Analisis Regresi
Analisis regresi merupakan satu diantara beberapa teknik yang banyak digunakan untuk menganalisis data multifaktor. Daya tariknya yang luas dan pemanfaatannya adalah hasil proses logika konseptual dari penggunaan persamaan untuk mengekspresikan hubungan antara variabel respon dengan sekelompok variabel prediktor tak berkorealsi. Penggunaan regresi sangat luas dan digunakan hampir di semua bidang ilmu.
Hal tersebut disampaikan Prof. Dr. Sri Haryatmi Kartiko, M.Sc., dalam pidato pengukuhan guru besar UGM pada Fakultas MIPA di Balai Senat UGM, Senin (13/4). Haryatmi, dalam pidato berjudul “Perkembangan dan Peran Analisis Regresi Dalam Riset dan Teknologi”, mengatakan analisis regresi merupakan teknik statistik untuk investigasi dan permodelan hubungan antar variabel. Analisis regrsei ini juga sangat menarik secara teoritis dikarenakan konsep matematis yang elegan dan teori statistika yang sempurna.
Hubungan antar dua variabel dapat dilihat dengan analisis regresi/ menggunakan perhitungan koefisisen korelasi yang menyatakan keeratan hubungan antar keduanya. Dengan menggunakan model regresi dapat dihitung besar perubahan pada satu/ lebih dari satu veriabel yaitu variabel bebas/independen/prediktor dalam kaitannya dengan variabel lain yaitu variabel dependen/ respon. “Sebagai contoh seorang ekonom bisa mengestimasi besar perubahan pengeluaran untuk makan yang dipengaruhi pendapatan keluarga menggunakan regresi,” terang wanita kelahiran Delanggu, 24 Desember 1954 ini.
Disebutkannya koleksi data adalah aspek penting dalam analisis regresi. Hal ini berarti bahwa kualitas data merupakan hal terpenting dalam penentuan ketepatan analisis regresi. Secara garis besar garis besar terdapat tiga metode koleksi data yaitu retrospektif berdasar data historis, observasional dan rancangan percobaan. Haryatmi menuturkan “Ketiga metode tersebut merupakan startegi untuk mendapatkan data yang paling baik karena variabel independen dapat dikontrol sehingga permasalahan kolinearitas dapat dihilangkan”
Dijelaskannya adanya beberapa asumsi seperti sampel dalam analisis regresi harus representatif untuk polulasi guna inferensi predikisi, kesalahan/eror merupakan variabel random dengan mean nol dan variansi satu, dan tidak adanya multikolienaritas memunculkan fakta perolehan estimator parameter dalam model regrsei baik dengan menggunakan metode kuadrat terkecil maupun metode likelihood maksimum memiliki sifat tak bias, konsisten, efisisen dan memiliki variansi minimum yang biasa disebut best linear unbiased estimator (BLUE).
Disampaikan wanita yang meraih Master di University of Wisconsin Madison, USA ini, pesatnya perkembangan analisis regresi mampu mengatasi beragam persoalan yang timbul dalam aplikasi, diantaranya trensformasi dan pembobotan untuk mengatasi/ mengkoreksi ketidaksesuaian model, perlakuan khusus dalam hal adanya observasi influensial, regresi polinomial, bagaimana mengatasi adanya multikolienaritas pada variabel independen, regresi nonlinear dan variabel independen yang berupa waktu perkembangan regresi mengarah ke runtun waktu yang bermanfaat untuk analisis data keuangan, analisis data kedokteran dan bidang ilmu lain.
Dikatakan Haryatmi analisis regresi bisa digunakan untuk memprediksi probabilitas kejadian fitting data untuk kurve logistik, misalnya prediksi resiko kematian pada penyatkit tertentu dalam waktu 10 tahun. Model yang digunakan adalah regresi logistik, dengan variabelnya adalah usia dalam tahun (<50), jenis kelamin, serta tingkat kolesterol dalam darah (mmol/L).
“Dari analisis menggunakan regresi logistik diperoleh kesimpulan bahwa seorang laki-laki dengan usia 50 tahun dan kolesterol 7,0 mmol/L mempunyai resiko kematian pada 10 tahun mendatang karena penyakitnya asdalah 7%/ probabilitas survive 10 tahun lagi adalah 93%” tukas isteri Drs. Kartiko, M.Si., ini.
Diakui ibu dua anak ini, dengan kemajuan teknologi saat ini, para pengguna statistika bisa menikmati hasil jerih payah para statisti, kususnya regresi untuk membantu dalam analisis maupun pengambilan kesimpulan melalui pemanfaatan software statistika seperti SAS, SPSS, Excel, Minitabs, Splus dan lainnya. Aplikasi regresi khususnya statistika pada umumnya memiliki beberapa prinsip dasar yaitu semua pekerjaan dalam suatu sistem mempunyai proses yang saling terkait dengan variasi yang terjadi pada semua proses.“Kesuksesan penggunaan regresi memerlukan dukungan baik dari sisi teori maupun permaslahan sisi aplikasi yang sering muncul pada saat teknik diaplikasikan pada data real”, jelas staf pengajar pada Fakultas MIPA ini.(Humas UGM/Ika)