REGRESI BERGANDAAGUS TRI BASUKI, M.Sc.

PENGERTIAN REGRESI

• Dalam statistik, regresi linier adalah pendekatan linier untuk memodelkan hubungan antara respons skalardengan satu atau lebih variabel penjelas. Kasus satuvariabel penjelas disebut regresi linier sederhana. Untuk lebihdari satu variabel penjelas disebut regresi linier berganda.

• Regresi linier berganda adalah bentuk paling umum darianalisis regresi linier. Sebagai analisis prediktif, regresilinier berganda digunakan untuk menjelaskan hubunganantara satu variabel dependen kontinu dan dua atau lebihvariabel independen. Variabel independen dapat kontinu ataukategori (dummy diberi kode yang sesuai).

ASUMSI DALAM REGRESI

1. Residu regresi harus didistribusikan secaranormal.

2. Hubungan linear diasumsikan antara variabeldependen dan variabel independen.

3. Residualnya adalah homoscedastik dan kira-kiraberbentuk persegi panjang.

4. Tidak adanya multikolinieritas diasumsikan dalammodel, yang berarti bahwa variabel independentidak terlalu berkorelasi tinggi.

MANFAAT REGRESI DALAM PENELITIAN

• Pertama, ini dapat digunakan untuk mengidentifikasikekuatan efek yang dimiliki variabel independen terhadapvariabel dependen.

• Kedua, dapat digunakan untuk memperkirakan efek ataudampak perubahan. Yaitu, analisis regresi linier bergandamembantu kita untuk memahami seberapa besar variabeldependen akan berubah ketika kita mengubah variabelindependen.

• Ketiga, analisis regresi linier berganda memprediksi tren dannilai-nilai masa depan. Analisis regresi linier berganda dapatdigunakan untuk mendapatkan estimasi titik.

PERSAMAAN REGRESI

GDP = β0 + β1 GFCF + β2 TR + β3 TRADE + β4 AK+ β5 IVA +

ε

atau

LOG(GDP) = β + β1LOG(GFCF) + β2LOG(TR) + β3LOG(TRADE) +

β4LOG(AK) + β5LOG(IVA) + ε

GDP Gross Domestic Product

GFCF Gross fixed capital formation

TR Penerimaan Pajak

TRADE Nilai Perdagangan

AK Angkatan Kerja

IVA Nilai Tambah Industri

TAHAPAN REGRESI BERGANDA

Ya

Tidak

Studi Kepustakaan

(Teori dan Studi Terdahulu)

Identifikasi Variabel Penelitian dan

Pembentukan Model

Pembuatan Hipotesis

Pengolahan Data

Uji Spesifikasi Model dan Uji Asumsi

Klasik

Proses Pengumpulan Data

Estimasi Model dan

Pengujian Hipotesis

Kesimpulan dan Rekomendasi

Revisi

Memenuhi

ASUMSI KLASIK DALAM REGRESI

• Uji asumsi klasik yang digunakan dalam regresi

linier dengan pendekatan Ordinary Least Squared

(OLS) meliputi uji Linieritas, uji Normalitas. Uji

Autokorelasi, uji Heteroskedastisitas, dan uji

Multikolinieritas Walaupun demikian, tidak semua

uji asumsi klasik harus dilakukan pada setiap model

regresi linier dengan pendekatan OLS.

1. Uji linieritas hampir tidak dilakukan pada setiap model regresi

linier. Karena sudah diasumsikan bahwa model bersifat linier.

Kalaupun harus dilakukan semata-mata untuk melihat sejauh

mana tingkat linieritasnya.

2. Uji normalitas pada dasarnya tidak merupakan syarat BLUE

(Best Linier Unbias Estimator) dan beberapa pendapat tidak

mengharuskan syarat ini sebagai sesuatu yang wajib dipenuhi.

3. Autokorelasi hanya terjadi pada data time series. Pengujian

autokorelasi pada data yang tidak bersifat time series (cross

section atau panel) akan sia-sia semata atau tidaklah berarti.

4. Multikolinieritas perlu dilakukan pada saat regresi linier

menggunakan lebih dari satu variabel bebas. Jika variabel

bebas hanya satu, maka tidak mungkin terjadi multikolinieritas.

5. Heteroskedastisitas biasanya terjadi pada data cross section,

dimana data panel lebih dekat ke ciri data cross section

dibandingkan time series.

TERIMA KASIH