Pengertian Regresi Pada Metode Penelitian

Pengertian Regresi Pada Metode Penelitian

Pengertian Regresi Pada Metode Penelitian

Pengertian Regresi Pada Metode Penelitian
Pengertian Regresi Pada Metode Penelitian

Regresi

Istilah regresi pertama kali digunakan oleh Francis Galton pada tahun 1887 ketika mengadakan penelitian tentang hubungan antara tinggi orang tua dengan tinggi anaknya, dan sampai pada kesimpulan bahwa rata-rata tinggi anak yang berasal dari orang tua yang tinggi lebih rendah dibanding rata-rata tinggi orang tuanya, sedangkan anak-anak yang berasal dari orang tua yang rendah, tinggi rata-ratanya lebih tinggi dari tinggi orang tuanya, dengan demikian terjadi regress (kemunduran) atau tendensi terjadinya penurunan. Selanjutnya istilah Regression digunakan untuk menggambarkan garis yang menunjukan arah hubungan antar variabel, serta dipergunakan untuk melakukan prediksi, selain istilah tersebut, di kalangan akhli Statistik ada juga yang menggunakan istilah estimating line atau garis taksiran sebagai padanan istilah Regresi.

Tujuan Regresi

Sutrisno Hadi dalam bukunya Analisis Regresi menyatakan bahwa analisis regresi bertujuan untuk :

1. Memeriksa apakah garis regresi tersebut bakal efisien dipakai sebagai dasar

2. Menghitung persamaan garis regresi

3. Untuk mengetahui sumbangan relatif dan sumbangan efektif bila prodiktornya lebih dari satu variabel.

Adapun regresi yang terdiri dari:

1. Satu variabel bebas (predictor)

regresi yang variabel bebasnya lebih dari satu disebut regresi jamak (Multiple regression/multivariate regression), yang dapat terdiri dari dua prediktor (regresi ganda) maupun lebih. Dalam persamaan regresi variabel bebas (predictor) biasanya dilambangkan dengan X, dan variabel terikat dilambangkan dengan Y, dalam penulisan persamaan Y perlu diberi topi (Y cap) untuk menunjukan Y yang diprediksi berdasarkan persamaan (Regression equation).

2. Satu variabel terikat (Response/Criterion)

disebut regresi linier sederhana (bivariate regression),  Adapun bentuk persamaannya adalah :

  • Ŷ = a + b X (Regresi linier sederhana)
  • Ŷ = a + b1X1 + b2X2 (Regresi linier Ganda/dua prediktor)
  • Ŷ = a + b1X1 + b2X2 + b3X3 (Regresi linier tiga prediktor)

a adalah koefisien konstanta dari persamaan, yang berarti nilai Y pada saat nilai b = nol, dan pada saat ini garis regresi akan memotong garis Y, sehingga a juga biasa disebut intercept. Sementara itu b adalah koefisien regresi atau koefisien arah dari persamaan regresi, yang menunjukan besarnya penambahan Y apabila niai X bertambah sebesar satu.

Baca juga: