ANALISIS REGRESI
Pengujian Pada Regresi Ganda, Uji Parsial dan Uji Sekuensial
KELOMPOK II
Nur Afiah
(H12112252)
TISA
(H12112256)
A. Mugira Fada
(H12112257)
Ira Nurcahyani
(H12112258)
Septiani Muchtar
(H12112259)
DAFTAR ISI
Cover Page.!!!
Kata Pengantar....!
Daftar Isi...!
BAB I
1.1.
1.2.
Latar Belakang
Rumusan Masalah..
BAB II
2.1.
Pembahasan
BAB III
3.1.
Kesimpulan....
Daftar Pustaka.
KATA PENGANTAR
Tiada untaian kata yang lebih indah selain ucapan syukur kehadirat Allah SWT
yang telah melimpahkan karunia, taufik, hidayah, serta inayah-Nya sehingga Makalah
ini dapat terselesaikan. Tidak lupa pula senantiasa kita panjatkan salawat serta salam
kepada junjungan dan panutan kita Muhammad SAW. Dalam tahap penyusunan
makalah ini, tidak lepas dari berbagai kendala yang menghambat penyusunan. Namun,
berkat bantuan dan motivasi dari berbagai pihak, sehingga kendala dan halangan
tersebut dapat teratasi.
Makalah ini disusun sebagai isyarat tugas kelompok kami.Ucapan terima kasih
kami sampaikan kepada teman-teman, ibu dosen sehingga makalah ini dapat
terselesaikan, serta pihak-pihak lainnya yang telah membantu dalam menyelesaikan
makalahini yang tidak sempat disebutkan.
Dalam penyusunan makalah ini, disadari bahwa masih terdapat kekurangan
karena hal ini masih terbilang baru bagi kami. Oleh karena itu, kritik dan saran yang
sifatnya membangun sangat kami harapkan. Walau demikian, kami tetap berharap
makalah ini dapat memberikan manfaat . Amin.
Makassar, 27 Oktober 2014
Kelompok II
BAB I
PENDAHULUAN
1.1 Latar Belakang
Uji regresi berganda banyak sekali dalam penelitian, pemakaian baik untuk
keperluan skripsi ataupun penelitian sehari-hari. Kelebihan uji regresi adalah
kemampuannya melakukan prediksi. Bagi kalangan guru sekolah atau dosen , uji
regresi bisa dipakai untuk memprediksi perilaku siswa, baik dalam hal nilai atau
perilaku-perilaku lainnya.
Penggunaan statistika dalam segala bidang akan mempengaruhi tingkat analisis
dari hasil penelitian yang sedang dilakukan. Penelitian dalam bidang matematika
yang menggunakan aspek penghitungan statistika akan memperoleh data yang
hampir mendekati benar atau dengan memperhatikan dari analisis regresi. Untuk
mengukur besarnya pengaruh variabel bebas terhadap variabel tergantung dan
memprediksi variabel tergantung dengan menggunakan variabel bebas.
Analisis regresi sebagai kajian terhadap hubungan satu variabel yang disebut
sebagai variabel yang diterangkan (the explained variabel) dengan satu atau dua
variabel yang menerangkan (the explanatory). Variabel pertama disebut juga sebagai
variabel tergantung dan variabel kedua disebut juga sebagai variabel bebas. Jika
variabel bebas lebih dari satu, maka analisis regresi disebut regresi linear berganda.
Disebut berganda karena pengaruh beberapa variabel bebas akan dikenakan kepada
variabel tergantung.
Analisis ini banyak digunakan dalam bidang penulisan karya ilmiah yang
menyangkut dengan perhitungan hasil akhir yang mana akan menentukan berhasil
atau tidaknya sebuah penelitian yang sedang dilakukan dengan melihat kesimpulan
yang ditarik dari perhitungan analisis regresi. Penghitungan ini tidak hanya
melibatkan satu analisis saja, namun akan menyangkut beberapa penghitungan
statistika agar menunjang dari hasil ana lisis regresi, misalnya kita menggunakan uji
parsial, uji sequensial, uji chi, penggunaan anova dan pendugaan hipotesis.
BAB II
PEMBAHASAN
2.1 Pengujian Regresi Linier Berganda
Analisis regresi linear berganda digunakan untuk mengukur pengaruh antara
lebih dari satu variabel prediktor (variabel bebas) terhadap variabel terikat. Model
regresi linier berganda melibatkan lebih dari satu variabel bebas. Modelnya:
..................................... (2.2)
Dimana:
Y = variabel terikat
Xi = variabel bebas ( i = 1, 2, 3, , k)
0 = intersep
i = koefisien regresi( i = 1, 2, 3, , k)
Model penduganya adalah:
................................ (2.3)
Dimana:
Y = variabel terikat (dependen)
Xi = variabel bebas (independen)
a = konstanta
bi = koefisien regresi
a. Uji Hipotesis
Pengujian hipotesis dapat didasarkan dengan menggunakan dua hal, yaitu: tingkat
signifikansi atau probabilitas () dan tingkat kepercayaan atau confidence interval.
Didasarkan tingkat signifikansi pada umumnya orang menggunakan 0,05. Kisaran
tingkat signifikansi mulai dari 0,01 sampai dengan 0,1. Yang dimaksud dengan tingkat
signifikansi adalah probabilitas melakukan kesalahan tipe I, yaitu kesalahan menolak
hipotesis ketika hipotesis tersebut benar. Tingkat kepercayaan pada umumnya ialah
sebesar 95%, yang dimaksud dengan tingkat kepercayaan ialah tingkat dimana sebesar
95% nilai sampel akan mewakili nilai populasi dimana sampel berasal. Dalam
melakukan uji hipotesis terdapat dua hipotesis, yaitu:
Dalam pengujian regresi linier berganda terdapat tiga macam uji yaitu:
(Pengujian terhadap model regresi)
1). Uji simultan atau uji F atau uji ragam regresi atau uji varians regresi
2). Uji parsial koefisien regresi atau uji terhadap bi atau uji t koefisien regresi
(uji kesesuaian model)
3). Uji koefisien korelasi berganda atau uji R.
2.2 Uji Parsial (Uji t)
Uji t digunakan untuk mengetahui apakah variabel-variabel independen secara
parsial berpengaruh nyata atau tidak terhadap variabel dependen. Derajat signifikansi
yang digunakan adalah 0,05. Apabila nilai signifikan lebih kecil dari derajat
kepercayaan maka kita menerima hipotesis alternatif, yang menyatakan bahwa suatu
variabel independen secara parsial mempengaruhi variabel dependen.
Uji ini digunakan untuk mengetahui apakah dalam model regresi variabel
independen (X1, X2,...,Xn) secara parsial berpengaruh signifikan terhadap variabel
dependen (Y). Statistika Uji:
t=
bi
S bi
Ket:
bi
: koefisien
variabel terikat.
2. Menentukan taraf nyata/ level of signifikan =
Taraf nyata / derajat keyakinan yang digunakan sebesar = 1%, 5%, 10%, dengan:
df = n p
Dimana:
df = degree of freedom/ derajat kebebasan
n = jumlah sampel
p = banyaknya koefisien regresi + konstanta
3. Kriteria uji
Untuk mengetahui kebenaran hipotesis digunakan kriteria sebagai berikut.
Ho diterima apabila t ( / 2; n p) t hitung t ( / 2; n k), artinya tidak ada
pengaruh antara variabel bebas terhadap variabel terikat.
Ho ditolak apabila t hitung > t ( / 2; n p) atau t hitung < -t ( / 2; n k), artinya
ada pengaruh antara variabel bebas terhadap variabel terikat.
4. Menentukan uji statistik (Rule of the test)
5. Mengambil keputusan
8
Dimana:
JKR: Jumlah Kuadrat Regresi
n : Jumlah sampel
p : jumlah parameter
2.4.1 Langkah-langkah Pengujian Hipotesa dengan Distribusi F
1. Merumuskan hipotesa
Ho : 1 = 2 = 3 = 4 = 0, berarti secara bersama-sama tidak ada pengaruh variabel
bebas terhadap variabel terikat.
Ha : 1 2 3 4 0, berarti secara bersama-sama ada pengaruh variabel bebas
terhadap variabel terikat.
sig< 0.05
Atau variabel penjelas (variabel bebas) secara serentak berpengaruh terhadap variabel
tergantung secara signifikan.
10
Koefisien korelasi adalah nilai yang menunjukan kuat/tidaknya hubungan linier antar
dua variabel. Koefisien korelasi biasa dilambangkan dengan huruf r dimana nilai r dapat
bervariasi dari -1 sampai +1. Nilai r yang mendekati -1 atau +1 menunjukan hubungan
yang kuat antara dua variabel tersebut dan nilai r yang mendekati 0 mengindikasikan
lemahnya hubungan antara dua variabel tersebut. Sedangkan tanda + (positif) dan
(negatif) memberikan informasi mengenai arah hubungan antara dua variabel tersebut.
Jika bernilai + (positif) maka kedua variabel tersebut memiliki hubungan yang searah.
Dalam arti lain peningkatan X akan bersamaan dengan peningkatan Y dan begitu juga
sebaliknya. Jika bernilai (negatif) artinya korelasi antara kedua variabel tersebut
bersifat berlawanan. Peningkatan nilai X akan dibarengi dengan penurunan Y.
Koefisien korelasi pearson atau Product Moment Coefficient of Correlation adalah nilai
yang menunjukan keeratan hubungan linier dua variabel dengan skala data interval atau
rasio. Rumus yang digunakan adalah
X1
27
27
25
24
22
23
24
24
23
18
18
17
18
19
18
18
19
19
20
20
X2
80
80
75
62
62
62
62
62
58
58
58
59
58
58
50
50
50
50
50
56
X3
89
88
90
87
87
87
93
93
87
80
89
88
82
93
89
86
72
79
80
82
Y
42
37
37
28
18
18
19
20
15
14
14
13
11
12
8
7
8
8
9
15
Koefisien Korelasi
TABEL 2
Correlations
Y
Pearson Correlation
Sig. (1-tailed)
X1
X2
X3
1,000
,875
,961
,421
X1
,875
1,000
,821
,417
X2
,961
,821
1,000
,478
X3
,421
,417
,478
1,000
,000
,000
,032
X1
,000
,000
,034
X2
,000
,000
,017
X3
,032
,034
,017
12
20
20
20
20
X1
20
20
20
20
X2
20
20
20
20
X3
20
20
20
20
n X 2 Y ( X 2) ( Y )
[n X ( X ) ][n Y ( Y ) ]
2
X2
adalah:
n X 2 Y ( X 2 ) ( Y )
[n X ( X) ][n Y ( Y ) ]
2
0,961
yaitu
x2
-0,961 , sehingga
memberi
x2
korelasi
masuk pertama
B
(Constant)
-48,191
Std. Error
4,512
13
Coefficients
Beta
T
-10,681
Sig.
,000
X2
2
1,097
,074
-51,350
4,059
X2
,849
,112
X1
,853
,317
(Constant)
,961
14,752
,000
-12,649
,000
,744
7,572
,000
,265
2,694
,015
a. Dependent Variable: Y
( Y ) ( X 22) ( X 2 ) ( X 2 Y )
2
n X 2 ( X 2)
1524754
31640
48,1907
Untuk
mengetahui
nilai
b1 (koefisien
X2
dihitung
menggunakan rumus :
b1=
n X 2 Y X 2 Y
2
n X 22( X 2)
34720
31640
1,097
^y =48,191+1,0972 x2
14
dengan
ANOVAa
Model
1
Sum of Squares
Regression
Mean Square
1904,991
1904,991
157,559
18
8,753
Total
2062,550
19
Regression
1952,138
976,069
110,412
17
6,495
2062,550
19
Residual
Df
Residual
Total
Sig.
217,632
,000b
150,285
,000c
a. Dependent Variable: Y
b. Predictors: (Constant), X2 MODEL
X2
dan parsial
S ( b2 ) =0,074
# periksa keberartian
VS
H 1: 2 0
MSR 1904,991
=
=217,632
MSE
8,753
15
# periksa keberartian
t=
, artinya
2 0
=0,05
dan untuk
. Karena
diperoleh
r=0,547
Excluded Variablesa
Collinearity
Model
1
Beta In
Sig.
Partial
Statistics
Correlation
Tolerance
X1
,265b
2,694
,015
,547
,326
X3
-,050b
-,663
,517
-,159
,772
X3
-,059c
-,910
,376
-,222
,770
a. Dependent Variable: Y
b. Predictors in the Model: (Constant), X2
c. Predictors in the Model: (Constant), X2, X1
Tabel Manual
xj
r yxj . x2
r 2y xj . x3
16
0,547
0,299
0,159
0,548
Untuk
x 1 r yx 1 .x 2=
Untuk
x 3 r yx 3 . x2 =
r y x 1r y x 2 r x1 x2
1r 1r
2
yx 2
2
x1 x2
r y x3 r y x 2 r x 2 x 3
1r 1r
2
yx 3
2
x 2x 3
x2
x3
dan
), terlihat di
B
(Constant)
-48,191
4,512
1,097
,074
-51,350
4,059
X2
,849
,112
X1
,853
,317
X2
2
Std. Error
(Constant)
a. Dependent Variable: Y
17
Coefficients
Beta
Sig.
-10,681
,000
14,752
,000
-12,649
,000
,744
7,572
,000
,265
2,694
,015
,961
Perhitungan manual :
Berikut beberapa nilai yang digunakan untuk menghitung koefisien :
X 21
X 21= X 21
X 22
2
X 2= X 22
X 1 Y = X 1 Y
X 2 Y = X 2 Y
X 1 X 2= X 1 X 2
Y =17,65
X 1=21,15
X 2=60
20
20
20
18
X1 X2
2
X 1 X 22
X 22 X 1 Y X 2 Y X 1 X 2
b2=
( 1582560,05 )( 1736460)
( 198,551582 )(460)2
885999,1798560
314106,121160
87439,1
102506,1
0,853
Untuk mengetahui nilai koefisien b1 dihitung dengan menggunakan
rumus :
X1 X2
2
X 1 X 22
X 21 X 2 Y X 1 Y X 1 X 2
b1=
( 198,551736 )(560,05460)
( 198,551582 )(460)2
344596257623
314106,121160
86973
102506,1
0,848
19
51,39
TABEL 4
Model Summary
Change Statistics
R
Model
Adjusted
Std. Error of
R Square
Sig. F
Square R Square
the Estimate
Change
Change
df1
df2
Change
,961a
,924
,919
2,959
,924
217,632
18
,000
,946
,940
2,548
,023
7,259
17
,015
,973
a. Predictors: (Constant), X2
b. Predictors: (Constant), X2, X1
TABEL 5
ANOVAa
Model
1
Sum of Squares
Regression
Mean Square
1904,991
1904,991
157,559
18
8,753
Total
2062,550
19
Regression
1952,138
976,069
110,412
17
6,495
2062,550
19
Residual
Df
Residual
Total
a. Dependent Variable: Y
b. Predictors: (Constant), X2
c. Predictors: (Constant), X2, X1
20
X2
Sig.
217,632
,000b
150,285
,000c
pada Tabel 4 R =
b
S ( 1)=0 ,317
b
S ( 2)=0,112
, dan
MSR 976,069
=
=150,285 , amat berarti dengan nilai kritis
MSE
6,495
0,000000001.
Tabel koefisien regresi dan F masuk individu
Peubah
x2
x1
Galat Baku
0,112
0,853
Konstanta
Koef. Regresi
0,849
F(1,17)
-
Nilai Kritis
-
7,259
0,015
0,317
51,350
F ( x 1 ) =
R2 akibat pemasukan
x2
MSR 976,069
=
=150,285
MSE
6,495
x2
berarti variabel
x1
1 0
signifikan.
x4
yang berada di
Model
1
Beta In
Sig.
Partial
Statistics
Correlation
Tolerance
X1
,265
2,694
,015
,547
,326
X3
-,050b
-,663
,517
-,159
,772
X3
-,910
,376
-,222
,770
-,059
a. Dependent Variable: Y
b. Predictors in the Model: (Constant), X2
c. Predictors in the Model: (Constant), X2, X1
22
BAB III
PENUTUP
3.1 Kesimpulan
Adapun kesimpulan dari pembahasan di atas adalah sebagai berikut:
1. Uji regresi digunakan untuk menemukan model matematik yang dapat dipakai untuk
menjelaskan hubungan fungsional antara variabel bebas dengan variabel tak
bebasnya.
2. Pengujian hipotesis dapat didasarkan dengan menggunakan dua hal, yaitu: tingkat
signifikansi atau probabilitas () dan tingkat kepercayaan atau confidence interval.
3.
23
3.2 Saran
Dengan selesainya makalah ini, kami selaku penulis berharap makalah ini bisa dijadikan
sebagai referensi dalam proses pembelajaran. Kami menyadari bahwa makalah ini
masih jauh dari kata sempurna, oleh karena itu kami sangat mengharapkan kritik dan
saran yang bersifat membangun dari semua pihak pembaca, baik mahasiswa maupun
dari dosen.
24
DAFTAR PUSTAKA
Udayana,
Analisis
Regresi
Berganda
Dua
Peubah,[pdf],
(http://www.fp.unud.ac.id/ind/wp-content/uploads/mk_ps_agribisnis/ekonomitrika/3.
Analisis Regresi Linier Berganda Dua Peubah.pdf, diakses tanggal 31 Oktober 2014)
Universitas Diponegoro, Analisis Regresi Linear Berganda, [pdf],
(http://eprints.undip.ac.id/6361/1/ANALISIS_REGRESI_LINEAR_BERGANDA.pdf,
diakses tanggal 31 Oktober 2014)
25