Dokumen tersebut membahas tentang sifat dasar analisis regresi, mulai dari asal istilah "regresi" yang diperkenalkan oleh Francis Galton hingga peran komputer dalam analisis regresi modern. Analisis regresi digunakan untuk mempelajari ketergantungan satu variabel terhadap variabel lainnya, dengan tujuan menaksir dan meramal nilai rata-rata variabel tergantung berdasarkan nilai variabel penjelas.

1. SIFAT DASAR ANALISIS REGRESI
1.1 ASAL SEJARAH ISTILAH “REGRESI”
Istilah regresi diperkenalkan oleh Francis Galton. Ia menemukan 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 menyolok
(besar) dari generasi ke generasi. Kecenderungan 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 ini juga diperkuat oleh
temannya Karl Pearson.
1.2 PENAFSIRAN MODERN REGRESI
Tetapi penafsiran modern regresi sungguh sangat berbeda secara umum.
Analisis regresi => studi ketergantungan satu variabel (variabel tak bebas) pada satu variabel lain
(variabel yang menjelaskan/ explanatory variables), untuk menaksir dan meramalkan mean atau
populasi variabel bebas, dipandang dari segi nilai yang tidak diketahui atau tetap variabel yang
menjelaskan.
Contoh:
1. Contoh ekonomi, seorang ahli ekonomi mungkin berminat untuk mempelajari
ketergantugan belanja konsumsi perorangan pada real perorangansetelah pajak atau
pendapatan yang bisa dibelanjakan. Analisis seperti itu mungkin berguna dalam
meramalkan kecenderungan konsumsi marjinal (MPC), yaitu rata-rata perubahan dalam
konsumsi untuk, misalnya perubahan pendapatan real senilai satu dolar.
2.Seorang monopolis yang dapat menetapkan harga atau volume hasil produksi (tetapi tidak
kedua-duanya) mungkin menginginkan untuk mengetahui tanggapan permintaan untuk suatu
produk karena perubahan harga.
Percobaan seperti itu mungkin dimungkinkan penaksiran elastisitas harga (yaitu sensitivitas
terhadap harga) permintaan untuk produk tadi dan mungkin membantu penetapan harga yang
paling menguntungkan.
3.Ahli ekonomi perburuhan mungkin ingin mempelajari tingkat perubahan upah dalam uang (money
wages) dalam hubungannya dengan tingkat pengangguran. Data historis menunjukkan dalam diagaram
pencar yang diberikan dalam Gambar 1.1.
Yuca Siahaan

2. +
Tingkat perubahan upah dalam uang
Tingkat
pengangguran, %
0
0
Gambar 1.1 Kurva Philips hipotesis
Kurva yang ditunjukkan dalam Gambar 1.1 merupakan contoh kurva Philips yang terkenal itu
yang menghubungkan perubahan upah dalam uang dengan tingkat pengangguran tertentu.
Pengetahuan seperti itu bisa berguna dalam menyatakan sesuatu mengenai proses yang
berhubungan dengan inflafi suatu perekonomian, karena peningkatan upah dalam uang
Nampaknya akan tercermin dalam peningkatan harga.
4.Seorang analis investasi, terutama analis teknis atau penggambar grafik (chartist), mungkin berminat
untuk meramalkan perubahan harga sekuritas (efek, surat berharga) dengan mengetahui perubahan
dalam beberapa indeks pasar, sepeti indeks Dow-Jones. Apabila hubungan yang bisa diramalkan
antara keduanya dapat ditemukan, mamfaatnya bagi analis dan investor jelas ada.
1.3 KETERGANTUNGAN STATISTIK VS FUNGSIONAL
Dalam analisis regresi kita menaruh perhatian pada apa yang dikenal dengan
ketergantungan di antara variabel yang bersifat statistik, bukannya fungsional (bersifat fungsi)
atau deterministik, seperti ilmu fisika klasik.
Dalam hubungan diantara variabel yang bersifat statistic kita pada dasarnya menghadapi
variabel random (acak) atau stokhastik, yaitu variabel yang mempunyai distribusi probabilitas.
Dalam ketergantungan fungsional atau deterministik, di pihak lain kita juga berhadapan dengan
variabel, tetapi variabel ini tidak bersifat random atau stokhastik.
Yuca Siahaan

3. 1.4 REGRESI DAN PENYEBAB (SEBAB-AKIBAT)
(REGRESSION AND CAUSATION)
Meskipun analisis regresi berurusan dengan ketergantungan satu variabel pada variabel
lain, ini tidak perlu berarti sebab akibat. Hubungan statistic semata-mata tidak dapat secara
logis berarti sebab-akibat. Untuk memnganggap berasal dari sebab-akibat, pertimbangan mesti
dibuat atas dasar apriori atau pertimbangan teoritis.
1.5 REGRESI VS KORELASI
Analisis korelasi bertujuan untuk mengukur kuat atau derajat hubungan linear antara dua
variabel. Koefisien korelasi yang akan mengukur kuatnya hubungan (linear) ini.
Ada perbedaan yang mendasar antara teknik regresi dan korelasi.
Dalam analisis korelasi, sebagian besar didasakan pada kerandoman (keacakan ) variabel.
Dalam analisis ini, kita memperlakukan kedua variabel (dependent dan independent) secara
simetri dan tidak ada perbedaan.
Contoh: mungkin kita berminat dalam menemukan (koefisien) korelasi antara nilai ujian
statistic dan matematik.
Sedangkan dalam analisis regresi, variabel dependent siasumsikan bersifat statistik,
random, stokhastik (berubah-ubah, probability). Sementara variabel explanatory diasumsikan
mempunyai nilai yang tetap.
Contoh: Kita mungkin ingin mengetahui apakah kita dapat meramal rata-rata ujian statistic
dengan mengetahui nilai mahasiswa dalam matematik.
1.6 ISTILAH DAN NOTASI
Variabel tak bebas
(dependent variable)
Variabel yang menjelaskan
(explanatory variable)
Variabel yang menjelaskan
(explained variable)
Variabel bebas
(independent variable)
Yang meramalkan
(predictand)
Peramal
(predictor)
Yang diregresi
(regressand)
Yang meregresi
(Regressor)
Tanggapan
(response)
Perangsang atau variabel kendali
(stimulus or control variable)
Yuca Siahaan

4. Jika kita sedang mempelajari ketergantungan satu variabel pada hanya satu variabel,
seperti belanja konsumsi pada pendapatan real, studi itu dikenal sebagai analisis regresi
sederhana atau dua-variabel. Tetapi jika kita sedang mempelajari ketergantungan satu variabel
pada lebih dari satu variabel yang menjelaskan, seperti hasil panen pada curah hujan, suhu,
cahaya matahari dan pupuk, ini dikenal sebagai analisis regresi majemuk (multiple regression
anylisis).
Dalam regresi kita mengenal notasi-notasi berikut:
Y
=> variabel yang tak bebas
X (X1,X2,…,XK)
=> variabel yang menjelaskan
Xk
=> variabel yang menjelaskan yang ke k
i
=> pengamatan atau nilai ke i ( untuk data cross-section)
t
=> pengamatan atau nilai ke t (untuk data deretan waktu /time series)
Xki (atau Xkt)
=> pengamatan ke i (atau ke t) atas variabel Xk.
N
=> jumlah total pengamatan atau nilai dalam populasi atau sampel
tergantung dari kasusnya.
1.7 PERANAN KOMPUTER DALAM ANALISIS REGRESI
Dalam mempelajari ketergantungan satu variabel pada satu atau lebih variabel lain,
analisis regresi sering melibatkan perhitungan yang lama dan menjemukan. Seperti ketika
melibatkan pengamatan yang cukup besar dan beberapa variabel yang menjelaskan, komputer
elektronik modern hamper merupakan kebutuhan pokok. Pada jaman ini analisis regresi tanpa
computer hamper tak terpikirkan; keduanya mungkin melepaskan diri dari keterkaitan satu
sama lain.
Ada beberapa program regresi yang dipaket atau dikaleng yang bermutu unggul yang dapat
digunakan, tergantung pada peralatan (fasilitas) perhitungan yang bisa digunakan oleh
seseorang.
1.8 IKTHISAR DAN KESIMPULAN
Tujuan analisis regresi adalah untuk menaksir dan/ atau meramalkan nilai rata-rata
hitung (mean) atau nilai rata-rata variabel tak bebas atas dasar nilai tetap (fixed) variabel yang
menjelaskan yang diketahui.
Yuca Siahaan

5. Referensi:
Gujarati, Damodar N. Essentials of Econometrics.2006. US:McGraw-Hill Companies
Gujarati, Damodar N. Basic Econometrics.
Yuca Siahaan