Rumus Analisis Regresi
Analisis regresi adalah analisis hubungan antara variabel dependen dan variabel independen karena menggambarkan bagaimana variabel dependen akan berubah ketika satu atau lebih variabel independen berubah karena faktor, rumus untuk menghitungnya adalah Y = a + bX + E, dimana Y adalah variabel dependen, X adalah variabel independen, a intersep, b slope dan E residual.
Regresi adalah alat statistik untuk memprediksi variabel dependen dengan bantuan satu atau lebih dari satu variabel independen. Dalam menjalankan analisis regresi, tujuan utama peneliti adalah untuk mengetahui hubungan antara variabel dependen dengan variabel independen. Untuk memprediksi variabel dependen, satu atau beberapa variabel independen dipilih, yang dapat membantu dalam memprediksi variabel dependen. Ini membantu dalam proses memvalidasi apakah variabel prediktor cukup baik untuk membantu memprediksi variabel dependen.
Rumus analisis regresi mencoba menemukan garis yang paling sesuai untuk variabel dependen dengan bantuan variabel independen. Persamaan analisis regresi sama dengan persamaan untuk garis yaitu
y = MX + b
Dimana,
- Y = variabel dependen dari persamaan regresi
- M = kemiringan persamaan regresi
- x = variabel dependen dari persamaan regresi
- B = konstanta persamaan
Penjelasan
Dalam menjalankan regresi, tujuan utama peneliti adalah untuk mengetahui hubungan antara variabel terikat dengan variabel bebas. Untuk memprediksi variabel dependen, satu atau beberapa variabel independen dipilih, yang dapat membantu dalam memprediksi variabel dependen. Analisis regresi membantu dalam proses memvalidasi apakah variabel prediktor cukup baik untuk membantu memprediksi variabel dependen.
Contoh
Contoh 1
Mari kita coba dan pahami konsep analisis regresi dengan bantuan sebuah contoh. Mari kita coba cari tahu apa hubungan jarak yang ditempuh oleh pengemudi truk dengan usia pengemudi truk. Seseorang sebenarnya melakukan persamaan regresi untuk memvalidasi apakah pendapatnya tentang hubungan antara dua variabel juga divalidasi oleh persamaan regresi.
Di bawah ini diberikan data untuk perhitungan
Untuk perhitungan Analisis Regresi, buka tab Data di excel, lalu pilih opsi analisis data. Untuk prosedur penghitungan lebih lanjut, lihat artikel yang diberikan di sini - Analysis ToolPak di Excel
Rumus analisis regresi untuk contoh di atas adalah
- y = MX + b
- y = 575,754 * -3,121 + 0
- y = -1797
Dalam contoh khusus ini, kita akan melihat variabel mana yang merupakan variabel dependen dan variabel mana yang merupakan variabel independen. Variabel terikat dalam persamaan regresi ini adalah jarak tempuh pengemudi truk, dan variabel bebasnya adalah usia pengemudi truk. Regresi untuk kumpulan variabel dependen dan independen ini membuktikan bahwa variabel independen adalah prediktor yang baik dari variabel dependen dengan koefisien determinasi yang cukup tinggi. Analisis membantu dalam memvalidasi bahwa faktor-faktor dalam bentuk variabel independen dipilih dengan benar. Cuplikan di bawah ini menggambarkan keluaran regresi untuk variabel. Kumpulan data dan variabel disajikan dalam lembar excel terlampir.
Contoh # 2
Mari kita coba dan pahami analisis regresi dengan bantuan contoh lain. Mari kita coba mencari tahu apa hubungan antara tinggi badan siswa di suatu kelas dan nilai IPK siswa tersebut. Seseorang sebenarnya melakukan persamaan regresi untuk memvalidasi apakah pendapatnya tentang hubungan antara dua variabel juga divalidasi oleh persamaan regresi.
Dalam contoh ini, Di bawah ini diberikan data untuk perhitungan di excel
Untuk perhitungan analisis regresi, buka tab Data di excel, lalu pilih opsi analisis data.
Regresi untuk contoh di atas adalah
- y = MX + b
- y = 2,65 * 0,0034 + 0
- y = 0,009198
Dalam contoh khusus ini, kita akan melihat variabel mana yang merupakan variabel dependen dan variabel mana yang merupakan variabel independen. Variabel terikat dalam persamaan regresi ini adalah IPK siswa, dan variabel bebasnya adalah tinggi badan siswa. Analisis regresi untuk himpunan variabel dependen dan independen ini membuktikan bahwa variabel independen bukan merupakan prediktor yang baik dari variabel dependen karena nilai koefisien determinasi dapat diabaikan. Dalam hal ini, kita perlu mencari variabel prediktor lain untuk memprediksi variabel dependen untuk analisis regresi. Cuplikan di bawah ini menggambarkan keluaran regresi untuk variabel. Kumpulan data dan variabel disajikan dalam lembar excel terlampir.
Relevansi dan Penggunaan
Regresi adalah metode statistik yang sangat berguna. Untuk setiap keputusan bisnis untuk memvalidasi hipotesis bahwa tindakan tertentu akan menyebabkan peningkatan profitabilitas divisi dapat divalidasi berdasarkan hasil regresi antara variabel dependen dan independen. Persamaan analisis regresi memegang peranan yang sangat penting dalam dunia keuangan. Banyak peramalan dilakukan dengan menggunakan regresi. Misalnya, penjualan suatu segmen tertentu dapat diprediksi terlebih dahulu dengan bantuan indikator makroekonomi yang memiliki korelasi sangat baik dengan segmen tersebut. Baik regresi linier maupun regresi ganda berguna bagi praktisi untuk membuat prediksi variabel dependen dan juga memvalidasi variabel independen sebagai prediktor variabel dependen.
