Apa Itu Regresi? Ini Pengertian, Rumus, dan Kegunaannya dalam Ilmu Statistik

Ilustrasi analisis regresi. Foto: pixabay

Regresi merupakan perangkat dalam statistik dasar. Pada penggalian data, regresi menjadi salah satu perangkat dasar yang digunakan untuk analisis klasifikasi melalui regresi logistik dan analisis diskriminan.

Dalam beberapa kasus, regresi juga bisa digunakan sebagai prediksi dari data kontinu lewat metode kuadrat terkecil (ordinary least square-OLS) serta metode lainnya. Dalam dunia perkuliahan, materi tentang regresi sering diajarkan dengan bobot 3 SKS atau lebih.

Sementara dalam materi statistika, regresi bisa digunakan untuk berbagai jenis data. Jika data merepresentasikan deret waktu (time series), maka output dari model regresi yang dihasilkan sering digunakan untuk peramalan.

Oleh karena itu, regresi dapat digunakan untuk membuat model prediktif. Agar lebih memahaminya, berikut penjelasan tentang apa itu regresi selengkapnya untuk Anda.

Regresi dalam Materi Statistik

Pada dasarnya, regresi adalah alat utama dalam analisis statistik yang digunakan untuk mencirikan hubungan antara variabel terikat dengan satu atau lebih variabel bebas. Model-model regresi dapat digunakan untuk berbagai keperluan, termasuk menjelaskan suatu hubungan dan memprediksinya.

Ilustrasi statistika. Foto: pixabay

Mengutip buku Analisis Regresi dengan Ms Excel 2007 karya Nawari (2010) analisis regresi berfungsi untuk menginvestigasi tentang hubungan fungsional antara beberapa variabel. Hubungan tersebut dapat diwujudkan dalam suatu model matematis.

Pada model regresi, variabel dibedakan menjadi dua bagian, yaitu variabel respons (rensponse) atau variabel bergantung (dependent variable) dan variabel explanory atau variabel penduga (predictor variable).

Variabel bergantung dinyatakan sebagai fungsi dari variabel penduga yang dirumuskan dalam persamaan sebagai berikut:

yx = f (x1, x2, ...xt)

Nilai yx menyatakan dugaan terhadap variabel bergantung (y) dan x1 menyatakan variabel penduga. Dalam kenyataannya, nilai dugaan (yx) yang diberikan oleh model regresi tidak selalu sama persis dengan nilai sebenarnya (y), melainkan terdapat selisih.

Selisih inilah yang kemudian disebut sebagai error atau residu. Dalam ilmu statistika, selisih disebut juga sebagai galat (E). Oleh karenanya, model persamaan regresi dapat dituliskan dengan rumus sebagai berikut:

Y₁ = f (X1, X2, X) + E1

Berdasarkan rumus tersebut, dapat disimpulkan bahwa secara matematis model regresi yang baik adalah model yang mampu membangun nilai yx sedemikian rupa. Sehingga, regresi tersebut mendekati nilai y dan E mendekati nol.

Ilustrasi statistika. Foto: pixabay

Analisis regresi digunakan hampir pada semua bidang kehidupan, baik dalam bidang pertanian, ekonomi, keuangan, industri, ketenagakerjaan, sejarah, pemerintahan, ilmu lingkungan, dan lain-lain. Masing-masing bidang memiliki implementasi yang berbeda.

Mengutip buku Analisis Regresi dan Korelasi susunan Dewi Sri Susanti, dkk., kegunaan analisis regresi di antaranya untuk mengetahui variabel-variabel kunci yang memiliki pengaruh terhadap suatu variabel bergantung, pemodelan, serta pendugaan (estimation) atau peramalan (forecasting).

Adapun tahap-tahap dalam melakukan analisis regresi meliputi perumusan permasalahan, penyeleksian variabel pontensial yang relevan, pengumpulan data, spesifikasi model, pemilihan metode yang tepat, model fitting, validasi model dan penerapan model terpilih untuk penyelesaian permasalahan.

(MSD)

Baca juga: Pengertian dan Rumus Simpangan Rata-Rata beserta Contoh Penerapannya

Frequently Asked Question Section

Apa yang dimaksud dengan regresi?

Regresi merupakan perangkat dalam statistik dasar.

Apa fungsi analisis regresi?

Analisis regresi berfungsi untuk menginvestigasi tentang hubungan fungsional antara beberapa variabel.

Apa rumus persamaan regresi?

yx = f (x1, x2, ...xt)