A.
ANALISIS REGRESI
Tujuan perkuliahan
1. Menentukan persamaan regresi sederhana
2. Menguji keberartian koefisien regresi menggunakan uji F
2
S reg
2
S sis
2
S TC
2
S sis
4. Menentukan kontribusi variable bebas terhadap variable terikat
27
b.
a.
= bilangan konstanta
c.
X
X1
X2
X3
Y
Y1
Y2
Y3
Xn
Yn
X
Y
(X)2 (Y)2
X2
X12
X22
X32
Y2
Y12
Y22
Y32
XY
X1Y1
X2Y2
X3Y3
Xn2
X2
Yn2
Y2
XnYn
XY
b=
( Yi )( X i2 ) ( X i )( X i Yi )
n X ( X i )
2
i
atau a Y b X
n X i Yi ( X i )( Yi )
n X i2 ( X i ) 2
Berikut ini dikemukakan data fiktif dari prestasi belajar dan kemampuan
berpikir logis siwa SMA A yang diambil secara acak dari suatu populasi. Akan
ditentukan persamaan regresi beserta sifat-sifatnya.
d.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
54
50
53
45
48
63
46
56
52
56
47
56
55
52
50
60
55
X = 1782
XY
= 30085225
No
167
155
148
146
170
173
149
166
170
174
156
158
150
160
157
177
166
Y2= 887291
(Y)2
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
45
47
53
49
56
57
50
49
58
48
52
56
54
59
47
48
56
160
155
159
159
172
168
159
150
165
159
162
168
166
177
149
155
160
X2
= 5485
= 288380
= 94098
(X)2 = 3175524
Rata X= 52.41176
Rata Y= 161.3235
Keterangan:
X = kemampuan berpikir logis
Y = prestasi belajar bhs Inggeris
b=
( Yi )( X i2 ) ( X i )( X i Yi )
n X ( X i )
2
i
n X i Yi ( X i )( Yi )
n X i2 ( X i ) 2
atau a Y b X = 93.84955
29
Hipotesis.
H0 : Tidak terdapat pengaruh berpikir logis terhadap hasil belajar bhs Inggersi
Ha : Terdapata pengaruh berpikir terhadap hasil belajara bhs Inggeris
Atau
H0 : b = 0
Ha : b 0
Hipotesis
H0 : Persamaan regresi adalah linear
Ha : Persamaan regresi tidak linear
Kriteria uji hipotesis untuk keberartian koefisien regresi adalah tolak H0 jika
Fhitung > Ftabel dan sebaliknya menerima Ha. Kriteria uji hipotesis untuk uji
linearitas adalah menerima H0 jika Fhitung < Ftabel
JK (T ) Y 2
JK ( A)
( Y ) 2
n
JK (b / a ) b
XY
( X )( Y )
n
( Y ) 2
2
Y
JK(TC) =
ni
ni
JK(G) = JK(S) JK(TC)
Keterangan
JK(T) = Jumlah kuadrat total
JK(a) = Jumlah kuadrat koefisien a
JK(b/a) = Jumlah kuadrat regresi (b/a)
JK(S) = Jumlah kuadrat sisa
JK(TC) = Jumlah kuadrat Tuna Cocok
JK(G) = Jumlah kuadrat galat
Tabel Ringkasan ANAVA Y = a + bX
30
Sumber variasi
.dk
JK
KT
Total
.n
Y2
(Y)2
Reg (a)
JK(a)
JK(a)
Reg(b/a)
JK(b/a)
.sreg2 = JK(b/a)
Residu/Sisa
.n 2
JK(S)
Tuna Cocok
.k 2
JK(TC)
S2TC = JK(TC)/k-2
Galat
.n k
JK(G)
S2G = JK(G)/n-k
Keterangan
.n = banyaknya responden
.k = banyaknya kelompok skor variabel bebas (X) yang sama
X
KELOMPOK
45
45
46
47
47
47
48
48
48
49
49
50
50
50
52
52
52
53
53
54
54
55
55
56
56
56
56
56
56
57
58
59
60
2
3
1
3
10
11
12
13
14
15
1
1
1
1
146
160
149
156
155
149
170
159
155
159
150
155
157
159
170
160
162
148
159
167
166
150
166
166
174
158
172
168
160
168
165
177
177
31
.s2reg/.s2res
s2TC/.s2G
63
16
X
= 1782
2
Y = 887291
XY
(Y)2
= 30085225
Y = 93.849 + 1.287 X
173
Y
= 5485
X2
= 94098
2
= 288380
(X) = 3175524
Rata X = 52.41176
Rata Y = 161.3235
( Y ) 2
n
JK (b / a ) b
= (30085225)/34 = 884859.5588
XY
( X )( Y )
n
1.287{
288380
(1782x5485)}/34
1160.192647
(146 160
149 2
2
2
2
2
Y
146
160
149
JK(G)
=
. .. =
ni
2
1
ni
656.67.
JK(TC) = JK(S) JK(G) = 1271.248553 656.67 = 611.87
DAFTAR ANAVA UNTUK REGRESI LINEAR Y = 93.849 + 1.287 X
Sumber variasi
.dk
JK
KT
Total
34
887291
Reg (a)
884859.56
Reg(b/a)
1160.192
1160.192
Residu/Sisa
.32
1271.248
39.64
Tuna Cocok
14
611.87
S2TC = JK(TC)/k-2
Galat
18
656.67
S2G = JK(G)/n-k
.29.34
1.20
Kesimpulan
Perhatikan hipotesis di bawah ini
H0 : b = 0 dan Ha : b 0
Karena (Fhitung = 29.34) > (F tabel (1: 32) = 4.15), maka H a diterima artinya b 0. atau
terdapat pengaruh berpikir logis terhadapil belajar bhs Inggeris.
Selanjutnya :
Karena (Fhitung = 1.20) < (F tabel (14:18) = 2.29) maka regresi adalah linear.
32
H0 : = 0
H1 : 0
n X Y ( X )( Y )
R2 = 0.477
= 0.691
2 2 2 2
n2
1 r 2
Selanjutnya akan dihitung kesalahan standar estimasi persamaan regresi tersebut dalam
mengestimasi nilai variabel dependen Y dengan menggunakan metoda kuadrat terkecil (leastsquare methods). Rumus yang digunakan adalah
Se
a Y b XY
= 6.576888987
n2
Kesalahan standar estimasi dari permasaan regresi Y = Y = 93.849 + 1.287 X adalah
6.577. Perlu diketahui bahwa makin besar standar estimasi persamaan regresi makin
kurang tepat variabel bebas menjelaskan variabel terikat. Karena kesalahan standar
estimasi cukup tinggi, maka ada kecenderungan bahwa masih ada persamaan estimasi
yang lain yang dapat digunakan untuk menjelaskan variabel terikat Y. Untuk mengatasi
masalah ini, dibutuhkan ketepatan menentukan model regresi yang diperlukan. Model
tersebut diperoleh dengan cara mencoba-coba beberapa model dan memilih model
yang cocok atau hampir cocok digunakan mempridiksi variabel terikat Y.
Karena kesalahan standar estimasi termasuk tinggi, maka diperlukan model regresi lain
yang memiliki kesalahan standar estimasi lebih kecil. Untuk menemukan model regresi
seperti itu, diselidiki beberapa model regresi kemudian diambil kesalahan standar
estimasi yang lebih kecil. Pemilihan tersebut harus didasari oleh teori maupun empiris
yang dilakukan. Beberapa model regresi yang mungkin diselidiki adalah Y = a + bX 2 ,
Y = a + b ln X, dan sebagainya.
Pada kajian ini, model regresi dan kesalahan standar estimasi yang digunakan seperti
yang telah diuraikan di atas.
33
Jika menu Regression diklik, maka muncul jendela seperti di bawah. Pindahkan variabel
hasil velajar (variabel dependet) kedalam kotak dependent dan variabel sikap kedalam
kotak variabel Independet seperti di bawah ini.
34
Selanjutnya, klik statistics dan aktifkan Estimates, Model fit, Deskriptif, dan Part and
partial correlation kemudian kembali ke menu Linear Regression.
Klik Option dan aktifkan Use Methot Criteria of F kemudian kembali ke menu Linear
Regression dan klik
35
VAR00002
VAR00001
Std. Deviation
8.58371
4.60644
N
34
34
Correlations
Pearson
Correlation
VAR00002
VAR00001
VAR00002
1.000
.691
VAR00001
.691
1.000
Sig. (1-tailed)
VAR00002
.000
VAR00001
.000
VAR00002
34
34
VAR00001
34
34
Model Summary
Model
1
R
R Square
.691(a)
.477
a Predictors: (Constant), VAR00001
Adjusted R
Square
.461
Std. Error of
the Estimate
6.30204
ANOVA(b)
Model
1
Sum of
Squares
Regressio
n
Residual
Df
Mean Square
1160.537
1160.537
1270.904
32
39.716
2431.441
a Predictors: (Constant), VAR00001
b Dependent Variable: VAR00002
33
Total
Coefficients(a)
36
Sig.
29.221
.000(a)
Unstandardized
Coefficients
Model
1
B
93.850
1.287
(Constant)
VAR00001
Standardized
Coefficients
Std. Error
12.529
.238
Sig.
Beta
.691
7.491
5.406
.000
.000
Tugas
Lakukan analisis regresi sederhana yang datanya disajikan di bawah ini.
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
X
34
38
34
40
30
40
40
34
35
39
33
32
42
40
42
Y
32
36
31
38
29
35
33
30
32
36
31
31
36
37
35
No
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
X
42
41
32
34
36
37
36
37
39
40
33
34
36
37
38
Y
38
37
30
30
30
33
32
34
35
36
32
32
34
32
34
7.
8.
9.
10.
1.
Merumuskan masalah
Apakah terdapat pengaruh sikap dan motivasi terhadap hasil belajar bahasa
Inggeris?
37
2.
3.
4.
5.
a.
= nb0
+ b1X1 + b2 X2
38
X1
1
2
X2
X12
X22
Y2
X1Y
X2Y
X1X2
2
11
2
12
Y1
Y2
X11Y1
X12Y2
...
X1nYn
X21Y1
X22Y2
...
X2nYn
X11X21
X12X22
...
X1nX2n
X1Y
X2Y
X1X2
X21
X22
....
X2n
Y1
Y2
...
Yn
X
X
X11
X12
....
X1n
X21
X222
X1n
X2n2
X1
X2
X12
X22
Yn
Y2
X1
7
3
4
6
8
7
4
6
7
6
8
4
4
6
8
7
4
6
105
X1
+ b1X1
X2
7
3
6
4
7
5
6
3
4
3
7
3
5
4
6
4
3
6
86
X2
+ b2 X2
Y
15
10
15
17
17
20
10
14
15
10
15
10
15
17
17
20
10
14
261
Y
= Y
X1^2
49
9
16
36
64
49
16
36
49
36
64
16
16
36
64
49
16
36
657
X1^2
X2^2
49
9
36
16
49
25
36
9
16
9
49
9
25
16
36
16
9
36
450
X2^2
X1Y
105
30
60
102
136
140
40
84
105
60
120
40
60
102
136
140
40
84
1584
X1Y
X2Y
105
30
90
68
119
100
60
42
60
30
105
30
75
68
102
80
30
84
1278
X2Y
X1X2
49
9
24
24
56
35
24
18
28
18
56
12
20
24
48
28
12
36
521
X1X2
18 b0 + 105 b1 + 86 b2 = 261
39
det (A) =
det(A2) =
18
105
105
657
86
521
86
521
450
18
105
86
261
1584
1278
86
521
450
= 24600
det (A1) =
= 32508
det (A3) =
b0 =
det( A1 )
= 150687/24600 = 6.125488
det( A)
b1 =
det( A2 )
= 32508/24600 = 1.321463
det( A)
b2 =
det( A3 )
= 3429/24600 = 0.13939
det( A)
261
1584
105
657
86
521
1278
521
450
18
105
86
105
657
521
261
1584
1278
= 150687
= 3429
b.
= 0.674
40
t
2.357
2.982
.295
Sig.
.032
.009
.772
r y1
ry 2
r12
n 1YX (X1)(Y)
{nX (X ) }{nY (Y })
= 0.671
{nX (X ) }{nY (Y })
= 0.361
2 2 2 2
1 1
n X 2 Y ( X 2 )( Y )
2 2 2 2
2 2
nX1X2 (X1)(X2)
{nX (X ) }{nX (X })
= 0.463
2 2 2 2
1 1 2 2
41
t hitung
n2
1 r 2
Correlations
Pearson Correlation
Sig. (1-tailed)
N
Y
X1
X2
Y
X1
X2
Y
X1
X2
X1
X2
1.000
.671
.361
.
.001
.071
18
18
18
.671
1.000
.463
.001
.
.026
18
18
18
.361
.463
1.000
.071
.026
.
18
18
18
Model Summary
Model
1
R
.674
c.
Fhitung = s2reg/.s2res =
k
JK res
n k 1
X Y
1
X Y
1
= 61.5
42
x2y =
JKRes =
Y 2
X Y = 31
2
( Y ) 2
n
JK reg
= 102.9089
Sum of Squares
1 Regression
85.591
Residual
102.909
Total
188.500
a Predictors: (Constant), X2, X1
b Dependent Variable: Y
df
Mean Square
Sig.
2
15
17
42.796
6.861
6.238
.011
Kesimpulan
Berdasarkan hasil perhitungan di atas ternyata F hitung > Ftabel . Hal ini menunjukkan
bahwa H0 ditolak atau Ha diterima, artinya terdapat pengaruh X 1 dan X2 secara
bersama-sama terhadap Y dengan koefisien determinasi 0.454. Artinya terdapat
45.4% variasi Y dijelaskan secara bersama sama oleh X 1 dan X2
d.
= 0.674
43
r y1
ry 2
r12
n 1YX (X1)(Y)
{nX (X ) }{nY (Y })
= 0.671
{nX (X ) }{nY (Y })
= 0.361
2 2 2 2
1 1
n X 2 Y ( X 2 )( Y )
2 2 2 2
2 2
nX1X2 (X1)(X2)
{nX (X ) }{nX (X })
= 0.463
2 2 2 2
1 1 2 2
44
S y21, 2 , ... , k
(1 Ri2 )
X i2
S y21, 2, 3,...,k
, .i = 1, 2, 3, . . . , k.
( X i ) 2
n
JK (Re s )
= 102.9089/15 = 6.860593
N k 1
x1y =
X Y
x2y =
JKRes =
X Y
1
X Y
2
( Y ) 2
n
JK reg
= 102.9089
r12
nX1X2 (X1)(X2)
{nX (X ) }{nX (X })
= 0.463
2 2 2 2
1 1 2 2
45
x1 =
2
1
x2 =
2
2
S y21, 2, 3,...,k
S
2
b1
Sb1 =
.t =
( X 1 ) 2
= 44.5
( X 2 ) 2
= 39.111
n
n
JK (Re s )
= 102.9089/15 = 6.860593
N k 1
S y212
2
1
(1 R12 )
0.196238 =
= 0.196238
0.442988
b1
= 2.983071
S b1
2
b2
S y212
2
2
(1 R22 )
= 102.9089/15 = 6.860593
e.
t
2.357
2.982
.295
Sig.
.032
.009
.772
46
Model Summary
Model
1
R
.674
f.
SEP.X1 =
SEP.X2 =
b1 X 1Y
( R 2 .100%) = 41.85%
b2 X 2 Y
( R 2 .100%) = 3.55%
(b1 X 1Y ) (b2 X 2Y )
(b1 X 1Y ) (b2 X 2Y )
Std. Error
2.304
.381
47
Standardized
Coefficients
Beta
.671
Sig.
2.795
3.625
.013
.002
a Dependent Variable: Y
R R Square
1
.671
a Predictors: (Constant), X1
Adjusted R Square
.451
.417
2.54344
Sum of Squares
1
Regression
Residual
Total
a Predictors: (Constant), X1
b Dependent Variable: Y
df
84.994
103.506
188.500
Mean Square
1
16
17
84.994
6.469
13.139
Sig.
.002
X1
65
72
75
80
80
80
80
67
63
70
75
60
62
71
62
X2
55
80
80
89
80
80
75
90
58
70
76
70
58
58
61
X3
70
64
65
75
66
61
80
80
57
48
65
65
65
70
52
Y
70
64
63
63
66
64
69
64
57
48
80
54
49
80
52
Hipotesis
48
No
X1
X2
X3
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
77
80
77
65
71
65
71
66
69
63
77
80
75
75
70
70
80
80
52
62
52
62
61
56
90
80
75
75
70
60
61
60
65
60
75
80
80
80
55
70
59
75
50
65
70
61
75
64
60
75
80
75
80
80
52
59
75
80
65
70
H0
= 2143
2
1
= 154 301
X
X
Y = 143 033
2
1
X 12
2
2
X 22
2
3
X 32
Y 2
n
( Y ) 2
y X 2Y
y X 3Y
= 151 563
2
3
= 1988
Y = 1994
= 134 182
Y =135 444
2
n
( X 3 ) 2
2
2
n
( X 2 ) 2
y X 1Y
( X 1 )
= 2105
1 X 2 = 151 154
= 1 219 367
= 3 862 167
= 2 443 867
= 2 909 467
( X 1 )( Y )
n
( X 2 )( Y )
n
( X 3 )( Y )
= 594,933
= -675,333
= 1.009,267
n
( X 1 )( X 2 )
= 1.176,833
x1 x 2 X 1 X 2
n
( X 1 )( X 3 )
= 53,533
x1 x3 X 1 X 3
n
( X 2 )( X 3 )
= 136.667
x 2 x3 X 2 X 3
n
Skor skor tersebut di atas diperoleh menggunakan program exel
Nilai-nilai yang didapat disubtitusikan ke sistem persamaan berikut :
3
49
Sig.
.766
.002
.004
.014
Correlations
Zero-order
Partial
.316
-.201
.378
.559
-.522
.457
digunakan untuk memprediksi nilai Y, karena 0.05 > 0.001. Selanjutnya, secara
manual (perhitungan menggunakan exel/kalkulator) diperoleh F hitung = 6.916
dengan = 0.05. Sedangkan F tabel = 2.96 dengan db penyebut = 26 dan db
pembilang = 3. Hal ini menunjukkan bahwa F hitung > Ftabel . Akibatnya, H0 ditolak
atau H1 diterima.
R2
b1 x1 y b2 x 2 y b3 x3 y
R2
m
F
= 6.916, db
1 R2
N m 1
= 0.444
pembilang = 3, db penyebut = 30 3 1 = 26
Sum of Squares
Df
Mean Square
1 Regression
1291.282
3
Residual
1618.185
26
Total
2909.467
29
a Predictors: (Constant), logika, sikap, motivasi
b Dependent Variable: prestasi
430.427
62.238
F
6.916
Sig.
.001
Kesimpulan
Karena (Fhitung = 6.916) > (Ftabel = 2.96) maka H0 ditolak dan H1 diterima, jadi
terdapat
Sig.
.766
.002
.004
.014
Correlations
Zero-order
Partial
.316
-.201
.378
.559
-.522
.457
isi dengan y1 pada kolom indenden isi dengan variabel X1,X2,X3) diperoleh
output sbb: Dari Output Coefficients (dari kolom B ) didapat persamaan regresi
sebagai berikut : Y = 5,734 + 0,924X1 - 0,471X2 + 0,419X3
Arti dari persamaan regresi tersebut adalah sebagai berikut :
Untuk mengetahui apakah model regresi tersebut sudah benar atau
salah, diperlukan uji hipotesis dengan menggunakan angka F, pada
tabel berikut :
Menentukan F tabel :
Taraf signifikansi 0,05 ;
db pembilang = m = jml variabel bebas 1
= 31
=2
df penyebut
= Nm1
= 30 2 1
= 27
Diperoleh F tabel = 3,35
Karena F hitung > F tabel maka persamaan regresi yang
dapat
dipergunakan sebagai dasar penaksiran /peramalan pada besarnya
variabel terikat (Y) berdasarkan variabel bebas ( X1, X2 dan X3 ).
UJI HIPOTESIS
X 1 = KEPEMIMPINAN KEPALA SEKOLAH
X2 = LINGKUNGAN
X3 = MOTIVASI GURU
Y = KINERJA GURU
HIPOTESIS :
Ho : Tidak terdapat pengaruh yang signifikan antara Kepemimpinan Kepala
Sekolah, Lingkungan dan Motivasi Guru secara bersama-sama terhadap Kinerja
Guru.
H1 : Terdapat pengaruh yang signifikan antara Kepemimpinan Kepala Sekolah,
Lingkungan dan Motivasi Guru secara bersama-sama terhadap Kinerja Guru.
1. Pengaruh X1, X2,X3 secara bersama-sama terhadap Y1
52
df
3
26
29
Mean Square
430.427
62.238
F
6.916
Sig.
.001
terdapat pengaruh
Cara kedua :
output anova
diperoleh signifikansi nya (sig) sebesar 0,001. Karena 0,001 < 0,05 maka Ho
dtolak dan H1 diterima artinya
53
Model Summary
Model
.75
.50
.25
0.00
0.00
.25
.50
.75
1.00
Histogram
Dependent Variable: prestasi
10
Frequency
Mean = 0.00
N = 30.00
0
-2.00
-1.00
-1.50
0.00
-.50
1.00
.50
2.00
1.50
2.50
54