Regresi Adalah Metode Analisis, Ini Jenis dan Rumus Hitungannya

Regresi adalah metode sederhana untuk memperkirakan hubungan antara variabel terikat dan variabel independen. Tujuan utama analisis regresi untuk menyelesaikan suatu permasalahan. Regresi biasanya dipakai dalam statistika.

Sebelum memahami regresi, terlebih dahulu analisis perumusan permasalahan. Rumusan masalah makalah ini membantu menentukan ketepatan ketika tahap analisis. Contohnya saja menentukan variabel yang relevan, pengumpulan data, dan pemilihan metode analisis.

Pengertian Regresi

Mengutip buku "Tutorial PHP Machine Learning" karya Kurnia Sandi, regresi adalah metode analisis cabang dari statistika. Regresi dipakai untuk mengamati pengaruh antara dua variabel atau lebih. Hubungan variabel ini diwujudkan dalam model matematis.

Regresi adalah perangkat statistik dasar untuk analisis. Pembelajaran regresi dasar diajarkan pada mata kuliah dengan bobot 3 SKS atau lebih. Penggunaan regresi dipakai untuk berbagai jenis data seperti deret waktu dan model regresi untuk peramalan.

Selain itu regresi digunakan untuk menemukan hubungan antara variabel terikat dan variabel bebas. Model regresi ini juga dipakai berbagai keperluan, seperti menjelaskan hubungan dan memprediksi.

Analisis regresi dipakai dalam berbagai bidang seperti pertanian, ekonomi, keuangan, industri, ilmu lingkungan, dan lainnya. Manfaat analisis regresi untuk mengetahui variabel tergantung, pemodelan, pendugaan, dan peramalan.

Jenis Regresi

1. Regresi Linier Berganda

Metode regresi linear berganda adalah alat statistik yang dipakai untuk mengetahui pengaruh antar variabel. Manfaat regresi linear berganda ini untuk analisis regresi lebih akurat. Penggunaan analisis regresi berganda dapat memprediksi variabel terikat dan nilai variabel bebas lebih akurat.

Tujuan regresi linear berganda ini untuk memprediksi nilai rata-rata variabel dependen (variabel Y), berdasarkan nilai variabel independen (Variabel X) yang diketahui. Hasil analisis yaitu koefisien masing-masing variabel independen.

Regresi linear berganda disebut juga analisis variabel bebas lebih dari satu. Contoh regresi berganda yaitu X1, X2, X3,... Xn menjadi variabel bebas (independen). Sedangkan variabel Y adalah variabel terikat (dependen).

Persamaan model regresi linear berganda yaitu:

Y = α+ β1X1 + β2X2 + BkXk +e

Keterangan:

Y = Variabel terikat atau response
X = Variabel bebas atau predictor
α = Konstanta
β = Slope atau Koefisien estimate
e = kesalahan pengganggu (disturbance term), artinya nilai variabel lain yang tidak dimasukkan ke dalam persamaan. Nilai ini biasanya diabaikan dalam perhitungan.

2. Regresi Linier Sederhana

Regresi linier sederhana dipakai untuk menentukan suatu persamaan garis atau kurva. Caranya meminimalkan penyimpangan atau deviasi, antara data pengamatan dan nilai dugaan.

Rumus regresi linear sederhana sebagai berikut:

Y = a + bX

Keterangan:

Y = Variabel dependen (variabel terikat)

X = Variabel independent (variabel bebas)

a = Konstanta (nilai dari Y apabila X = 0)

b = Koefisien regresi (pengaruh positif atau negatif)

Mengutip dari binus.ac.id, analisis regresi sederhana untuk memahami variabel bebas yang berhubungan dengan variabel terikat. Tujuan analisis regresi adalah mengetahui pola dan besaran perubahan antara variabel X dengan variabel Y.

Kedua variabel ini untuk mengetahui sifat hubungan sebab akibat berdasarkan teori dari penelitian sebelumnya. Data pada regresi sederhana biasanya memiliki skala interval atau rasio.