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.
7/30/2019 Makalah Analisis Regresi 3.docx
2/38
Analisis Regresi linear (Kelompok III) Page 2
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.
7/30/2019 Makalah Analisis Regresi 3.docx
3/38
Analisis Regresi linear (Kelompok III) Page 3
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:
7/30/2019 Makalah Analisis Regresi 3.docx
4/38
Analisis Regresi linear (Kelompok III) Page 4
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
7/30/2019 Makalah Analisis Regresi 3.docx
5/38
Analisis Regresi linear (Kelompok III) Page 5
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
7/30/2019 Makalah Analisis Regresi 3.docx
6/38
Analisis Regresi linear (Kelompok III) Page 6
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
7/30/2019 Makalah Analisis Regresi 3.docx
7/38
Analisis Regresi linear (Kelompok III) Page 7
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
7/30/2019 Makalah Analisis Regresi 3.docx
8/38
Analisis Regresi linear (Kelompok III) Page 8
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
7/30/2019 Makalah Analisis Regresi 3.docx
9/38
Analisis Regresi linear (Kelompok III) Page 9
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)
7/30/2019 Makalah Analisis Regresi 3.docx
10/38
Analisis Regresi linear (Kelompok III) Page 10
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
7/30/2019 Makalah Analisis Regresi 3.docx
11/38
Analisis Regresi linear (Kelompok III) Page 11
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:
7/30/2019 Makalah Analisis Regresi 3.docx
12/38
Analisis Regresi linear (Kelompok III) Page 12
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
7/30/2019 Makalah Analisis Regresi 3.docx
13/38
Analisis Regresi linear (Kelompok III) Page 13
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
7/30/2019 Makalah Analisis Regresi 3.docx
14/38
Analisis Regresi linear (Kelompok III) Page 14
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
7/30/2019 Makalah Analisis Regresi 3.docx
15/38
Analisis Regresi linear (Kelompok III) Page 15
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
7/30/2019 Makalah Analisis Regresi 3.docx
16/38
Analisis Regresi linear (Kelompok III) Page 16
Persamaan (1) dikalikan 6, persamaan (2) dikalikan 1 :
7/30/2019 Makalah Analisis Regresi 3.docx
17/38
Analisis Regresi linear (Kelompok III) Page 17
7/30/2019 Makalah Analisis Regresi 3.docx
18/38
Analisis Regresi linear (Kelompok III) Page 18
7/30/2019 Makalah Analisis Regresi 3.docx
19/38
Analisis Regresi linear (Kelompok III) Page 19
7/30/2019 Makalah Analisis Regresi 3.docx
20/38
Analisis Regresi linear (Kelompok III) Page 20
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
7/30/2019 Makalah Analisis Regresi 3.docx
21/38
Analisis Regresi linear (Kelompok III) Page 21
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
7/30/2019 Makalah Analisis Regresi 3.docx
22/38
Analisis Regresi linear (Kelompok III) Page 22
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 :
7/30/2019 Makalah Analisis Regresi 3.docx
23/38
Analisis Regresi linear (Kelompok III) Page 23
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
7/30/2019 Makalah Analisis Regresi 3.docx
24/38
Analisis Regresi linear (Kelompok III) Page 24
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:
7/30/2019 Makalah Analisis Regresi 3.docx
25/38
Analisis Regresi linear (Kelompok III) Page 25
Selanjutnya klikContinue. Untuk melakukan analisis kliklah OK. Beberapa saat
kemudian akan keluar outputnya, sebagai berikut :
z
7/30/2019 Makalah Analisis Regresi 3.docx
26/38
Analisis Regresi linear (Kelompok III) Page 26
Normal P-P Plot of Regression Standardized Residual
7/30/2019 Makalah Analisis Regresi 3.docx
27/38
Analisis Regresi linear (Kelompok III) Page 27
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.
7/30/2019 Makalah Analisis Regresi 3.docx
28/38
Analisis Regresi linear (Kelompok III) Page 28
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
7/30/2019 Makalah Analisis Regresi 3.docx
29/38
Analisis Regresi linear (Kelompok III) Page 29
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.
7/30/2019 Makalah Analisis Regresi 3.docx
30/38
Analisis Regresi linear (Kelompok III) Page 30
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:
7/30/2019 Makalah Analisis Regresi 3.docx
31/38
Analisis Regresi linear (Kelompok III) Page 31
7. Selanjutnya klikContinue. Untuk melakukan analisis kliklah OK. Beberapasaat kemudian akan keluar outputnya, sebagai berikut:
Regression
[DataSet1]
7/30/2019 Makalah Analisis Regresi 3.docx
32/38
Analisis Regresi linear (Kelompok III) Page 32
http://2.bp.blogspot.com/_cGJEDW44Wvw/TSmQ9HRSwEI/AAAAAAAAADI/p2Z3MvgI9aE/s1600/07.JPG7/30/2019 Makalah Analisis Regresi 3.docx
33/38
Analisis Regresi linear (Kelompok III) Page 33
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.
7/30/2019 Makalah Analisis Regresi 3.docx
34/38
Analisis Regresi linear (Kelompok III) Page 34
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)
7/30/2019 Makalah Analisis Regresi 3.docx
35/38
Analisis Regresi linear (Kelompok III) Page 35
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
7/30/2019 Makalah Analisis Regresi 3.docx
36/38
Analisis Regresi linear (Kelompok III) Page 36
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
7/30/2019 Makalah Analisis Regresi 3.docx
37/38
Analisis Regresi linear (Kelompok III) Page 37
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.
7/30/2019 Makalah Analisis Regresi 3.docx
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.
Recommended