statica.co.cc

Konsep dasar analisis regresi
Analisis regresi merupakan salah satu metode statistika yang umum digunakan untuk mengetahui pengaruh satu atau beberapa faktor terhadap suatu faktor dependen.

Model Regresi
Dengan analisis regresi, dapat diketahui model regresi yang merupakan pengaruh variabel bebas (X) terhadap variabel terikat Y.

Misalkan, diperoleh model regresi: Y = a + b X
Dimana:
Y: variable terikat
X: variable bebas

Artinya:
(1) Jika X bernilai 0, maka besarnya Y adalah sebesar a.
(prove: Y = a + (b x 0)
Y = a + 0
Y = a

(2) Kenaikan nilai X sebesar satu satuan, akan menyebabkan kenaikan nilai Y sebesar b satuan.

Model Regresi Linier Berganda
Sama halnya dengan model regresi yang sudah dijelaskan sebelumnya, model regresi linier berganda menyatakan bentuk pengaruh variabel bebas (X) terhadap variabel terikat (Y). Perbedaannya terletak pada jumlah variabel bebas (X) yang lebih dari satu.

Model regresi linier berganda: Y = a + b1X1 + b2X2 + .... + biXi


Uji Kesesuain Model (Goodness of Fit)
Pada dasarnya, uji kesesuaian model menyatakan tingkat kepercayaan kita pada model regresi yang sudah diperoleh.

a. Uji F
Uji F digunakan untuk mengetahui tingkat kepercayaan terhadap model yang diperoleh. Jika nilai signifikansi F > Ftabel, maka diputuskan menerima model regresi tersebut.

b. Uji t (uji parsial)
Uji t digunakan untuk mengetahui signifikansi pengaruh masing-masing variabel bebas. Jika nilai t yang diperoleh lebih dari t tabel, maka diputuskan bahwa variabel tersebut secara parsial berpengaruh signifikan terhadap variabel terikat (Y).

R squared
Nilai R squared menyatakan besarnya pengaruh semua variabel bebas terhadap variabel terikat. Misalkan diperoleh nilai R squared sebesar 75%, artinya bahwa terdapat variabel-variabel lain yang berpengaruh terhadap Y sebesar 25% (100%-75%). Dan jika suatu saat diperoleh nilai R squared sebesar 100%, maka berarti tidak ada variabel lain yang berpengaruh terhadap variabel terikat Y.