JEMI, Vol. 2, No.

2, Desember 2011



73
ANALISIS REGRESI LINEAR PADA STATISTIKA NON PARAMETRIK


DESI RAHMATINA, S. Pd, M.Sc
(Universitas Maritim Raja Ali Haji)


ABSTRAKSI

Penelitian ini mengkaji analisis regresi linear pada
statistika non parametrik. Metode Theil digunakan untuk
mengestimasi parameter pada regresi linear sederhana. Data yang
digunakan dalam penelitian ini adalah data volume dan harga
saham pada PT Bank Rakyat Indonesia dari bulan januari sampai
agustus 2010. Hasil penelitian menunjukkan bahwa nilai P= 0,0238
< 0,025, artinya model ini bisa digunakan untuk menyatakan
hubungan antara variabel volume saham (x) dan harga saham(y) dan
terdapat pengaruh signifikan variabel volume terhadap harga
saham.

Kata Kunci: Analisis regresi, statistika non parametric, metode
theil.

PENDAHULUAN

Analisa regresi adalah Analisis statistik yang mempelajari
bagaimana membangun sebuah model fungsional dari data untuk
dapat menjelaskan ataupun meramalkan suatu fenomena alami atas
dasar fenomena yang lain. Analisa regresi merupakan salah satu
teknik statistik yang digunakan secara luas dalam ilmu
pengetahuan terapan. Regresi di samping digunakan untuk
mengetahui bentuk hubungan antar peubah regresi, juga dapat
dipergunakan untuk peramalan.
Dengan menggunakan n pengamatan untuk suatu model linier
sederhana:
Y =a+bX +ei
dengan Y adalah peubah tidak bebas
X adalah peubah bebas (variabel) bebas
A dan b adalah parameter-parameter yang tidak diketahui
ei adalah Disturbance error (kesalahan penganggu)









Diberlakukan asumsi-asumsi model ideal tertentu terhadap
galat e yaitu bahwa galat menyebar NID (0,
2
). Dengan pemenuhan
X

X

Y
X
Y

Y
ANALISIS REGRESI LINEAR PADA STATISTIKA NON PARAMETRIK
74

terhadap asumsi kenormalan dapat digunakan regresi parametrik
untuk mengetahui bentuk hubungan antar peubah regresi pada data
contoh yang diamati. Dalam praktek, penyimpangan terhadap
asumsi-asumsi itu sering terjadi dan terkadang peubah acak yang
diamati tidak dapat dianggap menyebar normal. Dari segi
statistika persoalan tersebut harus dapat diselesaikan dengan
menggunakan teknik statistika. Dalam statistika parametrik,
teknik-teknik yang digunakan berhubungan dengan pendugaan
parameter serta pengujian hipotesis yang berhubungan dengan
parameter-parameternya. Asumsi-asumsi yang digunakan pada
umumnya menspesifikasikan bentuk sebarannya.
Salah satu analisis alternatif lain yang dapat digunakan
adalah dengan regresi nonparametrik karena dalam regresi
nonparametrik tidak diperlukan pemenuhan asumsi kenormalan.
Dalam kenyataanya, penyimpangan terhadap asumsi-asumsi itu
sering terjadi dan terkadang peubah acak yang diamati tidak
dapat dianggap menyebar normal. Dari segi statistika persoalan
tersebut harus dapat diselesaikan dengan menggunakan teknik
statistika. Dalam statistika parametrik, teknik-teknik yang
digunakan berhubungan dengan pendugaan parameter serta pengujian
hipotesis yang berhubungan dengan parameter-parameternya. Jadi
identifikasi masalah pada penelitian ini adalah untuk
mengetahui penyelesaian model regresi dengan statistika non-
parametrik.


RUMUSAN MASALAH

Berdasarkan latar belakang permasalahan di atas, maka
rumusan masalah dalam penelitian ini adalah:
1. Bagaimanakah cara memperoleh model analisis regresi pada
statistika non parametrik,
2. Bagaimanakah cara pengujian model regresi pada
statistika non parametrik,
TUJUAN PENELITIAN
Adapun tujuan penelitian adalah :
1. Untuk memperoleh model analisis regresi linear pada
statistika non parametric.
2. Membuat pengujian model regresi linear


LANDASAN TEORI

Regresi Linear digunakan untuk membentuk model hubungan
antara variabel bebas X dengan variabel terikat Y, dimana
hubungan antar variabel tersebut linear.
Secara matematis, model regresi linear dapat ditulis
sebagai berikut:

dimana;
JEMI, Vol. 2, No. 2, Desember 2011



75
= konstanta
= Variabel bebas ke j
= Koefisien variabel bebas terhadap variabel
terikat Y.
nilai galat
Jika model regresi hanya dibentuk oleh satu variabel
bebas X, maka persamaan regresi menjadi:

Persamaan regresi di atas dinamakan persamaan regresi
linear sederhan (simple regression linear). Sedangkan jika
banyak variabel bebas lebih dari satu dinamakan persamaan
regresi linear berganda (multiple linear regression),
sehingga bentuk persamaannya menjadi

Metode statistik nonparametrik merupakan metode statistik
yang dapat digunakan dengan mengabaikan asumsi-asumsi yang
melandasi penggunaan metode statistik parametrik, terutama yang
berkaitan dengan distribusi normal. Nama lain yang sering
digunakan untuk statistik nonparametrik adalah statistik bebas
distribusi.
Perbandingan statistik nonparametrik dan statistik
parametrik. Kekurangan dan kelebihan setiap pemilihan prosedur
pengujian data, apakah itu menggunakan nonparametrik atau
parametrik memiliki kelebihan dan kekurangan masing-masing.
Berikut adalah kelebihan dan kekurangan masing-masing prosedur :
Kelebihan statistik nonparametrik dibandingkan dengan
statistik parametrik ialah : (1) Asumsi yang digunakan minimum
sehingga mengurangi kesalahan penggunaan, (2) Perhitungan dapat
dilakukan dengan cepat dan mudah, (3) Konsep dan metode
nonparametrik mudah dipahami bahkan oleh seseorang dengan
kemampuan matematik yang minim, (4) Dapat diterapkan pada skala
peubah kualitatif (nominal dan ordinal).

Kekurangan statistik nonparametrik dibandingkan dengan
statistik parametrik ialah : (1) Bila digunakan pada data yang
dapat diuji menggunakan statistika parametrik maka hasil
pengujian menggunakan statistik nonparametrik menyebabkan
pemborosan informasi, (2) ekerjaan hitung-menghitung (aritmetik)
karena memerlukan ketelitian terkadang menjemukan. Prosedur
nonparametrik digunakan sebaiknya (1) Bila hipotesis yang diuji
tidak melibatkan suatu parameter populas, (2) Bila data telah
diukur menggunakan skala nominal atau ordinal, (3) Bila asumsi-
asumsi yang diperlukan pada suatu prosedur pengujian parametrik
tidak terpenuhi, (4) Bila penghitungan harus dilakukan secara
manual.

Misalkan ada n pasangan pengamatan, katakan (X1,Y1 ),
(X2,Y2),..,(Xn,Yn), dengan X1 < X2 < X3 < .<Xn. Theil (1950)
dalam Sprent (1991) mengusulkan koefisien kemiringan (slope)
garis regresi sebagai median kemiringan dari seluruh pasangan
garis dari titik-titik dengan nilai X yang berbeda, selanjutnya
ANALISIS REGRESI LINEAR PADA STATISTIKA NON PARAMETRIK
76

disebut dengan metode Theil. Untuk satu pasangan (Xi,Yi )
dan(Xj,Yj ) koefisien kemiringannya adalah :

untuk i < j dan xi xj .
Penduga bagi b dinotasikan dengan B dinyatakan sebagai median
dari nilai-nilai bij sehingga diperoleh: B = median (b ij )
sedangkan penduga pada a adalah A dengan A = med (Yi) B
med(Xi). med(Xi) adalah median dari seluruh pengamatan dan
med(Yi) adalah pasangan nilai pengamatan untuk med(Xi)
(Sprent,1991).
Untuk menguji koefisien regresi digunakan statistic uji:

dimana;


Hipotesis yang digunakan untuk menguji signifikansi koefisien
regresi adalah sebagai berikut:
atau tidak terdapat pengaruh variabel x dan y
atau terdapat pengaruh signifikan variabel x dan y

Keputusan pengujian:
Tolak Ho jika p < 0,05, terima dalam hal lain.


METODOLOGI PENELITIAN

Data yang digunakan dalam penelitian ini adalah data
sekunder, yaitu berupa data laporan keuangan PT Bank Rakyat
Indonesia dalam Bursa Efek Indonesia. Dalam penelitian ini
peneliti menggunakan metode Theil. Sprent dan Smeeton( 2001)
berpendapat bahwa metode Theil hampir seefisien metode kuadrat
terkecil jika asumsi kenormalan error terpenuhi. Metode Theil
adalah metode nonparametrik yang digunakan untuk mengestimasi
parameter-parameter dan menganalisis garis-garis regresi linier
dengan data sampel yang teramati dikarenakan error tidak
menyebar normal. Data diperoleh dengan cara mengakses alamat
website perusahaan untuk melihat volume dan harga saham PT Bank
Rakyat Indonesia selama periode januari sampai desember 2010
dalam website Indonesian Stock Exchange (IDX) pada pelaporan
entitas untuk memperoleh data berupa laporan tahunan perusahaan.

Variabel yang digunakan dalam penelitian adalah volume
saham sebagai variabel independen dan harga saham sebagai
variabel independen. Volume saham dinyatakan dalam Thous.Sh,
sedangkan pada variabel harga saham dinyatakan dalam Milyar Rp.
Pada Statistika non parametrik jumlah data sampel kecil, maka
dalam penelian ini diambil sampel berupa laporan bulanan selama
10 bulan di tahun 2010.
JEMI, Vol. 2, No. 2, Desember 2011



77
HASIL PENELITIAN
Data di bawah ini menunjukkan volume dan harga saham pada
PT Bank Rakyat Indonesia.

Tabel 1. Trading Activities PT BRI pada tahun
2010
Bulan Volume(Thous.Sh) Harga (Milyar Rp)
Januari 340,767 2,662,527
Februari 348,268 2,560,878
Maret 615,677 4,736,692
April 530,633 4,529,233
Mei 469,303 3,908,927
Juni 321,511 2,873,248
Juli 337,411 3,259,346
Agustus 447,646 4,199,651
Sumber : Bursa Efek Indonesia

Data pada varibel x diurutkan dari terkecil sampai terbesar
kemudian diikuti oleh variabel y, seperti berikut;

Tabel 2. Data variabel x setelah diurutkan.
x y
321.511 2.873.248
337.411 3.259.346
340.767 2.662.527
348.268 2.560.878
447.646 4.199.651
469.303 3.908.927
530.633 4.529.233
615.677 4.736.692
Banyaknya bij yang harus dihitung dari 8 data adalah

Nilai nilai bij adalah sebagai berikut:
= = 24,28
=-10,94
=-11,67
Dan apabila dilanjutkan terus dengan cara ini, hasilnya dapat
ditulis sebagai berikut:

Tabel 3. Nilai bij.
no bij no bij
1
24,28
15
14,38
2
-10,94
16
9,70
3
-11,67
17
9,83
ANALISIS REGRESI LINEAR PADA STATISTIKA NON PARAMETRIK
78















Nilai bij setelah diurutkan adalah sebagai berikut:

Tabel 4. Nilai bij setelah diurutkan dari terkecil sampai terbesar.























Setelah penaksir B telah diperoleh maka persamaan regresinya
berbentuk

Penaksir dari intersept A dengan cara mensubstitusikan A dengan
Di sehingga persamaan yang diperoleh sebagai berikut:


Penaksir A dihitung berdasarkan nilai median dari seluruh nilai
Di, dengan mengurutkan nilai Di dari terkecil sampai terbesar
yang berjumlah n, dengan i=1,2,3,,,,n. JAdi A = median (Di).
Berdasarkan hasil perhitungan sebelumnya diperoleh nilai Di
seperti pada tabel dii bawah ini,

4
10,52
18
7,54
5
7,01
19
16,49
6
7,92
20
11,14
7
6,33
21
10,79
8
-177,84
22
8,14
9
-64,33
23
-13,42
10
8,53
24
3,97
11
4,93
25
3,20
12
6,57
26
10,11
13
5,31
27
5,66
14 -13,55

28 2,44

M b(M)

M b(M)
1 -177,84

15 7,01
2 -64,33

16 7,54
3
-13,55
17 7,92
4 -13,42

18 8,14
5 -11,67

19 8,53
6 -10,94

20 9,7
7
2,44
21 9,83
8 3,2

22 10,11
9 3,97

23 10,52
10 4,93

24 10,79
11 5,31

25 11,14
12 5,66

26 14,38
13 6,33

27 16,49
14 6,57

28 24,28
JEMI, Vol. 2, No. 2, Desember 2011



79
Tabel 5. Hasil perhitungan Di
X y


321.511 2.873.248
690.188
337.411 3.259.346
968.325
340.767 2.662.527
348.719
348.268 2.560.878
196.138
447.646 4.199.651
1.160.135
469.303 3.908.927
722.360
530.633 4.529.233
926.235
615.677 4.736.692
556.245

Selanjutnya nilai nilai Di dari tabel di atas diurutkan
dari terkecil sampai terbesar dan hasilnya dapat dilihat
pada tabel di bawah ini:

Tabel 6. Nilai Di setelah diurutkan
No


1
196.138
2
348.719
3
556.245
4
690.188
5
722.360
6
926.235
7
968.325
8
1.160.135
Sehingga nilai A adalh nilai median dari Di, sehingga
diperoleh nilai A sebagai berikut:

Sehingga didapat model persamaan regresinya adlah sebagai
berikut;

Artinya:
1. Variable Y dalam hal ini adalah harga saham rata rata
sebesar Rp.706,27 Milyar dengan anggapan variabel lainnya
konstan.
2. Setiap penambahan 1 satuan avriabel X maka Y akan
bertambah sebesar 6,79 satuan.
Akan tetapi model regresi di atas belum dapa dikatakan
sebagai model regresi terbaik. Untuk itu perlu diuji apakah
model koefisiennya berarti/signifikan atau tidak dengan cara uji
signiikan.
Untuk menguji koefisien regresi digunakan statistic uji:

dimana;
Nilai dapat dilihat dari output SPSS di bawah ini,


ANALISIS REGRESI LINEAR PADA STATISTIKA NON PARAMETRIK
80

Tabel 7. Nilai korelasi kendall tau
Correlations
volume harga
Kendall's
tau_b
volume Correlation
Coefficient
1.000 .571
*

Sig. (2-tailed) . .048
N 8 8
Harga Correlation
Coefficient
.571
*
1.000
Sig. (2-tailed) .048 .
N 8 8
*. Correlation is significant at the 0.05 level (2-tailed).

Berdasarkan output di atas, diperoleh nilai = 0,571.
dan nilai

Sehingga diperoleh nilai z di bawah ini;

P(Z=1,976) = 0,0238.
Hipotesis yang digunakan untuk menguji signifikansi koefisien
regresi adalah sebagai berikut:
atau tidak terdapat pengaruh variabel volume
terhadap harga saham
atau terdapat pengaruh signifikan variabel volume
terhadap harga saham, karena nilai P= 0,0238 < 0,025, maka Ho
ditolak artinya model ini bisa digunakan untuk menyatakan
hubungan antara variabel volume saham (x) dan harga saham(y)
atau terdapat pengaruh signifikan variabel volume terhadap harga
saham. Cara lain untuk melihat uji signifikansi adalah
berdasarkan output SPSS di atas, dari nilai sig = 0,048 < 0,05,
sehingga Ho ditolah dan H1 diterima.
KESIMPULAN DAN SARAN
Berdasarkan pembahasan sebelumnya mengenai penggunaan
regresi non parametric di atas, maka disimpulkan bahwa:
1. Koefisien kemiringan (slope) garis regresi adalah median
kemiringan dari seluruh pasangan garis dan titik-titik
dengan nilai X yang berbeda.
B = median(bij), dimana satu untuk pasangan (Xi,Yi) dan
(Xj,Yj) maka koefisien kemiringannya adalah:
, untuk i < j dan xi xj .
Penduga B dihitung dengan mencari median dari seluruh Di
dengan rumus Di adlah sebagai berikut:

A = median (Di)
2. Penguujian koefisien slope (B) dengan menggunakan metode
Theil dibuat berdasarkan korelasi kendall Tau.
JEMI, Vol. 2, No. 2, Desember 2011



81
3. Model regresi linear sederhana nonparametric dengan
menggunakan metode Theil yang diperoleh dari volume dan
harga saham adalah sebagai berikut:

Artinya:
1. Variable Y dalam hal ini adalah harga saham rata rata
sebesar Rp.706,27 Milyar dengan anggapan variabel lainnya
konstan.
2. Setiap penambahan 1 satuan avriabel X maka Y akan
bertambah sebesar 6,79 satuan.
Berdasarkan hsil kesimpulan yang telah dijelaskan di atas,
maka peneliti memberikan saran sebagai berikut:
1. Dalam melakukan analisis regresi linear non
parametrik disarankan menggunakan data dengan
variabel x (bebasnya) tidak kembar untuk mendapatkan
semua nilai slope bij dari n buah data.
2. Disarankan untuk dapat mengkaji lebih lanjut beberapa
metode statistika nonparametric untuk mencocokkan
garis regresi linear dengan data yang diamati seperti
metode iterative Brown-Mood dan metode Weight
Medians.
































ANALISIS REGRESI LINEAR PADA STATISTIKA NON PARAMETRIK
82


DAFTAR PUSTAKA

Daniel,W.W. 1989. Statistika Nonparametrik Terapan, Gramedia,
Jakarta.
David J. Sheskin,2004. Parametric and nonparametric Statistical
procedures, third Edition. Chapman & HalVCRC. United States
of America.
Ngadiman,Titty dkk.2005.Statistika Tak Parametrik. Bandung
A Non Parametric Linear Regression With TheiLs Methods.
Internet