1

BAB I
PENDAHULUAN
A. Latar Belakang
Di dalam analisa ekonomi dan bisnis maupun dalam bidang analisa
kesehatan, dalam mengolah data sering digunakan analisis regresi dan korelasi.
Analisis regresi dan korelasi telah dikembangkan untuk mempelajari pola dan
mengukur hubungan statistik antara dua atau lebih variabel (Alhusin, 2003).
Namun, karena makalah ini hanya membahas tentang regresi linear sederhana,
maka hanya dua variabel yang digunakan. Sedangkan sebaliknya jika lebih dari
dua variabel yang terlibat maka disebut regresi dan korelasi berganda . Analisa
ini akan memberikan hasil apakah antara variabel-variabel yang sedang diteliti
atau sedang dianalisis terdapat hubungan, baik saling berhubungan, saling
mempengaruhi dan seberapa besar tingkat hubungannya. Pada dasarnya
analisis ini menganalisis hubungan dua varibel dimana membutuhkan dua
kelompok hasil observasi atau pengukuran sebanyak n (data) (Muhson, 2013).
Regresi linear sederhana mengestimasi besarnya koefisien-koefisien
yang dihasilkan dari persamaan yang bersifat linear, yang melibatkan satu
variabel bebas, untuk digunakan sebagai alat prediksi besarnya nilai variabel
tergantung. Sebagai contoh, kita dapat memprediksi penjualan total obat-
obatan dalam satu tahun dengan menggunakan variabel-variabel bebas, seperti
iklan, promosi, direct selling dan lain sebagainya (Sarwono, 2006).
Pembahasan kali khusus dibatasi pada regresi linear dengan menggunakan
jenis regresi sederhana.
B. Rumusan Masalah
1. Bagaimana konsep analisis regresi?
2. Bagaimana konsep analisis regresi sederhana?
C. Tujuan
1. Untuk mengetahui konsep analisis regresi
2. Untuk mengetahui konsep analisis regresi sederhana

BAB II
PEMBAHASAN
 2

A. Analisis Regresi
1. Defenisi
Analisis regresi adalah salah satu jenis analisis parametrik yang
dapat memberikan dasar untuk memprediksi serta menganalisis varian. Sir
Francis Galton (1822-1911) adalah orang yang pertama kali
memperkenalkan regresi pada tahun 1877 sehubungan dengan
penelitiannya terhadap tinggi badan manusia. Subjek penelitian tersebut
adalah anak laki-laki dan ayahnya, yang masing-masing diukur tinggi
badannya (Budi, 2007).
2. Tujuan
Tujuan analisis regresi secara umum adalah (Budi, 2007):
a. Menentukan persamaan garis regresi berdasarkan nilai konstanta dan
koefisien regresi yang dihasilkan
b. Mencari korelasi bersama-sama antara variabel bebas dengan variabel
terikat (nilai R)
c. Menguji signifikansi pengaruh variabel bebas terhadap variable terikat
melalui uji F
Perubahan nilai-nilai suatu variabel pada analisis regresi dapat
diprediksi dari variabel lain apabila antara variabel yang diprediksi atau
variabel terikat dan variabel yang digunakan untuk memprediksi, yang
biasa dikenal sebagai variabel bebas, terdapat korelasi yang signifikan
(Budi, 2007).
Korelasi antara variabel bebas dengan variabel terikat dapat
digambarkan dalam suatu garis yang disebut garis regresi. Garis regresi
dapat membentuk garis lurus (linier) maupun garis yang melengkung.
sehubungan dengan kemungkinan bentuk garis hasil analisis regresi ini,
dapat dikenali adanya regresi linear dan regresi non linear (Budi, 2007).
Regresi linear mengestimasi besarnya koefisien-koefisien yang
dihasilkan dari persamaan yang bersifat linear, yang melibatkan satu
variabel bebas untuk digunakan sebagai alat prediksi besarnya nilai
variabel tergantung. Sebagai contoh, kita dapat memprediksi penjualan
total obat-obatan dalam satu tahun dengan menggunakan variabel-variabel
bebas, seperti iklan, promosi, direct selling dan lain sebagainya (Sarwono,
 3

2006). Pembahasan kali khusus dibatasi pada regresi linear dengan

menggunakan jenis regresi sederhana.
B. Regresi Sederhana
1. Defenisi
Regresi sederhana adalah analisis regresi dengan menggunakan
hanya satu variabel bebas (Budi, 2007). Analisis regresi sederhana adalah
sebuah pendekatan yang digunakan untuk mendefinisikan hubungan linier
antara satu variabel prediktor (independent, X) dan satu variabel respon
(dependent, Y) (Denny, 2012).
Hasil dari analisis korelasi hanya untuk mengetahui seberapa besar
tingkat keeratan/kekuatan hubungan linear antara variabel saja, sedangkan
analisis yang digunakan untuk mengetahui kuatnya hubungan hubungan
linear sebesar berapa (pengaruh) antara variabel adalah analisis regresi
(Denny, 2012).
2. Manfaat
Salah satu kegunaan dari regresi adalah untuk memprediksi atau
meramalkan nilai suatu variabel, misalnya kita dapat meramalkan penyakit
masa depan pada tingkat lingkungan tertentu. Selain itu, analisis regresi
sederhana juga digunakan untuk mengetahui apakah variabel-variabel
yang sedang diteliti saling berhubungan. Dimana keadaan satu variabel
membutuhkan adanya variabel yang lain dan sejauh mana pengaruhnya,
serta dapat mengestimasi tentang nilai suatu variabel. Hal ini dapat
digunakan untuk mengetahui kondisi ideal suatu variabel jika variabel lain
diketahui (Muhson, 2013).
Tujuan analisis regresi sederhana adalah memperkirakan atau
menaksir besarnya efek kuantitatif dari suatu kejadian terhadap kejadian
lain. Misal: sebuah perusahaan menambah biaya iklan/ advertising untuk
meningkatkan penjualan produknya; peningkatan pendapatan seseorang
akan mengakibatkan peningkatan konsumsi; pemerintah menggalakkan
ekspor dan investasi untuk meningkatkan Produk Domestik Bruto (PDB);
pengurangan impor beras diharapkan dapat meningkatkan harga beras
dalam negeri; Kemenkes menggalakkan upaya promotif untuk menekan
angka kejadian penyakit di masyarakat; Memaksimalkan kerja pelayanan
 4

kesehatan primer untuk menekan terjadinya menumpuknya pasien di

pelayanan tersier; dan sebagainya (Sulaiman, 2004).
Taksiran/prakiraan mengenai kejadian yang mungkin terjadi pada
masa mendatang semacam ini, sangat berguna bagi perencanaan maupun
penentu kebijakan. Prediksi jumlah produksi padi dan jumlah penduduk,
akan berguna dalam perencanaan impor beras. Prakiraan jumlah produksi
Bahan Bakar Minyak (BBM) dapat digunakan sebagai landasan rencana
ekspor/impor BBM. Konsumsi kebutuhan listrik dapat diprediksi dari
jumlah produksi listrik dan jumlah rumah tangga. Prediksi penjualan
produk dapat dipakai sebagai dasar perencanaan produksi. Demikian juga
dalam bidang kesehatan, prediksi meningkatnya jumlah pasien di RS dapat
dipakai sebagai dasar perencanaan produksi obat-obatan, alat-alat
kesehatan, maupun tenaga kesehatan (Sulaiman, 2004).
3. Analisis Regresi Sederhana
Jika anda menghadapi persoalan yang berkaitan dengan variabel
berpasangan (2 variabel), maka anda dapat menyelesaikannya dengan
analisis regresi sederhana. Pada analisis ini, anda menggunakan 2
kelompok data. Ilustrasinya dapat dilihat pada gambar di bawah ini
(Sulaiman, 2004):

Yi Xi

Y1 X1

Y2 X2

Y3 X3

. .

.
Gambar 1. Himpunan .
Data Analisis Regresi Sederhana
Prinsip analisis regresi sederhana adalah menguji variabel tak bebas
Yn Xn
(dependent variable) dalam kelompok Yi dengan sebuah variabel bebas
(independent variable) yang terdapat pada kelompok Xi. Model
matematisnya ditulis sebagai berikut (Sulaiman, 2004)., (Muhson, 2013):
 5

a. Rumusan regresi linear sederhana

Y= A + BX
dengan: Y= Variabel tak bebas (dependent variable)
X= Variabel bebas (independent variable)
A= Titik potong (intercept)/konstanta
B= Koefisien regresi (slope)
Jika dua variabel x dan y mempunyai hubungan (korelasi), maka
perubahan nilai variabel yang satu (x) akan mempengaruhi nilai variabel
yang lain (y). apabila model atau fungsi sudah diketahui, misalnya:
y= a + bx, dengan x adalah variabel yang sudah diketahui, maka nilai
variabel y dapat dihitung/diperkirakan (Sulaiman, 2004).
Untuk membuat prediksi (forecasting) y terhadap nilai x, maka x
dan y harus mempunyai hubungan yang kuat. Kuat atau lemahnya
hubungan x terhadap y diukur dengan suatu nilai yang disebut nilai
korelasi, sedangkan besarnya pengaruh x terhadap y diukur dengan
koefisien regresi (Sulaiman, 2004).

b. Koefisien korelasi
Untuk mencari koefisien korelasi dapat digunakan rumusan
koefisien korelasi Pearson yaitu (Muhson, 2013):
 6

c. Koefisien determinasi
Koefisien determinasi dilambangkan r2, merupakan kuadrat dari
koefiseien korelasi. Koefisien ini dapat digunakan untuk menganalisis
apakah variabel yang diduga atau diramal (Y) dipengaruhi oleh variabel
(X) atau seberapa variabel independen (bebas) mempengaruhi variabel
dependen (tak bebas) (Muhson, 2013).
d. Prosedur analisis regresi linier (menggunakan spss)
Prosedur analisis regresi dipakai untuk memprediksi model regresi.
Ada 5 metode yang digunakan, yaitu: enter, stepwise, remove, backward,
dan forward. Dengan prosedur ini kita dapat mengetahui titik-titik data
mana saja yang berpengaruh, outlier-outlier, pelanggaran asumsi model
regresi, dan sebagainya (Sulaiman, 2004).
Tahapan prosedur analisis regresi diuraikan sebagai berikut
Sulaiman, 2004):
1) Klik menu analyze
2) Sorot sub menu regression
3) Klik linear…, sehingga tampil kotak dialog linear regression
4) Masukkan variabel-variabel uji (variabel yang akan dianalisis) ke dalam
kotak dependent dan independent (s).
5) Untuk membentuk model regresi, anda dapat menggunakan beberapa
metode. Caranya: klik tombol pana kecil pada kotak method. Adapun
metode-metode yang dapat anda pakai adalah:
Enter: memasukkan/memilih semua variabel independen dalam
persamaan regresi
Stepwise: merupakan gabungan dari metode backward dan forward.
Metode ini akan memilih dan mengeluarkan variabel independen dalam
persamaan berdasarkan nilai signifikansi yang terletak pada options.
 7

Remove: metode ini digunakan untuk mengeluarkan variabel

independen dalam persamaan regresi.
Backward: metode ini digunakan untuk mengeluarkan satu per satu
variabel independen dalam persamaan regresi.
Forward: metode ini digunakan untuk memasukkan satu per
satuvariabel independen dalam persamaan regresi.

4. Contoh Kasus dan Penyelesaian SPSS

Seorang peneliti ingin mengetahui pengaruh dari tinggi badan terhadap
berat badan. Untuk kebutuhan penelitian tersebut diambil sampel secara
acak sebanyak 10 orang untuk diteliti. Hasil pengumpulan data diketahui
sbb:

Tinggi Badan (cm) Berat Badan (Kg)

158 45

160 47

159 45

160 45

165 60

156 43

151 44

150 52

155 45

161 65

a. Pilih analyze, lalu pilih regressio. Pilih linear

b. Klik kiri linear
 8

c. Klik ……, lalu klik kiri tanda panah kecil untuk memasukkannya ke
kotak di bawah independent
d. Klik……., lalu klik kiri tanda panah kecil untuk memasukkannya ke
kotak dependent
e. Case label (abaikan) karena tidak ada variabel lain
f. Method. Biarkan default pada metode Enter untuk keseragaman.
g. Klik Options.
h. Stepping Method Criteria. Dengan uji F telah terpilih angka
probabilitas 5% yang terketik .05 pada kotak depan Entry.
i. Include constant in equation telah terpilih.
j. Missing Value. biarkan sesuai default SPSS, yaitu Exlude case
listwise.
k. Klik continue untuk melanjutkan ke kotak dialog utama.
l. Klik Statistic.
m. biarkan saja Estimates dan Model fit yang tleah terpilih secara
default.
n. Selanjutnya, klik Descriptive. Pada Residuals, klik Casewise
diagnostics dn klik All Cases.
o. Klik Continue untuk melanjutkan.
p. Klik Plots.
q. Kli SDRESID, masukkan kepilihan Y. selanjutnya klik ZPRED,
masukkan ke pilihan X, lalu klik Next untuk melanjutkan ke pilihan
kedua.
r. Masukkan ZPRED ke pilihan Y, lalu masukkan DEPENDENT
kepilihan X. klik Next.
s. Klik kotak di depan Normal Probability Plot pada pilihan
Standardizez residual plot.
t. Klik Continue lalu OK.

BAB III
PENUTUP
A. Kesimpulan
Regresi sederhana adalah analisis regresi dengan menggunakan hanya
satu variabel bebas (Budi, 2007). Analisis regresi sederhana adalah sebuah
pendekatan yang digunakan untuk mendefinisikan hubungan linier antara satu
 9

variabel prediktor (independent, X) dan satu variabel respon (dependent, Y)

(Denny, 2012). Hasil dari analisis korelasi hanya untuk mengetahui seberapa
besar tingkat keeratan/kekuatan hubungan linear antara variabel saja,
sedangkan analisis yang digunakan untuk mengetahui kuatnya hubungan
hubungan linear sebesar berapa (pengaruh) antara variabel adalah analisis
regresi (Denny, 2012).
B. Saran
Untuk mahasiswa kesehatan, perlu untuk mengkaji lebih tentang
regresi sederhana, karena metode ini banyak diterapkan dalam riset-riset yang
terkait dengan dunia keperawatan. Salah satu manfaat dari metode regresi
sederhana ini adalah untuk memprediksi/ menaksir variabel tertentu.

DAFTAR PUSTAKA

Alhusin, Syahri. 2003. Aplikasi Statistik Praktis dengan SPSS.10 for Windows.
Yogyakarta: Graha Ilmu.
Budi, Triton Prawira. 2007. SPSS 13.0 Terapan Riset Statistik Parametrik.
Yogyakarta: Andi Offset.
Denny. 2012. Analisis Regresi Sederhana. Available on
http://www.statsdata.my.id/2012/06/analisis-regresi-sederhana.html
diakses tanggal 29 Desember 2016.
 10

Muhson, Ali. 2013. Modul Praktikum Materi Regresi Sederhana. Available on

http://ma-dasar.lab.gunadarma.ac.id/wp-content/uploads/2010/01/Modul-
Regresi-Linier-Sederhana.pdf diakses tanggal 29 Desember 2016.
Sarwono, Jonathan. 2006. Analisis Data Penelitian Menggunakan SPSS.
Yogyakarta: Andi Offset.
Sulaiman, Wahid. 2004. Analisis Regresi Menggunakan SPSS: Contoh Kasus dan
Pemecahannya. Yogyakarta: Andi Offset.