Makalah Analisis Regresi 3.docx

7/30/2019 Makalah Analisis Regresi 3.docx

1/38

Analisis Regresi linear (Kelompok III) Page 1

BAB I PENDAHULUAN

A.Latar BelakangGejala-gejala alam dan akibat atau faktor yang ditimbulkannya dapat

diukur atau dinyatakan dengan dua kategori yaitu fakta atau data yang bersifat

kuantitatif dan fakta atau data yang bersifat kualitatif.

Dalam pembicaraan ini akan diuraikan masalah regresi, sebagai pengukur

hubungan antara dua variabel atau lebih. Dalam pembicaraan regresi data yang

dianalisis harus bersifat kuantitatif atau terukur atau terhitung atau dapat

dikuantitatifkan, jadi sekurang-kurangnya data dengan skala interval. Datakuantitatif dapat dibedakan atas dua macam yaitu: Data atau pernyataan yang

bersifat bebas adalah pernyataan yang ditentukan dengan mana suka atau bebas

pilih. Pernyataan ini sering disebut dengan variabel bebas atau variabel bebas atau

variabel atau prediktor atau independent variable. Data atau pernyataan yang

tergantung atau terikat pada variabel bebas disebut dengan variabel tak bebas atau

variabel tergantung atau variabel tak bebas atau variabel endogen atau kreterium

atau dependent variable.

Apakah perlunya mempelajari regresi?. Tujuan mempelajari regresi adalah

sebagai dasar untuk dapat dipakai melakukan penaksiran atau peramalan atau

estimasi dari hubungan antarvariabel tersebut. Analisis regresi mempunyai tiga

kegunaan utama: (1) deskripsi, (2) kontrol atau kendali, dan (3) peramalan. Ketiga

kegunaan itu telah diilustrasikan oleh ketiga contoh yang telah dikemukakan di

atas. Studi tentang pembelian traktor mempunyai tujuan deskripsi. Dalam studi

biaya pengoperasian kantor cabang, tujuannya adalah pengendalian administrasi;

dengan mengembangkan suatu hubungan statistik yang bermanfaat antara biaya

dengan peubah-peubah bebas di dalam sistem itu, maka pihak menejemen berhasil

menetapkan biaya standart untuk setiap kantor cabang. Dalam studi medis

terhadap anak-anak pendek, tujuannya adalah peramalan. Dokter dapat

menggunakan hubungan statistik untuk meramalkan kekurangan hormon

pertumbuhan pada anak-anak pendek dengan menggunakan indikator-indikator

sederhana yang mudah diukur.


2/38


Analisis regresi mempelajari bentuk hubungan antara satu atau lebih peubah

bebas (X) dengan satu peubah tak bebas (Y). dalam penelitian peubah bebas ( X)

biasanya peubah yang ditentukan oleh peneliti secara bebas misalnya dosis obat,

lama penyimpanan, kadar zat pengawet, umur ternak dan sebagainya. Disamping

itu peubah bebas bisa juga berupa peubah tak bebasnya, misalnya dalam

pengukuran panjang badan dan berat badan sapi, karena panjang badan lebih

mudah diukur maka panjang badan dimasukkan kedalam peubah bebas (X),

sedangkan berat badan dimasukkan peubah tak bebas (Y). sedangkan peubah tak

bebas (Y) dalam penelitian berupa respon yang diukur akibat perlakuan/peubah

bebas (X). Misalnya jumlah sel darah merah akibat pengobatan dengan dosis

tertentu, jumlah mikroba daging setelah disimpan beberapa hari, berat ayam pada

umur tertentu dan sebagainya.

B.Rumusan MasalahBerdasarkan uraian di atas maka rumusan masalah dalam makalah ini

adalah:

Bagaimanakah perbedaan antara analisis regresi linear sederhana dengan

analisis regresi linear berganda?

C.TujuanTujuan penulisan makalah ini agar mampu menjelaskan perbedaan antara

analisis regresi linear sederhana dengan analisis regresi linear berganda.


3/38


BAB II ANALISIS REGRESI LINEAR

1. Analisis Regresi Linear SederhanaAnalisis regresi linier sederhana adalah hubungan secara linear antara satu

variabel independen (X) dengan variabel dependen (Y). Analisis ini untuk

mengetahui arah hubungan antara variabel independen dengan variabel dependen

apakah positif atau negatif dan untuk memprediksi nilai dari variabel dependen

apabila nilai variabel independen mengalami kenaikan atau penurunan. Data yang

digunakan biasanya berskala interval atau rasio.

Rumus regresi linear sederhana sebagi berikut:

Persamaan regresi dirumuskan : Y = a + bX

Dimana :

Y = (baca Y topi) subjek variabel terikat yang di proyeksikan

X = Variabel bebas mempunyai nilai tertentu untuk diprediksikan

a = Nilai konstanta harga Y jika X = 0

b = Nilai arah sebagai penentu ramalan (prediksi) yang menunjukkan nilai

peningkatan (+) atau nilai penurunan (-) variabel Y

22 )( XXn

YXXYnb

a =

n

XbY

Langkah-langkah menjawab Regrensi Sederhana:

Langkah 1. Membuat Ha dan Ho dalam bentuk kalimat:

Langkah 2. Membuat Ha dan Ho dalam bentuk statistik:

Langkah 3. Membuat tabel penolong untuk menghitung angka statistik:

Langkah 4. Masukkan angka-angka statistik dari tabel penolong dengan rumus:


4/38


22 )( XXn

YXXYnb

a =

n

XbY

Langkah 5. Mencari Jumlah Kuadrat Regresi (JKReg [a]) dengan rumus:

JKReg (a) =n

Y2)(

Langkah 6. Mencari Jumlah Kuadrat Regresi (JKReg [b|a]) dengan rumus:

JKReg [b|a] = b. n

YX

XY

))((

Langkah 7. Mencari Jumlah Kuadrat Residu (JKRes) dengan rumus:

JKRes = ][Re][Re2

agabgJKJKY

Langkah 8. Mencari Rata-rata Jumlah Kuadrat Regresi (RJKReg [a]) dengan

rumus:

RJKReg[a] = JKReg[a]

Langkah 9. Mencari Rata-rata Jumlah Kuadrat Regresi (RJKReg [b|a] dengan

rumus:

RJKReg[b|a] = JKReg[b|a]

Langkah 10. Mencari Rata-rata Jumlah Kuadrat Residu (JKRes) dengan rumus:

RJKRes =2

Re

n

JKs

Langkah 11. Menguji Signifikansi dengan rumus:

Fhitung =s

abg

RJK

RJK

Re

)(Re


5/38


Kaidah penguji signifikansi:

Jika Fhitung F tabel, maka tolak Ho artinya signifikan dan

Fhitung F tabel, terima Ho artinya tidak signifikan

Dengan taraf signifikan : a = 0,01 atau a = 0,05

Carilah nilai F tabel menggunakan Tabel F dengan rumus:

F tabel = F {1-) (dk Reg [b|a], (dk Res)}

Langkah 12. Membuat kesimpulan

Contoh:

PENGARUH PENGALAMAN KERJA TERHADAP PENJUALAN

BARANG ELEKTRONIK DI MAKASSAR

Data dianggap memenuhi asumsi dan persyaratan analisis; data dipilih secara

random; berdistribusi normal; berpola linier; data sudah homogen dan mempunyaipasangan yang sama sesuai dengan subjek yang sama. Data sebagai berikut:

Pengalaman Kerja (X) tahun 2 3 1 4 1 3 2 2

Penjualan Barang Elektronik (Y) unit 50 60 30 70 40 50 40 35

Pertanyaan :

a. Bagaimana persamaan regrensinya?b. Gambarkan diagram pancarnya!c. Gambarkan arah garis regresi!d. Buktikan apakah ada pengaruh yang signifikan antara pengalaman kerja (X)

terhadap penjualan barang elektronik (Y)!

e. Buktikan apakah data tersebut berpola linier?f. Buktikan hubungan antara dua variabel


6/38


Langkah-langkah menjawab:

Langkah 1.

Membuat Ha dan Ho dalam bentuk kalimat:

Ha: Terdapat pengaruh yang signifikan antara pengalaman kerja terhadap

penjualan barang elektronik di Makassar.

Ho: Tidak terdapat pengaruh yang signifikan antara pengalaman kerja

terhadap penjualan barang elektronik di Makassar.

Langkah 2.

Membuat Ha dan Ho dalam bentuk statistik:

Ha: r 0

Ho: r = 0

Langkah 3.

Membuat tabel penolong untuk menghitung angka statistik:

No/statistik X Y X Y XY

1 2 50 4 2500 100

2 3 60 9 3600 180

3 1 30 1 900 30

4 4 70 16 4900 280

5 1 40 1 1600 40

6 3 50 9 2500 150

7 2 40 4 1600 80

8 2 35 4 1225 70

Jumlah ( ) 18 375 48 18825 930


7/38


Langkah 4.

Masukkan angka-angka statistik dari tabel penolong dengan rumus:

(1)Menghitung rumus b:22 )( XXn

YXXYnb

= 5,11

60

690

)18()48.(8

)375)(18()930.(82

(2)Menghitung rumus a:a = 21

8

168

8

)18.(5,11375

n

XbY

(3)Menghitung persamaan regresi sederhana:

Y

(jawaban a)

(4)Membuat garis persamaan regresi:a. Menghitung rata-rata X dengan rumus: 25,2

8

18

n

XX

b. Menghitung rata-rata Y dengan rumus: 875,468

375

n

YY

Gambar: Diagram Pancar .....(jawaban b) Gambar: Persamaan Garis

Regresi....(jawaban c)

1 2 3 4 5 X

Y

80 -

70 -

60 -

50 -

40 -3530 -

20 -

10 -

6

7

3

1

2

Y

80 -

70 -

60 -

50 -

40 -3530 -

20 -

10 -

Persamaan

Garis Regresi

a=21

2,25; 46,876

1 2 3 4 5 X


8/38


Menguji Signifikansi dengan Langkah-langkah berikut:

Langkah 1.

Mencari Jumlah Kuadrat Regresi (JKReg [a]) dengan rumus:

JKReg (a) = 125,175788

140625

8

)375()( 22

n

Y

Langkah 2.

Mencari Jumlah Kuadrat Regresi (JKReg [b|a]) dengan rumus:

JKReg [b|a] = b. n

YXXY

))(( =11,5 875,991

8

)375)(18(930

Langkah 3.

Mencari Jumlah Kuadrat Residu (JKRes) dengan rumus:

JKRes = ][Re][Re2

agabgJKJKY =18825991,87517578,125 = 225

Langkah 4.

Mencari Rata-rata Jumlah Kuadrat Regresi (RJKReg [a]) dengan rumus:

RJKReg[a] = JKReg[a] = 17578,125

Langkah 5.

Mencari Rata-rata Jumlah Kuadrat Regresi (RJKReg [b|a]) dengan rumus:

RJKReg[b|a] = JKReg[b|a] = 991,875

Langkah 6.

Mencari Rata-rata jumlah Kuadrat Residu (RJKRes) dengan rumus:

RJKRes =2

Re

n

JKs = 5,42

28

225


9/38


Langkah 7.

Menguji Signifikansi dengan rumus:

Fhitung =s

abg

RJK

RJK

Re

)(Re= 34,23

5,42

875,991

Kaidah penguji signifikansi :

Jika Fhitung F tabel, maka tolak Ho artinya signifikan dan

Fhitung F tabel, terima Ho artinya tidak signifikan

Dengan taraf signifikan () = 0,05

Carilah nilai Ftabel menggunakan Tabel F dengan rumus :

F tabel = F {1-) (dk Reg [b|a], (dk Res)}

= F {(10,05)(dk Reg [b|a]=1, (dk Res=82 = 6)}

= F {(0,95)(1,6)}

Cara mencari F tabel : angka 1 = pembilang

Angka 6 = penyebut.

Ftabel = 5,99

Ternyata Fhitung > Ftabel, maka tolak Ho artinya signifikan

Langkah 8. Membuat Kesimpulan

Karena Fhitung lebih besar dari Ftabel, maka tolak Ho dan terima Ha.

Dengan demikian terdapat pengaruh yang signifikan antara pengalaman kerja

terhadap penjualan barang elektronik di Makassar

............................................................................................................ (Jawaban d)


10/38


Menguji Linieritas dengan Langkah-langkah berikut:

Langkah 1.

Mencari Jumlah Kuadrat Error (JKE) dengan rumus:

01,2247)( 22

k

En

YYJK

Sebelum mencari nilai JKE urutkan data X mulai dari data yang paling kecil

sampai data yang paling besar berikut disertai pasangannya (Y), seperti tabel

penolong berikut:

Tabel Penolong Pasangan Variabel X dan Y untuk Mencari (JKE)

No. Y X Diurutkan dari

data terkecil

hingga data

terbesar X

Kelompok n Y

1 2 50 1 k 1 2 30

2 3 60 1 40

3 1 30 2 k 2 3 35

4 4 70 2 40

5 1 40 2 50

6 3 50 3 k 3 2 50

7 2 40 3 60

8 2 35 4 k 4 1 70

Keterangan : n = jumlah kelompok yang sama k = 4 kelompok

MENJADI


11/38


JkE=

1)70(70

2)6050(6050

3)504035(504035

2)4030(4030

2

2

2

22

2

222

2

22

= (50 + 116,67 + 50 + 0)

JKE = 216,67

Langkah 2.

Mencari Jumlah Kuadrat Tuna Cook (JKTC) dengan rumus:

JKTC = JKRes + JKE = 225216,67 = 38,33

Langkah 3.

Mencari Rata-rata Jumlah Kuadrat Tuna Cocok (RJKTC) dengan rumus:

RJKTC = 165,1924

33,38

2

k

JKTC keterangan k = jumlah kelompok = 4

Langkah 4.

Mencari Rata-rata Jumlah Kuadrat Error (RJKE) dengan rumus:

RJKE = 1675,5448

67,216

kn

JKE

Langkah 5.

Mencari nilai Fhitung dengan rumus:

Fhitung = 35,01675,54

165,19

E

TC

RJK

RJK

Perlu diketahui bahwa uji linieritas berbeda dengan uji signifikansi, adapun

perbedaannya terletak pada pengambilan keputusan (kaidah penguji), yaitu:


12/38


1)Menentukan Keputusan Penguji SignifikansiJika Fhitung Ftabel, maka tolak Ho artinya signifikan dan

Fhitung Ftabel, terima Ho artinya tidak signifikan

2)Menentukan Keputusan Penguji LinieritasJika Fhitung Ftabel, maka tolak Ho artinya data berpola linier dan

Fhitung Ftabel, maka tolak Ho artinya data berpola tidak linier

Langkah 6.

Menentukan Keputusan Pengujin Linieritas

Jika Fhitung Ftabel, maka tolak Ho artinya data berpola linier dan

Fhitung Ftabel, maka tolak Ho artinya data berpola tidak linier

Dengan taraf signifikan () =0,05

Ftabel = F (1-) (dk TC, dk E)

= F (1-0,05)(dk = k -2, dk = nk)

= F (1-0,05)(dk = 42, dk = 84)

= F (10,05)(dk = 2, dk = 4)

= F (0,95)(2,4)

Cara mencari F tabel dk = 2 pembilang

dk = 4 = penyebut

Ftabel = 6,94

Langkah 7.

Membandingkan Fhitung dengan F tabel

Ternyata Fhitung < F tabel atau 0,35 < 6,94, maka tolak Ho artinya data berpola linier


13/38


Kesimpulan variabel pengalaman kerja terhadap penjualan barang elektronik di

Makassar berpola linier.

........................................................................................(Jawaban e)

Uji Hipotesis Hubungan antara dua variabel

Ho : Tidak ada hubungan antara pengalaman kerja terhadap penjualan barang

elektronik dimakassar

Ha : Ada hubungan antara pengalaman kerja terhadap penjualan barang elektronik

di makassar.

4089,1

)375()18825(8)18()48(8

)375)(18()930)(8(

)()(

22

2222

YYnXXn

YXXYnr

Harga r tabel untuk taraf kesalahan 5% dengan n=8 diperoleh r tabel =0,707 dan

untuk 1% diperoleh r =0,834 . Karena harga r hitung lebih besar dari r tabel baik

untuk kesalahan 5% maupun 1% ( 1,4089 > 0,834 > 0,707 ), maka dapat

disimpulkan terdapat hubungan yang positif dan signnifikan sebesar 1,4089 antara

pengalaman kerja terhadap penjualan barang elektronik di makassar


14/38


Tabel Ringkasan Anava Variabel X dan Y uji signifikansi dan uji Linieritas

Sumberfariansi

Derajatkebebasan

(dk)

JumlahKuadrat

(JK)

Rat-rataJumlah

Kuadrat

(RJK)

Fhitung Ftabel

Total N 2Y Signifikan

Linier

Regresi (a)

Regresi(bla)

Residu

1

1

n2

JKReg (a)

JK(bla)

JkRes

RJKReg(a)

RJK(bla)

RJKres

Keterangan:

Perbandingan

dengan Fhitungsignifikan

linieritas

Tuna Cocok

Kesalahan

(Error)

k2

nk

JKTC

JKE

RJKTC

RJKE

Tabel ringkasan Anava Variabel X dan Y uji signifikansi dan uji linieritas

SumberVariansi

Derajatkebebasan

(dk)

JumlahKuadrat

(JK)

Rata-rataJumlah

Kuadrat

(RJK)

Fhitung Ftabel

Total 8 18825

Sig =

23,24

5,99

Linier =

0,35

6,94

Regresi (a)

Regresi

(bla)

Residu

1

1

6

17578,125

991,875

255

17578,125

991,875

42,5

Keterangan:perbandingan Fhitungdengan Ftabel

signifikan dan

linieritas, ternyata:

23,24 > 5,99

signifikan 0,35 < 6,94

pola linierTuna Cocok

Kesalahan

(Error)

2

4

83,33

216,67

19,165

54,1675


15/38


2. Analisis Regreasi Linear BergandaAnalisis regresi linier berganda adalah hubungan secara linear antara dua

atau lebih variabel independen (X1, X2,.Xn) dengan variabel dependen (Y).

Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan

variabel dependen apakah masing-masing variabel independen berhubungan

positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila

nilai variabel independen mengalami kenaikan atau penurunan. Data yang

digunakan biasanya berskala interval atau rasio.

Persamaan regresi linear berganda sebagai berikut:

Y = a + b1X1+ b2X2+..+ bnXn

Keterangan:

Y = Variabel dependen (nilai yang diprediksikan)

X1 dan X2 = Variabel independen

a = Konstanta (nilai Y apabila X1, X2..Xn = 0)

b = Koefisien regresi (nilai peningkatan ataupun

penurunan)

Contoh :

Seorang Mnanajer deterjen merek ATTACK ingin mengetahui apakah promosi

dan dan harga berpengaruh terhadap kepuitusan konsumen membeli produk

tersebut?

Hipotesis :

Ho : 1 Promosi dan harga tidak berpengaruh signifikan terhadap

keputusan konsumen membeli deterjen merk ATTACK

Ho : 1 Promosi dan harga berpengaruh signifikan terhadap

keputusan konsumen membeli deterjen merk ATTACK


16/38


Persamaan (1) dikalikan 6, persamaan (2) dikalikan 1 :


17/38



18/38



19/38



20/38


3. Analisis Regresi Linier Sederhana Dengan Menggunakan SPSSAnalisis regresi digunakan untuk memprediksi pengaruh variabel bebas

terhadap variabel terikat. Analisis regresi juga dapat dilakukan untuk mengetahui

kelinieritas variabel terikat dengan varibel bebasnya, selain itu juga dapat

menunjukkan ada atau tidaknya data yang outlier atau data yang ekstrim. Analisis

regresi linear sederhana terdiri dari satu variabel dependen dan satu variabel

independen. Misalnya dalam suatu kegiatan penelitian ingin mengetahui apakah

variabel X (nilai bahasa arab) berpengaruh terhadap variabel Y (nilai tafsir). Data

penelitian adalah sebagai berikut :Nilai bahasa arab dan nilai tafsir siswa SMA kelas X.

NO NAMA NILAI BHS ARAB NILAI TAFSIR

1.

2.

3.

4.

5.

6.

7.

8.

9.

10

11.

12.

13.

14.

15

A

B

C

D

E

F

G

H

I

J

K

L

M

N

O

80

65

75

85

60

65

60

75

70

55

80

50

65

85

60

80

70

70

80

65

60

60

70

70

55

85

55

70

80

65


21/38


Proses analisis regresi dengan program SPSS (SPSS 11,5) adalah sebagai berikut :

1. Entri dataMengentri data di atas ke dalam program SPSS (SPSS 11,5), caranya dengan

memasukkan data ke dalam program SPSS 11,5. Setelah entri data selesai,

tampilannya adalah sebagai berikut :

2. Analisis regresi dengan program SPSS (SPSS 11,5)Analisis dimulai dengan melakukan pengaturan analisis. Klik Analyze

kemudian klikRegression, lalu klikLinear. Seperti tampilan di bawah ini


22/38


Setelah itu, akan keluar tampilan berikut :

Selanjutnya lakukan pengaturan analisis, yakni :

Isilah kotak menu Dependen dengan variabel terikat, yaitu variabel tafsir dan

kotak menu independen dengan variabel bebas, yaitu variabel bahasa arab.

Sehingga muncul tampilan berikut :


23/38


Selanjutnya klik kotak menu Statistics. pada kotak menu Regression

Coefficients pilih (klik) kotak estimasi dan confidence intervals. Pada kotak

menu yang lain klik Descriptives dan model fit. Sehingga muncul tampilan

berikut :

Kemudian klikContinue.

Kotak menu Plots, berfungsi untuk menampilkan grafik pada analisis regresi.

Misalnya pada analisis ini kita ingin menampilkan grafik, maka klik kotak menu

Plots,. Kemudian blokDEPENDEN pada kotak menu sebelah kiri, masukkan ke

kotak menu sebelah huruf Y dengan cara meng-klik tanda panahnya. Dengan cara

yang sama blokZRESIDpada kotak menu sebelah kiri, masukkan ke kotak menu


24/38


sebelah huruf X. kemudian klik Histogram dan Normal probanility plot yang

terletak pada kotak menu Standardized Residual plots. Selanjutnya klik

Continue. Tampilannya adalah sebagai berikut :

Klik kotak menu Options

Use probability of F menunjukkan nilai probabilitas,sebuah variabel dapatmasuk atau tidak dalm persamaan. Nilai entry adalah 0,05 artinya jika nilai

probabilitas suatu variabel kurang dari 0,05 maka variabel tersebut akan

masuk dalam persamaan. Nilai removal 0,10 artinya jika nilai probabilitas

variabel lebih dari 0,10 maka variabel tersebut akan dikeluarkan dari

persamaan.

Klik inclide constant in equation, yakni untuk menampilkan konstantapersamaan garis regresi. tampilannya adalah sebagai berikut:


25/38


Selanjutnya klikContinue. Untuk melakukan analisis kliklah OK. Beberapa saat

kemudian akan keluar outputnya, sebagai berikut :

z


26/38


Normal P-P Plot of Regression Standardized Residual


27/38


Scatterplot

Berdasarkan tabel Coefficients, diketahui bahwa besarnya nilai t test = 6,530

sedangkan besarnya signifikansi = 0,000 lebih kecil dari 0,05. Dengan demikian

H0 ditolak yang berarti ada pengaruh variabel bahasa arab terhadap nilai tafsir.

Dan dari tabel Coefficients di atas, kolom B pada Constant (a) adalah 16,234

sedangkan nilai bahasa arab (b) adalah 0,776. Sehingga persamaan regresinya

adalah :

Y = a + bX

Y = 16,234 + 0,776X.


28/38


4. Analisis Regresi Linier Berganda Dengan Menggunakan SPSSAnalisis regresi digunakan untuk memprediksi pengaruh variabel bebas

terhadap variabel terikat. Analisis regresi juga dapat dilakukan untuk mengetahui

kelinieritas variabel terikat dengan varibel bebasnya, selain itu juga dapat

menunjukkan ada atau tidaknya data yang outlier atau data yang ekstrim.

Analisis regresi linear berganda terdiri dari satu variabel dependen dan dua atau

lebih variabel independen. Misalnya dalam suatu kegiatan penelitian ingin

diketahui apakah variabel X (Sex dan Nilai harian 1) berpengaruh terhadap

variabel Y (nilai rapot). Data penelitian adalah sebagai berikut:

Nama Sex Nilai harian

1

Nilai Rapot

IDM01

IDM02

IDM03

IDM04

IDM05

IDM06

IDM07

IDM08

IDM09

IDM10

IDM11

IDM12

IDM13

IDM14

IDM15

1

2

1

1

1

2

2

1

1

2

2

1

1

2

1

50

61

80

76

40

73

86

77

59

56

66

80

72

95

83

68

86

78

80

76

74

70

80

76

85

60

69

89

90

88

Keterangan sex: 1=laki-laki, 2=perempuan


29/38


Langkah-langkah menganalisis menggunakan spss 17.0 adalah sebagai berikut:

1. Buka lembar kerja SPSS

2. Buat semua keterangan variabel di variable view seperti gambar berikut:

3. Klik Data view dan masukan data sehingga tampak hasilnya sebagai berikut:

4. Lakukan analisis dengan cara: Analize, Regression, Liniear. akan muncul

dialog seperti gambar berikut; Selanjutnya isilah kotak menu Dependen dengan

variabel terikat, yaitu variabel Rapor dan kotak menu independen dengan

variabel bebas, yaitu variabel Sex dan Harian 1.


30/38


5. Selanjutnya klik kotak menu Statistics. Pilih Estimates, Descriptives danModel fit lau klik Continue. Tampilan muncul seperti berikut

6. Kotak menu Plots, berfungsi untuk menampilkan grafik pada analisis regresi.klik kotak menu Plots, kemudian klik Normal probanility plot yang terletak

pada kotak menu Standardized Residual plots. Selanjutnya klik Continue.

Tampilannya adalah sebagai berikut:


31/38


7. Selanjutnya klikContinue. Untuk melakukan analisis kliklah OK. Beberapasaat kemudian akan keluar outputnya, sebagai berikut:

Regression

[DataSet1]


32/38

http://2.bp.blogspot.com/_cGJEDW44Wvw/TSmQ9HRSwEI/AAAAAAAAADI/p2Z3MvgI9aE/s1600/07.JPG


33/38


Cara membaca output tersebut adalah sebagai berikut:

1. Deskriptif statistik

Dari output tersebut dapat dilihat rata-rata nilai rapot dari 15 siswa adalah 77,93

dengan standar deviasi 8,779 sedangkan rata-rata nilai harian 1 adalah 70,27

dengan standar deviasi 14,786.


34/38


2. Korelasi

Dari tabel dapat dilihat bahwa besar hubungan antara variabel nilai rapot dengan

sex adalah -0,042 hal ini menunjukan hubungan negatif.

besar hubungan nilai harian 1 dengan nilai rapot adalah 0,238 yang berarti ada

hubungan positif, makin besar nilai harian 1 maka makin tinggi pula nilai rapot.

3. Variabel masuk dan keluar

Dari tabel diatas menunjukan variabel yang dimasukan adalah nilai harian 1 dansex, sedangkan variabel yang dikeluarkan tidak ada(Variables Removed tidak ada)


35/38


4.Model sisaan

Pada tabel diatas angka R Square adalah 0,063 yaitu hasil kuadrat dari koefisien

korelasi (0,250 x 0,250 = 0,063). Standar Error of the Estimate adalah 9,181,

perhatikan pada analisis deskriptif statitik bahwa standar deviasi nilai rapot adalah

8,779 yang jauh lebih kecil dari dari standar error, oleh karena lebih besar

daripada standar deviasi nilai rapot maka model regresi tidak bagus dalam

bertindak sebagai predictor nilai rapot.

5. Anova

Hipotesis:

Ho: B1 = B2 = 0

Ha: ada Bi yang tidak nol

Pengambilan keputusan:Jika F hitung = 0,05 maka Ho diterima

Jika F hitung > T tabel atau probabilitas < 0,05 maka Ho ditolak

Dari tabel diatas dapat dilihat nilai F hitung yaitu 0,401, sedangkan nilai F tabel

dapat diperoleh dengan menggunakan tabel F dengan derajat bebas (df) Residual

(sisa) yaitu 12 sebagai df penyebut dan df Regression (perlakuan) yaitu 2 sebagai

df pembilang dengan tarap siginifikan 0,05, sehingga diperoleh nilai F tabel yaitu


36/38


3,89. Karena F hitung (0,401) < F tebel (3,89) maka Ho diterima.

Berdasarkan nilai Signifikan, terlihat pada kolom sig yaitu 0,679 itu berarti

probabilitas 0,679 lebih dari daripada 0,05 maka Ho diterima.

Kesimpulan:

Tidak ada koefisien yang tidak nol atau koefisien berarti, maka model regresi

tidak dapat dipakai untuk memprediksi nilai rapot.

6. Koefisien

Hipotesis:

Ho: Bi=0

Ha: ada Bi yang tidak nol , i=1 atau 2

Pengambilan keputusan:

Jika T hitung = 0,05 maka Ho diterima

Jika T hitung > T tabel atau probabilitas < 0,05 maka Ho ditolak

* Constant: Berdasarkan tabel diatas, dapat dilihat bahwa nilai T hitung untuk

Constant yaitu 5,360, pada T tabel dengan db 12 dan taraf signifikan 0,05

diperoleh 1,782, karena T hitung > T tabel maka Ho ditolak. sedangkan sig pada

tabel B adalah 0,000 yang berarti probabilitas 0,000, karena probabilitas kurang

dari 0,05 maka ditolak. Berarti bermakna dan diramalkan tidak melalui titik (0,0).

** Sex: Berdasarkan tabel diatas, dapat dilihat bahwa nilai T hitung untuk Sex

yaitu -0,277, pada T tabel dengan db 12 dan taraf signifikan 0,05 diperoleh 1,782,

karena T hitung < T tabel maka Ho diterima. sedangkan sig pada tabel B adalah

0,786 yang berarti probabilitas 0,786, karena probabilitas kurang dari 0,05 maka

diterima. artinya B tidak berarti.

*** Harian 1: Berdasarkan tabel diatas, dapat dilihat bahwa nilai T hitung untuk

Harian 1 yaitu 0,882, pada T tabel dengan db 12 dan taraf signifikan 0,05


37/38


diperoleh 1,782, karena T hitung < T tabel maka Ho diterima. sedangkan sig pada

tabel B adalah 0,786 yang berarti probabilitas 0,395, karena probabilitas kurang

dari 0,05 maka diterima. artinya B tidak berarti

Berdasarkan analisis diatas maka dapat dibuat model regresi dugaannya yaitu:

Y = 69,429

Dari tabel diatas merupakan ringkasan yang meliputi nilai minimum dan

maksimum, mean dan standar deviasi dari predicted value (nilai yang diprediksi)

dan statistic residu.

7. Kelinieran

Jika residual berasal dari distribusi normal, maka nilai-nilai sebaran data akan

terletak sekitar garis lurus, terlihat bahwa sebaran data pada gambar diatas

tersebar hampir semua tidak pada sumbu normal, maka dapat dikatakan bahwa

pernyataan normalitas tidak dapat dipenuhi.


38/38

BAB III PENUTUP

A.KesimpulanPerbedaan antara analisis regresi linear sederhana dengan analisis regresi linear

berganda adalah analisis regresi linier sederhana adalah hubungan secara

linear antara satu variabel independen (X) dengan variabel dependen (Y).

Sedangkan Analisis regresi linier berganda adalah hubungan secara linear

antara dua atau lebih variabel independen (X1, X2,.Xn) dengan variabel

dependen (Y). Kedua analisis ini digunakan untuk mengetahui arah hubungan

antara variabel independen dengan variabel dependen apakah masing-masing

variabel independen berhubungan positif atau negatif dan untuk memprediksi

nilai dari variabel dependen apabila nilai variabel independen mengalami

kenaikan atau penurunan.

B.SaranDiharapkan kepada pembaca agar lebih mengkaji lebih dalam lagi tentang

materi ini agar nantinya dapat digunakan dalam penelitian.

Documents

Makalah Analisis Regresi 3.docx