Defini Analisis Regresi
         Regresi adalah suatu metode analisis statistik yang di gunakan untuk melihat pengaruh 
      antara dua atau lebih banyak variabel.
          Pada model regresi variabel di bedakan menjadi dua bagian, yaitu variabel 
      respons(response), atau biasa di sebut variabel bergantung ( dependent variable) serta variabel 
      explanatory atau biasa juga di sebut variabel penduga (predictor variable) atau disebut juga 
      variabel bebas (independent variable). 
         Kegunaan analisis regresi di antaranya untuk mengetahui variabel-variabel kunci yang 
      memiliki pengaruh terhadap suatu variabel bergantung, pemodelan, serta pendugaan 
      (estimation) atau peramalan (forecasting). 
     Tujuan Penggunaan Analisis Regresi
           Tujuan dari penggunaan analisis regresi adalah:
          •Membuat estimasi rata-rata dan nilai variabel 
           tergantung yang didasarkan pada nilai variabel 
           bebas.
          •Untuk menguji hipotesis karakteristik 
           dependensi.Meramalkan nilai rata-rata pada 
           variabel bebas, yang didasari pada nilai variabel 
           bebas diluar jangkauan sampel.
        Macam-Macam Analisis Regresi
  ● 1.Analisis Regresi Sederhana
      Analisis Regresi Sederhana adalah sebuah 
    metode pendekatan untuk pemodelan 
    hubungan antara satu variabel dependen dan 
    satu variabel independen. Dalam model 
    regresi, variabel independen menerangkan 
    variabel dependennya. Dalam analisis regresi 
    sederhana, hubungan antara variabel bersifat 
    linier, dimana perubahan pada variabel X akan 
    diikuti oleh perubahan pada variabel Y secara 
    tetap.
        0                                          0
               Asumsi-Asumsi Model Regresi Linier 
                  Eksogenitas yang                          Varians Error yang 
                  lemah                Sederhana konstan
        1 Dalam model regresi linier               3 Varians eror perlu konstan karena 
                 memberi syarat bahwa variabel X             jika konstan maka variabel error 
                 bersifat tetap, sementara variabel          dapat membentuk model sendiri 
                 Y bersifat acak atau berubah. Di            dan menganggu model utama. 
                 mana satu nilai variabel X akan 
        0 memprediksi variabel Y sehingga           0
                 ada kemungkinan beberapa 
                 variabel Y. Dengan begitu, harus 
                 ada nilai kesalahan pada variabel          Autokorelasi untuk data time 
                 Y.                                         series
        2 Linieritas                                4
                  Model analisis regresi bersifat            Jika kita menggunakan analisis 
                  linier, artinya kenaikan variabel X        regresi sederhana untuk data 
                  harus diikuti secara proporsional          time series atau data yang 
                  oleh kenaikan variabel Y. Jika             disusun berdasarkan urutan 
                  dalam pengujian linieritas tidak           waktu, maka ada satu asumsi 
                  terpenuhi, maka kita dapat                 yang harus dipenuhi, yaitu 
                  melakukan transformasi data atau           asumsi autokorelasi.
                  menggunakan model kuadratik, 
                  eksponensial atau model lainnya 
                  yang sesuai dengan pola 
                  hubungan nonlinier.