Nama : Abdul Rofik Husain

NIM : 521414007

A. REGRESI

1) Analisis regresi

Dalam statistika adalah salah satu metode untuk

menentukanhubungan sebab-akibat antara satu variabel dengan variabel(-

variabel) yang lain.Variabel "penyebab" disebut dengan bermacam-macam

istilah:

variabel penjelas, variabel eksplanatorik , variabel independen , atau

secara bebas, variabel X  (karenaseringkali digambarkan dalam grafik

sebagai absis, atau sumbu X). Variabel terkenaakibat dikenal sebagai variabel

yang dipengaruhi , variable dependen , variabel terikat  ,atau variabel Y.

Kedua variabel ini dapat merupakan variabel acak   (random),

namunvariabel yang dipengaruhi harus selalu variabel acak. Analisis

regresi adalah salah satu analisis yang paling populer dan luas

pemakaiannya.

2) Regresi linier

Regresi linier adalah metode statistika yang digunakan untuk

membentuk modelhubungan antara variabel terikat (dependen; respon; Y)

dengan satu atau lebih variabelbebas (independen, prediktor, X). Apabila

banyaknya variabel bebas hanya ada satu,disebut sebagai regresi linier

sederhana, sedangkan apabila terdapat lebih dari 1 variabelbebas, disebut

sebagai regresi linier berganda.Analisis regresi setidak-tidaknya memiliki

3 kegunaan, yaitu untuk tujuan deskripsi darifenomena data atau kasus

yang sedang diteliti, untuk tujuan kontrol, serta untuk tujuanprediksi.

Regresi mampu mendeskripsikan fenomena data melalui terbentuknya

suatumodel hubungan yang bersifatnya numerik. Regresi juga dapat

digunakan untuk melakukan pengendalian (kontrol) terhadap suatu kasus

atau hal-hal yang sedangdiamati melalui penggunaan model regresi yang

diperoleh. Selain itu, model regresi juga dapat dimanfaatkan untuk

melakukan prediksi untuk variabel terikat. Namun yangperlu diingat,

prediksi di dalam konsep regresi hanya boleh dilakukan di dalam

rentangdata dari variabel-variabel bebas yang digunakan untuk

membentuk model regresitersebut. Misal, suatu model regresi diperoleh

dengan mempergunakan data variabelbebas yang memiliki rentang antara

5 s.d. 25, maka prediksi hanya boleh dilakukan bilasuatu nilai yang

digunakan sebagai input untuk variabel X berada di dalam rentangtersebut.

Konsep ini disebut sebagai interpolasi.Data untuk variabel independen X

pada regresi linier bisa merupakan data pengamatanyang tidak ditetapkan

sebelumnya oleh peneliti (obsevational data) maupun data yangtelah

ditetapkan (dikontrol) oleh peneliti sebelumnya (experimental or fixed

data).Perbedaannya adalah bahwa dengan menggunakan fixed data,

informasi yang diperolehlebih kuat dalam menjelaskan.

3) Hubungan Sebab Akibat

antara variabel X dan variabelY. Sedangkan, pada observational

data, informasi yang diperoleh belum tentumerupakan hubungan sebab-

akibat. Untuk fixed data, peneliti sebelumnya telahmemiliki beberapa nilai

variabel X yang ingin diteliti. Sedangkan, pada observationaldata, variabel

X yang diamati bisa berapa saja, tergantung keadaan di

lapangan.Biasanya, fixed data diperoleh dari percobaan laboratorium, dan

observational datadiperoleh dengan menggunakan kuesioner. Di dalam

suatu model regresi kita akanmenemukan koefisien-koefisien. Koefisien

pada model regresi sebenarnya adalah nilaiduga parameter di dalam model

regresi untuk kondisi yang sebenarnya ( true condition),sama halnya

dengan statistik 

mean (rata-rata) pada konsep statistika dasar. Hanya saja,koefisien-

koefisien untuk model regresi merupakan suatu nilai rata-rata

yangberpeluang terjadi pada variabel Y (variabel terikat) bila suatu nilai X

(variabel bebas)diberikan. 

Koefisien regresi dapat dibedakan menjadi 2 macam, yaitu:1.

Intersep (

intercept )Intersep, definisi secara metematis adalah suatu titik

perpotongan antara suatu garis dengan sumbu Y pada diagram/sumbu

kartesius saat nilai X = 0. Sedangkan definisisecara statistika adalah nilai

rata-rata pada variabel Y apabila nilai pada variabel Xbernilai 0. Dengan

kata lain, apabila X tidak memberikan kontribusi, maka secara rata-rata,

variabel Y akan bernilai sebesar intersep. Perlu diingat, intersep hanyalah

suatukonstanta yang memungkinkan munculnya koefisien lain di dalam

model regresi.Intersep tidak selalu dapat atau perlu untuk

diinterpretasikan. Apabila data pengamatanpada variabel X tidak

mencakup nilai 0 atau mendekati 0, maka intersep tidak memilikimakna

yang berarti, sehingga tidak perlu diinterpretasikan.RegresiLinierRegresi

Linier digunakan untuk menentukan fungsi linier yang paling sesuai

dengankumpulan titik data (xn,yn) yang diketahui.Untuk mendapatkan

fungsi linier y=mx+c

,Dicari nilai m dan c

Contoh Penyelesaian Regresi EksponensialCarilah persamaan kurva

eksponensial jika diketahui data Untuk x dan ysebagai berikut:

 

Regresi EksponensialRegresi Eksponensial digunakan untuk menentukan

fungsi Eksponensial yang paling sesuai dengan kumpulan Titik data (xn,yn) yang

diketahui. RegresiEksponensial merupakan pengembangan dari regresi linier

dengan memanfaatkan fungsi logaritmik