ANALISIS REGRESI DAN KORELASI
REGRESI
Pengertian
regresi secara umum adalah sebuah alat statistik yang memberikan penjelasan
tentang pola hubungan model antar dua variable atau lebih. Dalam analisis
regresi dikenal 2 jenis variabel yaitu:
1.Variabel Respon disebut juga variabel dependen yaitu variabel
yang keberadaannya dipengaruhi oleh variabel lainnya dan dinotasikan
dengan variabel.
2.Variabel Prediktor disebut juga dengan variabel independen yaitu
variabel yang bebas (tidak dipengaruhi oleh variabel lainnya)
Untuk
mempelajari hubugan – hubungan antara variabel bebas
maka regresi linier terdiri dari dua bentuk, yaitu:
1.Analisis regresi sederhana (Simple analysis regresi)
2. Analisis
regresi berganda (Multiple analysis regresi)
Regresi sederhana
Analisis regresi sederhana merupakan
hubungan antara dua variabel yaitu bebas dan tak bebas. Analisis regeresi
berganda merupakan hubungan antara 3 variabel atau lebih, sekuang-kurangnya dua
variable bebas dengan satu variable tak bebas.
Tujuan utama
regresi adalah untuk membuat perkiraan nilai suatu variabel (variabel
dependen) jika nilai variabel yang lain yang berhubungan
dengannya (variabel lainnya) sudah ditentukan.
Hubungan antara panas dengan tingkat
muai panjang dapat dikatakan sebagai hubungan yang kausal, hubungan antara
kepemimpinan dengan kepuasan kerja pegawai dapat dikatakan hubungan yang
fungsional, hubungan antara kupu- kupu yang datang dengan banyaknya tamu di
rumah bukan merupakan hubungan kausal maupun fungsional.
Kita gunakan analisis regresi bila
kita ingin mengetahui bagaimana variabel dependen/kriteria dapat diprediksikan
melalui variabel independen atu variabel prediktor, secara individual. Dampak
dari penggunaan analisis regresi dapat digunakan untuk memutuskan apakah naik
dan menurunnya variabel dependen dapat dilakukan melalui menaikan dan
menurunkan keadaan variabel independen, atau meningkatkan keadaan variabel
dependen dapat dilakukan dengan meningkatkan variabel independen/dan
sebaliknya.
Regresi
sederhana didasarkan pada hubungan fungsional ataupun kausal antara satu
variabel independen dengan satu variabel dependen. Persamaan umum regresi
linier sederhana adalah:
Dimana:
Y
= a + bX 
ý
= subyek dalam variabel dependen yang diprediksikan a = harga Y bila X = 0
(harga konstan)
b=
angka arah atau koefisien regresi, yang menunjukkan angka peningkatan ataupun
penurunan variabel dependen yang didasarkan pada variabel independen.
Bila b (+) maka naik, dan bila (-)
maka terjadi penurunan. subyek pada variabel Independen yang mempunyai nilai
tertentu. Secara teknis harga b merupakan tangen dari (perbandingan) antara
panjang garis variabel Independen dengan variabel dependen, setelah persamaan
regresi ditemukan.
Pengertian Regresi
Berganda
Regresi
berganda adalah model regresi atau prediksi yang melibatkan lebih dari satu
variabel bebas atau prediktor. Istilah regresi berganda dapat disebut juga
dengan istilah multiple regression. Kata multiple berarti jamak atau lebih dari
satu variabel.
Jenis regresi Berganda
Regresi Linear Berganda
Regresi
Linear Berganda adalah model regresi
berganda jika variabel terikatnya berskala data interval atau rasio
(kuantitatif atau numerik). Sedangkan variabel bebas pada umumnya juga berskala
data interval atau rasio. Namun ada juga regresi
linear dimana variabel bebas menggunakan skala data nominal atau
ordinal, yang lebih lazim disebut dengan istilah data dummy. Maka regresi
linear yang seperti itu disebut dengan istilah regresi linear dengan variabel
dummy.
Contoh
regresi berganda jenis ini adalah: “pengaruh DER dan NPM terhadap Return
Saham.”
Regresi Logistik Berganda
Regresi Logistik berganda adalah model regresi berganda jika variabel
terikatnya adalah data dikotomi. Dikotomi artinya dalam bentuk kategorik dengan
jumlah kategori sebanyak 2 kategori. Misal: Laki-laki dan perempuan, baik dan
buruk, ya dan tidak, benar dan salah serta banyak lagi contoh lainnya. Sedangkan
variabel bebas jenis regresi berganda ini pada umumnya adalah juga variabel
dikotomi. Namun tidak masalah jika variabel dalam skala data interval, rasio,
ordinal maupun multinomial.
Contoh regresi berganda jenis ini adalah: pengaruh rokok
dan jenis kelamin terhadap kejadian kanker paru. Dimana rokok kategorinya ya
dan tidak, jenis kelamin kategorinya laki-laki dan perempuan, sedangkan
kejadian kanker paru kategorinya ya dan tidak.
Regresi Ordinal berganda
Regresi
berganda jenis ini adalah analisis
regresi dimana variabel terikat adalah berskala data ordinal.
Sedangkan variabel bebas pada umumnya juga ordinal, namun tidak masalah jika
variabel dengan skala data yang lain, baik kuantitatif maupun kualitatif.
Keunikan regresi ini adalah jika variabel bebas adalah data kategorik atau
kualitatif, maka disebut sebagai faktor. Sedangkan jika data numerik atau
kuantitatif, maka disebut sebagai covariates.
Contoh
regresi berganda jenis ini adalah: pengaruh tingkat penghasilan dan usia
terhadap tingkat pengetahuan terhadap IT. Dimana tingkat penghasilan sebagai
faktor dengan kategori: rendah, menengah dan tinggi. Usia sebagai covariates
dengan skala data numerik. Dan tingkat pengetahuan terhadap IT sebagai variabel
terikat berskala data ordinal dengan kategori: baik, cukup dan kurang.
Regresi Multinomial Berganda
Regresi
multinomial berganda adalah jenis regresi dimana variabel terikat adalah data
nominal dengan jumlah kategori lebih dari 2 (dua) dan variabel bebas ada lebih
dari satu variabel.
Jenis regresi ini hampir sama dengan regresi logistik
berganda, namun bedanya adalah variabel terikat kategorinya lebih dari dua,
sedangkan regresi logistik berganda variabel terikatnya mempunyai kategori
hanya dua (dikotomi).
Regresi
ini juga mirip dengan regresi ordinal, hanya saja bedanya skala data pada
regresi ini tidak bertingkat (bukan ordinal) atau dengan kata lain tidak ada
yang lebih baik atau lebih buruk.
Contoh
regresi ini adalah: Pengaruh Pendidikan Orang Tua dan Penghasilan Orang Tua
terhadap pilihan jurusan kuliah. Dimana pendidikan dan penghasilan orang tua
berskala data ordinal dan pilihan jurusan kuliah adalah variabel berskala data
nominal lebih dari dua kategori, yaitu: jurusan kesehatan, hukum, sosial,
sastra, pendidikan, lain-lain.
Regresi Data Panel
Regresi
Data Panel adalah gabungan antara data cross
section dan data time series, dimana unit cross section yang sama diukur pada waktu yang
berbeda. Maka dengan kata lain, data panel merupakan data dari beberapa
individu sama yang diamati dalam kurun waktu tertentu. Jika kita memiliki T
periode waktu (t = 1,2,…,T) dan N jumlah individu (i = 1,2,…,N), maka dengan
data panel kita akan memiliki total unit observasi sebanyak NT. Jika jumlah
unit waktu sama untuk setiap individu, maka data disebut balanced panel. Jika
sebaliknya, yakni jumlah unit waktu berbeda untuk setiap individu, maka disebut unbalanced panel.
Sedangkan
jenis data yang lain, yaitu: data time-series dan data cross-section. Pada data time series, satu atau lebih
variabel akan diamati pada satu unit observasi dalam kurun waktu tertentu.
Sedangkan data cross-section merupakan amatan dari beberapa unit
observasi dalam satu titik waktu. Umumnya pendugaan parameter dalam analisis
regresi dengan data cross
section dilakukan menggunakan
pendugaan metode kuadrat terkecil atau disebut Ordinary Least Square (OLS).
KORELASI
Korelasi dan regresi keduanya
mempunyai hubungan yang sangat erat. Setiap regresi pasti ada korelasinya,
tetapi korelasi belum tentu dilanjutkan dengan regresi. Korelasi yang tidak
dilanjutkan dengan regresi adalah korelasi antara dua variabel yang tidak
mempunyai hubungan kasual/sebab akibat, atau hubungan fungsional. Untuk
menetapkan kedua variabel mempunyai hubungan kausal atau tidak, maka harus
didasarkan pada teori atau konsep-konsep tentang dua variabel tersebut.
Korelasi
adalah metode untuk mengetahui tingkat keeratan hubungan dua peubah atau lebih
yang digambarkan oleh besarnya koeefisien korelasi. Koefisien korelasi adalah
koefisien yang menggambarkan tigkat keeratan hubungan antar dua peubah atau
lebih. Besaran dari koefisien korelasi tidak menggambarkan hubungan sebab
akibat antara dua peubah atau lebih, tetapi semata-mata menggambarkan keterkaitan
linier antar peubah. (Mattjik & Sumertajaya, 2000). Nilai dari koefisien
korealsi berkisar antara -1 sampai dengan 1.
-1 terdapat hubungan negative (berkebalikan) yang
sempurna
0 tidak terdapat hubungan sama sekali
1 terdapat hubungan positif yang sempurna
Metode
pengukuran korelasi berupa Korelasi Pearson, Tau Kendall dan Spearman.
Korelasi
Sederhana
Korelasi
Sederhana merupakan suatu teknik statistik yang dipergunakan untuk mengukur
kekuatan hubungan antara 2 variabel dan juga untuk dapat mengetahui bentuk
hubungan keduanya dengan hasil yang bersifat kuantitatif. Kekuatan hubungan
antara 2 variabel yang dimaksud adalah apakah hubungan tersebut erat,
lemah, ataupun tidak erat. Sedangkan bentuk hubungannya adalah apakah
bentuk korelasinya linear positifataupun linear negatif.
Korelasi
Parsial
Korelasi
parsial adalah suatu metode pengukuran keeratan hubungan (korelasi) antara
variabel bebas dan variabel tak bebas dengan mengontrol salah satu variabel
bebas untuk melihat korelasi natural antara variabel yang tidak terkontrol.
Analisis korelasi parsial (partial correlation) melibatkan dua
variabel. Satu buah variabel yang dianggap berpengaruh akan dikendalikan atau
dibuat tetap (sebagai variabel kontrol).
Korelasi
Ganda
Korelasi
ganda adalah bentuk korelasi yang digunakan untuk melihat hubungan antara tiga
atau lebih variabel (dua atau lebih variabel independen dan satu variabel
dependent. Korelasi ganda berkaitan dengan interkorelasi variabel-variabel
independen sebagaimana korelasi mereka dengan variabel dependen.
Comments
Post a Comment