Anda di halaman 1dari 12

3.

Menguji Hubungan dan Prediksi dengan

ANALISIS REGRESI LINIER


Dr. AINUR ROFIEQ, M.Kes.

A. Pengantar B. Analisis Regresi Linier 1-prediktor C. Analisis Regresi Linier 2-prediktor D. Analisis Regresi Linier n-prediktor A. Pengantar Analisis ini digunakan untuk mengetahui signifikansi pengaruh satu atau lebih variabel bebas dengan sebuah variabel tergantung. Pengertian lain; anilisis yang digunakan untuk mengetahui signifikansi persamaan garis regresi. (Garis regresi adalah garis yang menyatakan hubungan antara satu atau lebih variabel bebas dengan sebuah variabel tergantung). Suatu garis regresi dapat merupakan garis lurus (linier) atau non-linier. Pengertian lain; analisis yang digunakan untuk menyatakan signifikansi ramalan (prediksi) satu atau lebih variabel bebas (prediktor) terhadap sebuah variabel tergantung (kriterium). Yang dibahas dalam matari ini adalah regresi linier. Adapun persamaan garis regresi linier adalah sbb. Untuk satu prediktor Y = aX + K Untuk dua prediktor Y = a1X1 + a2X2 + K Untuk tiga prediktor Y = a1X1 + a2X2 + a3X3 + K Untuk n prediktor Y = a1X1 + a2X2 + a3X3 + anXn + K dst-nya.

B. Analisis Regresi Linier 1-Prediktor 1. Langkah-langkah (dengan metode skor kasar): 1) Menguji linieritas hubungan X dengan Y Syaratnya adalah hubungan antara X (prediktor) dengan Y (kriterium) membentuk fungsi garis linier. 2) Menghitung koefisien korelasi (rXY) dengan Analisis Korelasi Product Moment. Syarat; nilai rXY hitung rXY tabel. 3) Ada beberapa syarat lain (akan disampikan saat kuliah) 4) Menentukan persamaan garis regresi linier Dengan persamaan simultan, rumus: (1) XY = a X2 + K X (2) Y = a X + NK 5) Menentukan signifikansi persamaan garis regresi Dengan anilisis varians, rumus:
Sumber variansi
Garis regresi Galat/ error

Derajat bebas (db)


1

Jumlah Kuadrat (JK)


( Y)2 a.XY+K.Y ------N Y2 a.XY K.Y

Mean Kuadrat (MK)


JKregresi --------dbregresi JKgalat -------dbgalat

Fhitung
MKregresi ----------MKgalat -

N-2

Total

N-1

(Y)2 Y2 -----N

Ket.: Y = kriterium (variabel tergantung) X = prediktor (variabel bebas) n = bilangan (prediktor) ke-n a = koefisien prediktor K = konstanta

Kemudian menentukan signifikansi nilai Fhitung dengan cara membandingkan nilai Ftabel; ketentuan: bila Fhitung Ftabel maka persamaan garis regresi linier Y = aX + K adalah

signifikans dan bila sebaliknya maka tidak signifikans. Apabila Signifikans maka persamaan garis regresi dapat digunakan untuk memprediksi nilai Y dari nilai X. 6) Menghitung sumbangan efektif (SE) prediktor SE = rXY . 100% Nilai SE untuk mengetahui derajat pengaruh X terhadap Y. Contoh 1: Suatu penyelidikan ingin mengetahui apakah tinggi badan dapat digunakan untuk memprediksi berat badan para perawat di Rumah sakit X. Hasil penelitian terhadap 10 perawat sbb. Subyek
1. 2. 3. 4. 5. 6. 7. 8. 9. 10.

2) Menghitung nilai rXY H0: tidak ada korelasi antara tinggi badan dengan berat badan perawat. Menghitung nilai rxy: Dari kalkulator dapat diketahui; X=1650; Y = 620; X2 = 272.460; dan Y2 = 39.432
10 . 102.732 1650 . 620 168 63 rXY= -----------------------------------------------173 81 162 54 [10. 272.460-(1650)2][10.39.432-(620)2] 157 49 160 52 rXY= 0,946 165 62 163 56 pada tabel diketahui nilai rXY(0,05)(10)= 0,765 170 78 sehingga rXY rXY(0,05)(10) maka Ho ditolak, jadi 168 64 ada korelasi yang signifikans antara tinggi 164 61 badan dengan berat badan atau dengan kata 102.732 XY = lain nilai rXY signifikans. 3) Menentukan persamaan garis regresi linier Persamaan Y = aX + K, bilangan yang ingin kita cari adalah nilai a dan K. dengan rumus. (1) XY = a X2 + K X (2) Y = a X + NK Dari rumus tersebut kita dapat menghitung nilai a dan K. (1) 102.732 = 272.460 a + 1650 K (2) 620 = 1650 a + 10 K (3) 62,26 = 165,13 a + K X Y XY

Tinggi Badan (X)


168 173 162 157 160 165 163 170 168 164

Berat Badan (Y)


63 81 54 49 52 62 56 78 64 61

Apabila diketahui hubungan X dengan Y membentuk fungsi garis linier pada taraf signifikansi 0,05, tentukan apakah tinggi badan dapat digunakan untuk meprediksi berat badan pearawat. 2. Mengerjakan dengan metode skor kasar 1) Menguji linieritas X dengan Y Karena X dengan Y membentuk garis linier, maka dilanjutkan menghitung nilai rXY.

62 = 165 a +K ------------------------------------- 0,26 = 0,13 a =2 (5) 62 = 165 . 2 + K K = -268 Melalui penghitungan tersebut maka persamaan garis regersi linier yang dibentuk adalah: Y = 2X 268 4) Menentukan signifikansi persamaan garis Y = 2X 268
Sumber db variansi Grs.regresi 1 Galat/error 8 Total 9 JK 864 128 992 MK 864 16 Fhitung 54 F(0,05)(8;1) 5,32 -

(4)

Kesimpulan: karena nilai Fhitung F(0,05)(8;1) maka persamaan garis regresi linier Y=2X-268 adalah signifikans. Interpretasi: Tinggi badan dapat digunakan untuk memprediksi berat badan perawat di Rumah sakit X. atau dengan kalimat lain; tinggi badan mempengaruhi cukup signifikans berat badan perawat di rumah sakit X. 5) Menentukan nilai SE Karena data diuji dengan analisis regresi 1-prediktor maka maka SE = 0,946 x 100% = 94,6% Jadi; tinggi badan dapat digunakan untuk memprediksi berat badan perawat dengan besar prediksi 94,6%, sedangkan 5,4% ditentukan oleh faktor selain tinggi badan. Atau: tinggi badan mempengaruhi cukup signifikans berat badan dengan besar pengaruh 94,6% dan 5,4% faktor lain.

3. Mengerjakan dengan metode skor deviasi Langkah penghitungan nomor 1, 2, dan 5 sama seperti dengan metode skor kasar, tetapi untuk langkah 3 dan 4 berbeda. Adapun langkah-langkah dengan metode skor deviasi sbb; 1) Menguji linieritas hubungan X dengan Y (sama dengan metode skor kasar) 2) Menghitung koefisien korelasi linier (rXY) (sama dengan metode skor kasar) 3) Menentukan persamaan garis regresi linier Sebelumnya hitung dahulu nilai-nilai statistik berikut: - Hitung nilai statistik; X2 ; Y2 ; XY ; X ; Y ; X ; dan Y (gunakan kalkultor kecuali nilai XY dengan cara membuat tabel statistiknya) - Hitung skor deviasi dari nilai XY; X2 dan Y2 (X) (Y) XY skor deviasinya adalah xy = XY - -------------N 2 (X) 2 2 X skor deviasinya adalah x = X - -------N (Y)2 Y2 skor deviasinya adalah y2 = Y - -------N - Hitung koefisien prediktor atau nilai a xy a = -------x2 Melalui nilai statistik tersebut persamaan garis regresi linier: Y Y = a (X X)

4) Menentukan signifikansi persamaan garis regresi


Sumber variansi db JK MK Fhitung

- Menghitung skor deviasi


MKregresi ----------MKgalat -

Grs.regresi

(xy)2 -------x2 (xy)2 y2 ------x2 y2

JKregresi --------dbregresi JKgalat -------dbgalat -

XY skor deviasinya;

Galat/error N-2 Total N-1

Persyaratan analisisnya sama dengan metode skor kasar. 5) Menentukan nilai SE (sama dengan metode skor kasar) Berdasarkan metode skor deviasi jawaban contoh-1 untuk langkah 3 dan 4 dapat dihitung sebagai berikut: 3) Menentukan persamaan garis regresi linier - menghitung nilai-nilai statistik berikut dengan kalkulator X2 = 272.460; Y2 = 39.432; X=1650; Y = 620; Y = 62; dan X = 165 - menghitung nilai statistik XY
X Y 168 63 173 81 162 54 157 49 160 52 165 62 163 56 170 78 168 64 164 61 Jumlah XY Silahkan diisi sendiri

X2 skor deviasinya;

Y2 skor deviasinya;

(X) (Y) xy = XY - ------------N (1650)(620) = 102.732 - ---------------10 = 432 (X)2 x2 = X2 - ------N (1650)2 = 272.460 - -------10 = 210 (Y)2 y2 = Y2 - ------N (620)2 = 39.432 - -------10 = 992

- Menghitung koefisien prediktor atau nilai a xy 432 a = ------- = -------x2 210


102.732

= 2,05

Melalui nilai-nilai statistik tersebut persamaan garis regresi liniernya adalah; Y Y = a (X X) Y 62 = 2,05 (X 165) Y = 2,05X 338,25 + 62 Y = 2,05X 276,25 4) Menentukan signifikansi persamaan garis regresi linier H0: Persamaan garis regresi Y = 2,05X 276,25 tidak dapat digunakan untuk memprediksi berat badan berdasarkan tinggi badan. Membuat ringkasan anava sbb;
Sumber Db variansi Grs.regresi 1 Galat/error 8 Total 9 JK 888,69 103,31 992 MK 888,69 12,91 Fhitung 68,84 F(0,05)(8;1) 5,32 -

C. Analisis Regresi Linier 2-Prediktor 1. Pengantar Untuk analisis regresi 2-prediktor dan n-prediktor sebaiknya menggunakan pendekatan penghitungan dengan persamaan skor deviasi, karena lebih teliti. Selanjutnya pada materi ini akan digunakan pendekatan dengan skor deviasi. 2. Langkah-langkah 1) Menguji linieritas hubungan X1 dan X2 dengan Y X1 dan Y diuji linieritasnya Harus membentuk garis linier X2 dan Y diuji linieritasnya bila salah satu atau dua-duanya tak linier, maka tidak dapat diteruskan ke langkah nomor 2 2) Menghitung koefisien korelasi linier (rXY) Karena dua prediktor maka: X1 dan Y dihitung nilai rX1Y Nilai rXY masing-masing harus signifikan, bila salah satu atau X2 dan Y dihitung nilai rX2Y dua-duanya tak signifikan, maka tidak dapat diteruskan ke langkah nomor 3 3) Menentukan persamaan garis regresi linier Sebelumnya hitung dahulu nilai-nilai statistik berikut: - Hitung nilai statistik; X12 ; X22 ; Y2 ; X1Y ; X2Y ; X1 ; X2 ; Y ; X1 ; X2 dan Y (gunakan kalkultor kecuali nilai X1Y dan X2Y dihitung dengan cara membuat tabel statistiknya) - Hitung skor deviasi dari nilai X1Y ; X2Y ; X12 ; X22 dan Y2.

Kesimpulan: karena nilai Fhitung F(0,05)(8;1) maka Ho ditolak jadi persamaan garis regersi Y=2,05X-276,25 signifikans untuk memprediksi berat badan berdasarkan tinggi badan. Interpretasi: Tinggi badan dapat digunakan untuk memprediksi berat badan perawat di Rumah sakit X. atau dengan kalimat lain; tinggi badan mempengaruhi cukup signifikans berat badan perawat di rumah sakit X.
CATATAN: Melalui pendekatan metode skor kasar diperoleh nilai Fhitung = 54,00 dan metode skor deviasi Fhitung = 68,84. Sebenarnya hal ini tidak menjadi masalah, tetapi jika dibandingkan dengan komputasi program SPSS, yang mendekati nilai SPSS adalah metode skor deviasi.

(X1) (Y) X1Y skor deviasinya adalah x1y = X1Y - --------------N (X2) (Y) X2Y skor deviasinya adalah x2y = X2Y - --------------N (X1)2 X12 skor deviasinya adalah x12 = X1 - -------N (X2)2 X22 skor deviasinya adalah x22 = X2 - -------N (Y)2 Y2 skor deviasinya adalah y2 = Y - -------N (X1) (X2) X1X2 skor deviasinya adalah x1x2 =X1X2 - --------------N - Hitung koefisien prediktor atau nilai a1 dan a2 dengan menggunakan persamaan simultan berikut; (1) x1y = a1 x12 + a2 x1x2 (2) x2y = a1 x1x2+ a2 x22 Melalui nilai-nilai statistik tersebut persamaan garis regresi linier dapat ditentukan dengan rumus; Y Y = a1 (X1 X1) + a2 (X2 X2) atau Y = a1 (X1 X1) + a2 (X2 X2) + Y 4) Menentukan nilai koefisen korelasi linier ganda (Ry(1,2)) Ry(1,2) adalah koefisien korelasi ganda X1 dan X2 terhadap Y

Rumusnya; Ry(1,2) = a1 x1y + a2 x2y ----------------------y2

5) Menentukan nilai koefisien determinasi (R2) R2 = menggambarkan efektifitas garis regresi 6) Menentukan signifikansi persamaan garis regresi Dengan menggunakan analisis varians;
Sumber variansi Grs.regresi 1 db JK R (y ) (1 R2) (y2) y2
2 2

Nilai R2 = [Ry(1,2)]2

MK JKregresi --------dbregresi JKgalat -------dbgalat -

Fhitung MKregresi ----------MKgalat -

Galat/error N-n-1 Total N-1 n = banyaknya prediktor

Untuk menentukan signifikansi seperti pada analisis regresi 1-prediktor. Bila Fhitung Ftabel maka persamaan garis regresi linier adalah signifikans. Bila sebaliknya maka persamaan garis regresi linier adalah tidak signifikans. 7) Menghitung sumbangan efektif (SE) Ada dua nilai SE, yaitu; - SE kombinasi dua prediktor X1 dan X2 terhadap Y, adalah: SE = R2 . 100%

- SE parsial atau masing-masing prediktor terhadap Y (atau X1 terhadap Y dan X2 terhadap Y), rumusnya; a1 x1y SEx1 = ----------- x R2 x 100% JKregresi a2 x2y dan SEx2 = ----------- x R2 x 100% JKregresi Catatan khusus untuk nilai SEx1 dan SEx2: nilai di dalam tanda adalah nilai mutlak, artinya tidak memiliki atau tidak ada nilai negatif. Bila nilai a1 x1y dan a2 x2y berharga positif atau dua-duanya bergarga negatif maka nilai JKregresi sama dengan JKregresi hasil anava persamaan garis regresi. Bila nilai a1 x1y dan a2 x2y salahnya satu berharga negatif maka nilai JKregresi tidak sama dengan JKregresi hasil anava persamaan garis regresi, tetapi JKregresi =a1 x1y+a2 x2y 3. Contoh Ingin diketahui apakah kemampuan riset (Y) mahasiswa keperawatan dipengaruhi oleh nilai mata kuliah statistika (X1) dan indeks prestasi (X2) selama mereka kuliah. Hasil penelitian yang telah dilakukan adalah; Variabel 1 2 3 4 5 6 7 8 9 10 X1 57 93 79 26 69 24 79 61 82 29 3,00 2,85 3,20 2,49 3,07 2,38 3,74 2,62 2,53 3,17 X2 Y 27 34 27 24 35 18 33 39 35 25

Bila diketahui bahwa X1 dengan Y linier, X2 dengan Y linier, dan masingmasing nilai rXY adalah signifikan, tentukan pada taraf signifikansi 0,05; a. Persamaan garis regresi kombinasi prediktor X1 dan X2 terhadap Y! b. Signifikansi garis regresi! dan Bagaimanakah interpretasinya? c. SE kombinasi dan parsial! dan Bagaimanakah interpretasi-nya?

Jawab: 1) Menguji linieritas X1 dan X2 dengan Y Karena diketahui X dengan Y membentuk garis linier, maka dilanjutkan menghitung nilai rXY. 2) Menghitung nilai rXY Karena diketahui nilai rXY masing-masing prediktor dengan Y adalah signifikan, maka dilanjutkan dengan langkah ke-3. 3) Menentukan persamaan garis regresi - Melalui kalkultor dapat diketahui nilai-nilai statistik;
X1 = 596 ; X2 = 29,05 ; X12 = 41214 ; X22 = 85,954 Y = 297 ; Y2 = 9199 ; Y = 29,7; X1=59,6 ; X2=2,905 Menghitung nilai X1Y dan X2Y
X1 57 93 79 26 69 24 76 61 82 28 X2 Y X1Y X2Y 3,00 2,85 3,20 2,49 3,07 2,38 3,74 2,62 2,53 3,17 Jumlah 27 34 27 24 35 18 33 39 35 25 18787 867,75

maka nilai X1Y = 18787 dan X2Y = 867,75

- Menghitung skor deviasi;

(5)
2 1 2 2 2

Berikut ini skor deviasi dari nilai X ; X ; Y ; X1Y X2Y ; dan X1X2 (X1)2 5962 x12 = X12 - --------- = 41214 - -------- = 5692,40 N 10 2 2 (X2) 29,05 x22 = X22 - --------- = 85,9537 - -------- = 1,56345 N 10 2 2 (Y) 297 2 2 y = Y - --------- = 9199 - -------- = 378,1 N 10 (X1)(Y) (596)(297) x1y = X1Y - ------------- = 18787 - ------------- = 1085,8 N 10 (X2)(Y) (29,05)(297) x2y = X2Y - ------------- = 867,75 - --------------- = 4,965 N 10 (X1)(X2) (596)(29,05) x1x2 =X1X2 - ------------- =1765,99 - --------------- = 34,61 N 10 - Menentukan koefisien prediktor atau nilai a1 dan a2 (1) x1y = a1 x12 + a2 x1x2 (2) x2y = a1 x1x2+ a2 x22 maka; (1) 1085,8 = 5692,4 a1 + 34,61 a2 (2) 4,965 = 34,61 a1 + 1,56345 a2 (3) 31,372 = 164,473 a1 + a2 (4) 3,176 = 22,137 a1 + a2 -------------------------------------- 28,196 = 142,336 a1 a1 = 0,198

3,176 a2

= 22,137 a1 + a2 = 3,176 22,137 . 0,198 = 1,209

Melalui nilai-nilai statistik tersebut selanjutnya menentukan persamaan garis regresinya; Y = a1 (X1 X1) + a2 (X2 X2) + Y = 0,198 (X1 59,6) 1,209 (X2 2,905) + 29,7 = 0,198 X1 11,801 1,209 X2 + 3,512 + 29,7 = 0,198 X1 1,209 X2 + 21,411 jadi persamaan garis regresi yang menggambarkan fungsi prediktor X1 dan X2 terhadap Y adalah: Y = 0,198 X1 1,209 X2 + 21,411 4) Menentukan nilai koefisen korelasi linier ganda (Ry(1,2)) a1 x1y + a2 x2y Ry(1,2) = ----------------------y2 (0,198) (1085,8) + ( 1,209) (4,965) = ---------------------------------------------378,1 = 0,744 5) Menentukan nilai koefisien determinasi (R2) R2 = [Ry(1,2)]2 = 0,554 6) Menentukan signifikansi persamaan garis regresi
Sumber db JK MK Fhitung F0,05(7;2) variansi Grs.regresi 2 209,467 104,734 4,348 4,74 Galat/error 7 168,633 24,090 Total 9 378,100 Karena nilai Fhitung F(0,05)(7;2) maka persamaan garis regresi linier

7) Menghitung sumbangan efektif (SE) Meskipun persamaan garis regresi tidak signifikan, kita masih dapat menentukan efektifitas prediksinya. Ada dua nilai SE, yaitu; - SE kombinasi dua prediktor X1 dan X2 terhadap Y, adalah: SE = R2 . 100% = 0,554 .100% = 55,4% Jadi, efektifitas persamaan garis regresi tersebut adalah 55,4%, artinya nilai Y dapat diramalkan dari nilai prediktor X1 dan X2 dengan besar prediksi 55,4%. Sedangkan sisanya yaitu 44,6% ditentukan oleh faktor selain X1 dan X2. Atau kombinasi variabel X1 dan X2 secara bersama mempengaruhi nilai Y dengan besar pengaruh 55,4%. Sedangkan sisanya yaitu 44,6% ditentukan oleh faktor selain X1 dan X2. (Catatan: meskipun Y dapat diramalkan dari nilai prediktor X1 dan X2 dengan besar prediksi 55,4% tetapi ingat! persamaan garis regresinya tetap tidak cukup signifikan). - SE parsial atau masing-masing prediktor terhadap Y Untuk menentukan terlebih dahulu tetukan nilai statistik berikut: a1 x1y = 0,198 . 1085,8 =214,988 a2 x2y = 1,209 . 4,965 = 6,002 Karena nilai a2 x2y berharga negatif (lihat Catatan khusus untuk nilai SEx1 dan SEx2) maka JKregresi yang digunakan adalah

Y= 0,198 X1 1,209 X2 + 21,411 adalah tidak signifikans. Artinya persamaan garis regresi tersebut tidak signifikan (tidak berarti) untuk meramalkan nilai Y dari prediktor X1 dan X2.

JKregresi

maka; SEx1

=a1 x1y+ a2 x2y = 214,988 + 6,002 = 214,988 + 6,002 = 220,990


a1 x1y = ----------- x R2 x 100% JKregresi 214,988 = ----------- 0,554 x 100% 220,990 = 53,890%

a2 x2y dan SEx2 = ------------ x R2 x 100% JKregresi 6,002 = ------------- 0,554 x 100% 220,990 = 1,510% Dari dua nilai SE tersebut, maka dengan persamaan garis regresi Y= 0,198 X1 1,209 X2 + 21,411, besarnya nilai Y dapat diramalkan dari nilai prediktor X1 dengan besar prediksi 53,89%., kemudian besarnya nilai Y diramalkan dari nilai prediktor X2 dengan besar prediksi 1,51%. Sedangkan sisanya yaitu 44,6% ditentukan oleh faktor selain X1 dan X2. Atau dengan kalimat lain; nilai X1 dapat mempengaruhi nilai Y dengan besar pengaruh 55,89%, dan X2 dapat mempengaruhi nilai Y dengan besar pengaruh 1,51%. Sedangkan sisanya yaitu 44,6% ditentukan oleh faktor selain X1 dan X2. (Catatan: meskipun Y dapat diramalkan dari nilai setiap prediktor X 1 dan X2 tetapi ingat! persamaan garis regresinya tetap tidak cukup signifikan).

D. Analisis Regresi Linier 3-prediktor dan n-prediktor 1. Pengantar Untuk analisis regresi 3-prediktor dan n-prediktor (n =banyak prediktor, dalam hal ini sama dengan tiga atau lebih) sebaiknya menggunakan pendekatan penghitungan dengan metode skor deviasi, karena lebih teliti. Selanjutnya pada materi ini akan digunakan pendekatan dengan skor deviasi. 2. Langkah-langkah (3-prediktor) 1) Menguji linieritas hubungan setiap X dengan Y X1 dan Y diuji linieritasnya Harus membentuk garis linier X2 dan Y diuji linieritasnya bila salah satu atau dua-duanya tak linier, maka tidak dapat X3 dan Y diuji linieritasnya diteruskan ke langkah nomor 2 2) Menghitung koefisien korelasi linier (rXY) Karena dua prediktor maka: X1 dan Y dihitung nilai rX1Y Nilai rXY masing-masing harus signifikan, bila salah satu atau X2 dan Y dihitung nilai rX2Y dua-duanya tak signifikan, maka tidak dapat diteruskan ke X3 dan Y dihitung nilai rX3Y langkah nomor 3 3) Menentukan persamaan garis regresi linier Sebelumnya hitung dahulu nilai-nilai statistik berikut: - Hitung nilai statistik; X12 ; X22 ; X32 ; Y2 ; X1Y ; X2Y ; X3Y; X1 ; X2 ; X3 ; Y ; X1 ; X2 ; X3 . dan Y (gunakan kalkultor, khusus untuk nilai X1Y, X2Y, dan X3Y dihitung dengan cara menyimpan hasil perkaliannya baru menekan tanda X)

- Hitung skor deviasi dari nilai X1Y ; X2Y ; X3Y ; X12 ; X22 ; X32 ; Y2, dicari juga X1X2 ; X1X3 ; dan X2X3. (X1) (Y) X1Y skor deviasinya adalah x1y = X1Y - --------------N (X2) (Y) X2Y skor deviasinya adalah x2y = X2Y - --------------N (X3) (Y) X3Y skor deviasinya adalah x3y = X3Y - --------------N (X1)2 X12 skor deviasinya adalah x12 = X1 - -------N (X2)2 X22 skor deviasinya adalah x22 = X2 - -------N (X3)2 X32 skor deviasinya adalah x32 = X3 - -------N (Y)2 Y2 skor deviasinya adalah y2 = Y - -------N (X1) (X2) X1X2 skor deviasinya adalah x1x2 =X1X2 --------------N (X1) (X3) X1X3 skor deviasinya adalah x1x3 =X1X3 --------------N (X2) (X3) X2X3 skor deviasinya adalah x2x3=X2X3 -------------N

- Hitung koefisien prediktor atau nilai a1, a2 dan an dengan menggunakan persamaan simultan berikut; (1) (2) (3) x1y = a1 x12 + a2 x1x2 + a3 x1x3 x2y = a1 x1x2+ a2 x22+ a3 x2x3 x3y = a3 x1x3+ a2 x2x3+ a3 x32

Sumber variansi Grs.regresi Galat/error Total

db 1 N-n-1 N-1

JK R (y ) (1 R2) (y2) y2
2 2

MK JKregresi --------dbregresi JKgalat -------dbgalat -

Fhitung MKregresi ----------MKgalat -

Melalui nilai-nilai statistik tersebut persamaan garis regresi linier dapat ditentukan dengan rumus; Y Y = a1 (X1 X1) + a2 (X2 X2) + a3 (X3 X3) atau Y = a1 (X1 X1) + a2 (X2 X2) + a3 (X3 X3) + Y 4) Menentukan nilai koefisen korelasi linier ganda (Ry(1,2,3)) Ry(1,2,3) adalah koefisien korelasi ganda setiap prediktor (X) terhadap Y Rumusnya; Ry(1,2,3) = a1 x1y + a2 x2y + a3 x3y -----------------------------------------y2

Untuk menentukan signifikansi seperti pada analisis regresi 1prediktor. Bila Fhitung Ftabel maka persamaan garis regresi linier adalah signifikans. Bila sebaliknya maka persamaan garis regresi linier adalah tidak signifikans.

7) Menghitung sumbangan efektif (SE) Ada tiga nilai SE, yaitu; - SE kombinasi prediktor X1, X2 dan X3 terhadap Y, adalah: SE = R2 . 100% - SE parsial atau masing-masing prediktor terhadap Y (atau X1 terhadap Y; X2 terhadap Y dan X3 terhadap Y), rumus; a1 x1y SEx1 = ----------- x R2 x 100% JKregresi a2 x2y SEx2 = ----------- x R2 x 100% JKregresi dan a3 x3y SEx3 = ----------- x R2 x 100% JKregresi

5) Menentukan nilai koefisien determinasi (R2) Nilai R2 = [Ry(1,2,3)]2 R2 = menggambarkan efektifitas persamaan garis regresi

6) Menentukan signifikansi persamaan garis regresi Dengan menggunakan analisis varians;

Catatan khusus untuk nilai SEx1, SEx2 dan SEx3: nilai di dalam tanda adalah nilai mutlak, artinya tidak memiliki atau tidak ada nilai negatif. Bila nilai a1 x1y, a2 x2y dan a3 x3y berharga positif atau ketiganya berharga negatif maka nilai JKregresi sama dengan JKregresi hasil anava persamaan garis regresi. Bila nilai a1 x1y, a2 x2y dan a3 x3y salahnya satu berharga negatif maka nilai JKregresi tidak sama dengan JKregresi hasil anava persamaan garis regresi, tetapi JKregresi =a1 x1y+a2 x2y+a3 x3y 3. Analisis Regresi Linier n-prediktor Untuk analisis ini langkah-langkahnya dapat anda kembangkan dari analisis regresi linier 3-prediktor. Untuk melatih kemampuan anda pada materi ini, cobalah pelajari penelitianpenelitian yang menggunakan lebih dari tiga prediktor. Anda juga dapat mengerjakan soal-soal pada berbagai buku statistik yang banyak beredar di pasaran. Analisis regresi linier memiliki proses penghitungan yang panjang. Padahal pada era teknologi seperti sekarang ini, kurang efektif bila menggunakan cara manual, kita akan terjebak pada penghitungan-penghitungan yang panjang. Sebagai jalan keluar, anda dapat menambah pengetahuan statistika dengan belajar program komputasi analisis data statistik, misalnya; program SPSS, Minitab, Microstat, SPS, Statistic, Stat-A, dll. Saudara HARUS kursus di tempat-tempat kursus atau menimba ilmu pada teman saudara yang bisa program itu.

Latihan 1: Seorang peneliti ingin menjawab apakah daya antibakteri E.coli (Y) dipengaruhi oleh dosis filtrat daun jambu biji (X). Ia kemudian mengadakan penelitian secara in vitro dengan menggunakan 10 macam dosis filtrat (ppm/hr) dan hasilnya sebagi berikut.
X (ppm) 0,0 Y (mm) 1,5 0,2 2,2 0,4 2,5 0,6 2,5 0,8 2,9 1,0 3,1 1,2 3,6 1,4 3,7 1,6 3,8 1,8 4,0

Bila X dan Y linier, jawablah pertanyaan berikut dengan =0,05. a. Bagaimana signifikansi nilai rxy? b. Bagaimana persamaan garis regresinya? c. Ujilah signifikansi persamaan garis regresi dan Bagaimana hasilnya? d. Berapakah sumbangan efektif X terhadap Y! Latihan 2: Seorang mahasiswa ingin menentukan apakah kemampuan meneliti para mahasiswa (Y) dapat ditentukan atau diprediksi dari kemampuan dalam metodologi penelitian (X1) dan statistika (X2). Ia kemudian mengambil 10 orang secara random dari populasi mahasiswa yang akan wisuda. Hasil penelitiannya sebagai berikut.
Subyek 1 2 3 4 5 6 7 8 9 10 X1 3.5 2.5 2.0 4.0 2.5 3.0 3.5 3.5 2.5 3.0 X2 3.0 3.0 2.5 4.0 2.0 4.0 4.0 3.5 2.0 3.0 Y 85 80 78 87 78 84 82 86 75 80

Latihan 3: ??

Bila X1Y dan X2Y masing-masing adalah linier, jawablah pertanyaan berikut. a. Bagaimana signifikansi rxy? b. Bagaimana persamaan garis regresinya c. Ujilah signifikansi persamaan garis regresinya pada =0,05! dan Bagaimanakah hasilnya? d. Tentukan sumbangan efektif ganda (bersama) faktor X1 dan X2 terhadap Y! e. Tentukan sumbangan efektif tunggal faktor X1 terhadap Y dan X2 terhadap Y!