Analisis Regresi : Pengertian, Tujuan dan Penggunaan Asumsi Lengkap

Posted on
Analisis Regresi : Pengertian, Tujuan dan Penggunaan Asumsi Lengkap
5 (100%) 1 vote[s]

Pengertian, Tujuan dan Asumsi Analisis Regresi

Regresi Adalah – Analisis regresi atau yang biasa disingkat dengan anareg, merupakan suatu metode yang digunakan dalam mengukur pengaruh variabel yang bebas pada variabel tergantung. Anareg ini juga dapat digunakan untuk memprediksi variabel tergantung, dengan menggunakan variabel bebas. Gujarati (2006) mendefinisikan regresi sebagai kajian pada hubungan satu atau dua variabel yang menerangkan atau the explanatory dan variabel yang diterangkan atau the explained variabel. Variabel yang pertama disebut sebagai variabel tergantung dan variabel yang kedua disebut variabel bebas. Bila variabel bebas lebih dari satu, maka anareg disebut dengan regresi linier yang berganda. Disebut berganda karena pengaruh pada beberapa variabel bebas, yang akan dikenakan pada variabel bergantung.

Pengertian, Tujuan dan Asumsi Analisis Regresi
Analisis regresi adalah sebuah pendekatan yang digunakan untuk mendefinisikan hubungan matematis antara variabel output/dependen (y) dengan satu atau beberapa variabel input/independen (x)

Tujuan dari penggunaan analisis regresi adalah :

  1. Membuat estimasi rata-rata dan nilai variabel tergantung yang didasarkan pada nilai variabel bebas.
  2. Untuk menguji hipotesis karakteristik dependensi.
  3. Meramalkan nilai rata-rata pada variabel bebas, yang didasari pada nilai variabel bebas diluar jangkauan sampel.

Penggunaan Asumsi

Penggunaan asumsi didasarkan pada beberapa hal berikut ini :

  1. Model regresi harus linier dalam sebuah parameter.
  2. Variabel bebas yang tidak berkorelasi dengan disturbance term (Error).
  3. Nilai disturbance term sebesar 0 atau dengan simbol sebagai berikut: (E (U / X) = 0
  4. Varian untuk masing-masing error term (kesalahan) konstan.
  5. Tidak terjadi otokorelasi
  6. Model regresi hendaknya dispesifikasi secara benar. Tidak terdapat bias spesifikasi dalam model yang digunakan dalam analisis empiris.
  7. Jika variabel bebas lebih dari satu, maka antara variabel bebas (explanatory) tidak ada hubungan linier yang nyata.

Di dalam analisis regresi terdapat dua macam linearitas yaitu linearitas di dalam variabel dan juga linearitas di dalam parameter. Linear di dalam variabel adalah nilai rata-rata kondisional variabel tergantung yang merupakan fungsi linier dari variabel bebas. Sedangkan linearitas di dalam parameter adalah fungsi linier parameter, dan tidak bisa tidak linier di dalam suatu variabel.

Baca Juga :   Pengertian Garis Lurus dan Garis Lengkung Beserta Contohnya Lengkap

Analisis regresi ini berbeda dengan analisis korelasi. Bila di dalam analisis korelasi digunakan untuk melihat hubungan antara dua variabel, maka analisis regresi ini digunakan untuk melihat pengaruh variabel bebas pada variabel tergantung dan memprediksi berapa nilai variabel tergantung dengan menggunakan variabel bebas. Di dalam analisis regresi variabel bebas ini fungsinya adalah untuk menerangkan (explanatory) sedang variable tergantung berfungsi sebagai yang diterangkan (the explained). Di dalam analisis regresi data juga harus berskala interval atau rasio. Hubungan kedua variabel tersebut sifatnya adalah dependensi. Untuk menggunakan anareg dibutuhkan beberapa syarat yang harus dipenuhi.

Demikian pembahasan mengenai analisis regresi yang lengkap, semoga dapat dipahami dan dipelajari kembali. Serta memberi manfaat bagi para pembaca.

Baca Juga :