Analisis Regresi

statistic-0Andi Rusdi

A. Sekilas Mengenai Regresi

Regresi diperkenalkan oleh Francis Galton dalam makalah (Family in Stature, Processing of Royal Society, London, vol.40, 1886), yang mengemukakan bahwa meskipun ada kecenderungan bagi orang tua yang tinggi mempunyai anak-anak yang tinggi dan bagi orang tua yang pendek untuk mempunyai anak-anak yang pendek, distribusi tinggi suatu populasi tidak berubah secara mencolok (besar) dari generasi ke generasi.
Pembahasannya bahwa ada kecenderungan (tren) bagi rata-rata tinggi anak-anak dengan orang tua yang mempunyai tinggi tertentu untuk bergerak atau mundur (regress) ke arah tinggi rata-rata seluruh populasi. Hukum regresi semesta (law of universal regression) dari Galton diperkuat oleh Karl Pearson (Biometrika, vol.2, 1903), yang menyimpulkan lebih dari seribu data tinggi anggota kelompok keluarga. Pearson mengumpulkan bahwa rata-rata tinggi anak laki-laki kelompok ayah yang tinggi kurang dari tinggi ayah mereka dan rata-rata tinggi anak-anak laki-laki kelompok ayah pendek lebih besar dari tinggi ayah mereka. Mundurnya (regressing) anak laki-laki yang tinggi maupun yang pendek serupa ke arah rata-rata tinggi semua laki-laki.

Analisis regresi berkenaan dengan studi ketergantungan satu variabel yaitu variabel tidak bebas atau variabel tergantung (dependent variable) atau variabel respons pada satu atau lebih variabel lain yaitu variabel yang menjelaskan (explanatory variables) atau variabel prediktor dengan maksud menaksir atau meramalkan nilai rata-rata hitung (mean) atau rata-rata (populasi) variabel tak bebas, dipandang dari segi yang diketahui atau tetap (constant).

B. Kegunaan Analisis Regresi

Iriawan (2006: 199) mencatat bahwa analisis regresi sangat berguna dalam penelitian antara lain: (1) model regresi dapat digunakan untuk mengukur kekuatan hubungan antara variabel respons dan variabel prediktor, (2) model regresi dapat digunakan untuk mengetahui pengaruh suatu atau beberapa variabel predictor terhadap variabel respons, (3) model regresi berguna untuk memprediksi pengaruh suatu variabel atau beberapa variabel predictor terhadap variabel respons.
Kedua variabel tersebut dihubungkan dalam bentuk persamaan matematika, secara umum, bentuk persamaan regresi dinyatakan sebagai berikut:

γ=β0+β1×1+β2×2+…+βkxk+ε

β0= intersep (konstanta)
β1…βk= parameter model regresi untuk x1 … xk
ε= error (residual = jarak antara nilai sebenarnya dengan garis model taksiran)

Dengan fungsi taksiran persamaan:

bo = taksiran dari β0

b1 = taksiran dari β1
ε= 0 (residual dianggap nol, nilai residual menjadi criteria model terbaik)
y = bo+b1x1+…+bkxk

C. Langkah-langkah Analisis Regresi

1.Melihat taksiran parameter model
2.Membuat nilai taksiran
3.Memeriksa Mean Square Residual
4.Memeriksa Utilitas Model
5.Memeriksa Ukuran Kecukupan

Dengan SPSS selengkapnya download di sini analisis-regresi

%d blogger menyukai ini: