3.

Metodologi Penelitian
Algoritma program R untuk program regresi linier sederhana adalah:
1. Menghitung persamaan atau model regresi, nilai

^y

dan nilai error

2.
3.
4.
5.
6.
7.

Menghitung nilai jumlah kuadrat atau sum of square

Menghitung nilai kuadrat tengah atau mean square
Menghitung nilai F-hitung
Menghitung nilai standard error (SE), t-hitung dan P-value
Menghitung nilai koefisien determinasi (R-sq) dan R-sq adjusted
Membuat penampilan untuk persamaan atau model regresi, standard error (SE),
t-hitung, P-value, koefisien determinasi (R-sq) dan R-sq adjusted
8. Membuat penampilan untuk tabel ANOVA
9. Membuat scatter plot untuk hasil pemodelan regresinya
Program R untuk regresi linier sederhana adalah sebagai berikut:
regresi=function(y,x)
{
options(width=1000)
if (length(y)!=length(x))
k=1
n = length(x)
for (i in 1:n) k[i]=1
X = cbind(k,x)
b = (solve(t(X)%*%X))%*%t(X)%*%y
y.hat = X %*% b
e = y-y.hat
SSR = sum((y.hat-mean(y))^2)
SSE = sum(e^2)
SST = SSE + SSR
MSR = SSR/1
MSE = SSE/(n-1-1)
F = MSR/MSE
cov.b = solve(t(X)%*%X)*MSE
se.b = sqrt(diag(cov.b))
t.value = (1/se.b)*b
p.value = 2*(1-pt(abs(t.value),n-2))
rsq=SSR/SST*100
rsq1=(1-(MSE/(SST/(n-1))))*100
cat("The regression equation is : ","\n","Y.hat = ",b[1])
if(b[2]> 0)cat(" + ",b[2],"X","\n")
else cat(b[2],"X","\n")
cat("\n
estimate std.error t.value
p-Value \n")
for (i in 1:2)
{
if (i==1) cat("intercept ",b[i],"
",se.b[i],"
",t.value[i]," ",p.value[i],"\n")
else cat( "x
",b[i]," ",se.b[i]," ",t.value[i]," ",p.value[i],"\n")
}
cat("\n","S = ",sqrt(MSE)," R-sq = ",rsq,"%",
" R-sq(adj) = ",rsq1,"%","\n")
cat("\n Analysis of Variance \n")
cat ("\n
df
SS
MS
F
P-Value
\n")
cat ("Regression 1 ",SSR," ",MSR," ",F," ",p.value[2],"\n")
cat ("Eror
", n-2, " ",SSE," ",MSE,"\n")
cat ("Total
", n-1, " ",SST," ","\n")
plot(x,y)
abline(a=b[1],b=b[2])
}

4. Analisis dan Pembahasan

Pada bab ini akan dianalisis dan dibahas faktor-faktor apa saja yang
berpengaruh terhadap IPK mahasiswa dari output regresi program R. Data yang
diambil adalah data mahasiswa mata kuliah Komputasi Statistik Kelas A. Inputan
dalam program adalah y dan x, di mana y adalah respon dan x adalah prediktor.
4.1. Pengaruh Rata-rata Jam Belajar Mahasiswa Terhadap IPK Mahasiswa
Faktor pertama yang akan dianalisis adalah rata-rata jam belajar mahasiswa
sehari-hari terhadap IPK. Output regresi dari program R adalah sebagai berikut:

Hasil regresi program R pada pengaruh rata-rata jam belajar mahasiswa

terhadap IPK mahasiswa, didapatkan model regresi

^y = 3.126945+0.02971218 X.

Jadi pada pengaruh rata-rata jam belajar mahasiswa terhadap IPK mahasiswa adalah
apabila rata-rata jam belajar mahasiswa bertambah satu jam, maka IPK mahasiswa
cenderung naik sebesar 0.02971218 dan jika rata-rata jam belajar mahasiswa 0 jam,
maka intersep garis regresi dengan IPK mahasiswa (y) berada di titik 3.126945.
Dilihat dari nilai koefisien determinasinya (R-sq) maka rata-rata jam belajar
mahasiswa mampu menjelaskan variabilitas IPK mahasiswa dalam model sebesar
0.719615%, sedangkan 99.280385% sisanya dijelaskan oleh variabel lain yang tidak
dimasukkan ke dalam model. Dari analisis output di atas, model regresi belum mampu
menjelaskan variabilitas IPK mahasiswa ,karena nilai koefisien determinasinya kurang
dari 70%.
Dari tabel ANOVA di atas dapat diketahui derajat bebas dari regresi adalah 1,
error sebesar 53 dan total sebesar 54. Kemudian untuk nilai sum of square untuk
regresi adalah 0.03485509, error sebesar 4.808719 dan total sebesar 4.843575.
Selanjutnya untuk mean square regresi adalah 0.03485509 dan error adalah
0.09073056. Nilai F hitung diketahui sebesar 0.3841604dan P-value sebesar
0.5380407.
4.1.1. Pengujian Hipotesis
Uji Hipotesis pada
H0 :

0=0

0 :

H1 :

0 0

=0,05
P-Value
t-hitung

=0
= 29.80115

ttabel(52;0,025)

= 2,01

Karena t-hitung

t-tabel dan P-value

maka tolak H0, sehingga dapat

disimpulkan bahwa garis regresi tidak berpotongan atau melewati titik (0,0).

1 :

Uji Hipotesis pada

H0 :

1=0

H1 :

1 0

=0,05
P-Value
t-hitung

= 0.5380407
= 0.6198068

ttabel(52;0,025)

= 2,01

Karena t-hitung

t-tabel dan P-value

maka gagal tolak H0, sehingga

dapat disimpulkan bahwa rata-rata jam belajar mahasiswa tidak berpengaruh

signifikan terhadap IPK mahasiswa.

0 dan

Uji Hipotesis pada

H0 :

0= 1=0

H1 :

0, 1 0

1 :

=0,05
P-Value
F-hitung

= 0.5380407
= 0.3841604

Ftabel(1 ;53 ;0,05)

Karena F-hitung

= 4,035

F-tabel dan P-value

maka gagal tolak H0, jadi

dapat disimpulkan bahwa tidak ada hubungan atau independen antara rata-rata jam
belajar mahasiswa dengan IPK mahasiswa.
Scatter plot untuk pengaruh rata-rata jam belajar mahasiswa dengan IPK
mahasiswa adalah sebagai berikut

4.2.
Pengaruh
Mahasiswa
Mahasiswa

Uang
Saku
Terhadap IPK

Faktor kedua yang dianalisis adalah pengaruh uang saku mahasiswa terhadap
IPK mahasiswa. Output regresi dari program R adalah sebagai berikut:

Hasil regresi program R pada pengaruh uang saku mahasiswa terhadap IPK
mahasiswa, didapatkan model regresi

^y = 3.065525+2.012098e-07 X. Jadi pada

pengaruh uang saku mahasiswa terhadap IPK mahasiswa adalah apabila uang saku
mahasiswa bertambah satu rupiah, maka IPK mahasiswa cenderung naik sebesar
2.012098e-07 dan jika uang saku mahasiswa 0 rupiah, maka intersep garis regresi
dengan IPK mahasiswa (y) berada di titik 3.065525.
Dilihat dari nilai koefisien determinasinya (R-sq) maka uang saku mahasiswa
mampu menjelaskan variabilitas IPK mahasiswa dalam model sebesar 2.787259%,
sedangkan 97.212741% sisanya dijelaskan oleh variabel lain yang tidak dimasukkan
ke dalam model. Dari analisis output di atas, model regresi belum mampu menjelaskan
variabilitas IPK mahasiswa ,karena nilai koefisien determinasinya kurang dari 70%.
Kemudian untuk korelasi antara uang saku mahasiswa dengan IPK mahasiswa
sebesar 0.9530568, hal itu menunjukkan bahwa hubungan antara uang saku

mahasiswa dengan IPK mahasiswa semakin erat, sebab nilai korelasinya mendekati
nilai 1.
Dari tabel ANOVA di atas dapat diketahui derajat bebas dari regresi adalah 1,
error sebesar 53 dan total sebesar 54. Kemudian untuk nilai sum of square untuk
regresi adalah 0.135003, error sebesar 4.708572 dan total sebesar 4.843575.
Selanjutnya untuk mean square regresi adalah 0.135003 dan error adalah 0.08884097.
Nilai F hitung diketahui sebesar 1.519603 dan P-value sebesar 0.2231198.
4.2.1. Pengujian Hipotesis
Uji Hipotesis pada
H0 :

0=0

H1 :

0 0

0 :

=0,05
P-Value
t-hitung

=0
= 28,82355

ttabel(52;0,025)

= 2,01

Karena t-hitung

t-tabel dan P-value

maka tolak H0, sehingga dapat

disimpulkan bahwa garis regresi tidak berpotongan atau melewati titik (0,0).
Uji Hipotesis pada
H0 :

1=0

H1 :

1 0

1 :

=0,05
P-Value
t-hitung

= 0.2231198
= 1,232722

ttabel(52;0,025)

Karena t-hitung

= 2,01

t-tabel dan P-value

maka gagal tolak H0, sehingga

dapat disimpulkan bahwa uang saku mahasiswa tidak berpengaruh signifikan

terhadap IPK mahasiswa.
Uji Hipotesis pada
H0 :

0= 1=0

H1 :

0, 1 0

=0,05

0 dan

1 :

P-Value
F-hitung

= 0.2231198
= 1,519603

Ftabel(1 ;53 ;0,05)

Karena F-hitung

= 4,035

F-tabel dan P-value

maka gagal tolak H0, jadi

dapat disimpulkan bahwa tidak ada hubungan atau independen antara uang saku
mahasiswa dengan IPK mahasiswa.
Scatter plot pengaruh uang saku mahasiswa terhadap IPK mahasiswa adalah
sebagai berikut:

4.3. Pengaruh IP Semester 1 Mahasiswa Terhadap IPK Mahasiswa

Hasil regresi program R pada pengaruh IP Semester 1 mahasiswa terhadap

IPK mahasiswa, didapatkan model regresi

^y = 1.459651+0.5570168 X. Jadi pada

pengaruh IP Semester 1 mahasiswa terhadap IPK mahasiswa adalah apabila IP

Semester 1 mahasiswa bertambah satu satuan, maka IPK mahasiswa cenderung naik
sebesar 0.5570168 dan jika IP Semester 1 mahasiswa 0, maka intersep garis regresi
dengan IPK mahasiswa (y) berada di titik 1.459651.
Dilihat dari nilai koefisien determinasinya (R-sq) maka uang saku mahasiswa
mampu menjelaskan variabilitas IPK mahasiswa dalam model sebesar 72.68138%,
sedangkan 27.31862% sisanya dijelaskan oleh variabel lain yang tidak dimasukkan ke
dalam model. Dari analisis output di atas, model regresi sudah mampu menjelaskan
variabilitas IPK mahasiswa ,karena nilai koefisien determinasinya lebih dari 70%.
Kemudian untuk korelasi antara IP Semester 1 mahasiswa dengan IPK mahasiswa
sebesar 72.16593 hal itu menunjukkan bahwa hubungan antara IP Semester 1
mahasiswa dengan IPK mahasiswa sangat erat, sebab nilai korelasinya lebih dari 1.
Dari tabel ANOVA di atas dapat diketahui derajat bebas dari regresi adalah 1,
error sebesar 53 dan total sebesar 54. Kemudian untuk nilai sum of square untuk
regresi adalah 3.520377, error sebesar 1.323198 dan total sebesar 4.843575.
Selanjutnya untuk mean square regresi adalah 3.520377 dan error adalah 0.024966.
Nilai F hitung diketahui sebesar 141.0068 dan P-value sebesar 2.220446e-16.
4.3.1. Pengujian Hipotesis
Uji Hipotesis pada
H0 :

0=0

H1 :

0 0

0 :

=0,05
P-Value
t-hitung

= 1.079137e-13
= 9.928925

ttabel(52;0,025)

= 2,01

Karena t-hitung

t-tabel dan P-value

maka tolak H0, sehingga dapat

disimpulkan bahwa garis regresi tidak berpotongan atau melewati titik (0,0).

1 :

Uji Hipotesis pada

H0 :

1=0

H1 :

1 0

=0,05
P-Value
t-hitung

= 2.220446e-16
= 11.87463

ttabel(52;0,025)

= 2,01
t-tabel dan P-value

Karena t-hitung

maka tolak H0, sehingga dapat

disimpulkan bahwa IP Semester 1 mahasiswa berpengaruh signifikan terhadap IPK

mahasiswa.

0 dan

Uji Hipotesis pada

H0 :

0= 1=0

H1 :

0, 1 0

1 :

=0,05
P-Value
F-hitung

= 2.220446e-16
= 141.0068

Ftabel(1 ;53 ;0,05)

Karena F-hitung

= 4,035

F-tabel dan P-value

maka tolak H0, jadi dapat

disimpulkan bahwa ada hubungan antara uang saku mahasiswa dengan IPK
mahasiswa.
Scatter plot pengaruh IP Semester 1 mahasiswa terhadap IPK mahasiswa
adalah sebagai berikut:

5.
Kesimpulan
Dari analisis 3 faktor yang memengaruhi IPK mahasiswa mata kuliah Komputasi
Statistik Kelas A, didapatkan hasil sebagai berikut:
1. Faktor pertama adalah pengaruh rata-rata jam belajar mahasiswa terhadap
IPK mahasiswa. Dari pengujian hipotesis menggunakan uji-t didapatkan hasil
bahwa rata-rata jam belajar mahasiswa tidak berpengaruh signifikan terhadap
IPK mahasiswa. Kemudian dilakukan juga pengujian serentak menggunakan
uji F, didapatkan hasil bahwa rata-rata jam belajar mahasiswa tidak
mempunyai hubungan atau independen dengan IPK mahasiswa.
2. Faktor kedua adalah pengaruh uang saku mahasiswa terhadap IPK
mahasiswa. Dari pengujian hipotesis menggunakan uji-t didapatkan hasil
bahwa uang saku mahasiswa tidak berpengaruh signifikan terhadap IPK
mahasiswa. Kemudian dilakukan juga pengujian serentak menggunakan uji F,
didapatkan hasil bahwa uang saku mahasiswa tidak mempunyai hubungan
atau independen dengan IPK mahasiswa.
3. Faktor pertama adalah pengaruh IP Semester 1 mahasiswa terhadap IPK
mahasiswa. Dari pengujian hipotesis menggunakan uji-t didapatkan hasil
bahwa IP Semester 1 mahasiswa berpengaruh signifikan terhadap IPK
mahasiswa. Kemudian dilakukan juga pengujian serentak menggunakan uji F,
didapatkan hasil bahwa IP Semester 1 mahasiswa mempunyai hubungan
dengan IPK mahasiswa.