Modul

Pelatihan Analisis Data

(Uji Regresi Sederhana)

Manual & Computerize

With SPSS Program

Oleh :
Peno Suryanto
(Konsultan Analisis data dan Statistik)

Fast Solusion
Samirono CT VI No 158, Sleman, Yogyakarta
Telp. 081 227 855 49 (Peno Suryanto)
085 643 777 622 (Ahmad Irfangi)
 Analisis Regresi Dua Prediktor

Analisis regresi bertujuan untuk menguji pengaruh variabel bebas (prediktor)

terhadap variabel terikat. Dalam pembahasan kali ini akan dijelaskan cara-cara
regresi dua prediktor. Prediktor pertama diberi (X1) dan Preiktor kedua diberi simbol
X2 sedangkan variabel terikatnya (Y), maka untuk persamaan garis regresi akan
menghasilkan rumus:
Y  aX  bX  c
Untuk menyelesaikan memerlukan perhitungan sebagai berikut:

( x 2 )( x1 y )  ( x1 x 2 )( x 2 y )
2

a Y
( x1 )( x 2 )  ( x1 x 2 ) 2
2 2
Y 
n

( x1 )( x 2 y )  ( x1 x 2 )( x1 y )
2
X 
X
b n
( x1 )( x 2 )  ( x1 x 2 )
2 2 2
y  Y Y
c  Y  a X1  bX 2 xX X

Setelah harga-harga koefisien variabel dan konstanta didapatkan, perhitungan

dilanjutkan untuk mengetahui taraf ketepatan garis regresi sebagai alat prediksi yaitu
dengan menhitung koefisie determinasi (R2) kemudian dilanjutkan dengan uji
signifikansi pada F regresi. Rumus-rumus yang diperlukan adalah sebagai berikut:
a. Menghitung Koefisien Determinasi
(a  x1 y )  (c  x 2 y )
R2 
y 2

b. Menghitung taraf korelasi ganda

R  R2

c. Menghitung Harga F regresi

R 2 ( N  m  1) N = Jumlah Data
F
m(1  R 2 ) m = Jumlah Prediktor

Contoh :
Penelitian tentang pengaruh motivasi belajar (X1) dan lingkungan belajar (X2)
terhadap Prestasi Belajar (X3). Data yang didapatkan dalam penelitian adalah sebagai
berikut:
No X1 X2 Y
1 59 50 75
2 64 57 78
3 46 36 68
4 58 47 66
5 65 48 72
6 60 50 74
7 54 60 70
8 61 40 71
9 64 55 78
10 56 55 78
2. Menghitung secara Manual

Berdasarkan tabel di atas maka diperoleh perhitungan sebagai berikut:

No X1 X2 Y X1 X2 y X12 X22 Y2 X1 y X2 y X1 X2

1 59 50 75 0.3 0.2 2 0.09 0.04 4 0.6 0.4 0.06

2 64 57 78 5.3 7.2 5 28.09 51.84 25 26.5 36 38.16
3 46 36 68 -12.7 -13.8 -5 161.29 190.44 25 63.5 69 175.26
4 58 47 66 -0.7 -2.8 -7 0.49 7.84 49 4.9 19.6 1.96
5 65 48 72 6.3 -1.8 -1 39.69 3.24 1 -6.3 1.8 -11.34
6 60 50 74 1.3 0.2 1 1.69 0.04 1 1.3 0.2 0.26
7 54 60 70 -4.7 10.2 -3 22.09 104.04 9 14.1 -30.6 -47.94
8 61 40 71 2.3 -9.8 -2 5.29 96.04 4 -4.6 19.6 -22.54
9 64 55 78 5.3 5.2 5 28.09 27.04 25 26.5 26 27.56
10 56 55 78 -2.7 5.2 5 7.29 27.04 25 -13.5 26 -14.04
Σ 587 498 730 - - - 294.1 507.6 168 113 168 147.4
X
58.7 49.8 73 - - - - - - - - -

a. Menghitung Model Regresi

( x 2 )( x1 y )  ( x1 x 2 )( x 2 y )
2

a
( x1 )( x 2 )  ( x1 x 2 ) 2
2 2

(507,6)(113)  (147,4)(168) 32956

a   0,2555
(294,1)(507,6)  147,4 2
127558

( x1 )( x 2 y )  ( x1 x 2 )( x1 y )
2

b
( x1 )( x 2 )  ( x1 x 2 ) 2
2 2

( 294,1)(168)  (147,4)(113) 32753

b   0,2568
( 294,1)(507,6)  147,4 2
127558

c  Y  a x1  b x 2

c  73  (0,2555)(58,7)  (0,2568)(49,8)  45,213

Berdasarkan hitungan diatas maka didapatkan model regresi sebagai

berikut :

Y= 0,2555 X1 + 0,2568 X2 + 45,213

b. Menghitung Koefisien Determinasi (R2)

(a  x1 y )  (c  x 2 y )
R2 
y 2

(0,2555)(113)  (0,2568)(168)
R2   0,4286
294,1
c. Menghitung F regresi

R 2 ( N  m  1)
F
m(1  R 2 )

0,42(10  2  1)
F   2,6258
2(1  0,4286)

3. Menghitung dengan SPSS

a. Memasukkan data

b. Mengisi Nama Variabel

c. Mulai Menganalisis Klik Analyze, Pilih Regression, kemudian pilih Linear

 d. Setelah muncul kotak dialog, masukkan variabel dependen (Y/Motivasi

Belajar) ke dependent box, begitu juga untuk variabel dependen dimasukkan ke

independent box. Pada kotak dialog Metode pilih Method Enter. Lalu pilih

OK.

e. Akan muncul output SPSS

Regression

Variables Entered/Removedb

Variables Variables
Model Entered Removed Method
1 Lingkungn
gan
Belajar, . Enter
Motivasia
Belajar
a. All requested variables entered.
b. Dependent Variable: Prestasi Belajar

Model Summary

Adjusted Std. Error of

Model R R Square R Square the Estimate
1 .655a .429 .265 3.7030
a. Predictors: (Constant), Lingkungngan Belajar, Motivasi
Belajar
 ANOVAb

Sum of
Model Squares df Mean Square F Sig.
1 Regression 72.012 2 36.006 2.626 .141a
Residual 95.988 7 13.713
Total 168.000 9
a. Predictors: (Constant), Lingkungngan Belajar, Motivasi Belajar
b. Dependent Variable: Prestasi Belajar

Coefficientsa

Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) 45.213 13.235 3.416 .011
Motivasi Belajar .256 .234 .338 1.094 .310
Lingkungngan Belajar .257 .178 .446 1.444 .192
a. Dependent Variable: Prestasi Belajar

Referensi :

Arikunto, Suharsimi (2003) Dasar-dasar Evaluasi Pendidikan, Jakarta: Bumi Aksara.

Azwar, Saifuddin ( 2003) Tes Prestasi, Yogyakarta:Pustaka Pelajar

----------------------- ( 2003) Reliabilitas dan Validitas, Yogyakarta: Pustaka Pelajar

Guilford, J.P (1979) Psychometric Methods , Tata McGraw-Hill Publishing

Company Limited

Hamang, Abdul (2005) Metode Statistika, Yogyakarta: Graha Ilmu

Sugiyono (2003) Statistik Untuk Penelitian, Bandung: Alfabeta

Winarsunu, Tulus (2004) Statistik Dalam Penelitian Psikologi dan Pendidikan,

Malang: UMM Press

Voelker, David H, dkk (2004) Seri Matematika Keterampilan Statistika, Bandung:

Pakar Raya.

Santoso, Singgih (2003) Mengatasi Berbagai Masalah Statistik, Jakarta:Gramedia.

Hadi Sutrisno (1998), Metodologi Research, Yogyakarta: BPFE