A.

REGRESI SEDERHANA
Regresi atau peramalan adalah suatu proses memperkirakan secara sistematis tentang
apa yang paling mungkin terjadi dimasa yang akan datang berdasarkan informasi masa lalu
dang sekarang yang dimiliki agar kesalahannya dapat diperkecil. Regresi dapat juga
diartikan sebagai usaha memperkirakan perubahan. Supaya tidak salah paham bahwa
peramalan tidak memberikan jawaban pasti tentang apa yang akan terjadi, melainkan
berusaha mencari pendekatan apa yang terjadi. Jadi, regresi mengemukakan tentang
keingintahuan apa yang terjadi dimasa depan untuk memberikan kontribusi menentukan
keputusan yang terbaik.
Keingintahuan dimasa depan sejak dulu merupakan bahasan yang menarik dan
penting. Beberapa nama besar seperti joyoboyo (raja Kediri kuno) dan Ronggo Wasito
(pujangga kerajaan Surakarta) mendapat tempat terhormat di masyarakat jawa karena
akurasi ramalannya. Demikian juga dengan Alfin Toffler ( future Shock, 1970 dan The Third
Wave, 1980), John Naisbitt ( Megatrends 2000) dan Michael porter (Competitive Adfantage
of Nation) mereka menjadi terkenal dan kaya atas hasil karyanya tentang pemikiran masa
depan. Sampai saat ini semua organisasi memerlukan pemikiran masa depan untuk
membantu menentukan keputusan yang terbaik.
Kegunaan regresi dalam penelitian salah satunya adalah untuk meramalkan atau
memprediksi variabel terikat (Y) apabila variabel bebas (X) deketahui. Regresi sederhana
dapat dianalisis karena didasari oleh hubungan fungsional atau hubungan sebab akibat
(kausal) variabel bebas (X) terhadap variabel terikat (Y). Karena ada perbedaan yang
mendasar dari analisis korelasi dan analisis regresi. Pada dasarnya analisis regresi dan
analisi korelasi keduanya punya hubungan yang sangat kuat dan mempunyai keeratan.
Setiap analisis regresi otomatis ada analisi korelasinya, tetapi sebaliknya analisis korelasi
belum tentu diuji regresi atau diteruskan dengan analisis regresi.
Analisis kerelasi yang tidak dilanjutkan dengan analisis regresi adalah analisis
korelasi yang kedua variabelnya tidak mempunyai hubungan fungsional dan sebab akibat.
Apabila peneliti mengetahui hal ini lebih lanjut, maka perlu konsep dan teori yang
mendasari kedua variabel tersebut.
Persamaan regresi dirumuskan :

= a + bX

Dimana :
Y = (baca Y topi) subjek fariabel terikat yang di proyeksikan
X = Variabel bebas mempunyai nilai tertentu untuk diprediksikan
a = Nilai konstanta harga Y jika X = 0
b

= Nilai arah sebagai penentu ramalan (prediksi) yang menunjukkan nilai

peningkatan

(+) atau nilai penurunan (-) variabel Y

n XY X Y
n X 2 ( X ) 2

a=

Y b X
n

Langkah-langkah menjawab Regrensi Sederhana:

Langkah 1. Membuat Ha dan Ho dalam bentuk kalimat:
Langkah 2. Membuat Ha dan Ho dalam bentuk statistik:
Langkah 3. Membuat tabel penolong untuk menghitung angka statistik:
Langkah 4. Masukkan angka-angka statistik dari tabel penolong dengan rumus:

n XY X Y
n X 2 ( X ) 2

a=

Y b X
n

Langkah 5. Mencari Jumlah Kuadrat Regresi (JKReg [a]) dengan rumus:

JKReg (a) =

( Y ) 2
n

Langkah 6. Mencari Jumlah Kuadrat Regresi (JKReg [b|a]) dengan rumus:

XY ( X )( Y )
n

JKReg [b|a] = b.

Langkah 7. Mencari Jumlah Kuadrat Residu (JKRes) dengan rumus:

JKRes =

JK Re g [ b a ] JK Re g [ a ]

Langkah 8. Mencari Rata-rata Jumlah Kuadrat Regresi (RJKReg [a]) dengan rumus:
RJK Reg[a] = JKReg[a]

Langkah 9. Mencari Rata-rata Jumlah Kuadrat Regresi (RJKReg [b|a] dengan rumus:
RJK Reg[b|a] = JKReg[b|a]
Langkah 10. Mencari Rata-rata Jumlah Kuadrat Residu (JKRes) dengan rumus:

RJK Res =

JK Re s
n2

Langkah 11. Menguji Signifikansi dengan rumus:

RJK Re g ( b a )

Fhitung =

RJK Re s

Kaidah penguji signifikansi:

Jika Fhitung F tabel, maka tolak Ho artinya signifikan dan
Fhitung F tabel, terima Ho artinya tidak signifikan
Dengan taraf signifikan : a = 0,01 atau a = 0,05
Carilah nilai F tabel menggunakan Tabel F dengan rumus:
F tabel = F {1-) (dk Reg [b|a], (dk Res)}
Langkah 12. Membuat kesimpulan
Contoh: Judul Penelitian
PENGARUH PENGALAMAN KERJA TERHADAP PENJUALAN BARANG
ELEKTRONIK DI KABUPATEN GRESIK
Data dianggap memenuhi asumsi dan persyaratan analisis; data dipilih secara random;
berdistribusi normal; berpola linier; data sudah homogen dan mempunyai pasangan yang
sama sesuai dengan subjek yang sama. Data sebagai berikut:
Pengalaman Kerja (X) tahun
Penjualan Barang Elektronik (Y) unit
Pertanyaan :
a. Bagaimana persamaan regrensinya?
b. Gambarkan diagram pancarnya!
c. Gambarkan arah garis regresi!

2
50

3
60

1
30

4
70

1
40

3
50

2
40

2
35

d. Buktikan apakah ada pengaruh yang signifikan antara pengalaman kerja (X) terhadap
penjualan barang elektronik (Y)
e. Buktikan apakah data tersebut berpola linier?
Langkah-langkah menjawab:
Langkah 1.
Membuat Ha dan Ho dalam bentuk kalimat:
Ha: Terdapat pengaruh yang signifikan antara pengalaman kerja terhadap penjualan barang
elektronik di kabupaten Gresik.
Ho: Tidak terdapat pengaruh yang signifikan antara pengalaman kerja terhadap penjualan
barang elektronik di kabupaten Gresik.
Langkah 2.
Membuat Ha dan Ho dalam bentuk statistik:
Ha: r 0
Ho: r = 0
Langkah 3.
Membuat tabel penolong untuk menghitung angka statistik:
No/statistik
1
2
3
4
5
6
7
8

Jumlah ( )

X
2
3
1
4
1
3
2
2

Y
50
60
30
70
40
50
40
35

X2
4
9
1
16
1
9
4
4

Y2
2500
3600
900
4900
1600
2500
1600
1225

XY
100
180
30
280
40
150
80
70

18

375

48

18825

930

Langkah 4.
Masukkan angka-angka statistik dari tabel penolong dengan rumus:
(1) Menghitung rumus b:

n XY X Y
n X 2 ( X ) 2

8.(930) (18)(375) 690

11,5
60
8.(48) (18) 2

(2) Menghitung rumus a:

a=

Y b X 375 11,5.(18) 168

21
n
8
8

(3) Menghitung persamaan regresi sederhana:

= a + bX = 21 + 11,5. (X) (jawaban

a)
(4) Membuat garis persamaan regresi:
X

X 18

2,25
n
8

Y 375

46,875
n
8

a. Menghitung rata-rata X dengan rumus:

b. Menghitung rata-rata Y dengan rumus:
Y

80 -

80 4

70 -

60 50 40 35
30 -

60 -

1 6

40 -
35
30 - a=21

20 -

20 -

10 -

Gambar: Diagram Pancar .....(jawaban b)

10 -

5 X

Gambar: Persamaan Garis Regresi....(jawaban

c)
Menguji Signifikansi dengan Langkah-langkah berikut:
Langkah 1.

2,25; 46,876

50 -

5 7
8
3

Persamaan
Garis Regresi

70 -

Mencari Jumlah Kuadrat Regresi (JKReg [a]) dengan rumus:

JKReg (a) =

( Y ) 2 (375) 2 140625

17578,125
n
8
8

Langkah 2.
Mencari Jumlah Kuadrat Regresi (JKReg [b|a]) dengan rumus:

XY ( X )( Y )
n

JKReg [b|a] = b.

930 (18)(375) 991,875

=11,5

Langkah 3.
Mencari Jumlah Kuadrat Residu (JKRes) dengan rumus:
JKRes =

JK Re g [ b a ] JK Re g [ a ]
=18825 991,875 17578,125 = 225

Langkah 4.
Mencari Rata-rata Jumlah Kuadrat Regresi (RJKReg [a]) dengan rumus:
RJK Reg[a] = JKReg[a] = 17578,125
Langkah 5.
Mencari Rata-rata Jumlah Kuadrat Regresi (RJKReg [b|a]) dengan rumus:
RJK Reg[b|a] = JKReg[b|a] = 991,875
Langkah 6.
Mencari Rata-rata jumlah Kuadrat Residu (RJKRes) dengan rumus:

RJK Res =

JK Re s
n2

225
42,5
82

Langkah 7.
Menguji Signifikansi dengan rumus:

RJK Re g ( b a )

Fhitung =

RJK Re s

991,875
23,34
42,5

Kaidah penguji signifikansi :

Jika Fhitung F tabel, maka tolak Ho artinya signifikan dan
Fhitung F tabel, terima Ho artinya tidak signifikan
Dengan taraf signifikan () = 0,05
Carilah nilai Ftabel menggunakan Tabel F dengan rumus :
F tabel = F {1-) (dk Reg [b|a], (dk Res)}
= F {(1 0,05)(dk Reg [b|a]=1, (dk Res=8 2 = 6)}
= F {(0,95)(1,6)}
Cara mencari F tabel : angka 1 = pembilang
Angka 6 = penyebut.
Ftabel = 5,99
Ternyata Fhitung > Ftabel, maka tolak Ho artinya signifikan
Langkah 8. Membuat Kesimpulan
Karena Fhitung lebih besar dari Ftabel, maka tolak Ho dan terima Ha. Dengan demikian
terdapat pengaruh yang signifikan antara pengalaman kerja terhadap penjualan barang elektronik
di

kabupaten

Gresik

............................................................................................................

(Jawaban d)
Menguji Linieritas dengan Langkah-langkah berikut:
Langkah 1.
Mencari Jumlah Kuadrat Error (JKE) dengan rumus:

(Y ) 2
JK E Y 2
2247,01
n
k

Sebelum mencari nilai JKE urutkan data X mulai dari data yang paling kacil sampai data yang
paling besar berikut disertai pasangannya (Y), seperti tabel penolong berikut:
Tabel Penolong Pasangan Variabel X dan Y untuk Mencari (JKE)

No.

Diurutkan dari data

Kelompok

k1

k2

k3

30
40
35
40
50
50
60
70

terkecil hingga data

1
2
3
4
5
6
7
8

terbesar X
MENJADI
2
50
1
3
60
1
1
30
2
4
70
2
1
40
2
3
50
3
2
40
3
2
35
4
Keterangan : n = jumlah kelompok yang sama

k4
1
k = 4 kelompok

JkE

30 2 40 2

(30 40) 2
2

(35 40 50) 2
35 2 40 2 50 2
3

(50 60) 2
50 2 60 2
2

= (50 + 116,67 + 50 + 0)
JKE = 216,67
Langkah 2.
Mencari Jumlah Kuadrat Tuna Cook (JKTC) dengan rumus:
JKTC = JKRes + JKE = 225 216,67 = 38,33
Langkah 3.
Mencari Rata-rata Jumlah Kuadrat Tuna Cocok (RJKTC) dengan rumus:

RJKTC =

JK TC 38,33

19,165
k 2 42

keterangan k = jumlah kelompok = 4

Langkah 4.
Mencari Rata-rata Jumlah Kuadrat Error (RJKE) dfengan rumus:

RJKE =

JK E
216,67

54,1675
nk
84

Langkah 5.
Mencari nilai Fhitung dengan rumus:

(70) 2
70 2
1

Fhitung =

RJK TC
19,165

0,35
RJK E
54,1675

Perlu diketahui bahwa uji linieritas berbeda dengan uji signifikansi, adapun perbedaannya
terletak pada pengambilan keputusan (kaidah penguji), yaitu:
1) Menentukan Keputusan Penguji Signifikansi
Jika Fhitung Ftabel, maka tolak Ho artinya signifikan dan
Fhitung Ftabel, terima Ho artinya tidak signifikan
2) Menentukan Keputusan Penguji Linieritas
Jika Fhitung Ftabel, maka tolak Ho artinya data berpola linier dan
Fhitung Ftabel, maka tolak Ho artinya data berpola tidak linier
Langkah 6.
Menentukan Keputusan Pengujin Linieritas
Jika Fhitung Ftabel, maka tolak Ho artinya data berpola linier dan
Fhitung Ftabel, maka tolak Ho artinya data berpola tidak linier
Dengan taraf signifikan () =0,05
Ftabel

= F (1-) (dk TC, dk E)

= F (1-0,05)(dk = k -2, dk = n k)
= F (1-0,05)(dk = 4 2, dk = 8 4)
= F (1 0,05)(dk = 2, dk = 4)
= F (0,95)(2,4)

Cara mencari F tabel

dk = 2 pembilang
dk = 4 = penyebut
Ftabel = 6,94

Langkah 7.
Membandingkan Fhitung dengan F tabel
Ternyata Fhitung < F tabel atau 0,35 < 6,94, maka tolak Ho artinya data berpola linier
Kesimpulan variabel pengalaman kerja terhadap penjualan barang elektronik di
kabupaten

Gresik

berpola

linier

........................................................................................

(Jawaban e)
Tabel Ringkasan Anava Variabel X dan Y uji signifikansi dan uji Linieritas

Sumber

Derajat

Jumlah

Rat-rata

fariansi

kebebasan

Kuadrat (JK)

Jumlah

(dk)

Fhitung

Ftabel

Kuadrat
(RJK)

total

Y 2

Regresi (a)

JKReg (a)

RJKReg(a)

linier
Keterangan:

Regresi(bla)

JK(bla)

RJK(bla)

Perbandingan

Residu
Tuna
Cocok

n2
k2

JkRes
JKTC

RJKres
RJKTC

dengan

Kesalahan

nk

JKE

RJKE

Signifikan

Fhitung

Ftabel signifikan
dan linieritas

(Error)
Tabel ringkasan Anava Variabel X dan Y uji signifikansi dan uji linieritas
Sumber

Derajat

Jumlah

Rata-rata

Variansi

kebebasan

Kuadrat (JK)

Jumlah

Total

(dk)
8

Fhitung

Ftabel

Kuadrat (RJK)
18825

Sig = 23,24

5,99
6,94
perbandingan

Regresi (a)

17578,125

17578,125

Linier = 0,35
Keterangan:

Regresi (bla)

991,875

991,875

Fhitung dengan Ftabel signifikan

Residu
Tuna Cocok

6
2

255
83,33

42,5
19,165

dan linieritas, ternyata: 23,24

Kesalahan

216,67

54,1675

(Error)

> 5,99 signifikan 0,35 < 6,94

pola linier

B. KORELASI PPM
Analisis korelasi banyak jenisnya, ada sembilan jenis korelasi yaitu : Korelasi pearson
Product Moment (r) ; Korelasi Ration (y); Korelasi Spearman Rank atau Rhi ( rs atau p);
Korelasi Berserial (rb); Korelasi Korelasi Poin Berserial (r pb); Korelasi Phi (0); Korelasi
Tetrachoric (rt); Korelasi Kontigency (C); Korelasi Kendalls Tau (8), Bagaimana cara
menggunakannya ? tergantung pada jenis data yang dihubungkan.
Berdasarkan sembilan teknik analisis korelasi tersebut, maka dipilih dan dibahas ialah
Korelasi Pearson Product Moment (r) karena sangat populer dan sering dipakai oleh
mahasiswa dan peneliti. Korelasi ini dikemukakan oleh Karl Pearson tahun 1900.
Kegunaannya untuk mengetahui derajat hubungan dan kontribusi variabel bebas
(independen) dengan variabel terikat (dependent).
Teknik analisis Korelasi PPM termasuk teknik statistik para metrik yang menggunakan
interval dan ratio dengan persyaratan tertentu. Misalnya: data dipilih secara acak (random);
datanya berdistribusi normal; data yang dihubungkan berpola linier; dan data yang
dihubungkan mempunyai pasangan yang sama sesuai dengan subjek yang sama. Kalau salah
satu tidak terpunuhi persaratan tersebut analisis korelasi tidak dapat dilakukan. Rumus yang
digunakan Korelasi PPM adalah:
rxy

n XY ( X )( Y )

{n X 2 ( X ) 2 }{n Y 2 ( Y ) 2 }

Korelasi PPM dilambangkan (r) dengan ketentuan nilai r tidak lebih dari harga (-1< r <
+ 1). Apabilah nilai r = -1 artinya korelasinya negatif sempurna; r = 0 artinya tidak ada
korelasi dan r = 1 berarti korelasinya sangat kuat. Sedangkan arti harga r akan
dikonsultasikan dengan tabel interpretasi nilai r sebagai berikut.
Interpretasi Koefisien Korelasi Nilai r
Interval Koefisien
0,80 1,000
0,60 0,799
0,40 0.599
0,20 0,399
0,00 0,199

Tingkat Hubungan
Sangat Kuat
Kuat
Cukup Kuat
Rendah
Sangat Rendah

Selanjutnya untuk menyatakan besar kecilnya sumbangan variabel X terhadap Y dapat

ditentukan dengan rumus koefisien diterminan sebagai berikut.

KP = r2 x 100%
keterangan:

KP
r

= Nilai Koefisien Diterminan

= Nilai Koefisien Korelasi

Pengujian lanjutan yaitu uji signifikansi yang berfungsi apabila peneliti ingin mencari
makna hubungan variabel X terhadap Y, maka hasil korelasi PPM tersebut diuji dengan uji
Signifikansi dengan rumus :

hitung

r n2
1 r2

keterangan:

thitung = Nilai t
r
= Nilai Koefisien korelasi
n
= Jumlah Sampel

Contoh : Hubungan Motivasi dengan Kinerja Dosen STAI Daruttaqwa Gresik

Motivasi (X)
: 60; 70; 75; 65; 70; 60; 80; 75; 85; 90; 70; dan 85
Kinerja (Y)
: 450; 475; 450; 470; 475; 455; 475; 470; 485; 480; 475;dan 480.
Pertanyaan ;
a. Berapakah besar hubungan motivasi dengan kinerja dosen?
b. Berapakah besar sumbangan (kontribusi) motivasi dengan kinerja dosen?
c. Buktikan apakah ada hubungan yang signifikan motivasi dengan kinerja dosen?
Langkah-langkah menjawab:
Langkah 1.
Membuat Ha dan Ho dalam bentuk kalimat :
Ha : ada hubungan yang signifikan motivasi dengan kinerja dosen.
Ho : Tidak ada hubungan yang signifikan motivasi dengan kinerja dosen.
Langkah 2.
Membuat Ha dan Ho dalam bentuk statistik;
Ha : r 0
Ho : r = 0
Langkah 3.
Membuat tabel penolong untuk menghitung Korelasi PPM:
No
X
Y
X2
1.
60
450
3600
2.
70
475
4900
3.
75
450
5625
4.
65
470
4225
5.
70
475
4900
6.
60
455
3600

Y2
202500
225625
202500
220900
225625
207025

XY
27000
33250
33750
30550
33250
27300

7.
8.
9.
10.
11.
12.

80
75
85
90
70
85

475
470
485
480
475
480

6400
5625
7225
8100
4900
7225

225625
220900
235225
230400
225625
230400

38000
35250
41225
43200
33250
40800

Statistik
X
Y
X2
Y2
XY
Jumlah
885
5640
66325
2652350
416825
Langkah 4.
Mencari rhitung dengan cara masukkan angka statistik dari tabel penolong dengan rumus ;

rxy

rxy

rxy

n XY ( X )( Y )

{n X 2 ( X ) 2 }{n Y 2 ( Y ) 2 }
12(416.825) (885).(5.460)
{12.(66.325) (885) 2 }.{12.(2.652.350) (5.640) 2 }

169.900
133.463.835.000

169.00
0,465
365.327,02

Langkah 5.
Mencari besarnya sumbangan (konstribusi) variabel X terhadap Y dengan rumus :
KP = r2 x 100% = 0,4652 x 100% = 21,62 %.
Artinya motivasi memberikan konstribusi terhadap kinerja dosen sebesar 21,62% dan
sisanya 78,38% ditentukan oleh variabel lain.
Langkah 6.
Menguji signifikan dengan rumus thitung :

hitung

r n2
1 r2

0,465 12 2
1 0,684 2

2,15
3,329
0,88

Kaidah pengujian :
Jika

thitung ttabel, maka tolak Ho artinya signifikan dan

thitung ttabel, terima Ho artinya

tidak signifikan.

Berdasarkan perhitungan di atas , = 0,05 dan n = 12, uji dua pihak;

dk = n - 2 = 12 2 = 10 sehingga diperoleh ttabel = 2,228
Ternyata thitung lebih besar dari ttabel, atau 3,329 > 2,228, maka Ho ditolak, artinya ada
hubungan yang signifikan motivasi dengan kinerja dosen.
Langkah 7.
Membuat kesimpulan
1. Berapakah besar hubungan motivasi dengan kinerja dosen? rxy sebesar 0,465 kategori
cukup kuat.
2. Berapakah besar sumbangan (konstribusi) motivasi dengan kinerja dosen?
KP = r2 x 100% = 0,4652 x 100% = 21,62%. Artinya motivasi memberikan konstribusi
terhadap kinerja dosen sebesar 21,62% dan sisanya 78,38% ditentukan oleh variable lain.
3. Buktikan apakah ada hubungan yang signifikan motivasi dengan kinerja dosen? terbukti
bahwa ada hubungan yang signifikan motivasi dengan kinerja dosen.
Ternyata thitung lebih besar dari ttabel, atau 3,329 > 2,228, maka Ho ditolak, artinya ada
hubungan yang signifikan motivasi dengan kinerja dosen.