RINGKASAN BAB III

MODEL REGRESI DENGAN DUA VARIABEL

Model regresi dua variabel biasanya ditulis dengan simbol berbeda berdasarkan
sumber data yang digunakan walaupun tetap ditulis dalam persamaan fungsi regresi.
Fungsi regresi yang menggunakan data populasi (FRP) simbol konstanta dan
koefisiennya ditulis dengan huruf besar, sebagai berikut :

Fungsi regresi data sampel (FRS), simbol konstanta dan koefisien ditulis huruf kecil,
sebagai berikut :

Keterangan :

A atau a : merupakan konstanta atauintercept

B atau b : merupakan koefisien regresi, yang juga menggambarkan tingkat elastisitas
variabel independen
Y : merupakan variabel dependen
X : merupakan variabel independen
Meskipun penulisan simbol konstanta dan koefisien regresinya agak berbeda,
namun penghitungannya menggunakan metode yang sama, yaitu metode kuadrat
terkecil biasa (ordinary least square) atau metode Maximum Likelihood.

Metode Kuadrat Terkecil Biasa (Ordinary Least Square) (OLS)

Penghitungan konstanta (a) dan koefisien regresi (b) dalam suatu fungsi regresi
linier sederhana dengan metode OLS dapat dilakukan dengan rumus-rumus sebagai
berikut:
Ada 3 asumsi yang harus dipenuhi OLS , yaitu :

1. Asumsi nilai harapan bersyarat (conditional expected value) dari ei, dengan
syarat X sebesar Xi, mempunyai nilai nol.
2. Kovarian ei dan ej mempunyai nilai nol. Nilai nol dalam asumsi ini menjelaskan
bahwa antara ei dan ej tidak ada korelasi serial atau tida berkorelasi
(autocorrelation).
3. Varian ei dan ej sama dengan simpangan baku (standar deviasi).
Diringkas menjadi seperti ini :

Prinsip-prinsip metode OLS :

1. Analisis dilakukan dengan regresi, yaitu analisis untuk menentukan hubungan

pengaruh antara variabel bebas terhadap variabel terikat. Regresi sendiri akan
menghitung nilai a, b, dan e (error), oleh karena itu dilakukan dengan cara
matematis.
2. Hasil regresi akan menghasilkan garis regresi. Garis regresi ini merupakan
representasi dari bentuk arah data yang diteliti. Garis regresi disimbolkan dengan
Y (baca: Y topi, atau Y cap), yang berfungsi sebagai Y perkiraan. Sedangkan
data disimbolkan dengan Y saja.

Data yang tidak berada tepat pada garis regresi akan memunculkan nilai residual
yang biasa disimbulkan dengan ei, atau sering pula disebut dengan istilah
kesalahan pengganggu. Untuk data yang tepat berada pada garis maka nilai Y sama
dengan Y .

Nilai a dalam garis regresi digunakan untuk menentukan letak titik potong garis
pada sumbu Y. Jika nilai a > 0 maka letak titik potong garis regresi pada sumbu Y
akan berada di atas origin (0), apabila nilai a < 0 maka titik potongnya akan berada di
bawah origin (0). Nilai b atau disebut koefisien regresi berfungsi untuk menentukan
tingkat kemiringan garis regresi. Semakin rendah nilai b, maka derajat kemiringan
garis regresi terhadap sumbu X semakin rendah pula. Sebaliknya, semakin tinggi
nilai b, maka derajat kemiringan garis regresi terhadap sumbu X semakin tinggi.
 metode OLS ditujukan tidak hanya menghitung berapa besarnya a atau b saja,
tetapi juga digunakan pula untuk menguji tingkat signifikansi dari variabel X dalam
mempengaruhi Y.

Pengujian signifikansi variabel X dalam mempengaruhi Y dapat dibedakan

menjadi dua, yaitu:

a. pengaruh secara individual

b. pengaruh secara bersama-sama.

Hal mendasar yang membedakan antara penggunaan uji t dan uji F terletak pada
jumlah variabel bebas yang diuji signifikansinya dalam mempengaruhi Y. Jika hanya
menguji signifikansi satu variabel bebas saja, maka yang digunakan adalah uji t. Oleh
karena itu disebut sebagai uji signifikansi secara individual. Sedangkan pengujian
signifikansi yang menggunakan lebih dari satu variabel bebas yang diuji secara
bersama-sama dalam mempengaruhi Y, maka alat ujinya adalah menggunakan uji F.
Sebagai perbandingan antara penggunaan uji t dan uji F dapat dilihat pada tabel berikut:

Perbandingan antara uji t dan uji F

 Uji t

Untuk menguji hipotesis bahwa b secara statistik signifikan, perlu terlebih dulu
menghitung standar error atau standar deviasi dari b. Perlu diketahui formula dari
standar error dari b dirumuskan sebagai berikut :

Dimana :

Yt dan Xt adalah data variabel dependen dan independen pada periode t

Y adalah nilai variabel dependen pada periode t yang didapat dari

perkiraan garis regresi

X merupakan nilai tengah (mean) dari variabel independen

e merupakan error term

n adalah jumlah data observasi

k adalah jumlah perkiraan koefisien regresi yang meliputi a dan b

(n-k) disebut juga dengan degrees of freedom (df).

Cara menentukan signifikan tidaknya nilai t tersebut adalah melalui

pembandingan antara nilai t hitung dengan nilai t tabel. Nilai t tabel sebenarnya telah
ditentukan pada tabel t student yang telah ditetapkan oleh para penemunya. Karena
untuk menentukan signifikan tidaknya nilai t hitung adalah melalui upaya
membandingkan dengan nilai t tabel, maka dapat diketahui bahwa, jika nilai t hitung > t
tabel, maka signifikan. Jika nilai t hitung < t tabel, maka tidak signifikan.

Gambar di atas menunjukkan pengujian nilai t dua arah atau two sided atau two
tail test.

Interpretasi Hasil regresi

Interpretasi yang dimaksudkan disini adalah mengetahui informasi-informasi yang

terkandung dalam hasil regresi melalui pengartian dari angka-angka parameternya.

Koefisien Determinasi (R)

Koefisien determinasi pada intinya mengukur seberapa jauh kemampuan model

dalam menerangkan variasi variabel terikat. Besarnya nilai koefisien determinasi adalah
di antara nol dan satu (0<R2<1). Dengan kalimat lain dapat dijelaskan bahwa koefisien
determinasi (R2) adalah angka yang menunjukkan proporsi variabel dependen yang
dijelaskan oleh variasi variabel independen. Juga, dapat digunakan sebagai ukuran
ketepatan dalam menentukan prediktor. Artinya, R2 menunjukkan seberapa besar
sumbangan X terhadap Y. Untuk menentukan koefisien determinasi (R2) pada regresi
linier sederhana, dapat dihitung dengan rumus sebagai berikut:
 Analisis regresi pada dasarnya adalah menjelaskan berapa besar pengaruh
tingkat signifikansi variabel independen dalam mempengaruhi variabel dependen.

Simpulan dari BAB ini :

Perlu diingat bahwa Fungsi regresi yang menggunakan data populasi (FRP)
simbol konstanta dan koefisiennya ditulis dengan huruf besar dan Fungsi regresi data
sampel (FRS), simbol konstanta dan koefisien ditulis huruf kecil.

Ada 3 asumsi yang harus dipenuhi OLS , yaitu :

1. Asumsi nilai harapan bersyarat (conditional expected value) dari ei, dengan
syarat X sebesar Xi, mempunyai nilai nol.
2. Kovarian ei dan ej mempunyai nilai nol. Nilai nol dalam asumsi ini menjelaskan
bahwa antara ei dan ej tidak ada korelasi serial atau tida berkorelasi
(autocorrelation).
3. Varian ei dan ej sama dengan simpangan baku (standar deviasi).

Hal mendasar yang membedakan antara penggunaan uji t dan uji F terletak pada
jumlah variabel bebas yang diuji signifikansinya dalam mempengaruhi Y. Jika hanya
menguji signifikansi satu variabel bebas saja, maka yang digunakan adalah uji t. Oleh
karena itu disebut sebagai uji signifikansi secara individual. Sedangkan pengujian
signifikansi yang menggunakan lebih dari satu variabel bebas yang diuji secara
bersama-sama dalam mempengaruhi Y, maka alat ujinya adalah menggunakan uji F.

a. Regresi linier sederhana adalah hubungan secara linier antara satu variabel
independen (X) dengan variabel dependen (Y).
b. Model regresi linier sederhana :

Y = a + bX
c. Arti dan notasi model tersebut :
Y = Variabel Dependen ( nilai yang diprediksikan )
X = Variabel Independen
a = Konstanta ( nilai X apabila X = 0 )
b = Koefisien Regresi ( nilai peningkatan ataupun penurunan )

d. Informasi yang dapat diungkap oleh konstanta sebagai berikut: konstanta ialah
nilai a dalam garis regresi yang digunakan untuk menentukan titik potong garis
pada sumbu Y.
e. Informasi yang dapat diungkap pada koefisien regresi yaitu nilai b atau bisa
disebut koefisien regresi berfungsi untuk menentukan tingkat kemiringan garis
regresi, yang juga menggambarkan tingkat elastisitas variabel independen.
 f. Kegunaan dari standar error itu sendiri secara tidak langsung menggambarkan
besar keragaman sampel. Karena standar deviasi merupakan akar dari varian
ataupun kuadrat dari standar deviasi , semakin besar nilai standar deviasi maka
data sampel semakin menyebar ( bervariasi ) dari rata-ratanya.
g. Kegunaan dari nilat t ialah untuk menguji signifikansi satu variabel bebas
(pengujian individual).
h. Uraikan tentang menentukan nilai t yang signifikan !
Cara untuk menentukan nilai t yang signifikan adalah melalui perbandingan
antara nilai t hitung dengan nilai t tabel. Maka dapat diketahui bahwa, jika nilai t
hitung > t tabel, maka signifikan dan jika nilai t hitung < t tabel maka tidak
signifikan.
i. Koefisien determinasi adalah angka yang menunjukkan proporsi variabel
dependen yang dijelaskan oleh variasi variabel independen. Artinya, R2
menunjukkan seberapa besar sumbangan X terhadap Y.

Sumber : Dr.Supawi Pawenang,SE,MM