Analisis Regresi
Analisis Regresi
I.
PENDAHULUAN
Melanjutkan studi di perguruan tinggi setelah lulus dari Sekolah Lanjutan Tingkat
Atas (SLTA) merupakan salah satu pilihan yang ditempuh oleh sebagian lulusan
SLTA disamping pilihan lainnya yakni langsung terjun ke dunia kerja atau mulai
berkarir. Pemilihan jurusan oleh para pemilih yang bersangkutan
pastinya
didasarkan oleh berbagai macam motivasi atau faktor-faktor yang nantinya akan
mempengaruhi kemana pemilih akhirnya memilih jurusan yang akan ditempuh
ketika memasuki dunia perkuliahan.
Penulis mempunyai hipotesis atau dugaan awal yang menyatakan bahwa ada
beberapa faktor yang memiliki pengaruh terhadap pemilihan jurusan dalam hal ini
program studi matematika UNJ pada tahun 2013.Dimana penulis memiliki suatu
dugaan awal bahwa faktor seperti prospek kerja, biaya kuliah, tempat tinggal dan
jarak kampus serta karena alasan gagal di pilihan pertama merupakan faktorfaktor dominan yang berpengaruh dalam alasan pemilihan program studi
Matematika UNJ.
Data diperoleh dari para lulusan SLTA yang menjadikan program studi
matematika UNJ sebagai pilihan mereka, baik sebagai pilihan pertama maupun
sebagai pilihan kedua. Berdasarkan data yang didapat
Teknologi dan Informasi UNJ (PUSTIKOM), jumlah
matematika melalui jalur SNMPTN Undangan tahun 2013 adalah 1061 orang,
dengan rincian, pemilih yang memilih program studi matematika UNJ sebagai
pilihan pertama sebanyak 605 orang, sedangkan 456 orang menjadikan sebagai
pilihan kedua.
Data yang nantinya dianalisis merupakan hasil dari pengambilan sejumlah 100
orang yang dipilih secara acak dari jumlah keseluruhan total 1061 orang. Data
yang diperoleh nantinya diolah dengan menggunakan metode analisis jalur.
II.
TINJAUAN PUSTAKA
Analisis jalur ialah suatu teknik untuk menganalisis hubungan sebab akibat yang
tejadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel
tergantung tidak hanya secara langsung tetapi juga secara tidak langsung.
(Robert D. Retherford 1993).
Berikut adalah rumus-rumus yang digunakan dalam analisis jalur.
Menghitung korelasi antarvariabel (Walpole, 1982):
xi
yi
n
i=1
Koefisien jalur:
Y X
k
xi
C R ij rnY X ;=1 , 2, .. , k
j=1
i=1
yi
Keterangan :
Y X
= merupakan koefisien jalur dari variabel Xi terhadap Y
i
rY X
C Rij = unsur atau elemen pada baris ke-I dan kolom ke-j dari matrik invers
korelasi
Menghitung pengaruh variabel lain:
1R2YXi .. Xk
Xi
Y=
YXi
YXi
III.
Xi
X j
Y=
YXi
METODOLOGI PENELITIAN
X 5 = Faktor lainnya (suka matematika, saran dari orang tua, cita-cita, dll)
Y
Variabel
X1
studi matematika UNJ karena prospek kerjanya yang luas dan sesuai dengan
keinginan pemilih. variabel
X3
X2
yaitu dijadikan
sebagai pilihan kedua, dimana pemilih tidak lolos dipilihan pertama dan
menjadikan program studi matematika UNJ sebagai pilihan cadangan. Variabel
X5
yaitu faktor lainnya diantaranya suka matematika, saran dari orang tua, dan
cita-cita. Tiap variabel diberikan pilihan jawaban dalam bentuk nilai skore 0-4.
Pengolahan data dilakukan dengan menggunakan Minitab dan SPSS. Secara garis
besar tahapan analisis data pada penelitian ini adalah :
1. Menentukan variabel yang paling baik dengan metode regresi (best
subsets) menggunakan minitab.
2. Variabel yang paling baik diambil dan selanjutnya digunakan dalam proses
pengolahan data di SPSS dengan metode regresi.
IV.
Setelah mendapatkan variabel yang paling baik melalui best subsets pada minitab,
maka didapatkan variabel yang paling baik adalah
x3
x4
,dan
x5
R-Sq
36.1
65.1
79.9
94.7
100.0
R-Sq(adj)
35.5
64.4
79.3
94.5
100.0
Mallows C-p
1.03647E+17
5.66597E+16
3.25481E+16
8.59778E+15
6.0
S
2.5914
1.9258
1.4672
0.75806
7.96839E-08
x x x x x
1 2 3 4 5
X
X
X
X X X
X X X X
X X X X X
x5
Sehingga diperoleh:
x3
x4
x3
, dan
,
x5
x4
,
Correlations
jarak tempuh sebagai pilihan
y
Pearson Correlation
ke kampus
kedua
faktor lainnya
1.000
.561
.444
.601
.561
1.000
.038
.038
.444
.038
1.000
.067
.601
.038
.067
1.000
.000
.000
.000
.000
.352
.354
.000
.352
.255
faktor lainnya
.000
.354
.255
100
100
100
100
jarak tempuh ke
100
100
100
100
100
100
100
100
100
100
100
100
jarak tempuh ke
kampus
sebagai pilihan
kedua
faktor lainnya
Sig. (1-tailed)
Y
jarak tempuh ke
kampus
sebagai pilihan
kedua
kampus
sebagai pilihan
kedua
faktor lainnya
Model Summaryb
Change Statistics
Adjusted R Std. Error of R Square
Model
R Square
.894a
Square
.799
the Estimate
.793
Change
1.467
Sig. F
Change
df1
.799 127.479
df2
3
Durbin-
Change Watson
96
.000
1.997
Coefficientsa
Standardized
Unstandardized Coefficients
Model
1
Std. Error
(Constant)
5.996
.343
jarak tempuh ke
1.149
.100
.717
.973
Coefficients
Beta
Sig.
17.496
.000
.525
11.461
.000
.085
.387
8.433
.000
.080
.555
12.110
.000
kampus
sebagai pilihan
kedua
faktor lainnya
a.
Dependent Variable: y
Proposisi yang dihasilkan dari data output Best Subsets pada minitab dapat
diterjemahkan kedalam sebuah diagram jalur sebagai berikut.
x3
Y X
r34
p 4
Y X
x4
r35
r45
Y X
x5
Gambar 1.
x3
x4
, dan
x5
Pada tabel Model Summary, didapat bahwa nilai R square adalah 0,799. Dengan
demikian, koefisien jalur (variabel diluar model) sebagai berikut:
Y
10.799
) = 0.448330235
Tabel Pengaruh
Pengaruh langsung
x3
x4
0.275625
0.0772065
x5
0.01107225
Pengaruh total
0.2944179
Tabel Pengaruh
Pengaruh langsung
x4
0.149769
x3
0.00772065
x5
0.014390595
Pengaruh total
0.171880245
Tabel Pengaruh
Pengaruh langsung
x5
x3
0.308025
0.01107225
x4
0.014390595
Pengaruh total
0.333487845
x3
x4
, dan
x5
adalah 0.2944179 +
R2
x3
x3
x5
x4
sebesar
sebesar 1.10%
menentukan perubahan-
x5
x3
sebesar
sebesar 1.43%
x4
menentukan perubahan-
x4
x3
sebesar
sebesar 1.43%
menentukan perubahan-
17.1880245%
33.3487845%
79.978599%
2
y
x3
,dan
x5
, yang dinyatakan
2
, yaitu sebesar (0.448330235) =0.201 atau sebesar 20.1%
variabel diluar
)
x4
x4
x5
x3
x4
x5
Untuk melihat variabel mana yang lebih dominan, cukup dilihat pada uji statistik t
pada tabel Coefficients di output hasil SPSS. Variabel yang memiliki hasil uji t
yang lebih besar merupakan variabel yang memiliki pengaruh yang paling besar
dibanding variabel lainnya.
Coefficientsa
Standardized
Unstandardized Coefficients
Model
1
Coefficients
Std. Error
(Constant)
5.996
.343
jarak tempuh ke
1.149
.100
.717
.973
Beta
Sig.
17.496
.000
.525
11.461
.000
.085
.387
8.433
.000
.080
.555
12.110
.000
kampus
sebagai pilihan
kedua
faktor lainnya
Terlihat
pada
tabel
coefficients
bahwa
x5
variabel
V.
x4
x3
x5
x5
mempunyai
nilai
x 3 t hitung ( 11.461 )
dan
x 3 dan x 4
. Kenyataannya dari
adalah 29.44%.
KESIMPULAN
x4
x5
x3
(faktor
lainnya, diantaranya seperti suka matematika, cita-cita dan saran dari orang tua)
saling berkorelasi positif satu sama lain dan variabel-variabel tersebut
DAFTAR PUSTAKA
Al-Agili, Mohamed Z.G., Mustafa, Mamat, Abdullah, M.Lazim, dan Abd Maad,
Hamdan. 2013. Path Analysis of the Factors Influencing Students
Achievement in Mathematics. Australian Journal of Applied Sciences, 7(4):
434-442, 2013.
Imam, Saudi. Analisis Hubungan Rata-rata IPK dan Lama Studi Mahasiswa ITS
dengan Web Personal Dosen ITS dengan Menggunakan Analisis Faktor.
Razak, Abdul. Aplikasi Analisis Jalur (Path Analysis) dengan Menggunakan
SPSS versi 12.
Sembiring, R.K.(2003).Analisis Regresi Edisi ke-2.ITB,Bandung.
Taslim. 2011. Pengaruh Faktor Produksi Susu Usaha Ternak Sapi Perah Melalui
Pendekatan Analisis Jalur di Jawa Barat. Jurnal Ilmu Ternak Vol. 1, 52-56.
Walpole, Ronald E.(1982).Pengantar Statistika. Edisi ke-3.Gramedia,Jakarta.
Wijaya, Hadi., Sutoro, dan Santoso,Djunaidi. 2008. Analisis Faktor Pelanggan
dalam Memilih Telepon Genggam dengan Struktur Path. Jurnal Maat Stat,
Vol. 8 No. 2 Juli 2008: 158-164