PENGERTIAN ANALISIS REGRES

By On Wednesday, January 22nd, 2014 Categories : Ekonomi

REGRESSION ANALYSIS / ANALISIS REGRES adalah suatu teknik statistik yang digunakan dalam EKONOMETRIK (ECONOMETRICS) untuk mengestimasi VARIABEL TAK BEBAS (DEPENDENT VARIABLES) dan VARIABEL BEBAS (INDEPENDENT VARIABLES), sehingga menghasilkan estimasi yang paling tepat dari hubungan yang benar antara variabel-variabel tersebut. Dari persamaan yang diestimasi ini kemudian dapat diramalkan berapa besar variabel tak bebas (tidak diketahui) dari suatu nilai variabel-variabel bebas (diketahui) tertentu. Dengan sebuah contoh persamaan garis lurus yang sangat sederhana, yaitu dengan hanya mempunyai sebuah variabel bebas dan sebuah variabel tak bebas (pendapatan yang dapat dibelanjakan dan pengeluaran konsumsi), maka permasalahannya adalah menciptakan sebuah garis lurus dengan menggunakan sekumpulan data yang terdiri dari sepasang variabel yang diamati yaitu pendapatan (Y) dan konsumsi (C). Gambar 155 memperlihatkan sepasang observasi yang diperagakan dalam bentuk sebuah grafik, dan yang ingin dihasilkan adalah persamaan garis lurus yang terbaik dari kumpulan data yang ada, di mana garis ini akan memberikan hasil prediksi yang terbaik dari variabel tak bebas. Garis yang terbaik yang diperoleh dari data tersebut harus dipilih sehingga penjumlahan dari hasil kuadrat deviasi vertikal (jarak-jarak) antara titik- titik dan garis merupakan yang terkecil. Metode KUADRAT TERKECIL BIASA (ORDINARY LEAST SQUARES) biasanya diterapkan dalam sebagian besar regresi. Ketepatan dari garis regresi pada sampel data diukur atau ditentukan oleh KOEFISIEN KORELASI (CORRELATION COEFFICIENT).
Secara matematis, garis yang digambarkan pada Gambar 155 adalah sebuah persamaan garis lurus dalam bentuk:
C = a + bY
di mana koefisien-koefisien dari persamaan tersebut, a dan b, adalah perkiraan (berdasarkan pada observasi tunggal) dari parameter-parameter populasi yang benar. Konstanta ini, a dan b, diperoleh dengan menggunakan metode kuadrat terkecil biasa, disebut koefisien regresi yang diperkirakan, dan pada saat nilai angkanya telah ditetapkan, maka nilai- nilai tersebut dapat digunakan untuk menafsirkan nilai-nilai dari variabel tak bebas (c) dari nilai-nilai variabel bebas (Y). Contoh, apabila koefisien ^’regresi yang diestimasi yaitu a dan b adalah masing-masing 1.000 dan 0,9, maka persamaan regresi akan menjadi c = 1.000 + 0,9 Y dan kita dapat menentukan bahwa untuk suatu pendapatan yang dapat dibelanjakan sebesar £ 10,000, maka pengeluaran konsumen dapat dihitung dengan cara sebagai berikut:
C = a + bY C = 1.000 + 0,9 Y
= 1.000 + 0,9 (10.000)
= 10.000
Koefisien regresi dari kemiringan regresi garis lurus, b, penting dalam ilmu ekonomi karena koefisien tersebut memperlihatkan perubahan dalam variabel tak bebas (dalam hal ini konsumsi) bersamaan dengan terjadinya perubahan satu unit dalam variabel bebasnya (dalam hal ini pendapatan). Contoh, dalam contoh ini nilai b sebesar 0,9 menyatakan bahwa para konsumen akan membelanjakan 90% dari setiap tambahan pendapatan yang dapat dibelanjakan yang mereka peroleh.
Persamaan regresi tidak akan memberikan suatu ramalan yang tepat terhadap variabel tak bebas untuk setiap nilai dari variabel bebas, karena koefisien regresi yang diestimasi dari sampel data yang diamati adalah merupakan hasil estimasi yang terbaik dari parameter-parameter populasi yang benar dan dipengaruhi oleh kesempatan-kesempatan yang berbeda.
Untuk menghindari timbulnya kekurangan-kekurangan dalam setiap persamaan regresi yang diperkirakan yang didasarkan pada suatu sampel untuk menggambarkan hubungan yang benar dalam populasi secara keseluruhan, maka persamaan regresi tersebut biasanya ditulis sebagai berikut:
C = a + bY + e
dimaksudkan untuk mencerminkan dampak kesalahan dari variasi-variasi di mana penambahan sebuah faktor kesalahan atau residual, e, kesempatan dan dampak dari variabel-variabel bebas yang lain (seperti :
tingkat bunga pada kredit konsumen) yang mempengaruhi pengeluaran konsumsi akan tetapi secara eksplisit tidak tercakup dalam persamaan regresi yang dimaksud. Apabila dirasakan bahwa terdapat lebih dari satu variabel bebas yang mempengaruhi variabel tak bebas, maka teknik yang digunakan adalah REGRESI GARIS LURUS BERGANDA (MULTIPLE LINEAR REGIUISSION) . Teknik yang menggunakan regresi garis lurus berganda melibatkan dua atau lebih variabel bebas, sebagaimana diperlihatkan dalam persamaan di bawah ini:
C = a + bY + cR + c
di mana I adalah tingkat bunga pada kredit konsumen, dan d adalah koefisien regresi tambahan yang melekat pada variabel bebas yang baru ini. Perkiraan dari persamaan regresi garis lurus berganda ini, dengan menggunakan cara yang sama seperti digunakan pada metode kuadrat terkecil biasa, dapat dilakukan dengan menggunakan sebuah dataran atau permukaan tiga dimensi untuk sekumpulan sampel yang diamati tentang pengeluaran konsumen, pendapatan yang dapat dibelanjakan, dan tingkat bunga untuk meminimalisasi hasil kuadrat penyimpangan dari pengamatan pada dataran tersebut. Secara matematis, sampel yang diamati dapat digunakan untuk menghasilkan angka estimasi dari ketiga koefisien regresi (a,b, dan d), seperti yang terlihat pada persamaan di atas.
Lihat FORECASTING.

PENGERTIAN ANALISIS REGRES | ok-review | 4.5