SOAL JAWAB BAB REGRESI

1. Jelaskan apa fungsi regresi dalam penelitian pendidikan !

- Dalam penelitian pendidikan, regresi berfungsi sebagai pengetahui pengaruh antara variabel bebas
(yang juga dikenal dengan prediktor) yang disimbolkan dengan X dan variabel terikat (yang juga
dikenal dengan kriterium) yang disimbolkan dengan Y

2. Ada berapa macam persamaan regresi sederhana yang mungkin dapat digunakan dalam
penelitian pendidikan? beri alasan !
- persamaan yang dapat digunakan dalam penelitian pendidikan adalah 5 buah persamaan, yaitu
model parabola, hiperbola, eksponensial, pangkat tiga, dan geometri. Akan tetapi, yang sering
digunakan hanyalah model parabola, eksponensial, dan geometrri, karena dalam penelitian
pendidikan bentuknya cenderung mengikuti pola garis persamaan-persamaan ini, sedangkan untuk
model hiperbola dan pangkat tiga sangat jarang digunakan karena jenis koefiesien regresi yang
banyak dan karena nilai nilai yang dihadapi dalam dunia pendidikan sifatnya positif.

3. Sebutkan syarat-syarat yang harus dipenuhi, jika kita akan menggunakan persamaan regresi
dalam penelitian kita !
- 1. Terdapat hubungan logika antara peubah yang diregresikan
2. Skala peubah sekurang-kurangnya skala selang (interval)
3. Terdapat studi awal (penelitian, refrensi, jumal, pustaka, dll) yang menunjukkan indikasi
hubungan antara 2 peubah yang akan diregresikan
4. Terdapat hubungan sebab akibat antara 2 peubah yang akan diregresikan

4. Ada berapa cara dalam pengujian signifikansi koefisien regresi? Jelaskan perbedaan cara
tersebut !
- Tahapan pengujian signifikansi pada dasarnya dibagi menjadi 2 bagian, yaitu pengujian secara
bersama (Overall Test) dan pengujian secara satu-satu (Partial Test). Kedua pengujian ini memiliki
kekerabatan yang kuat. Berhasil tidaknya pengujian Overall test akan mempengaruhi muncul
tidaknya Partial Test.

Overall Test dapat dikatakan sebagai pengujian awal terhadap penduga parameter yang kita
hasilkan. Hipotesis nul pada uji ini adalah tidak ada satupun variabel yang signifikan dari model yang
kita hasilkan. Sedangkan, lawan dari hipotesis nul nya adalah minimal terdapat satu variabel yang
signifikan dari model yang dihasilkan.

Partial Test dilakukan pada tiap hasil estimasi parameternya

5. Apa arti keofisien regresi b bertanda negatif? Beri contoh agar penjelasan saudara lebih jelas !
-b = -A (b bertanda negatif), apabila bertanda negatif maka hubungan antara X dan Y berlawanan
arah. Besar kecilnya pengaruh perubahan variable X terhadap perubahan Y ditentukan oleh
besarnya angka koefisien. Contohnya jika nilai variable bebas X naik/bertambah/meningkat 1 unit,
maka nilai variabel Y akan turun/berkurang sebesar A unit. Sebaliknya bila nilai variabel
turun/berkurang 1 unit, maka nilai variabel Y akan naik/bertambah/meningkat sebesar A unit.

6. A. Hitung persamaan regresi mutlak untuk data berikut ini.
Tinggi Badan (X) Tinggi Loncatan (Y)
155 165 160 172
155 171 155 169
155 172 160 171
175 163 180 168
160 165 170 178
171 180 162 180
176 179 167 180
177 181 181 185
170 178 180 169
175 177 181 170

Jawaban : Pertama, buat tabel dengan data yang diperlukan dan sudah diurutkan
X Y X
2
Y
2
XY x-xrata y-yrata (x-xrata)
2
(y-yrata)
2
155 160 24025 25600 24800 -15 -11.9 225 141.61
155 155 24025 24025 24025 -15 -16.9 225 285.61
155 160 24025 25600 24800 -15 -11.9 225 141.61
175 180 30625 32400 31500 5 8.1 25 65.61
160 170 25600 28900 27200 -10 -1.9 100 3.61
171 162 29241 26244 27702 1 -9.9 1 98.01
176 167 30976 27889 29392 6 -4.9 36 24.01
177 181 31329 32761 32037 7 9.1 49 82.81
170 180 28900 32400 30600 0 8.1 0 65.61
175 181 30625 32761 31675 5 9.1 25 82.81
165 172 27225 29584 28380 -5 0.1 25 0.01
171 169 29241 28561 28899 1 -2.9 1 8.41
172 171 29584 29241 29412 2 -0.9 4 0.81
163 168 26569 28224 27384 -7 -3.9 49 15.21
165 178 27225 31684 29370 -5 6.1 25 37.21
180 180 32400 32400 32400 10 8.1 100 65.61
179 180 32041 32400 32220 9 8.1 81 65.61
181 185 32761 34225 33485 11 13.1 121 171.61
178 169 31684 28561 30082 8 -2.9 64 8.41
177 170 31329 28900 30090 7 -1.9 49 3.61
JUMLAH
3400 3438 579430 592360 585453 0 0 1430 1367.8

a =
()(

)()()

()

=
( )( )
( )

=

= 53,85
b =
()()

()

=
( )( )

= 0,69
Persamaan regresi linier :
= a + bX
= 53,85 + 0,69X

B. Apakah persaman tersebut dapat digunakan untuk melakukan prediksi atas nilai Y jika diketahui
nilai X nya?

= (

) (

)
= (

) ( (

))
= 1,055 x (71,99 (0,4761 x 75,26))
= 1,055 x (71,99 35,83)
= 1,055 x 36,16
= 38,15
r
2

r
2
= 0,4702
maka kemungkinan kebenaran prediksi nilai Y menggunakan nilai X hanya sebesar 47,02%
sehingga tidak terlalu jika menggunakan persamaan ini untuk melakukan prediksi

c. UJI LINIERITAS
a. Jumlah kuadrat Total (JKT)
JK(T) = Y
2
= 592360
b. Jumlah kuadrat Regresi JK (a)
JK(a) =
()

c. Jumlah kuadrat regresi JK (b/a)
JK(b/a) = b *
()()

+
= 0,69 *
(

+
= 0,69 x (585453 584460)
= 0,69 x 993
= 685,17
d. Jumlah kuadrat Sisa JK(S)
JK(S) = JK(T) JK(a) JK(S)
= 592360 590992,3 685,17 = 682,63
e. Jumlah kuadrat kekeliruan JK(G)
JK(G) = Y
2
-
()

Tabel perhitungan JK (Galat)
tinggi badan
(X) K
tinggi loncatan
(Y) Y
2
Y (Y)
2
y
2
JK(G)
155 1 165 27225 677 458329 114611 28.75
155 171 29241
155 172 29584
155 169 28561
160 2 165 27225 508 258064 86050 28.66667
160 172 29584
160 171 29241
162 3 180 32400
167 4 180 32400
170 5 178 31684 356 126736 63368 0
170 178 31684
171 6 180 32400
175 7 163 26569 340 115600 57898 98
175 177 31329
176 8 179 32041
177 9 181 32761
180 10 168 28224 337 113569 56785 0.5
180 169 28561
181 11 185 34225 355 126025 63125 112.5
181 170 28900
3365

3473 603839 2573 1198323 441837 268.4167
Jumlah 536.8333

Jumlah JK(G) = 536,8333
f. Jumlah kuadrat tuna cocok JK(TC)
JK(TC) = JK(S) JK(G))
= 682,63 536,8333 = 145,8
Rata-rata jumlah kuadrat (RJK), yaitu dengan cara membagi JK dengan db masing-masing.
Perhitungan sebagai berikut :
db Regresi Total = N = 20
db Regresi(a) = 1
db regresi (b/a) = 1
db Sisa = N -2 = 20 -2 = 18
db Tuna cocok = N K = 20 11 = 9
db Kekeliruan = K 2 = 11 2 = 9
g. Varians Regresi (S
2
reg) : RJK(b/a)
RJK(b/a) = JK(b/a) / 1 = 685,17
h. Varians Residu (S
2
reg) : RJK(S)
RJK(S) =
()

i. Varians Tuna Cocok (S
2
TC) : RJK(TC)
RJK(TC) =
()

= 16,2
j. Varians Kekeliruan (S
2
G) : RJK(G) =
()

k. Uji kelinieran Persamaan Regresi, yaitu
Fo =
()
()
=

Dengan mengkonsultankan F
hitung
dengan F
tabel
pada taraf = 1% dan db pembilang = N K = 9 dan
db penyebut = K 2 = 9 di dapat Ftabel (9,9) = 1. Karena Fhitung <F tabel (9,9), yaitu : 0,27<1
sehingga dapat disimpulkan bahwa persamaan Regresi : = 53,85 + 0,69X adalah LINIER

D. Jika ternyata tidak linier, model apa yang paling cocok untuk soal ini?
- Persamaan = 53,85 + 0,69X sudah LINIER

7. Model regresi mana yang paling cocok untuk data di bawah ini?
X 70 85 90 95 85 80 75 85 73 83
Y 60 65 70 75 70 50 55 64 60 55
Untuk mempermudah kerja Saudara, buatlah grafik atas data tersebut, baru kemudian hitung
koefisien regresinya!

JAWABAN :
Urutkan data :
X 70 73 75 80 83 85 85 85 90 95
Y 60 60 55 50 55 65 70 64 70 75

Menggunakan regresi linier sederhana :
X Y X^2 Y^2 x-xrata y-yrata
(x-
xrata)^2
(y-
yrata)^2
x*y
70 60 4900 3600 -12.1 -2.4 146.41 5.76
4200
73 60 5329 3600 -9.1 -2.4 82.81 5.76
4380
75 55 5625 3025 -7.1 -7.4 50.41 54.76
4125
80 50 6400 2500 -2.1 -12.4 4.41 153.76
4000
83 55 6889 3025 0.9 -7.4 0.81 54.76
4565
85 65 7225 4225 2.9 2.6 8.41 6.76
5525
85 70 7225 4900 2.9 7.6 8.41 57.76
5950
85 64 7225 4096 2.9 1.6 8.41 2.56
5440
90 70 8100 4900 7.9 7.6 62.41 57.76
6300
95 75 9025 5625 12.9 12.6 166.41 158.76
7125
JUMLAH


821 624 67943 39496 0 5 538.9 558.4
51610

a =
()(

)()()

()

=
( )( )


0
10
20
30
40
50
60
70
80
70 73 75 80 83 85 85 85 90 95
=

=4,56
b. =
()()

()

=
( )( )

= 0,7
Persamaan regresi linier : = 4,56 + 0,7X

(


) (

)
= (

) ( (

x 59,87))
= 1,125 x (62,04 29,33)
= 1,125 x 32,71
= 36,79
r
2
=

= 25,25 / 62,04 = 0,406
8. Apakah persamaan yang Saudara peroleh padasoal No. 7 dapat digunakan dasar melakukan
prediksi?
-Tidak bisa digunakan untuk prediksi karena hanya berkisar pada 40,6 %