Anda di halaman 1dari 9

BAB I

PENDAHULUAN
1.1 Latar Belakang
Pengertian metode, berasal dari bahasa Yunani yaitu methodos yang
berarti cara atau menuju suatu jalan. Metode merupakan kegiatan ilmiah yang
berkaitan dengan suatu cara kerja (sistematis) untuk memahami suatu subjek
atau objek penelitian, sebagai upaya untuk menemukan jawaban yang dapat
dipertanggung jawabkan secara ilmiah dan termasuk keabsahannya (Rosdy
Ruslan,2003:24). Sedangkan pengertian penelitian, Penelitian adalah usaha
untuk menemukan, mengembangkan, dan menguji kebenaran suatu
pengetahuan, yang dilakukan dengan metode-metode ilmiah ( Sutrisno Hadi,
2007:3 ). John Dewey di dalam bukunya How We Think (1910) mengatakan
bahwa metode ilmiah ialah langkah-langkah pemecahan suatu masalah jadi
Metode

penelitian

merupakan

langkah

penting

untuk

memecahkan

masalah-masalah penelitian. Dengan menguasai metode penelitian, kita bukan


hanya bisa memecahkan berbagai masalah penelitian, namun juga bisa
mengembangkan bidang keilmuan yang kita geluti, memperbanyak
penemuan-penemuan baru yang bermanfaat bagi masyarakat luas dan dunia
pendidikan.
Regresi merupakan salah satu analisis yang bertujuan untuk
mengetahui pengaruh suatu variabel terhadap variabel lain .Dalam analisis
regresi, variabel yang mempengaruhi disebut independent variabel (variable
bebas) dan variabel yang dipengaruhi disebut dependent variabel (variabel
terikat).
1.2 Tujuan Penulisan
Adapun tujuan dari penulisan ini adalah :
1

1. Mengetahui pengertian analisis regresi (statistik).


2. Mengetahui cara pengolahan data dengan analisis regresi (statistik).
3. Mengetahui contoh pengolahan data dengan analisis regresi (statistik).

1.3 Rumusan Masalah


Adapun rumusan masalah penulisan ini adalah :
1. Apa pengertian analisis regresi (statistik)?
2. Bagaimana cara pengolahan data dengan analisis regresi (statistik)?
3. Bagaimana contoh pengolahan data dengan analisis regresi (statistik)?

BAB II
PEMBAHASAN
2.1 Pengertian Analisis Regresi (Statistik)
Analisis regresi merupakan analisis yang digunakan untuk mengetahui
adanya pengaruh variabel bebas terhadap variabel terikat dalam penelitian.

Sebelum lebih jauh saya menyampaikan bagaimana cara analisis regresi,


sedikit saya sampaikan hal-hal yang terkait dengan analisis tersebut
Analisis regresi adalah salah satu analisis yang paling populer dan luas
pemakaiannya. Analisis regresi dipakai secara luas untuk melakukan prediksi
dan ramalan, dengan penggunaan yang saling melengkapi dengan bidang
pembelajaran mesin. Analisis ini juga digunakan untuk memahami variabel
bebas mana saja yang berhubungan dengan variabel terikat, dan untuk
mengetahui bentuk-bentuk hubungan tersebut. Berkaitan dengan analisis
regresi ini, setidaknya ada empat kegiatan yang lazim dilaksanakan yakni :
1. Mengadakan estimasi terhadap parameter berdasarkan data empiris.
2. Menguji berapa besar variasi variabel dependen dapat diterangkan oleh
variasi independen.
3. Menguji apakah estimasi parameter tersebut signifikan atau tidak.
4. Melihat apakah tanda magnitude dari estimasi parameter cocok dengan
teori.
Ada beberapa tujuan penggunaan analisis regresi, antara lain:
1. Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasari
pada nilai variabel bebas.
2. Menguji hipotesis karakteristik dependensi.
3. Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan pada
nilai variabel bebas diluar jangkauan sample.
analisis regresi digunakan untuk mengetahui Hubungan antara variabel y (data
kuantitatif) dan variabel x (data kuantitatif/variabel dummy).

2.2 Pengolahan Data Analisis Regresi


Dalam pengolahan data dalam analisis regresi maka
yang perlu diperhatikan ialah asumsi-asumsi yang harus
dipenuhi dalam analisis regresi, sebagai berikut:

Model regresi harus linier dalam parameter


Variabel bebas tidak berkorelasi dengan disturbance term (Error) .
Nilai disturbance term sebesar 0 atau dengan simbol sebagai berikut:

(E (U / X) = 0
Varian untuk masing-masing error term (kesalahan) konstan

Tidak terjadi otokorelasi


Model regresi dispesifikasi secara benar. Tidak terdapat bias

spesifikasi dalam model yang digunakan dalam analisis empiris.


Jika variabel bebas lebih dari satu, maka antara variabel bebas
(explanatory) tidak ada hubungan linier yang nyata

Model kelayakan regresi linear didasarkan pada hal-hal sebagai berikut:

Model regresi dikatakan layak jika angka signifikansi pada ANOVA

sebesar < 0.05.


Predictor yang digunakan sebagai variabel bebas harus layak.
Kelayakan ini diketahui jika angka Standard Error of Estimate <

Standard Deviation.
Koefesien regresi harus signifikan. Pengujian dilakukan dengan Uji T.

Koefesien regresi signifikan jika T hitung > T tabel (nilai kritis).


Tidak boleh terjadi multikolinieritas, artinya tidak boleh terjadi
korelasi yang sangat tinggi atau sangat rendah antar variabel bebas.
Syarat ini hanya berlaku untuk regresi linier berganda dengan variabel

bebas lebih dari satu.


Tidak terjadi otokorelasi. Terjadi otokorelasi jika angka Durbin dan

Watson (DB) sebesar < 1 dan > 3.


Keselerasan model regresi dapat diterangkan dengan menggunakan
nilai r2 semakin besar nilai tersebut maka model semakin baik. Jika
nilai mendekati 1 maka model regresi semakin baik. Nilai
r2 mempunyai karakteristik diantaranya: 1) selalu positif, 2) Nilai
r2 maksimal sebesar 1. Jika Nilai r2 sebesar 1 akan mempunyai arti
kesesuaian yang sempurna. Maksudnya seluruh variasi dalam variabel
Y dapat diterangkan oleh model regresi. Sebaliknya jika r 2 sama

dengan 0, maka tidak ada hubungan linier antara X dan Y.


Terdapat hubungan linier antara variabel bebas (X) dan variabel

tergantung (Y)
Data harus berdistribusi normal
Data berskala interval atau rasio
Kedua variabel bersifat dependen, artinya satu variabel merupakan
variabel bebas (disebut juga sebagai variabel predictor) sedang

variabel lainnya variabel tergantung (disebut juga sebagai variabel


response).
Uji Hipotesis
Pengujian hipotesis dapat didasarkan dengan menggunakan dua
hal, yaitu; tingkat signifikan atau probabilitas dan tingkat kepercayaan atau
confidence interval. Didasarkan tingkat signifikansi pada umumnya orang
menggunakan 0,05. Kisaran tingkat signifikan mulai dari 0,01 sampai
dengan 0,1. Yang dimaksud dengan tingkat signifikan adalah probabilitas
melakukan kesalahan tipe 1, 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 semple akan mewakili nilai populasi dimana sample
berasal. Dalam melakukan uji hipotesis terdapat dua hipotesis, yaitu:
HO (hipotesis nol) dan H1 (hipotesis alternative)
Contoh uji hipotesis misalnya rata-rata produktivitas pegawai sama dengan
10 (x = 10), maka bunyi hipotesisnya ialah:

HO: rata-rata prokdutivitas pegawai sama dengan 10


H1 : rata-rata prokdutivitas pegawai tidak sama dengan 10

Beberapa hal yang harus diperhatikan dalam uji hipotesis ialah:

Untuk pengujian hipotesis kita menggunakan data sample.


Dalam pengujian akan menghasilkan dua kemungkinan, yaitu
pengujian signifikan secara statistic jika kita menlak HO dan pengujian

tidak signifikan secara statistic jika kita menerima H0.


Jika kita menggunakan nilai t, maka jika nilai t yang semakin besar
atau menajuhi 0, kita akan cenderung menolak H0, sebaliknya jika
nilai t semakin kecil atau mendekati 0 kita akan cenderung menerima
H0.

KESIMPULAN DAN SARAN


A. Kesimpulan

Simpulan dibuat berdasarkan jawaban daripada hasil analisis data


beserta interpretasinya.
B. Saran
Saran dibuat berdasarkan hasil temuan dan pertimbangan peneliti,
ditunjukan kepada para pihak yang memungkinkan memanfaatkan
hasil penelitian. Saran merupakan suatu implikasi dari hasil penelitian
dan diselaraskan dengan manfaat penelitian.
2.3 Contoh Pengolahan Data Dengan Metode Analisis Regresi (Statistik)
Berikut adalah data biaya promosi dan volume penjualan PT.
Sukasukaku perusahaan minyak goreng .
Tahun

Biaya Promosi

Volume
penjualan

xy

X2

Y2

(Juta Rupiah)
(Ratusan juta
rupiah per
liter)
1992

10

25

1993

24

16

36

1994

40

25

64

1995

10

70

49

100

1996

11

88

64

121

xy=23 x2=15 y2=3

x=26

y=40
2

46

Bentuk umum persamaan regresi linier sederhana: Y=a+bx

a=5
Peramalan dengan persamaan Regresi
Contoh:

Diketahui hubungan biaya promosi (x dalam juta rupiah) dan Y


(volume penjualan dalam ratusan juta liter) dapat dinyatakan dalam
persamaan regresi linier berikut:
Y=2.530+1.053XPerkiraan volume penjualan jika dikeluarkan biaya
promosi Rp. 10 juta adalah?
Jawab:
Y=2.530+1.053X
X=10=y=2.53+1.053(10)=2.53+10.53=13.06 (ratusan juta liter)
Volume penjualan = 13.06 x 100.000.000 liter

BAB III
KESIMPULAN
3.1 Kesimpulan
1. Analisis regresi adalah salah satu analisis yang paling populer dan luas
pemakaiannya. Analisis regresi dipakai secara luas untuk melakukan
prediksi dan ramalan, dengan penggunaan yang saling melengkapi dengan
bidang pembelajaran mesin. Analisis ini juga digunakan untuk memahami
variabel bebas mana saja yang berhubungan dengan variabel terikat, dan
untuk mengetahui bentuk-bentuk hubungan tersebut.
2. Pengolahan data Analisis regresi ada dua macam linieritas dalam analisis
regresi, yaitu linieritas dalam variabel dan linieritas dalam parameter. Yang
pertama, linier dalam variabel merupakan nilai rata-rata kondisional
variabel tergantung yang merupakan fungsi linier dari variabel (variabel)
bebas. Sedang yang kedua, linier dalam parameter merupakan fungsi
linier parameter dan dapat tidak linier dalam variabel.
3. Contoh penelitian menggunakan metode analisis regresi (statistik)
3.2 Saran
Metode penelitian sangat penting dan mutlak harus dikuasai oleh
para mahasiswa, karena dalam penyelesaian tugasnya para mahasiswa tidak
bisa terlepas dari penelitian yang harus menggunakan metode penelitian yang
tepat.

DAFTAR PUSTAKA
http://yhmetri-physics.blogspot.co.id/2011/06/macam-macam-metode-penelitianmenurut.html
http://wacanakeilmuan.blogspot.co.id/2011/01/macam-macam-metodepenelitian.html
http://olahdata.net/cara-melakukan-analisis-regresi-dengan-spss/
http://statistikceria.blogspot.co.id/2012/01/teori-analisis-regresi-linearsederhana.html
http://teknikelektronika.com/analisis-regresi-linear-sederhana-simple-linearregression/