BAB I

PENDAHULUAN
1.1 Latar belakang masalah
Sepanjang sejarah umat manusia, orang melakukan penelitian
tentang ada tidaknya hubungan antara dua hal, fenomena, kejadian atau
lainnya. Dan ada tidaknya pengaruh antara satu kejadian dengan kejadian
yang

lainnya.

Karena

itu

untuk

mempermudah

dalam

melakukan

penghitungan suatu kejadian maka digunakan korelasi dan regresi dalam

ilmu statistika Korelasi merupakan teknik analisis yang termasuk dalam
salah

satu

teknik

pengukuran

asosiasi/hubungan

(Measures

of

association). Teknik ini berguna untuk mengukur kekuatan hubungan

antara dua variabel (kadang lebih dari dua variabel) dengan skala-skala
tertentu.
Regresi merupakan salah satu analisis yang bertujuan untuk
mengetahui pengaruh suatu variabel terhadap variabel lain .Dalam
analisis regresi, variabel yang mempengaruhi disebut independent
variabel

(variable

bebas)

dan

variabel

yang

dipengaruhi

disebut

dependent variabel (variabel terikat).

1.2 Rumusan Masalah
Ada beberapa rumusan masalah dalam makalah ini, antara lain:
a. Pengertian analisis regresi
b. Tujuan analisis regresi
c. Persyaratan penggunaan analisis regresi
d. Regresi Linear dengan Variabel Moderating
e. Uji hipotesis
1.3 Tujuan penulisan
Maksud dari pembuatan makalah ini adalah untuk memberikan
gambaran dan pengetahuan mengenai hubungan suatu kejadian atau
lebih kita kenal dengan istilah korelasi ,dan seberapa besar pengaruh
suatu kejadian dengan lingkungan sekitar atau kita kenal dengan istilah
regresi kepada para pembaca. Seperti yang kita ketahui bahwa suatu
kejadian/fenomena pasti mempunyai keterkaitan satu sama lain dan

pengaruh bagi lingkungan sekitar.tapi tidak semua kejadian bisa dikaitkan

dengan yang lain tergantung unsur-unsur atau criteria-kriteria apa saja
yang mempunyai keterkaitan dan yang mempengaruhinya.

Misalkan

jumlah stok beras mempunyai pengaruh terhadap harga beras dan

peningkatan emisi co2 mempunyai pengaruh tethadap pemanasan global.
Tujuan dari pembuatan makalah :
a.
b.

Memberikan informasi dan wawasan mengenai apa itu analisis regresi

Mengetahui pengaruh suatu variabel terhadap variabel lain dalam

analisis regresi.
c. Mengenatui tujuan analisis regresi.
d. Memberikan pengetahuan mengenai persyaratan penggunaan analisis
regresi
e. Mengetaui Regresi Linear dengan Variabel Moderating
f. Memberikan informasi tentang uji coba
1.4. Metode Penulisan
Metode yang digunakan penulis adalah metode kepustakaan yaitu memberikan
gambaran tentang materi-materi yang berhubungan dengan permasalahan melalui literatur
buku-buku yang tersedia, tidak lupa juga penulis ambil sedikit dari media massa/internet. Dan
diskusi mengenai masalah yang dibahas dengan teman-teman.

BAB II
PEMBAHASAN
ANALISIS REGRESI
2.1 Pengertian Analisis Regregi
Analisis regresi adalah kajian terhadap hubungan satu variable yang
disebut dengan variable yang diterangkan (the explained variable)
dengan satu atau dua variable yang menerangkan (the explanatory).
Variabel pertama disebut juga sebagai variable tergantung dan variable
kedua disebut juga sebagai variable bebas. 1[1] Analisis regresi merupakan
salah satu analisis yang bertujuan untuk mengetahui pengaruh suatu
variabel terhadap variabel lain.2[2] Sir Francis Galton (1822 1911),
memperkenalkan model peramalan, penaksiran, atau pendugaan, yang
selanjutnya

dinamakan

regresi,

sehubungan

dengan

penelitiannya

terhadap tinggi badan manusia. Penelitian tersebut membandingkan

antara

tinggi

anak

laki-laki

dan

tinggi

badan

ayahnya.

Galton

menunjukkan bahwa tinggi badan anak laki-laki dari ayah yang tinggi
setelah beberapa generasi cenderung mundur (regressed) mendekati nilai
tengah populasi. Dengan kata lain, anak laki-laki dari ayah yang badannya
sangat tinggi cenderung lebih pendek dari pada ayahnya, sedangkan anak
laki-laki dari ayah yang badannya sangat pendek cenderung lebih tinggi
dari ayahnya. (Ronal E. Walpole).
Hubungan antar variabel dapat berupa hubungan linier ataupun hubungan
tidak linier. Misalnya, berat badan orang dewasa sampai pada tahap
tertentu bergantung pada tinggi badan, keliling lingkaran bergantung
pada
1
2

diameternya,

dan

tekanan

gas

bergantung

pada

suhu

dan

volumenya. Atau dalam ilmu pemasaran, nilai penjualan akan bergantung

pada biaya promosi. Hubungan-hubungan itu bila dinyatakan dalam
bentuk matematis akan memberikan persamaan-persamaan tertentu.
Untuk dua variabel, hubungan liniernya dapat dinyatakan dalam bentuk
persamaan linier, yakni: Y = a + bX. Hubungan antara dua variabel pada
persamaan linier jika digambarkan secara (scatter diagram), semua nilai Y
dan X akan berada pada suatu garis lurus. Dan dalam ilmu ekonomi, garis
itu dinamakan garis regresi.
Berkaitan dengan analisis regresi ini, setidaknya ada empat
kegiatan yang lazim dilaksanakan yakni :
1. Mengadakan estimasi terhadap parameter berdasarkan data empiris.
2. Menguji berapa besar variasi variabel dependen dapat diterangkan oleh
variasi independen.
3. Menguji apakah estimasi parameter tersebut signifikan atau tidak.
4. Melihat apakah tanda magnitude dari estimasi parameter cocok dengan
teori.
2.2 Tujuan dan Kegunaan Analisis Regresi
Analisis regresi dalam statistika adalah salah satu metode untuk
menentukan hubungan sebab akibat antara satu variabel dengan variabel
yang lain. Analisis regresi adalah salah satu analisis yang paling populer
dan luas pemakaiannya. Hampir semua bidang ilmu yang memerlukan
analisis. Analisis regresi dan analisis korelasi dikembangkan untuk
mengkaji dan mengukur hubungan antara dua variabel atau lebih. Dalam
analisis

regresi

dikembangkan

persamaan

estimasi

untuk

mendeskripsikan pola atau fungsi hubungan antara variabel-variabel.

Sesuai dengan namanya, persamaan estimasi atau persamaan regresi itu
digunakan untuk mengestimasi nilai dari suatu variabel berdasarkan nilai
variabel lainnya. Variabel yang di estimasi itu disebut variabel dependen
(atau

variabel

terikat)

sedangkan

variabel

yang

diperkirakan

memengaruhi variabel dependen itu disebut variabel independen (atau

variabel bebas).3[3]
Ada beberapa tujuan penggunaan analisis regresi, antara lain:
3

a.

Membuat estimasi rata-rata dan nilai variabel tergantung dengan

didasari pada nilai variabel bebas.

b. Menguji hipotesis karakteristik dependensi.
c. Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan pada
nilai variabel bebas diluar jangkauan sample.4[4]
2.3 Persyaratan Penggunaan Regresi
Model kelayakan regresi linear didasarkan pada hal-hal sebagai berikut:
1.

Model regresi dikatakan layak

jika angka signifikansi pada ANOVA

sebesar < 0.05.

2. Predictor yang digunakan sebagai variabel bebas harus layak. Kelayakan
3.

ini diketahui jika angka Standard Error of Estimate < Standard Deviation.
Koefesien regresi harus signifikan. Pengujian dilakukan dengan Uji T.

Koefesien regresi signifikan jika T hitung > T tabel (nilai kritis).

4. 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.
5. Tidak terjadi otokorelasi. Terjadi otokorelasi jika angka Durbin dan Watson
(DB) sebesar < 1 dan > 3.
6. 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 r 2 mempunyai
karakteristik diantaranya: 1) selalu positif, 2) Nilai r 2 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
7.

antara X dan Y.
Terdapat hubungan linier antara variabel bebas (X) dan variabel

tergantung (Y)
8. Data harus berdistribusi normal
9. Data berskala interval atau rasio

10. 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).5[5]
2.4 Regresi Linear dengan Variabel Moderating
Variabel

moderating

adalah

variabel

yang

memperkuat

atau

memperlemah hubungan antara satu variabel dengan variabel lain.

Sebagai contoh: seorang suami menyayangi istrinya. Dengan hadirnya
seorang anak, maka rasa sayang tersebut bertambah. Berarti variabel
anak merupakan moderating antara rasa saya suami terhadap istri.
Contoh lain: kompensasi memperkuat pengaruh antara kepuasan kerja
terhadap kinerja. Artinya kepuasan kerja berpengaruh terhadap kinerja,
dan adanya kompensasi yang tinggi maka pengaruh antara kepuasan
kerja terhadap kinerja menjadi lebih meningkat. Dalam hal ini, kompensasi
bisa saja berpengaruh terhadap kinerja bisa saja tidak. 6[6] Metode analisis
regresi linear dengan variabel moderating antara lain:
1. Multiple Regression Analysis (MRA)
Metode ini dilakukan dengan menambahkan variabel perkalian
antara

variabel

bebas

dengan

variabel

moderatingnya,

sehingga

persamaan umumnya adalah sebagai berikut: Y = a + b1 X1 + b2 X2 +

b3 X1 X2 dengan Y adalah kinerja, X1 adalah kepuasan kerja, X2
kompensasi dan X1 X2 adalah perkalian antara kepuasan kerja dengan
kompensasi.

Hipotesis

moderating

diterima

jika

variabel

X1

X2

mempunyai pengaruh signifikan terhadap Y, tidak tergantung apakah X1

dan X2 mempunyai pengaruh terhadap Y atau tidak. Model ini biasanya
menyalahi asumsi multikolinearitas atau adanya korelasi yang tinggi
antara variabel bebas dalam model regresi, sehingga menyalahi asumsi
klasik. Hampir tidak ada model MRA yang terbebas dari masalah
multikolinearitas, sehingga sebenarnya model ini tidak disarankan untuk
dipergunakan.
5
6

2. Absolut residual
Model ini mirip dengan MRA, tetapi variabel moderating didekati
dengan selisih mutlak (absolut residual) antara variabel bebas dengan
variabel moderatingnya. Penerimaan hipotesis juga sama, dan model ini
masih riskan terhadap gangguan multikolinearitas meskipun risiko itu
lebih kecil dari pada dengan metode MRA.
3. Residual
Model ini menggunakan konsep lack of fit yaitu hipotesis moderating
diterima terjadi jika terdapat ketidakcocokan dari deviasi hubungan linear
antara variabel independen. Langkahnya adalah dengan meregresikan
antara

kepuasan

kerja

terhadap

kompensasi

dan

dihitung

nilai

residualnya. Pada program SPSS dengan klik Save pada regreesion, lalu
klik pada usntandardized residual. Nilai residual kemudian diambil nilai
absolutnya lalu diregresikan antara kinerja terhadap absolut residual.
2.4 Uji Hipotesis
Pengujian hipotesis dapat didasarkan dengan menggunakan dua hal,
yaitu; tingkat signifikan atau probabilitas dan tingkat kepercayaan atau
confidence interval. Didasarkan tingkat signifikansi pada umumnya orang
menggunakan 0,05. Kisaran tingkat signifikan mulai dari 0,01 sampai
dengan 0,1. Yang dimaksud dengan tingkat signifikan adalah probabilitas
melakukan kesalahan tipe 1, yaitu kesalahan menolak hipotesis ketika
hipotesis tersebut benar. Tingkat kepercayaan pada umumnya ialah
sebesar 95%, yang dimaksud dengan tingkat kepercayaan ialah tingkat
dimana sebesar 95% nilai semple akan mewakili nilai populasi dimana
sample berasal. Dalam melakukan uji hipotesis terdapat dua hipotesis,
yaitu:
HO (hipotesis nol) dan H1 (hipotesis alternative)
Contoh uji hipotesis misalnya rata-rata produktivitas pegawai sama
dengan 10 (x = 10), maka bunyi hipotesisnya ialah:
a. HO: rata-rata prokdutivitas pegawai sama dengan 10
b. H1 : rata-rata prokdutivitas pegawai tidak sama dengan 10

Beberapa hal yang harus diperhatikan dalam uji hipotesis ialah:

a.
b.

Untuk pengujian hipotesis kita menggunakan data sample.

Dalam pengujian akan menghasilkan dua kemungkinan, yaitu pengujian
signifikan secara statistic jika kita menlak HO dan pengujian tidak

c.

signifikan secara statistic jika kita menerima H0.

Jika kita menggunakan nilai t, maka jika nilai t yang semakin besar atau
menajuhi 0, kita akan cenderung menolak H0, sebaliknya jika nilai t
semakin kecil atau mendekati 0 kita akan cenderung menerima H0. 7[7]