Sebenarnya tidak terlalu penting untuk mengenal istilah regresi secara mendalam. Akan tetapi, artikel ini semata-mata untuk pengetahuan umum, sekaligus sebagai penghargaan kepada para ahli yang telah merumuskan regresi sehingga menjadi salah satu alat statistik yang sering digunakan dalam penelitian.
Gujarati dalam bukunya, menyatakan bahwa istilah regresi (regression) diperkenalkan oleh Francis Galton. Dalam sebuah makalahnya (paper), Galton menemukan bahwa terdapat kecenderungan bahwa orang tua yang tinggi mempunyai anak yang tinggi dan orang tua yang pendek mempunyai anak yang pendek, rata-rata tinggi anak-anak yang lahir mempunyai kecenderungan untuk bergerak mundur (regress) kepada rata-rata tinggi populasi secara keseluruhan (Francis Galton, “Family Likeness in Stature,” Proceedings of Royal Society, London, vol. 40, 1886, pp. 42–72). Atau dengan kata lain, tinggi anak-anak, baik tinggi maupun pendek, cenderung bergerak mundur kepada rata-rata tinggi populasi.
Hukum universal dari Galton ini kemudian dikonfirmasikan oleh temannya, yaitu Karl Pearson, yang mengumpulkan lebih dari seribu data tentang tinggi keluarga (K. Pearson and A. Lee, “On the Laws of Inheritance,’’ Biometrika, vol. 2, Nov. 1903, pp. 357–462). Pearson menemukan bahwa rata-rata tinggi anak dalam kelompok yang ayahnya tinggi, lebih rendah dari pada tinggi ayahnya, dan rata-rata tinggi anak dalam kelompok yang ayahnya pendek, lebih tinggi dibandingkan tinggi ayahnya. Oleh karena itu, regressing tinggi dan rendah anak menyerupai rata-rata tinggi keseluruhan. Dengan kata lain, Galton menyebutnya regression to mediocrity.
Interpretasi regresi secara modern relatif berbeda. Gujarati (2004:18) menyatakan bahwa:
Regression analysis is concerned with the study of the dependence of one variable, the dependent variable, on one or more other variables, the explanatory variables, with a view to estimating and/or predicting the (population) mean or average value of the former in terms of the known or fixed (in repeated sampling) values of the latter.
Jadi tampak bahwa sebenarnya regresi tidak semata-mata merujuk kepada regresi linear saja. Kita mengenal regresi linear sederhana jika terdapat satu variabel explanatory saja dan regresi linear berganda jika terdapat dua atau lebih variabel explanatory. Masih banyak lagi istilah regresi, misalnya regresi logistik, regresi ordinal, regresi multinomial dan masih banyak lagi.
selamat pagi pak
BalasHapussaya sudah menambahkan variabel 4 n periode selama 3 tahun tapi r squere saya masih 1 .. mohon penjelasannya?
Sampai 1? Mohon dilihat dulu spesifikasi modelnya, pahami bahwa regresi adalah statistik, bukan fungsional seperti pada rumus fisika, misalnya. Terima kasih.
Hapus