#Analisis Regresi Analisis regresi merupakan suatu analisis statistika yang digunakan untuk menjelaskan hubungan suatu variabel respons (dependent), sering dilambangkan dengan Y, dengan menggunakan satu atau lebih variabel penjelas (explanatory variable atau variabel independen). Apabila hanya terdapat satu variabel penjelas maka disebut regresi linier sederhana (simple regression) sedangkan bila menggunakan dua atau lebih variabel penjelas maka disebut regresi linier berganda (multiple regression). Dalam pembahasan kali ini hanya menggunakan satu variabel respons atau dependen. Dalam analisis regresi linier diukur besarnya pengaruh variabel bebas terhadap variabel respons. Secara umum langkah-langkah analisis regresi adalah sebagai berikut:

Menentukan variabel dependen dan variabel independen dalam model (dengan kata lain menentukan dahulu variabel mana yang mempengaruhi variabel mana, hal ini dapat berdasarkan teori-teori yang sudah ada). a. Membangun model dan menyeleksi variabel independent yang signifikan dalam model. b. Melakuan cek diagnostik atau uji asumsi model. c. Melakukan transformasi terhadap variabel respons dan/atau variabel independen bila diperlukan. Dalam membangun model regresi linier, metode estimasi yang digunakan adalah dengan metode estimasi kuadrat terkecil (ordinary least square), yaitu dengan meminimumkan jumlah kuadrat residual. Terdapat asumsi yang harus diuji dalam membangun model regresi linier tersebut. Asumsi model tersebut sering juga disebut sebagai asumsi klasik yang terdiri atas uji normalitas residual, uji asumsi variasi galat yang bersifat konstan (homoskedastisitas), uji asumsi tidak adanya serial korelasi dari galat (autokorelasi), dan uji multikolinieritas antarvariabel independen. Uji Normalitas dapat menggunakan Q-Q plot (namun lebih bersifat subjektif), Shapiro Wilk Test, Uji Jarque Bera, atau juga Uji Kolmogorov-Smirnov. Uji Homoskedastisitas dapat menggunakan Uji White atau Uji Breusch-Pagan. Uji Autokorelasi dapat menggunakan Uji Durbin Watson, Uji Breusch Godfrey Lagrange Multiplier, atau juga Uji Portmanteau Q-Ljung-Box. Uji Multikolinieritas denga menggunakan Variance Inflation Factor (VIF) dengan standar VIF yang diizinkan tidak adanya multikolinieritas umumnya adalah VIF<10.

Dalam software R pembentukan model regresi linier maka data yang akan digunakan harus diimpor dahulu dengan menggunakan perintah read.table(),

#Uji Asumsi Klasik ##Uji Normalitas Untuk uji normalitas dengan qq-plot maka harus menggunakan residual model dimana residual didapat dari perintah >residual1=resid(model1) selanjutnya membuat qq-plot dengan >library(car) lalu >qq.plot(residual1, dist=”norm”, main=”Normal QQ Plot”). Sedangkan dengan menggunakan uji Shapiro-Wilks dapat menggunakan perintah >library(stats) lalu >shapiro.test(residual1) dan uji Jarque-Bera dengan menggunakan perintah >library(tseries) lalu >jarque.bera.test(residual1). ##Uji homoskedas Uji homoskedas dengan menggunakan uji Breusch Pagan dengan perintah berikut >library(lmtest) lalu >bptest(model1, studentize=F, data=latihan). ##Uji autokorelasi Uji autokerelasi dengan uji Durbin-Watson dapat menggunakan perintah >library(lmtest) lalu >dwtest(model1) ##Uji multikolinieritas Uji multikoliniearitas dengan menggunakan perintah >library(car) lalu >vif(model1)