BAB
I
PENDAHULUAN
1.1
Latar
belakang masalah
Sepanjang
sejarah umat manusia, orang melakukan penelitian tentang ada tidaknya hubungan
antara dua hal, fenomena, kejadian atau lainnya. Dan ada tidaknya pengaruh
antara satu kejadian dengan kejadian yang lainnya. Karena itu untuk mempermudah
dalam melakukan penghitungan suatu kejadian maka digunakan korelasi dan regresi
dalam ilmu statistika Korelasi merupakan teknik analisis yang termasuk dalam
salah satu teknik pengukuran asosiasi/hubungan (Measures of association).
Teknik ini berguna untuk mengukur kekuatan hubungan antara dua variabel (kadang
lebih dari dua variabel) dengan skala-skala tertentu.
Regresi
merupakan salah satu analisis yang bertujuan untuk mengetahui pengaruh suatu
variabel terhadap variabel lain .Dalam analisis regresi, variabel yang
mempengaruhi disebut independent variabel (variable bebas) dan variabel yang
dipengaruhi disebut dependent variabel (variabel terikat).
1.2
Rumusan
Masalah
Ada beberapa rumusan masalah dalam makalah ini, antara lain:
a.
Pengertian
analisis regresi
b.
Tujuan
analisis regresi
c.
Persyaratan
penggunaan analisis regresi
d.
Regresi
Linear dengan Variabel Moderating
e.
Uji
hipotesis
1.3
Tujuan
penulisan
Maksud
dari pembuatan makalah ini adalah untuk memberikan gambaran dan pengetahuan mengenai
hubungan suatu kejadian atau lebih kita kenal dengan istilah korelasi ,dan
seberapa besar pengaruh suatu kejadian dengan lingkungan sekitar atau kita
kenal dengan istilah regresi kepada para pembaca. Seperti yang kita ketahui
bahwa suatu kejadian/fenomena pasti mempunyai keterkaitan satu sama lain dan
pengaruh bagi lingkungan sekitar.tapi tidak semua kejadian bisa dikaitkan
dengan yang lain tergantung unsur-unsur atau criteria-kriteria apa saja yang
mempunyai keterkaitan dan yang mempengaruhinya. Misalkan jumlah stok beras mempunyai pengaruh
terhadap harga beras dan peningkatan emisi co2 mempunyai pengaruh tethadap
pemanasan global. Tujuan dari pembuatan makalah :
a.
Memberikan
informasi dan wawasan mengenai apa itu analisis regresi
b.
Mengetahui
pengaruh suatu variabel terhadap variabel lain dalam analisis regresi.
c.
Mengenatui
tujuan analisis regresi.
d.
Memberikan
pengetahuan mengenai persyaratan penggunaan analisis regresi
e.
Mengetaui
Regresi Linear dengan Variabel Moderating
f.
Memberikan
informasi tentang uji coba
1.4.
Metode Penulisan
Metode yang
digunakan penulis adalah metode kepustakaan yaitu memberikan gambaran tentang
materi-materi yang berhubungan dengan permasalahan melalui literatur buku-buku
yang tersedia, tidak lupa juga penulis ambil sedikit dari media massa/internet.
Dan diskusi mengenai masalah yang dibahas dengan teman-teman.
BAB
II
PEMBAHASAN
ANALISIS REGRESI
2.1 Pengertian Analisis Regregi
Analisis regresi adalah kajian terhadap hubungan satu
variable yang disebut dengan variable yang diterangkan (the explained variable)
dengan satu atau dua variable yang menerangkan (the explanatory). Variabel
pertama disebut juga sebagai variable tergantung dan variable kedua disebut
juga sebagai variable bebas.[1] Analisis
regresi merupakan salah satu analisis yang bertujuan untuk mengetahui pengaruh
suatu variabel terhadap variabel lain.[2] Sir
Francis Galton (1822 – 1911), memperkenalkan model peramalan, penaksiran, atau
pendugaan, yang selanjutnya dinamakan regresi, sehubungan dengan penelitiannya
terhadap tinggi badan manusia. Penelitian tersebut membandingkan antara tinggi
anak laki-laki dan tinggi badan ayahnya. Galton menunjukkan bahwa tinggi badan
anak laki-laki dari ayah yang tinggi setelah beberapa generasi cenderung mundur
(regressed) mendekati nilai tengah populasi. Dengan kata lain, anak laki-laki
dari ayah yang badannya sangat tinggi cenderung lebih pendek dari pada ayahnya,
sedangkan anak laki-laki dari ayah yang badannya sangat pendek cenderung lebih
tinggi dari ayahnya. (Ronal E. Walpole).
Hubungan antar variabel
dapat berupa hubungan linier ataupun hubungan tidak linier. Misalnya, berat
badan orang dewasa sampai pada tahap tertentu bergantung pada tinggi badan,
keliling lingkaran bergantung pada diameternya, dan tekanan gas bergantung pada
suhu dan volumenya. Atau dalam ilmu pemasaran, nilai penjualan akan bergantung
pada biaya promosi. Hubungan-hubungan itu bila dinyatakan dalam bentuk
matematis akan memberikan persamaan-persamaan tertentu. Untuk dua variabel,
hubungan liniernya dapat dinyatakan dalam bentuk persamaan linier, yakni: Y = a
+ bX. Hubungan antara dua variabel pada persamaan linier jika digambarkan
secara (scatter diagram), semua nilai Y dan X akan berada pada suatu garis
lurus. Dan dalam ilmu ekonomi, garis itu dinamakan garis regresi.
Berkaitan dengan analisis
regresi ini, setidaknya ada empat kegiatan yang lazim dilaksanakan yakni :
1.
Mengadakan estimasi terhadap parameter berdasarkan data empiris.
2.
Menguji berapa besar variasi variabel dependen dapat diterangkan oleh
variasi independen.
3.
Menguji apakah estimasi parameter tersebut signifikan atau tidak.
4.
Melihat apakah tanda magnitude dari estimasi parameter cocok dengan teori.
2.2 Tujuan dan Kegunaan Analisis Regresi
Analisis regresi dalam statistika adalah salah
satu metode untuk menentukan hubungan sebab akibat antara satu variabel dengan
variabel yang lain. Analisis regresi adalah salah satu analisis yang paling
populer dan luas pemakaiannya. Hampir semua bidang ilmu yang memerlukan
analisis. Analisis regresi dan analisis korelasi dikembangkan untuk mengkaji
dan mengukur hubungan antara dua variabel atau lebih. Dalam analisis regresi
dikembangkan persamaan estimasi untuk mendeskripsikan pola atau fungsi hubungan
antara variabel-variabel. Sesuai dengan namanya, persamaan estimasi atau
persamaan regresi itu digunakan untuk mengestimasi nilai dari suatu variabel
berdasarkan nilai variabel lainnya. Variabel yang di estimasi itu disebut
variabel dependen (atau variabel terikat) sedangkan variabel yang diperkirakan
memengaruhi variabel dependen itu disebut variabel independen (atau variabel
bebas).[3]
Ada beberapa tujuan
penggunaan analisis regresi, antara lain:
a.
Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasari
pada nilai variabel bebas.
b.
Menguji hipotesis karakteristik dependensi.
c.
Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan pada
nilai variabel bebas diluar jangkauan sample.[4]
2.3 Persyaratan Penggunaan Regresi
Model kelayakan regresi linear didasarkan pada hal-hal sebagai
berikut:
1.
Model regresi dikatakan layak jika
angka signifikansi pada ANOVA sebesar < 0.05.
2.
Predictor yang digunakan sebagai variabel bebas harus layak. Kelayakan ini
diketahui jika angka Standard Error of Estimate < Standard Deviation.
3.
Koefesien regresi harus signifikan. Pengujian dilakukan dengan Uji T.
Koefesien regresi signifikan jika T hitung > T tabel (nilai kritis).
4.
Tidak boleh terjadi multikolinieritas, artinya tidak boleh terjadi korelasi
yang sangat tinggi atau sangat rendah antar variabel bebas. Syarat ini hanya
berlaku untuk regresi linier berganda dengan variabel bebas lebih dari satu.
5.
Tidak
terjadi otokorelasi. Terjadi otokorelasi jika angka Durbin dan Watson (DB)
sebesar < 1 dan > 3.
6.
Keselerasan
model regresi dapat diterangkan dengan menggunakan nilai r2 semakin
besar nilai tersebut maka model semakin baik. Jika nilai mendekati 1 maka model
regresi semakin baik. Nilai r2 mempunyai karakteristik diantaranya:
1) selalu positif, 2) Nilai r2 maksimal sebesar 1. Jika Nilai r2
sebesar 1 akan mempunyai arti kesesuaian yang sempurna. Maksudnya seluruh
variasi dalam variabel Y dapat diterangkan oleh model regresi. Sebaliknya jika
r2 sama dengan 0, maka tidak ada hubungan linier antara X dan Y.
7.
Terdapat
hubungan linier antara variabel bebas (X) dan variabel tergantung (Y)
8.
Data
harus berdistribusi normal
9.
Data
berskala interval atau rasio
10.
Kedua
variabel bersifat dependen, artinya satu variabel merupakan variabel bebas
(disebut juga sebagai variabel predictor) sedang variabel lainnya variabel
tergantung (disebut juga sebagai variabel response).[5]
2.4 Regresi Linear dengan Variabel Moderating
Variabel moderating adalah variabel yang memperkuat atau
memperlemah hubungan antara satu variabel dengan variabel lain. Sebagai contoh:
seorang suami menyayangi istrinya. Dengan hadirnya seorang anak, maka rasa
sayang tersebut bertambah. Berarti variabel anak merupakan moderating antara
rasa saya suami terhadap istri. Contoh lain: kompensasi memperkuat pengaruh
antara kepuasan kerja terhadap kinerja. Artinya kepuasan kerja berpengaruh
terhadap kinerja, dan adanya kompensasi yang tinggi maka pengaruh antara
kepuasan kerja terhadap kinerja menjadi lebih meningkat. Dalam hal ini,
kompensasi bisa saja berpengaruh terhadap kinerja bisa saja tidak.[6]
Metode analisis regresi linear dengan variabel moderating antara lain:
1.
Multiple Regression Analysis (MRA)
Metode ini dilakukan dengan menambahkan variabel
perkalian antara variabel bebas dengan variabel moderatingnya, sehingga
persamaan umumnya adalah sebagai berikut: Y = a + b1 X1 + b2 X2 + b3 X1 X2
dengan Y adalah kinerja, X1 adalah kepuasan kerja, X2 kompensasi dan X1 X2
adalah perkalian antara kepuasan kerja dengan kompensasi. Hipotesis moderating
diterima jika variabel X1 X2 mempunyai pengaruh signifikan terhadap Y, tidak tergantung
apakah X1 dan X2 mempunyai pengaruh terhadap Y atau tidak. Model ini biasanya
menyalahi asumsi multikolinearitas atau adanya korelasi yang tinggi antara
variabel bebas dalam model regresi, sehingga menyalahi asumsi klasik. Hampir
tidak ada model MRA yang terbebas dari masalah multikolinearitas, sehingga
sebenarnya model ini tidak disarankan untuk dipergunakan.
2.
Absolut residual
Model ini mirip dengan MRA, tetapi variabel moderating
didekati dengan selisih mutlak (absolut residual) antara variabel bebas dengan
variabel moderatingnya. Penerimaan hipotesis juga sama, dan model ini masih
riskan terhadap gangguan multikolinearitas meskipun risiko itu lebih kecil dari
pada dengan metode MRA.
3.
Residual
Model ini menggunakan konsep lack of fit yaitu hipotesis
moderating diterima terjadi jika terdapat ketidakcocokan dari deviasi hubungan
linear antara variabel independen. Langkahnya adalah dengan meregresikan antara
kepuasan kerja terhadap kompensasi dan dihitung nilai residualnya. Pada program
SPSS dengan klik Save pada regreesion, lalu klik pada usntandardized residual.
Nilai residual kemudian diambil nilai absolutnya lalu diregresikan antara kinerja
terhadap absolut residual.
2.4 Uji Hipotesis
Pengujian hipotesis dapat didasarkan dengan menggunakan dua hal,
yaitu; tingkat signifikan atau probabilitas dan tingkat kepercayaan atau
confidence interval. Didasarkan tingkat signifikansi pada umumnya orang
menggunakan 0,05. Kisaran tingkat signifikan mulai dari 0,01 sampai dengan 0,1.
Yang dimaksud dengan tingkat signifikan adalah probabilitas melakukan kesalahan
tipe 1, yaitu kesalahan menolak hipotesis ketika hipotesis tersebut benar.
Tingkat kepercayaan pada umumnya ialah sebesar 95%, yang dimaksud dengan
tingkat kepercayaan ialah tingkat dimana sebesar 95% nilai semple akan mewakili
nilai populasi dimana sample berasal. Dalam melakukan uji hipotesis terdapat
dua hipotesis, yaitu:
HO (hipotesis
nol) dan H1 (hipotesis alternative)
Contoh uji
hipotesis misalnya rata-rata produktivitas pegawai sama dengan 10 (∑x = 10),
maka bunyi hipotesisnya ialah:
a.
HO:
rata-rata prokdutivitas pegawai sama dengan 10
b.
H1 :
rata-rata prokdutivitas pegawai tidak sama dengan 10
Beberapa hal yang harus diperhatikan dalam uji hipotesis ialah:
a.
Untuk
pengujian hipotesis kita menggunakan data sample.
b.
Dalam
pengujian akan menghasilkan dua kemungkinan, yaitu pengujian signifikan secara
statistic jika kita menlak HO dan pengujian tidak signifikan secara statistic
jika kita menerima H0.
c.
Jika
kita menggunakan nilai t, maka jika nilai t yang semakin besar atau menajuhi 0,
kita akan cenderung menolak H0, sebaliknya jika nilai t semakin kecil atau
mendekati 0 kita akan cenderung menerima H0.[7]
BAB
III
PENUTUP
3.1
Simpulan
Analisis
regresi berbeda dengan analisis korelasi. Jika analisis korelasi digunakan
untuk melihat hubungan dua variable; maka analisis regresi digunakan untuk
melihat pengaruh variable bebas terhadap variable tergantung serta memprediksi
nilai variable tergantung dengan menggunakan variable bebas. Dalam analisis
regresi variable bebas berfungsi untuk menerangkan (explanatory) sedang
variable tergantung berfungsi sebagai yang diterangkan (the explained). Dalam analisis regresi data harus berskala
interval atau rasio. Hubungan dua variable bersifat dependensi. Untuk
menggunakan analisis regresi diperlukan beberapa persyaratan yang harus
dipenuhi.
Ada
dua macam linieritas dalam analisis regresi, yaitu linieritas dalam variabel
dan linieritas dalam parameter. Yang pertama, linier dalam variabel merupakan
nilai rata-rata kondisional variabel tergantung yang merupakan fungsi linier
dari variabel (variabel) bebas. Sedang yang kedua, linier dalam parameter merupakan fungsi linier parameter dan dapat
tidak linier dalam variabel.
3.2
Kritik
dan Saran
Dalam penulisan makalah ini, penulis menyadari bahwa
penyusunan makalah ini tidak luput dari kesalahan dan kekurangan. Oleh karena
itu, kritik dan saran yang konstruktif akan senantiasa penyusun nanti dalam
upaya evaluasi diri. Akhirnya penulis hanya bisa berharap, bahwa dibalik
ketidaksempurnaan penulisan dan penyusunan makalah ini adalah ditemukan sesuatu
yang dapat memberikan manfaat atau bahkan hikmah bagi penulis, pembaca.
DAFTAR
PUSTAKA
Nur, Sunardi, Pengantar
Statistika, Jakarta: Bumi Aksara, 2009.
Arnita, Pengantar Statistika,
Bandung: Citapustaka Media Perintis, 2013.
http://teratainear.blogspot.com/p/makalah-regresi-dan-korelasi.html,
diunggah 15-04-2013
Tidak ada komentar:
Posting Komentar