Ajaib.co.id – Mendengar analisis regresi nampaknya masih asing bagi sebagian orang. Terutama yang tidak bergerak di bidang statistik atau ekonomi. Namun, penerapan dari metode analisis regresi ini bisa pada hal-hal sederhana di kehidupan kamu. Bisa juga berkaitan dengan pekerjaan atau bisnis yang tengah kamu rintis.
Sebenarnya apa itu analisis regresi? Secara definisi, analisis regresi itu adalah cara atau metode yang digunakan untuk mengembangkan sebuah model atau persamaan yang menjelaskan hubungan dari beberapa variabel. Paling sedikit biasanya antara dua variabel. Adapun output dari analisis regresi ini berupa persamaan regresi.
Sederhananya analisis regresi ini mempelajari bentuk hubungan antara satu atau lebih variabel atau peubah bebas (X) dengan satu peubah tak bebas (Y).
Hubungan antara variabel ini pun bersifat fungsional yang dapat dilihat dari suatu model matematis. Variabel dalam analisis regresi dibagi menjadi dua, yakni, variabel respons (response variable) biasa dikenal juga dengan variabel bergantung (dependent variable) serta ada variabel bebas atau biasa disebut (independent variable).
Sementara itu, analisis regresi terbagi menjadi beberapa jenis. Di antaranya, regresi sederhana terdiri dari linier sederhana dan non linier sederhana dan regresi berganda berupa linier berganda atau non linier berganda.
Manfaat Analisis Regresi
Walau terdengar rumit, analisis regresi ini memiliki banyak sekali manfaat di kehidupan sehari-hari. Karena memang analisis ini digunakan oleh hampir semua bidang dalam kehidupan. Misalnya, dalam bidang pemerintahan, ekonomi, industri, ketenagakerjaan, sejarah hingga ilmu lingkungan. Banyak sekali bukan?
Pada dasarnya fungsi utama dari analisis regresi ini guna mengetahui variabel-variabel kunci yang memiliki pengaruh terhadap suatu variabel bergantung. Selain itu, ada fungsi pemodelan, pendugaan atau estimation, hingga peramalan atau forecasting.
Ada pula beberapa fungsi atau manfaat detail lainnya. Di antaranya:
1. Analisis regresi bisa membuat sebuah estimasi rata-rata dan nilai variabel yang tergantung dengan nilai variabel bebas.
2. Analisis regresi mampu untuk menguji sebuah hipotesis karakteristik dependensi.
3. Analisis regresi bisa meramalkan nilai rata-rata variabel bebas yang didasarkan dari nilai variabel bebas di luar jangkauan sampel yang ada.
Berikut Ajaib akan berikan contoh dari penggunaan analisis regresi linear. Misalnya kamu ingin melihat hubungan antara gaji dan pengalaman kerja seorang karyawan. Apabila kamu ingin membuat sebuah model untuk menggambarkan hubungan antara gaji dengan pengalaman kerja maka kamu bisa menentukan kalau gaji adalah variabel dependen dan pengalaman kerja adalah variabel independen.
Oleh karena itu, bentuk persamaan regresi (secara bebas) adalah
Y = a + b . X
Gaji = konstanta + (koefisien regresi) . pengalaman kerja
Berbeda dengan analisis regresi yang non linier. Karena perubahan variabel X tidak diikuti dengan perubahan variabel Y secara proporsional. Kamu bisa melihat penerapan ini pada model kuadratik, di mana perubahan X diikuti oleh kuadrat dari variabel X. Sehingga hubungan seperti ini tidak linier.
Adapun syarat-syarat dari penerapan analisis regresi adalah sebagai berikut:
1. Data yang digunakan harus berskala interval
2. Memiliki hubungan yang signifikan antara variabel bebas dan variabel tergantung
3. Data yang dipakai berasal dari populasi yang berdistribusi normal. Adapun data dapat dikatakan berdistribusi normal apabila:
· Data tersebut memiliki sampel minimal 30 subjek
· Data yang ada telah melalui uji berupa uji normalitas (Kolmogorov Smirnov, Sapirowill, Liliefor)
· Selanjutnya, jika data tersebut signifikansi dari Uji Normalitas tersebut lebih dari 0.05 maka data tersebut dikatakan normal
4. Varian distribusi dari variabel tergantung (dependent variable) harus konstan untuk semua nilai variabel bebas (independent variabel)
5. Hubungan antara kedua variabel harus linier dan semua observasi harus saling bebas
Model Analisis Regresi Linier yang Baik
Kamu juga perlu mengetahui model regresi yang bisa dipakai. Dengan demikian, kamu akan mampu untuk melihat pengaruh terhadap bisnis.
1. Eksogenitas yang lemah
Peratama, sebelum kamu menggunakan analisis regresi, kamu harus memahami bahwa analisis ini mensyaratkan variabel X bersifat fixed atau tetap, sedangkan untuk variabel Y bersifat random atau acak atau bebas. Maksud dari syarat tersebut, satu nilai variabel X akan memprediksi variabel Y. Dengan begitu, ada kemungkinan beberapa variabel Y. Sehingga memang harus ada nilai error atau kesalahan pada variabel Y.
Misalnya, ketika gaji (X) seseorang sebesar Rp3 juta, maka pengeluarannya bisa saja sebesar Rp1,5 ribu, Rp2 juta, Rp2,5 juta, atau seterusnya.
2. Linieritas
Tentunya sudah dijelaskan sebelumnya kalau model analisis regresi bersifat linier. Hal ini berarti kenaikan variabel X harus diikuti secara proporsional oleh kenaikan variabel Y juga. Adapun kalau dalam pengujian linieritas syarat ini tidak terpenuhi, maka kamu dapat melakukan transformasi data atau menggunakan model kuadratik, eksponensial, ataupun model lainnya yang memang sesuai dengan pola hubungan yang non linier ini.
3. Varinas error yang konstan
Sekali lagi model analisis regresi bersifat linier, artinya kenaikan variabel X harus diikuti secara proporsional oleh kenaikan variabel Y. Ini sangat penting jika dalam pengujian linieritas tidak terpenuhi. Maka kamu dapat melakukan transformasi data atau menggunakan model kuadratik, eksponensial atau model lainnya yang sesuai dengan pola hubungan non linier.
4. Autokoreksi untuk data time series
Apabila kamu menggunakan analisis regresi sederhana untuk data time series atau data yang disusun berdasarkan urutan waktu, maka akan ada satu asumsi yang harus dipenuhi. Asumsi tersebut yakni, asumsi autokorelasi.
Asumsi autokoreksi ini melihat pengaruh variabel lag waktu sebelumnya terhadap variabel Y. Seandainya ada gangguan autokorelasi, ini memberikan sinyal adanya pengaruh variabel lag waktu sebelumnya terhadap variabel Y.
Contohnya seperti ini, model kenaikan harga Bahan bakar Minyak (BBM ) terhadap inflasi. Kalau ditemukan autokorelasi, hal ini berarti terdapat pengaruh lag waktu terhadap inflasi tersebut. Artinya, inflasi yang terjadi pada hari ini atau bulan ini bukan dipengaruhi oleh kenaikan BBM pada hari ini. Melainkan ada faktor lain, berupa dipengaruhi oleh kenaikan BBM sebelumnya. Bisa pada satu hari sebelumnya atau inflasi yang terjadi satu bulan sebelumnya.