Analisis Regresi Linier Sederhana

& Berganda
Ditulis pada 23 Juli 2013
Analisis regresi dipergunakan untuk menggambarkan garis yang menunjukan arah hubungan
antar variabel, serta dipergunakan untuk melakukan prediksi. Analisa ini dipergunakan untuk
menelaah hubungan antara dua variabel atau lebih, terutama untuk menelusuri pola hubungan
yang modelnya belum diketahui dengan sempurna. Regresi yang terdiri dari satu variabel bebas
(predictor) dan satu variabel terikat (Response/Criterion) disebut regresi linier sederhana
(bivariate regression), sedangkan regresi yang variabel bebasnya lebih dari satu disebut regresi
berganda (Multiple regression/multivariate regression), yang dapat terdiri dari dua prediktor
(regresi ganda) maupun lebih. Adapun bentuk persamaan umumnya adalah [1] :

Y= a + bX

Dimana:

Tanda positif pada nilai b atau koefisien regresi menunjukkan bahwa antara variabel bebas
dengan variabel terikat berjalan satu arah, di mana setiap penurunan atau peningkatan variabel
bebas akan diikuti dengan peningkatan atau penurunan variabel terikatnya. Sementara tanda
negatif pada nilai b menunjukkan bahwa antara variabel bebas dengan variabel terikat berjalan
dua arah, di mana setiap peningkatan variabel bebas akan diikuti dengan penurunan variabel
terikatnya, dan sebaliknya [1].

Ketika variable bebas lebih dari 2, nilai konstanta dan variable regresi setiap variabel bebas dapat
diperoleh dengan menggunakan matriks determinan [2]. Contohnya adalah ketika terdapat 3
persamaan dengan 3 variabel yang tidak diketahui nilainya, yaitu a, b1, b2 & b3, persamaan
tersebut dapat dinyatakan dalam persamaan matriks sebagai berikut:
Maka Matriks A0, A1, A2 dan A3 adalah:

Kemudian dapat dilakukan perhitungan untuk determinasi matriks A, A0, A1, A2 dan A3 sebagai
berikut:
Det(A) = {N. ∑(X1.X1). ∑(X2.X2). ∑(X3.X3)}+{ ∑X1. ∑(X1.X2). ∑(X2.X3). ∑X3}+{∑X2.
∑(X1.X3). ∑X2. ∑(X3.X1)}+{ ∑X3. ∑X1. ∑(X2.X1). ∑(X3.X2)}-{ ∑X3. ∑(X1.X2).
∑(X2.X1). ∑X3}-{∑X2. ∑(X1.X1). ∑X2. ∑(X3.X3)}-{ ∑X1. ∑X1. ∑(X3.X3)}-{ N. ∑(X1.X3).
∑(X2.X2). ∑(X3.X1)}

Dengan cara yang sama seperti menghitung Det(A), dapat diperoleh pula Det(A0),
Det(A1), Det(A2) & Det(A3).

Kemudian dapat diperoleh nilai a, b1, b2, b3 sebagai berikut:

Contoh lainnya adalah misalkan ketika terdapat 1 variabel terikat (Y) dan 7 variabel bebas
sebagai berikut:
Kemudian dilakukan perhitungan untuk X1.X1, X1.X2 dan sebagainya sehingga diperoleh hasil
sebagai berikut:
Y = a + bX1 + cX2 + dX3+ eX4+ fX5+gX6 + hX7
Dimana:

X1= Variabel bebas 1

X2= Variabel bebas 2
X3= Variabel bebas 3
X4= Variabel bebas 4
X5= Variabel bebas 5
X6= Variabel bebas 6
X7= Variabel bebas 7
Y = Variabel terikat

a = Konstanta

b, c, d, e, f, g,h = Koefisien regresi masing-masing variabel bebas

Det(A) = 4,84 x 1026
Det(A0) = 6,3 x 1036
Det(A1) = -1,59 x 1032
Det(A2) = 3,35 x 1032
Det(A3) = -4,92 x 1031
Det(A4) = -2,23 x 1031
Det(A5) = -6,24 x 1031
Det(A6) = -2,94 x 1032
Det(A7) = -1,29x 1032
Maka persamaan regresi dari contoh ini adalah:

Y = 13012225228,72 – 328691,82X1 + 693120,34X2 – 101663,12X3 – 46165,27X4 –

128872,53X5 – 607387,29X6 – 265348,47X7
Besar nilai konstanta sebesar 13012225228,72 pada persamaan regresi di atas menunjukan bahwa
pendapatan Y akan tetap sebesar 13012225228,72 tanpa adanya pengaruh dari variabel-variabel
bebas. Bila variabel X1 meningkat sebesar 1 satuan, maka nilai Y akan berkurang sebesar
328691,82. Bila variabel X2 meningkat sebesar 1 satuan, maka nilai Y akan bertambah sebesar
693120,34. Bila variabel X3 meningkat sebesar 1 satuan, maka nilai Y akan berkurang sebesar
101663,12. Bila variabel X4 meningkat sebesar 1 satuan, maka nilai Y akan berkurang sebesar
46165,27. Bila variabel X5 meningkat sebesar 1 satuan, maka nilai Y akan berkurang sebesar
128872,53. Bila variabel X6 meningkat sebesar 1 satuan, maka nilai pendapatan kotor PT. XYZ
akan berkurang sebesar 607387,29. Bila variabel X7 meningkat sebesar 1 satuan, maka nilai Y
akan berkurang sebesar 265348,47.
Perlu diingat bahwa analisis regresi tidak menunjukkan sebuah hubungan atau pengaruh sebab
akibat, persamaan hasil dari analisis harus dianalisa kembali apakah sudah sesuai dengan
pembuktian teori atau logika yang ada. Apabila terdapat ketidakcocokan, perlu dilakukan analisa
lebih lanjut atau transformasi persamaan atau reduksi variabel.

Daftar Referensi
[1] Abdurahman, Maman, Muhidin, Sambas & Somantri, Ating. (2012). Dasar-Dasar Metode
Statistika Untuk Penelitian. Bandung: CV. Pustaka Setia.

[2] J. Supratno. (2000). Statistik: Teori dan Aplikasi. Jakarta: Erlangga.