan nonlinier sederhana) dan regresi berganda
(linier berganda atau nonlinier berganda).
B. Rumusan Masalah
1.
Apa Pengertian Analisis Uji Regresi
Sederhana ?
2.
Bagaimana Kegunaaan Uji Regerisi
Sederhan?
3.
Dasar Pengambilan Keputusan Uji Regresi Sederhana?
4.
BAB II
PEMBAHASAN
A. Pengertian Analisis Sederhana
Analisis Regresi Sederhana adalah sebuah metode pendekatan
untuk pemodelan hubungan antara satu variabel dependen dan satu variabel
independen. Dalam model regresi, variabel independen menerangkan variabel
dependennya. Dalam analisis regresi sederhana, hubungan antara variabel
bersifat linier, dimana perubahan pada variabel X akan diikuti oleh perubahan
pada variabel Y secara tetap. Sementara pada hubungan non linier, perubahaan
variabel X tidak diikuti dengan perubahaan variabel y secara proporsional.
seperti pada model kuadratik, perubahan x diikuti oleh kuadrat dari variabel x.
Hubungan demikian tidak bersifat linier.[1]
Secara matematis model analisis regresi linier sederhana
dapat digambarkan sebagai berikut:
Y
= A + BX + e
Y
adalah variabel dependen atau respon
A
adalah intercept atau konstanta
B
adalah koefisien regresi atau slope
e
adalah residual atau error
Secara
praktis analisis regresi linier sederhana memiliki kegunaan sebagai berikut:
1. Model
regresi sederhana dapat digunakan untuk forecast atau memprediksi nilai Y.
Namun sebelum melakukan forecasting, terlebih dahulu harus dibuat model atau
persamaan regresi linier. Ketika model yang fit sudah terbentuk maka model
tersebut memiliki kemampuan untuk memprediksi nilai Y berdasarkan variabel Y
yang diketahui. Katakanlah sebuah model regresi digunakan untuk membuat
persamaan antara pendapatan (X) dan konsumsi (Y). Ketika sudah diperoleh model
yang fit antara pendapatan dengan konsumsi, maka kita dapat memprediksi berapa
tingkat konsumsi masyarakat ketika kita sudah mengetahui pendapatan masyarakat.
2. Mengukur
pengaruh variabel X terhadap variabel Y. Misalkan kita memiliki satu serial
data variabel Y, melalui analisis regresi linier sederhana kita dapat membuat
model variabel-variabel yang memiliki pengaruh terhadap variabel Y. Hubungan
antara variabel dalam analisis regresi bersifat kausalitas atau sebab akibat.
Berbeda halnya dengan analisis korelasi yang hanya melihat hubungan asosiatif
tanpa mengetahui apa variabel yang menjadi sebab dan apa variabel yang menjadi
akibat.
Model
regresi linier sederhana yang baik harus memenuhi asumsi-asumsi berikut:
1. Eksogenitas
yang lemah, kita harus memahami secara mendasar sebelum menggunakan analisis
regresi bahwa analisis ini mensyaratkan bahwa variabel X bersifat fixed atau
tetap, sementara variabel Y bersifat random. Maksudnya adalah satu nilai
variabel X akan memprediksi variabel Y sehingga ada kemungkinan beberapa
variabel Y. dengan demikian harus ada nilai error atau kesalahan pada variabel
Y. Sebagai contoh ketika pendapatan (X) seseorang sebesar Rp 1 juta rupiah,
maka pengeluarannya bisa saja, Rp 500 ribu, Rp 600 ribu, Rp 700 ribu dan
seterusnya.
2. Linieritas,
seperti sudah dijelaskan sebelumnya bahwa model analisis regresi bersifat
linier. artinya kenaikan variabel X harus diikuti secara proporsional oleh
kenaikan variabel Y. Jika dalam pengujian linieritas tidak terpenuhi, maka kita
dapat melakukan transformasi data atau menggunakan model kuadratik,
eksponensial atau model lainnya yang sesuai dengan pola hubungan non-linier.
3. Varians
error yang konstan, ini menjelaskan bahwa varians error atau varians residual
yang tidak berubah-ubah pada respon yang berbeda. asumsi ini lebih dikenal
dengan asumsi homoskedastisitas. Mengapa varians error perlu konstan? karena
jika konstan maka variabel error dapat membentuk model sendiri dan mengganggu
model. Oleh karena itu, penanggulangan permasalahan
heteroskedastisitas/non-homoskedastisitas dapat diatasi dengan menambahkan
model varians error ke dalam model atau model ARCH/GARCH.
4. Autokorelasi
untuk data time series, jika kita menggunakan analisis regresi sederhana untuk
data time series atau data yang disusun berdasarkan urutan waktu, maka ada satu
asumsi yang harus dipenuhi yaitu asumsi autokorelasi. Asumsi ini melihat
pengaruh variabel lag waktu sebelumnya terhadap variabel Y. Jika ada gangguan
autokorelasi artinya ada pengaruh variabel lag waktu sebelumnya terhadap
variabel Y. sebagai contoh, model kenaikan harga BBM terhadap inflasi, jika
ditemukan atukorelasi artinya terdapat pengaruh lag waktu terhadap inflasi.
Artinya inflasi hari ini atau bulan ini bukan dipengaruhi oleh kenaikan BBM
hari ini namun dipengaruhi oleh kenaikan BBM sebelumnya (satu hari atau satu
bulan tergantung data yang dikumpulkan).
B. Kegunana Uji Regresi Sederhana
Analisis regresi sederhana digunakan untuk memprediksi atau
menguji pengaruh satu variabel bebas atau variabel independent terhadap
variabel terikat atau variabel dependent. Bila skor variabel bebas diketahui
maka skor variabel terikatnya dapat diprediksi besarnya. Analisis regresi juga
dapat dilakukan untuk mengetahui linearitas variabel terikat dengan variabel
bebasnya.
Analisis regresi linear sederhana
terdiri dari satu variabel bebas (predictor) dan satu variabel terikat
(respon), dengan persamaan :[2]
Y = a + bX
Keterangan :
Y : Variabel terikat
a : Konstanta regresi
bX : Nilai turunan atau peningkatan variabel bebas
a : Konstanta regresi
bX : Nilai turunan atau peningkatan variabel bebas
C. Dasar Pengambilan Keputusan Uji Regresi Sederhana
Pengambilan
keptusan dalam uji regresi sederhana dapat mengacu pada dua hal, yakni dengan
membandingkan nilai t hitung dengan t tabel, atau dengan membandingkan nilai
signifikansi dengan nilai probabilitas 0,05.
Membanginkan nilai t hitung dan t
tabel:[3]
- Jika nilai t hitung lebih besar dari nilai t tabel, artinya variabel bebas berpengaruh terhadap variabel terikat.
- Jika nilai t hitung tidak lebih besar dari nilai t
tabel, artinya variabel bebas tidak berpengaruh terhadap variabel terikat.
Membandingkan nilai signifikansi dengan probabilitas 0,05:
- Jika nilai signifikansi tidak lebih dari nilai probabilitas 0,05, artinya variabel bebas berpengaruh secara signifikan terhadap variabel terikat.
- Jika nilai signifikansi lebih dari nilai probabilitas 0,05, artinya variabel bebas tidak berpengaruh secara signifikan terhadap variabel terikat.
Setelah mengetahui tujuan dan dasar
pengambilan keputusan dalam uji regresi sederhana, selanjutnya kita masuk
praktek uji regresi sederhana dengan menggunakan contoh penelitian dibawah ini.
Contoh Judul Penelitian : Pengaruh
Trust (Kepercayaan) pada calon presiden terhadap partisipasi dalam pemilihan
umum.
Identifikasi variabel penelitian :
Variabel bebas (X) adalah Trust, sedangkan variabel terikat (Y) adalah
Partisipasi.
BAB III
PENUTUP
A. Kesimpulan
Analisis regresi
sederhana bertujuan untuk mengetahui pengaruh dari suatu variabel terhadap
variabel lainnya. Pada analisis regresi suatu variabel yang mempengaruhi
disebut variabel bebas atau independent variable, sedangkan variabel yang
dipengaruhi disebut variabel terkait atau dependent variable. Jika persamaan
regresi hanya terdapat satu variabel bebas dengan satu variabel terkait, maka
disebut dengan persamaan regresi sederhana. Jika variabel bebasnya lebih dari
satu, maka disebut dengan persamaan regresi berganda. Pada regresi sederhana
kita dapat mengetahui berapa besar perubahan dari variabel bebas dapat
mempengaruhi suatu variabel terkait.
DAFTAR PUSTAKA
https://www.spssindonesia.com/2017/03/uji-analisis-regresi-linear-sederhana.html
di akses pada tangg 15 April 2020
https://lifepal.co.id/media/regresi/
di akses pada tanggal 15 April 2020
https://www.konsistensi.com/2014/06/uji-regresi-sederhana-dengan-spss.html
diakses pada tanggal 15 April 2020
[1]
https://www.spssindonesia.com/2017/03/uji-analisis-regresi-linear-sederhana.html
di akses pada tangg 15 April 2020
[2]
https://lifepal.co.id/media/regresi/ di akses pada tanggal 15 April 2020
[3]
https://www.konsistensi.com/2014/06/uji-regresi-sederhana-dengan-spss.html
diakses pada tanggal 15 April 2020
No comments:
Post a Comment