Statistik Regresi untuk Menganalisis Hubungan 2 Variabel

Dalam menganalisis suatu data, ada banyak cara yang bisa dilakukan untuk menyimpulkan suatu informasi yang sedang dicari atau dibutuhkan. Namun, jika informasi yang dicari terkait dengan hubungan antara satu variabel terikat dengan satu atau lebih variabel bebas, maka jawabannya adalah dua kata: statistik regresi. Memangnya, apa itu statistik regresi dan kenapa metode tersebut harus digunakan?

Apa Itu Analisis Regresi?

Analisis regresi adalah sebuah metode yang dapat digunakan untuk mencari tahu hubungan dari satu variabel terikat dengan satu atau lebih variabel bebas. Variabel terikat adalah hal atau faktor utama yang ingin dipelajari, sedangkan variabel bebas adalah faktor yang diduga memengaruhi variabel terikat. Selain untuk melihat hubungan kedua variabel tersebut, metode ini juga bisa digunakan untuk memprediksi hubungan keduanya dalam jumlah atau waktu yang berbeda.

Contohnya adalah analisis mengenai bagaimana kemampuan memori seseorang dipengaruhi oleh pola makannya. Dalam kasus ini, kemampuan memori menjadi variabel terikat, sedangkan pola makan menjadi variabel bebas dari analisis tersebut. Benar-tidaknya pernyataan tersebut kemudian bisa dibuktikan melalui data statistik yang terkumpul.

Kaitan Analisis Regresi dan Statistik

Statistik adalah metode untuk merencanakan, mengumpulkan, menganalisis, serta menginterpretasikan sekumpulan data. Dalam penyajian suatu statistik, analisis regresi bisa digunakan untuk menyimpulkan bagaimana dua jenis variabel berhubungan dengan satu sama lain. Data statistik regresi kemudian bisa digunakan untuk melihat apakah hipotesis mengenai suatu hal memang benar atau tidak.

Tipe Analisis Regresi

Dalam melakukan analisis regresi, ada beberapa model yang bisa digunakan ,seperti model linear, non-linear, campuran, serta bertahap. Apa pengertian dari masing-masing model tersebut? Berikut ulasannya!

1. Model linear

Pada model linear, hubungan antara variabel terikat dengan variabel bebasnya bergerak setara. Artinya, variabel terikat akan meningkat ataupun menurun bersamaan dengan variabel bebasnya. Misalnya, bagaimana tingkat massa otot seseorang naik bersamaan dengan frekuensi orang tersebut berolahraga.

Pada model grafiknya, linear bukan berarti data statistik harus berupa satu garis lurus yang naik ataupun turun secara stabil. Namun, pola yang terbentuk tetap dapat menunjukkan bahwa terjadi peningkatan atau penurunan konstan yang berkaitan antara variabel satu dengan variabel yang lain.

2. Model non-linear

Berkebalikan dari model linear, model ini tidak menunjukkan peningkatan atau penurunan yang bersifat konstan. Sebuah variabel bebas bisa saja mengalami peningkatan atau penurunan meskipun variabel terikatnya selalu naik atau selalu turun.

3. Model campuran

Model campuran ini digunakan jika pada suatu variabel terikat, ada dua atau lebih variabel bebas yang memengaruhinya. Selain itu, masing-masing variabel bebas juga sebisa mungkin tidak terikat satu sama lain agar hasil analisis menjadi konkret. Dengan model ini, pengaruh tiap variabel bebas terhadap satu variabel terikat diharapkan bisa diukur terpisah.

Contohnya bisa terlihat pada analisis mengenai mengapa seorang siswa berhasil mendapatkan nilai yang sempurna. Faktor yang memengaruhi hal tersebut bisa terbagi seperti frekuensi belajar siswa, tingkat kesehatan mental, serta faktor-faktor lainnya.

4.  Model bertahap

Dengan model ini, seorang analis akan secara bertahap menambahkan variabel bebas terhadap variabel terikat yang menjadi fokus dari sebuah analisis. Jadi, analis akan mencari tahu variabel apa saja yang akan digunakan, kemudian mengukur bagaimana signifikansi dari sebuah variabel bebas terhadap variabel terikatnya.

Semakin tinggi signifikansinya, maka semakin awal variabel tersebut dimasukkan ke dalam proses analisis. Artinya, pada model ini, variabel lainnya bisa dibilang hanya menjadi pelengkap dari data utama.

Salah satu contoh yang sempat terjadi kemarin adalah naiknya harga cabai merah di pasaran. Tentunya ada banyak faktor yang memengaruhi harga sebuah cabai, mulai dari meningkatnya kegagalan panen karena cuaca yang tidak mendukung atau meningkatnya permintaan konsumen. Di sini, analis akan mengambil salah satu faktor yang dianggap paling berpengaruh, yaitu tingkat kegagalan panen, untuk kemudian dilengkapi dengan faktor-faktor lainnya.

Kesimpulan

Jadi, dengan menggunakan statistik regresi, sebuah bisnis dapat mencari tahu bagaimana suatu hal bisa berhubungan satu sama lain. Tak hanya itu, sebuah bisnis juga bisa memprediksi apakah pendapat dari seseorang mengenai langkah bisnis yang harus diambil bisa terbukti secara data atau tidak.

Tentu dibutuhkan pemahaman lebih mendalam tentang statistik regresi jika Anda benar-benar ingin menerapkannya pada bisnis. Untuk itu, Anda bisa bergabung dengan kelas Algoritma Data Science School. Melalui kelas ini, Anda akan mendapat materi mendalam seputar statistik regresi maupun hal-hal lain terkait data science. Tak perlu tunggu lama, segera klik di sini untuk mendaftar kelas Algoritma Data Science School!

Referensi:

• Voxco - Regression model: Definition, Types and examples (Diakses tanggal 27 Juni 2022)
• Alchemer - What is Regression Analysis and Why Should I Use It? (Diakses tanggal 27 Juni 2022)
• Corporatefinanceinstitute - Regression Analysis (Diakses tanggal 27 Juni 2022)