Pengertian Regresi – Istilah regresi pertama kali dikenalkan oleh Francis Galton (Gujarati & Porter, 2010: 19). Untuk mengukur besarnya pengaruh variabel bebas terhadap variabel tergantung dan memprediksi variabel tergantung dengan menggunakan variabel bebas. Gujarati (2006) mendefinisikan analisis regresi sebagai kajian terhadap hubungan satu variabel yang disebut sebagai variabel yang diterangkan (the explained variabel) dengan satu atau dua variabel yang menerangkan (the explanatory). Variabel pertama disebut juga sebagai variabel tergantung dan variabel kedua disebut juga sebagai variabel bebas. Jika variabel bebas lebih dari satu, maka analisis regresi disebut regresi linear berganda. Disebut berganda karena pengaruh beberapa variabel bebas akan dikenakan kepada variabel tergantung.
Interpretasi istilah regresi menurut Gujarati & Porter (2010: 20)
Analisis regresi berkaitan dengan studi mengenai ketergantungan satu variabel, yaitu variabel dependent, terhadap satu atau lebih variabel lainnya (variabel independent), dengan tujuan untuk mengestimasi dan/atau memperkirakan nilai rerata atau rata-rata (populasi) variabel dependent dari nilai yang diketahui atau nilai tetap dari veriabel independent.
- Tujuan
Tujuan menggunakan analisis regresi ialah Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasarkan pada nilai variabel bebas.
Menguji hipotesis karakteristik dependensi
Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai variabel bebas diluar jangkaun sample.
- Asumsi
Penggunaan regresi linear sederhana didasarkan pada asumsi diantaranya sbb:
Model regresi harus linier dalam parameter
Variabel bebas tidak berkorelasi dengan disturbance term (Error) .
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 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
- Persyaratan Penggunaan Model Regresi
Model kelayakan regresi linear didasarkan pada hal-hal sebagai berikut:
a.Model regresi dikatakan layak jika angka signifikansi pada ANOVA sebesar < 0.05
b.Predictor yang digunakan sebagai variabel bebas harus layak. Kelayakan ini diketahui jika angka Standard Error of Estimate < Standard Deviation
c.Koefesien regresi harus signifikan. Pengujian dilakukan dengan Uji t. Koefesien regresi signifikan jika t hitung > t table (nilai kritis)
d.Tidak boleh terjadi multikolinieritas, artinya tidak boleh terjadi korelasi yang sangat tinggi atau sangat rendah antar variabel bebas. Syarat ini hanya berlaku untuk regresi linier berganda dengan variabel bebas lebih dari satu.
e.Tidak terjadi otokorelasi. Terjadi otokorelasi jika angka Durbin dan Watson (DB) sebesar < 1 dan > 3
f.Keselerasan model regresi dapat diterangkan dengan menggunakan nilai r2 semakin besar nilai tersebut maka model semakin baik. Jika nilai mendekati 1 maka model regresi semakin baik. Nilai r2 mempunyai karakteristik diantaranya: 1) selalu positif, 2) Nilai r2 maksimal sebesar 1. Jika Nilai r2 sebesar 1 akan mempunyai arti kesesuaian yang sempurna. Maksudnya seluruh variasi dalam variabel Y dapat diterangkan oleh model regresi. Sebaliknya jika r2 sama dengan 0, maka tidak ada hubungan linier antara X dan Y.
g.Terdapat hubungan linier antara variabel bebas (X) dan variabel tergantung (Y)
h.Data harus berdistribusi normal
i.Data berskala interval atau rasio
j.Kedua variabel bersifat dependen, artinya satu variabel merupakan variabel bebas (disebut juga sebagai variabel predictor) sedang variabel lainnya variabel tergantung (disebut juga sebagai variabel response).
Demikian ulasan singkat tentang Pengertian Regresi semoga mudah di pahami dan dapat dijadikan referensi bagi anda, dan jika artikel ini dirasa bermanfaat bagi anda, silahkan share artikel ini. Terima Kasih
