Modul Matematika Regresi
Modul Matematika Regresi
A. Pengertian Regresi
Seringkali peneliti ingin melihat kondisi di waktu yang akan
datang dengan suatu dasar keadaan sekarang atau ingin melihat
kondisi diwaktu yang lalu dengan dasar keadaan sekarang. Sifat
ini melakukan prediksi atau taksiran mulai berkembang dalam
dunia ekonomi, tetapi sekarang banyak dilakukan di dunia
ekonomi, tetai sekarang banyak dilakukan di dunia pendidikan.
Bahkan dewasa ini, melakukan prediksi keadaan siswa untuk
waktu yang akan datang merupakan kondisi yang sangat
dibutuhkan dalam dunia pendidikan. Melalui prediksi yang baik,
perencanaan pendidikan, baik yang menyangkut kurikulum,
metode mengajar, fasilitas ruang dan guru, dan lain-lainnya,
akan dapat direalisasikan seefisien mungkin.
Pada pembahasan bab ketujuh kita telah membahas
korelasi antara satu variabel dengan variabel yang lainnya.
hubungan yang telah dibahas di muka merupakan hubungan
yang bersifat korelasional, artinya mana yang sebagai sebab dan
mana yang menjadi akibat tidaklah jelas.
Dalam melakukan prediksi, kita harus dapat menentukan
dengan tegas mana yang sebab dan mana yang akibat
(tentunya dengan bantuan kajian teoritis). Dengan diketahuinya
sebab dan akibat, maka hubungan yang dicari bersifat kausal
(sebab akibat). Selanjutnya, jika kita tahu tentang variabel sebab
(variabel bebas), maka kita dapat melakukan prediksi tentang
kondisi variabel akibat (variabel terikatnya).
Contoh:
Misalnya kita mempunyai data dari dua buah variabel yaitu
variabel inteligensi (X) dan variabel hasil belajar (Y), yang
penyebarannya sebagai berikut:
X
Y
90
100 100 95
105 110 105 105
115
70
75
80
80
85
85
85
90
95
Berdasarkan data tersebut di atas kita buat gambar
Scatter Diagram
120
100
80
60
40
20
0
85
90
95
100
105
110
115
120
125
(X i X)2
2
2 1
S y SYX
2
n (X X)
120
100
2
n (X X)
Langkah lain untuk menguji hipotesis berkaitan dengan
regresi liniear adalah melalui analisis variance atau analisis
variasi. Dalam hal ini akan berhubungan dengan jumlah kuadrat
(sum of squares) dari masing-masing variabel. Di sini jumlah
kuadrat variabel terikat merupakan jumlah dari; kuadrat jumlah Y
dibagi dengan jumlah sampel, ditambah dengan hasil kali b
dengan jumlah hasil kali simpangan masing-masing variabel
dengan rata-ratanya, dan jumlah kuadrat simpangan Y dengan
Y'. Jika ditulis dalam bentuk matematikal, maka jumlah kuadrat
variabel terikat dapat dilihat pada rumus:
2
( Y) 2 / n b (X X)(Y Y) (Y Y)
(Y Y)
( Y) 2 ( Y) 2 / n b (X X)(Y Y)
= 71402.5
Dapat disederhanakan menjadi rumus:
SSb / a b
( X)( Y)
XY n
dk
1
1
8
SS
MS
71402.5
71402.5
625.425
625.425
97.075 12.13437
Total
10
72125
F
51.54
5
-
Y
100
95
85
90
85
85
80
75
80
70
Berdasarkan tabel di atas dapat dihitung sum of square
( Y
k
( Y) 2
nk
2
1002
95
2
2 85
SSerror 1002
95
85
1
1
(90 85 85) 2
2
2
2
90 85 85
2
2
2
80
2
2 (80 75)
2
2 70
80
75
80
70
1
1
SSketidaksamaan
= SSsisa SSerror
= 97.075 29.167
= 67.908
MSketidaksamaan
= SSketidaksamaan : dk SSketidaksamaan
= 67.908 : (7-2)
= 13.5816
MSerror
= SSerror : dk SSerror
= 29.167 : (10-7)
= 9.722333333
= 9.7223