3.

dengan

Menguji Hubungan dan Prediksi

ANALISIS REGRESI LINIER

Dr. AINUR ROFIEQ, M.Kes.

A.Pengantar
B.Analisis Regresi Linier 1-prediktor
C.Analisis Regresi Linier 2-prediktor
D.Analisis Regresi Linier n-prediktor
A. Pengantar
Analisis ini digunakan untuk mengetahui
signifikansi pengaruh satu atau lebih variabel
bebas dengan sebuah variabel tergantung.
Pengertian lain; anilisis yang digunakan untuk
mengetahui
signifikansi
persamaan
garis
regresi. (Garis regresi adalah garis yang
menyatakan hubungan antara satu atau lebih
variabel
bebas
dengan
sebuah
variabel
tergantung).
Suatu
garis
regresi
dapat
merupakan garis lurus (linier) atau non-linier.
Pengertian lain; analisis yang digunakan untuk
menyatakan signifikansi ramalan (prediksi) satu
atau lebih variabel bebas (prediktor) terhadap
sebuah variabel tergantung (kriterium).
Yang dibahas dalam matari ini adalah regresi
linier. Adapun persamaan garis regresi linier
adalah sbb.
Untuk satu prediktor
Y = aX + K

Untuk dua prediktor

Untuk tiga prediktor
K
Untuk n prediktor
anXn + K
dst-nya.

Y = a1X1 + a2X2 + K
Y = a1X1 + a2X2 + a3X3 +
Y = a1X1 + a2X2 + a3X3 +

Ket.:
Y = kriterium (variabel tergantung)
X = prediktor (variabel bebas)
n
=
bilangan (prediktor) ke-n
a = koefisien prediktor
K = konstanta

B. Analisis Regresi Linier 1-Prediktor

1.Langkah-langkah (dengan metode skor
kasar):
1)Menguji linieritas hubungan X dengan Y
Syaratnya adalah hubungan antara X
(prediktor) dengan Y (kriterium) membentuk
fungsi garis linier.
2) Menghitung koefisien korelasi (rXY) dengan
Analisis Korelasi Product Moment. Syarat;
nilai rXY hitung rXY tabel.
3)Ada beberapa syarat lain (akan disampikan
saat kuliah)
4)Menentukan persamaan garis regresi linier
Dengan persamaan simultan, rumus:
(1) XY
= a X2 + K X
(2) Y
= a X + NK
5)Menentukan signifikansi persamaan garis
regresi
Dengan anilisis varians, rumus:

Sumb Deraj
er
at
varian bebas
si
(db)
Garis
regres
i
Galat/
error

N-2

Jumlah Kuadrat
(JK)

( Y)
a.XY+K.Y
------2

Mean
Kuadra
t (MK)
JKregresi
--------dbregresi
JKgalat
-------dbgalat

Fhitung
MKregresi
----------MKgalat
-

Y2 a.XY K.Y

Total

N-1

(Y)2
Y2 -----N

Kemudian menentukan signifikansi nilai Fhitung

dengan cara membandingkan nilai Ftabel;
ketentuan: bila Fhitung Ftabel maka persamaan
garis regresi linier Y = aX + K
adalah
signifikans dan bila sebaliknya maka tidak
signifikans.
Apabila
Signifikans
maka
persamaan garis regresi dapat digunakan
untuk memprediksi nilai Y dari nilai X.
6)Menghitung sumbangan efektif (SE) prediktor
SE = rXY . 100%
Nilai SE untuk mengetahui derajat pengaruh
X terhadap Y.
Contoh 1:

Suatu penyelidikan ingin mengetahui apakah

tinggi
badan
dapat
digunakan
untuk
memprediksi berat badan para perawat di
Rumah sakit X. Hasil penelitian terhadap 10
perawat sbb.
Suby
ek

Tinggi Badan
(X)

Berat Badan
(Y)

1.
2.
3.
4.
5.
6.
7.
8.
9.
10.

168
173
162
157
160
165
163
170
168
164

63
81
54
49
52
62
56
78
64
61

Apabila diketahui hubungan X dengan Y

membentuk fungsi garis linier pada taraf
signifikansi 0,05, tentukan apakah tinggi badan
dapat digunakan untuk meprediksi berat badan
pearawat.
2.Mengerjakan dengan metode skor kasar
1)Menguji linieritas X dengan Y
Karena X dengan Y membentuk garis linier,
maka dilanjut-kan menghitung nilai rXY.
2)Menghitung nilai rXY

H0: tidak ada korelasi antara tinggi badan

dengan berat badan perawat.
Menghitung nilai rxy:
Dari kalkulator dapat diketahui;
X=1650; Y = 620; X2 = 272.460; dan
Y2 = 39.432
X

168
173
162
157
160
165
163
170
168
164
XY

XY

63
81
54
49
52
62
56
78
64
61
= 102.7
32

(3) 62,26

= 165,13

a+K

(4) 62
= 165
a +K
------------------------------------- 0,26 = 0,13
a =2
10 . 102.732 1650 .
(5) 62
= 165 . 2 + K
620
K
= -268
rXY=
Melalui penghitungan tersebut maka
-----------------------------------------------persamaan garis regersi linier yang dibentuk
[10. 272.460-(1650)2]
adalah: Y = 2X 268
[10.39.432-(620)2]
4)Menentukan signifikansi persamaan garis Y =
2X 268
rXY= 0,946
pada tabel diketahui nilai rXY(0,05)
(10)= 0,765
sehingga rXY rXY(0,05)(10) maka Ho
ditolak, jadi ada korelasi yang

3)Menentukan persamaan garis regresi linier

Persamaan Y = aX + K, bilangan yang ingin
kita cari adalah nilai a dan K. dengan rumus.
(1) XY
= a X2 + K X
(2) Y
= a X + NK
Dari rumus tersebut kita dapat menghitung
nilai a dan K.
(1) 102.732 = 272.460 a + 1650 K
(2)
620 =
1650 a +
10 K

Sumber db
variansi
Grs.regr
1
esi
8
Galat/err
or
Total
9

JK

MK

Fhitun

F(0,05)(8;1)

864
128

864
16

54

5,32

992

Kesimpulan: karena nilai Fhitung F(0,05)(8;1) maka

persamaan garis regresi linier Y=2X-268
adalah signifikans.
Interpretasi:
Tinggi
badan
dapat
digunakan
untuk
memprediksi berat badan perawat di Rumah
sakit X.

atau dengan kalimat lain; tinggi badan

mempengaruhi cukup signifikans berat badan
perawat di rumah sakit X.
5)Menentukan nilai SE
Karena data diuji dengan analisis regresi 1prediktor maka maka SE
=
0,946
x
100%
= 94,6%
Jadi; tinggi badan dapat digunakan untuk
memprediksi berat badan perawat dengan
besar prediksi 94,6%, sedangkan 5,4%
ditentukan oleh faktor selain tinggi badan.
Atau: tinggi badan mempengaruhi cukup
signifikans berat badan dengan besar
pengaruh 94,6% dan 5,4% faktor lain.
3.Mengerjakan dengan metode skor deviasi
Langkah penghitungan nomor 1, 2, dan 5 sama
seperti dengan metode skor kasar, tetapi untuk
langkah 3 dan 4 berbeda.
Adapun langkah-langkah dengan metode skor
deviasi sbb;
1)Menguji linieritas hubungan X dengan Y
(sama dengan metode skor kasar)
2)Menghitung koefisien korelasi linier (rXY)
(sama dengan metode skor kasar)
3)Menentukan persamaan garis regresi linier
Sebelumnya hitung dahulu nilai-nilai statistik
berikut:

- Hitung nilai statistik;

X2 ; Y2 ; XY ; X ; Y ; X ; dan Y
(gunakan kalkultor
kecuali nilai XY dengan cara membuat
tabel statistiknya)
- Hitung skor deviasi dari nilai XY; X2 dan
Y2
(X)
(Y)
XY skor deviasinya adalah
xy = XY
- -------------N
2
(X)
2
X skor deviasinya adalah
x2 = X -------N
(Y)2
Y2 skor deviasinya adalah
y2 = Y -------N
- Hitung koefisien prediktor atau nilai a
xy
a = -------x2
Melalui nilai statistik tersebut persamaan
garis regresi
linier: Y Y = a (X X)

4)

Menentukan signifikansi persamaan garis

regresi
Sumber
variansi

Grs.regr
esi

db

NGalat/err 2
or
Total
N1

JK

MK

Fhitung

(xy)2
-------x2

JKregresi
--------dbregresi

MKregresi
----------MKgalat

(xy)2
y2 ------x2
y2

JKgalat
-------dbgalat

Persyaratan analisisnya sama dengan metode

skor kasar.
5) Menentukan nilai SE
(sama dengan metode skor kasar)
Berdasarkan metode skor deviasi jawaban
contoh-1 untuk langkah 3 dan 4 dapat dihitung
sebagai berikut:
3)Menentukan persamaan garis regresi linier
- menghitung nilai-nilai statistik berikut
dengan kalkulator
X2 = 272.460; Y2 = 39.432; X=1650;
Y = 620;
Y = 62; dan X = 165
- menghitung nilai statistik XY
X
168

Y
63

XY

Silahkan diisi
sendiri

173 81
162
54
157
49
160
52
165
62
163
56
170
78
168
64
164
61
Jumlah

102.732

- Menghitung skor deviasi

XY skor deviasinya;
-------------

xy

(X) (Y)
= XY N
(1650)

(620)
= 102.732 ----------------

10

= 432
X2 skor deviasinya;

x2

(X)2
= X2 - ------N
(1650)2

= 272.460 - -------10
= 210
(Y)2

Y2 skor deviasinya;

y2 = Y2 - ------N
(620)2
= 39.432 - -------10
= 992

- Menghitung koefisien prediktor atau nilai a

xy
432
a
= ------- = -------x2
210
= 2,05
Melalui nilai-nilai statistik tersebut
persamaan garis regresi liniernya adalah;
YY
= a (X X)
Y 62
= 2,05 (X 165)
Y
= 2,05X 338,25 + 62
Y
= 2,05X 276,25
4) Menentukan signifikansi persamaan garis
regresi linier
H0: Persamaan garis regresi Y = 2,05X
276,25 tidak dapat
digunakan untuk memprediksi berat
badan berdasarkan
tinggi badan.
Membuat ringkasan anava sbb;
Sumber
variansi

Db

JK

MK

Fhitun
g

F(0,05)(8;1)

Grs.regr
1
esi
8
Galat/err
or
Total
9

888,
69
103,
31
992

888,69
12,91

68,8
4

5,32

Kesimpulan: karena nilai Fhitung F(0,05)(8;1) maka

Ho ditolak jadi persamaan garis regersi
Y=2,05X-276,25
signifikans
untuk
memprediksi berat badan berdasarkan tinggi
badan.
Interpretasi:
Tinggi
badan
dapat
digunakan
untuk
memprediksi berat badan perawat di Rumah
sakit X.
atau dengan kalimat lain; tinggi badan
mempengaruhi cukup signifikans berat badan
perawat di rumah sakit X.
CATATAN: Melalui pendekatan metode skor
kasar diperoleh nilai Fhitung = 54,00 dan metode
skor deviasi Fhitung = 68,84. Sebenarnya hal ini
tidak menjadi masalah, tetapi jika dibandingkan
dengan komputasi program SPSS, yang
mendekati nilai SPSS adalah metode skor
deviasi.

C. Analisis Regresi Linier 2-Prediktor

1.Pengantar
Untuk
analisis regresi 2-prediktor dan nprediktor sebaiknya menggunakan pendekatan

penghitungan dengan persamaan skor deviasi,

karena lebih teliti. Selanjutnya pada materi ini
akan digunakan pendekatan dengan skor
deviasi.
2.Langkah-langkah
1)Menguji linieritas hubungan X1 dan X2 dengan
Y
X1 dan Y diuji linieritasnya
Harus
membentuk
garis linier
X2 dan Y diuji linieritasnya bila salah satu
atau dua-duanya
tak linier, maka tidak
dapat
diteruskan ke langkah
nomor 2
2)Menghitung koefisien korelasi linier (rXY)
Karena dua prediktor maka:
X1 dan Y dihitung nilai rX1Y
Nilai rXY masing-masing
harus
signifikan, bila salah
satu atau
X2 dan Y dihitung nilai rX2Y dua-duanya tak
signifikan,
maka tidak dapat
diteruskan ke
langkah nomor 3

3)Menentukan persamaan garis regresi linier

Sebelumnya hitung dahulu nilai-nilai statistik
berikut:
- Hitung nilai statistik;
X12 ; X22 ; Y2 ; X1Y ; X2Y ; X1 ; X2 ;
Y ; X1 ; X2
dan Y (gunakan kalkultor kecuali nilai X1Y
dan X2Y
dihitung dengan cara membuat tabel
statistiknya)
- Hitung skor deviasi dari nilai X1Y ; X2Y ;
X12 ; X22
dan Y2.
(X1)
(Y)
X1Y skor deviasinya adalah x1y = X1Y --------------N
(X2)
(Y)
X2Y skor deviasinya adalah x2y = X2Y --------------N
(X1)2
X12 skor deviasinya adalah
x12 = X1
- -------N

X
- -------Y
--------

2
2

skor deviasinya adalah

skor deviasinya adalah

(X2)2
x22 = X2

Ry(1,2) adalah koefisien korelasi ganda X1 dan

X2 terhadap Y
Rumusnya;

N
(Y)2
y2 = Y N
(X1)

(X2)
X1X2 skor deviasinya adalah x1x2 =X1X2 --------------N
- Hitung koefisien prediktor atau nilai a1 dan
a2

dengan menggunakan persamaan simultan

berikut;
(1) x1y = a1 x12 + a2 x1x2
(2) x2y = a1 x1x2+ a2 x22
Melalui nilai-nilai statistik tersebut
persamaan garis regresi
linier dapat ditentukan dengan rumus;
Y Y = a1 (X1 X1) + a2 (X2 X2)
atau
Y = a1 (X1 X1) + a2 (X2 X2) + Y
4) Menentukan nilai koefisen korelasi linier
ganda (Ry(1,2))

Ry(1,2)
5)

a1 x1y + a2 x2y
=
----------------------y2

Menentukan nilai koefisien determinasi (R2)

Nilai R2 = [Ry(1,2)]2
R2 =
menggambarkan efektifitas
garis regresi
6) Menentukan signifikansi persamaan garis
regresi
Dengan menggunakan analisis varians;
Sumber
variansi
Grs.regr
esi

db

JK

R (y )

N-n-1

(1 R2)
(y2)

Galat/err
or
Total
N-1
y2
n = banyaknya prediktor

MK

Fhitung

JKregresi
--------dbregresi
JKgalat
-------dbgalat

MKregresi
----------MKgalat

Untuk menentukan signifikansi seperti pada

analisis regresi 1-prediktor. Bila Fhitung Ftabel

maka persamaan garis regresi linier adalah

signifikans. Bila sebaliknya maka persamaan
garis regresi linier adalah tidak signifikans.
7) Menghitung sumbangan efektif (SE)
Ada dua nilai SE, yaitu;
- SE kombinasi dua prediktor X 1 dan X2
terhadap Y, adalah:
SE = R2 . 100%
- SE parsial atau masing-masing prediktor
terhadap Y (atau X1 terhadap Y dan X2
terhadap Y), rumusnya;
a1 x1y
SEx1 = ----------- x R2 x 100%
JKregresi
a2 x2y
dan
SEx2 = ----------- x R2 x 100%
JKregresi
Catatan khusus untuk nilai SEx1 dan SEx2:
nilai di dalam tanda adalah nilai
mutlak, artinya tidak memiliki atau tidak
ada nilai negatif.
Bila nilai a1 x1y dan a2 x2y berharga
positif atau dua-duanya bergarga negatif
maka nilai JKregresi sama dengan JKregresi hasil
anava persamaan garis regresi.
Bila nilai a1 x1y dan a2 x2y salahnya satu
berharga negatif maka nilai JKregresi tidak

sama dengan JKregresi hasil anava persamaan

garis regresi, tetapi JKregresi = a1 x1y + a2
x2y
3.Contoh
Ingin diketahui apakah kemampuan riset (Y)
mahasiswa keperawatan dipengaruhi oleh nilai
mata kuliah statistika (X1) dan indeks prestasi
(X2) selama mereka kuliah. Hasil penelitian yang
telah dilakukan adalah;
Variabe 1 2 3 4 5 6 7 8 9 10
l
X1
57 93 79 26 69 24 79 61 82 29
3,0 2,8 3,2 2,4 3,0 2,3 3,7 2,6 2,5 3,1
X2
0

27 34 27 24 35 18 33 39 35 25

Bila diketahui bahwa X1 dengan Y linier, X2 dengan Y

linier, dan masing-masing nilai r XY adalah signifikan,
tentukan pada taraf signifikansi 0,05;
a. Persamaan garis regresi kombinasi prediktor X 1 dan
X2 terhadap Y!
b. Signifikansi garis regresi! dan Bagaimanakah
interpretasinya?
c. SE kombinasi dan parsial! dan Bagaimanakah
interpretasi-nya?

Jawab:
1)Menguji linieritas X1 dan X2 dengan Y
Karena diketahui X dengan Y membentuk
garis linier, maka dilanjutkan menghitung
nilai rXY.

2)Menghitung nilai rXY

Karena diketahui nilai rXY masing-masing
prediktor dengan Y adalah signifikan, maka
dilanjutkan dengan langkah ke-3.
3)Menentukan persamaan garis regresi
- Melalui kalkultor dapat diketahui nilai-nilai
statistik;
X1 = 596 ; X2 = 29,05 ; X12 = 41214 ; X22 =
85,954
Y = 297 ; Y2 = 9199 ; Y = 29,7; X 1=59,6 ;
X2=2,905
Menghitung nilai X1Y dan X2Y
X1

X2

57

3,00

27

93

2,85

34

79

3,20

27

26

2,49

24

69

3,07

35

24

2,38

18

76

3,74

33

61

2,62

39

82

2,53

35

28

3,17

25

Jumlah

X1Y

X2Y

x12
x22
1,56345
y2
x1y
1085,8
x2y
4,965

(X1)2
5962
= X12 - --------- = 41214 - -------- = 5692,40
N
10
2
(X2)
29,052
= X22 - --------- = 85,9537 - -------- =
N
10
2
(Y)
2972
= Y2 - --------- = 9199 - -------- = 378,1
N
10
(X1)(Y)
(596)(297)
= X1Y - ------------- = 18787 - ------------- =
N
10
(X2)(Y)
(29,05)(297)
= X2Y - ------------- = 867,75 - --------------- =
N
(X1)(X2)

x1x2
34,61

18787

867,75

maka nilai X1Y = 18787 dan X2Y = 867,75

- Menghitung skor deviasi;

Berikut ini skor deviasi dari nilai X12 ; X22 ; Y2 ;
X1Y
X2Y ; dan X1X2

10
(596)(29,05)

=X1X2 - ------------- =1765,99 - --------------- =

N
10
- Menentukan koefisien prediktor atau nilai a 1 dan
a2
(1) x1y = a1 x12 + a2 x1x2
(2) x2y = a1 x1x2+ a2 x22
maka;
(1) 1085,8
= 5692,4 a1
+ 34,61 a2
(2)
4,965 =
34,61 a1 + 1,56345 a2
(3)
31,372 = 164,473 a1 + a2

(4)

(5)

3,176 =
22,137 a1 + a2
--------------------------------------
28,196 = 142,336 a1
a1 = 0,198
3,176 = 22,137 a1 + a2
a2 = 3,176 22,137 . 0,198
= 1,209

Melalui nilai-nilai statistik tersebut

selanjutnya menentukan persamaan garis
regresinya;
Y
= a1 (X1 X1) + a2 (X2 X2) + Y
= 0,198 (X1 59,6) 1,209 (X2
2,905) + 29,7
= 0,198 X1 11,801 1,209 X2 +
3,512 + 29,7
= 0,198 X1 1,209 X2 + 21,411
jadi
persamaan
garis
regresi
yang
menggambarkan fungsi prediktor X1 dan X2
terhadap Y adalah:
Y = 0,198 X1 1,209 X2 + 21,411
4)Menentukan nilai koefisen korelasi linier
ganda (Ry(1,2))
a1 x1y + a2 x2y
Ry(1,2) =
----------------------y2
(0,198) (1085,8) + ( 1,209)
(4,965)
= ---------------------------------------------378,1

= 0,744
5)Menentukan nilai koefisien determinasi (R2)
R2 = [Ry(1,2)]2
= 0,554
6)Menentukan signifikansi persamaan garis
regresi
Sumber
variansi
Grs.regr
esi
Galat/err
or
Total

7)

db

JK

MK

Fhitung

F0,05(7;2)

2
7

209,4 104,73 4,348

4,74
67
4
168,6
24,09
33
0
9
378,1
00
Karena nilai Fhitung F(0,05)(7;2) maka persamaan garis
regresi linier
Y= 0,198 X1 1,209 X2 + 21,411 adalah tidak
signifikans.
Artinya persamaan garis regresi
tersebut tidak signifikan (tidak berarti) untuk
meramalkan nilai Y dari prediktor X1 dan X2.

Menghitung sumbangan efektif (SE)

Meskipun persamaan garis regresi tidak
signifikan, kita masih
dapat menentukan efektifitas prediksinya.
Ada dua nilai SE, yaitu;
- SE kombinasi dua prediktor X 1 dan X2
terhadap Y, adalah:
SE = R2 . 100%
= 0,554 .100%
= 55,4%

Jadi, efektifitas persamaan garis regresi

tersebut adalah 55,4%, artinya nilai Y dapat
diramalkan dari nilai prediktor X1 dan X2
dengan besar prediksi 55,4%. Sedangkan
sisanya yaitu 44,6% ditentukan oleh faktor
selain X1 dan X2.
Atau kombinasi variabel X1 dan X2 secara
bersama mem-pengaruhi nilai Y dengan
besar pengaruh 55,4%. Sedangkan sisanya
yaitu 44,6% ditentukan oleh faktor selain X 1
dan X2.
(Catatan: meskipun Y dapat diramalkan dari
nilai prediktor X1 dan X2 dengan besar
prediksi 55,4% tetapi ingat! persamaan
garis
regresinya
tetap
tidak
cukup
signifikan).
- SE parsial atau masing-masing prediktor
terhadap Y
Untuk menentukan terlebih dahulu tetukan
nilai statistik
berikut:
a1 x1y = 0,198 . 1085,8 =214,988
a2 x2y = 1,209 . 4,965 = 6,002
Karena nilai a2 x2y berharga negatif (lihat
Catatan khusus untuk nilai SEx1 dan SEx2)
maka JKregresi yang digunakan adalah
JKregresi = a1 x1y + a2 x2y
= 214,988 + 6,002

= 214,988 + 6,002
= 220,990
maka;
SEx1

a1 x1y
= ----------- x R2 x 100%
JKregresi
214,988
= ----------- 0,554 x 100%
220,990
= 53,890%

a2 x2y
dan
SEx2 = ------------ x R2 x 100%
JKregresi
6,002
= ------------- 0,554 x 100%
220,990
= 1,510%
Dari
dua nilai SE tersebut, maka dengan
persamaan garis regresi Y= 0,198 X1 1,209 X2 +
21,411, besarnya nilai Y dapat diramalkan dari
nilai prediktor X1 dengan besar prediksi 53,89%.,
kemudian besarnya nilai Y diramalkan dari nilai
prediktor X2 dengan besar prediksi 1,51%.
Sedangkan sisanya yaitu 44,6% ditentukan oleh
faktor selain X1 dan X2.
Atau dengan kalimat lain; nilai X1 dapat
mempengaruhi nilai Y dengan besar pengaruh
55,89%, dan X2 dapat mempengaruhi nilai Y
dengan besar pengaruh 1,51%. Sedangkan sisanya
yaitu 44,6% ditentukan oleh faktor selain X1 dan X2.

(Catatan: meskipun Y dapat diramalkan dari nilai

setiap prediktor X1 dan X2 tetapi ingat! persamaan
garis regresinya tetap tidak cukup signifikan).

D.

Analisis Regresi Linier 3-prediktor dan nprediktor

1.Pengantar
Untuk
analisis regresi 3-prediktor dan nprediktor (n =banyak prediktor, dalam hal ini
sama dengan tiga atau lebih) sebaiknya
menggunakan
pendekatan
penghitungan
dengan metode skor deviasi, karena lebih teliti.
Selanjutnya pada materi ini akan digunakan
pendekatan dengan skor deviasi.
2.Langkah-langkah (3-prediktor)
1)Menguji linieritas hubungan setiap X dengan
Y
X1 dan Y diuji linieritasnya
Harus
membentuk
garis linier
X2 dan Y diuji linieritasnya bila salah satu
atau dua-duanya
tak linier, maka tidak
dapat
X3 dan Y diuji linieritasnya
diteruskan ke
langkah nomor 2
2)Menghitung koefisien korelasi linier (rXY)
Karena dua prediktor maka:

X1 dan Y dihitung nilai rX1Y

Nilai rXY masing-masing
harus
signifikan, bila salah
satu atau
X2 dan Y dihitung nilai rX2Y dua-duanya tak
signifikan,
maka tidak dapat
diteruskan ke
X3 dan Y dihitung nilai rX3Y langkah nomor 3
3)Menentukan persamaan garis regresi linier
Sebelumnya hitung dahulu nilai-nilai statistik
berikut:
- Hitung nilai statistik;
X12 ; X22 ; X32 ; Y2 ; X1Y ; X2Y ; X3Y;
X1 ; X2 ;
X3 ; Y ; X1 ; X2 ; X3 . dan Y (gunakan
kalkultor, khusus
untuk nilai X1Y, X2Y, dan X3Y dihitung
dengan cara
menyimpan hasil perkaliannya baru
menekan tanda X)
- Hitung skor deviasi dari nilai X1Y ; X2Y ; X3Y
; X12 ;
X22 ; X32 ; Y2, dicari juga X1X2 ; X1X3 ; dan
X2X3.
(X1)
(Y)

X1Y skor deviasinya adalah x1y = X1Y --------------N

(Y)

(X2)

X2Y skor deviasinya adalah x2y = X2Y --------------N

(X3)
(Y)
X3Y skor deviasinya adalah x3y = X3Y --------------N
(X1)2
X12 skor deviasinya adalah x12 = X1 -------N
(X2)2
X22 skor deviasinya adalah x22 = X2 -------N
(X3)2
X32 skor deviasinya adalah x32 = X3 -------N
(Y)2
Y2 skor deviasinya adalah
y2 = Y - -------N

(X1)

(X2)
X1X2 skor deviasinya adalah x1x2 =X1X2
--------------N
(X1)
(X3)
X1X3 skor deviasinya adalah x1x3 =X1X3
--------------N
(X2)
(X3)
X2X3 skor deviasinya adalah x2x3=X2X3
-------------N

- Hitung koefisien prediktor atau nilai a1, a2

dan an
dengan menggunakan persamaan simultan
berikut;
(1) x1y = a1 x12 + a2 x1x2 + a3 x1x3
(2) x2y = a1 x1x2+ a2 x22+ a3 x2x3
(3) x3y = a3 x1x3+ a2 x2x3+ a3 x32
Melalui nilai-nilai statistik tersebut
persamaan garis regresi
linier dapat ditentukan dengan rumus;
Y Y = a1 (X1 X1) + a2 (X2 X2) + a3 (X3
X3)

atau
Y = a1 (X1 X1) + a2 (X2 X2) + a3 (X3
X3) + Y
4)

Menentukan nilai koefisen korelasi linier

ganda (Ry(1,2,3))
Ry(1,2,3) adalah koefisien korelasi ganda setiap
prediktor (X) terhadap Y
Rumusnya;
Ry(1,2,3) =

a1 x1y + a2 x2y + a3 x3y

-----------------------------------------y2

5)Menentukan nilai koefisien determinasi (R2)

Nilai R2 = [Ry(1,2,3)]2
R2 =
menggambarkan efektifitas
persamaan garis
regresi
6)Menentukan signifikansi persamaan
regresi
Dengan menggunakan analisis varians;
Sumber
variansi
Grs.regr
esi

db
1

Galat/err
or
Total

MK

Fhitung

R2 (y2)

JKregresi
--------dbregresi

MKregresi
----------MKgalat

(1 R )
(y2)

N-1

y2

Untuk menentukan signifikansi seperti pada

analisis regresi 1-prediktor. Bila Fhitung Ftabel
maka persamaan garis regresi linier adalah
signifikans. Bila sebaliknya maka persamaan
garis regresi linier adalah tidak signifikans.

7)Menghitung sumbangan efektif (SE)

Ada tiga nilai SE, yaitu;
SE kombinasi prediktor X 1, X2 dan X3
terhadap Y, adalah:
SE = R2 . 100%
- SE parsial atau masing-masing prediktor
terhadap Y (atau X1 terhadap Y; X2 terhadap
Y dan X3 terhadap Y), rumus;
a1 x1y
SEx1 = ----------- x R2 x 100%
JKregresi

garis

JK

N-n-1

JKgalat
-------dbgalat

dan

a2 x2y
SEx2 = ----------- x R2 x 100%
JKregresi
a3 x3y
SEx3 = ----------- x R2 x 100%
JKregresi

Catatan khusus untuk nilai SEx1, SEx2 dan

SEx3:
nilai di dalam tanda adalah nilai
mutlak, artinya tidak memiliki atau tidak
ada nilai negatif.
Bila nilai a1 x1y, a2 x2y dan a3 x3y
berharga positif atau ketiganya berharga
negatif maka nilai JKregresi sama dengan
JKregresi hasil anava persamaan garis regresi.
Bila nilai a1 x1y, a2 x2y dan a3 x3y
salahnya satu berharga negatif maka nilai
JKregresi tidak sama dengan JKregresi hasil
anava persamaan garis regresi, tetapi
JKregresi = a1 x1y + a2 x2y + a3 x3y
3. Analisis Regresi Linier n-prediktor
Untuk analisis ini langkah-langkahnya dapat
anda kembangkan dari analisis regresi linier 3prediktor. Untuk melatih kemampuan anda pada
materi ini, cobalah pelajari penelitian-penelitian
yang menggunakan lebih dari tiga prediktor.
Anda juga dapat mengerjakan soal-soal pada
berbagai buku statistik yang banyak beredar di
pasaran.
Analisis regresi linier memiliki proses
penghitungan yang panjang. Padahal pada
era teknologi seperti sekarang ini, kurang

efektif bila menggunakan cara manual, kita

akan
terjebak
pada
penghitunganpenghitungan yang panjang. Sebagai jalan
keluar, anda dapat menambah pengetahuan
statistika
dengan
belajar
program
komputasi analisis data statistik, misalnya;
program SPSS, Minitab, Microstat, SPS,
Statistic, Stat-A, dll.
Saudara HARUS kursus di tempat-tempat
kursus atau menimba ilmu pada teman
saudara yang bisa program itu.
Latihan 1:
Seorang peneliti ingin menjawab apakah daya
antibakteri E.coli (Y) dipengaruhi oleh dosis filtrat
daun jambu biji (X). Ia kemudian mengadakan
penelitian secara in vitro dengan menggunakan 10
macam dosis filtrat (ppm/hr) dan hasilnya sebagi
berikut.
X
(ppm)
Y
(mm)

0,
0
1,
5

0,
2
2,
2

0,
4
2,
5

0,
6
2,
5

0,
8
2,
9

1,0 1,
2
3,1 3,
6

1,
4
3,
7

1,
6
3,
8

1,8
4,0

Bila X dan Y linier, jawablah pertanyaan berikut

dengan =0,05.
a.
Bagaimana signifikansi nilai rxy?
b.
Bagaimana persamaan garis regresinya?
c.
Ujilah signifikansi persamaan garis regresi
dan Bagaimana hasilnya?

d.
Berapakah sumbangan efektif X terhadap Y!
Latihan 2:
Seorang mahasiswa ingin menentukan apakah
kemampuan meneliti para mahasiswa (Y) dapat
ditentukan atau diprediksi dari kemampuan dalam
metodologi penelitian (X1) dan statistika (X2). Ia
kemudian mengambil 10 orang secara random
Bila Xyang
X2Y masing-masing
1Y danakan
dari populasi mahasiswa
wisuda. Hasil
adalah
linier,
jawablah
penelitiannya sebagai berikut.
Subye
k
1

X1

X2

3.5

85

2.5

3.
0
3.

80

pertanyaan berikut.
a. Bagaimana signifikansi rxy?
b. Bagaimana persamaan garis
regresinya
c. Ujilah signifikansi persamaan
garis regresinya pada =0,05!
dan Bagaimanakah hasilnya?
d. Tentukan sumbangan efektif
ganda (bersama) faktor X1 dan

2.0

4.0

2.5

3.0

3.5

3.5

2.5

10

3.0

0
2.
5
4.
0
2.
0
4.
0
4.
0
3.
5
2.
0
3.
0

78
87
78
84
82
86
75
80

Latihan 3: ??