REGRESI LINEAR SEDERHANA
Analisis regresi adalah suatu metode statistik yang mengamati hubungan antara variabel terikat Y dan serangkaian variabel bebas X1,...,Xp. Dalam analisis regresi linear diasumsikan berlakunya bentuk hubungan linear dalam parameter. Modul regresi linear yang paling sederhana adalah regresi linear dengan satu variabel bebas (independent variable).
FUNGSI
Tujuan pengujian regresi linier sederhana adalah untuk memprediksi nilai Y untuk nilai X yang diberikan. Model regresi linier sederhana adalah model regresi yang paling sederhana yang hanya memiliki satu variabel bebas X. Analisis regresi memiliki beberapa kegunaan, salah satunya untuk melakukan prediksi terhadap variabel terikat Y. (Smadi & Abu-Afouna, 2016)
ASUMSI DATA
1. Jumlah sampel yang digunakan harus sama
2. Jumlah variabel bebas (X) adalah 1 (satu)
3. Nilai residual harus berdistribusi normal
4. Terdapat hubungan yang linear variabel bebas (X) dengan variabel tergantung (Y).
5. Tidak terjadi gejala heteroskedastisitas
6. Tidak terjadi gejala autokorelasi [untuk data time series]. (Pangesti, 2016)
ASUMSI KLASIK
Agar model regresi menghasilkan estimator linier tidak bias yang terbaik (regresi bisa mencerminkan hasil yang layak dari penelitian), harus dipenuhi asumsi klasik sebagai berikut :
1. Uji Multikolinieritas
Ditujukan untuk menguji apakah model regresi ditemukan korelasi antar variable bebas (independent), untuk mendeteksi ada tidaknya multikolinieritas:
a. Nilai R2 sangat tinggi, tetapi secara individual variable bebas banyak yang tidak signifikan mempengaruhi variable terikat.
b. Jika antar variable bebas ada korelasi yang cukup tinggi (di atas 0.90) maka hal ini merupakan indikasi adanya multikolinieritas
c. Dengan melihat nilai VIF (Variance Inflation Factor) dan nilai Tolerance. Jika nilai VIF < 10 atau nilai Tolerance >0.1 maka tingkat kolinieritas dapat ditoleransi
d. Nilai eigenvalue sejumlah satu atau lebih mendekati nol menunjukkan indikasi multikolinieritas
Cara mengobati multikolinieritas adalah sebagai berikut:
a. Menghilangkan salah satu atau beberapa variable independent yang mempunyai korelasi tinggi atau
b. Menambah data , atau mengurangi data.
2. Uji Heteroskedastisitas
Ditujukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heterokedastisitas. Kebanyakan data yang cross section mengandung situasi heteroskedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran (kecil, sedang, besar). Salah satu cara untuk melihat problem heteroskedastisitas adalah dengan melihat grafik plot antara nilai prediksi variable terikat (ZPRED) dengan residualnya (SRESID).
a. Dengan melihat apakah titik-titik memiliki pola tertentu yang teratur seperti bergelombang, melebar kemudian menyempit. Jika terjadi maka mengindikasikan terdapat heteroskedastisitas.
b. Jika tidak terdapat pola tertentu yang jelas serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y maka mengindikasikan tidak terjadi heteroskedastisitas.
Cara memperbaiki model jika terdapat heteroskedastisitas:
a. Melakukan tranformasi dalam bentuk model regresi dengan membagi model regresi dengan salah satu variable independent yang digunakan dalam model terdebut.
b. Melakukan tranformasi logaritma , sehingga model regresinya menjadi: Log Y = bo +b1 log X1 = b2 log X2
3. Uji autokorelas
Ditujukan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Penyimpangan ini biasanya muncul pada data time series. Model regresi yang baik adalah tidak terjadi autokorelasi. Salah satu cara untuk mendeteksi adanya autokorelasi adalah dengan uji Durbin Watson.
4. Uji Normalitas
bertujuan untuk menguji apakah dalam sebuah model regresi , dependen variable , independent variable atau keduanya berrdistribusi normal atau tidak.
Selengkapnya klik : https://f.bikinkarya.com/referensi-regreslinier
MODEL REGRESI LINIER SEDERHANA
TUTORIAL PENGUJIAN REGRESI LINIER SEDERHANA
1. Manual
a. Hitung Kesalahan Standar Estimasi (Se):
b. Hitung Kesalahan Standar Koefisien Regresi
c. Uji-T
(Wijayanto, 2019) Contoh Pengerjaan klik https://f.bikinkarya.com/manual-regresisederhana
2. Menggunakan SPSS
https://www.konsistensi.com/2014/06/uji-regresi-sederhana-dengan-spss.html
https://www.statistikian.com/2012/08/regresi-linear-sederhana-dengan-spss.html
http://www.spssindonesia.com/2017/03/uji-analisis-regresi-linear-sederhana.html
https://www.youtube.com/watch?v=bNvxB4Q-Feg
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.
1. Membanginkan nilai t hitung dan t tabel:
a. Jika nilai t hitung lebih besar dari nilai t tabel, artinya variabel bebas berpengaruh terhadap variabel terikat.
b. Jika nilai t hitung tidak lebih besar dari nilai t tabel, artinya variabel bebas tidak berpengaruh terhadap variabel terikat.
2. Membandingkan nilai signifikansi dengan probabilitas 0,05:
a. Jika nilai signifikansi tidak lebih dari nilai probabilitas 0,05, artinya variabel bebas berpengaruh secara signifikan terhadap variabel terikat.
b. Jika nilai signifikansi lebih dari nilai probabilitas 0,05, artinya variabel bebas tidak berpengaruh secara signifikan terhadap variabel terikat.
DAFTAR PUSTAKA
Pangesti, S. (2016). Regresi linear sederhana. Model Linear Terapan, 1.1.
Smadi, A. A., & Abu-Afouna, N. H. (2016). On Least Squares Estimation in a Simple Linear Regression Model with Periodically Correlated Errors: A Cautionary Note. Austrian Journal of Statistics, 41(3), 211–226–211–226. https://doi.org/10.17713/ajs.v41i3.175
Wijayanto, A. (2019). ANALISIS REGRESI LINEAR SEDERHANA (Vol. 2449, Issue Table 1, pp. 10–13).
BAHAN BACAAN
https://www.konsistensi.com/2014/06/uji-regresi-sederhana-dengan-spss.html https://www.statistikian.com/2012/08/regresi-linear-sederhana-dengan-spss.html https://scundip.org/uncategorized/analisis-regresi-sederhana/ http://www.spssindonesia.com/2017/03/uji-analisis-regresi-linear-sederhana.html
FILE BAHAN BACAAN https://f.bikinkarya.com/regresi-sederhana
.png)
0 Komentar