Bab IV Analisis Hubungan Buku Penelitian Kuantitatif
Bab IV Analisis Hubungan Buku Penelitian Kuantitatif
ANALISIS HUBUNGAN
4.2.1. Regresi
Istilah regresi pertama kali digunakan oleh Francis Galton pada tahun
1887 ketika mengadakan penelitian tentang hubungan antara tinggi orang
tua dengan tinggi anaknya, dan sampai pada kesimpulan bahwa rata-rata
tinggi anak yang berasal dari orang tua yang tinggi lebih rendah dibanding
rata-rata tinggi orang tuanya, sedangkan anak-anak yang berasal dari orang
tua yang rendah, tinggi rata-ratanya lebih tinggi dari tinggi orang tuanya,
dengan demikian terjadi regress (kemunduran) atau tendensi terjadinya
penurunan. Selanjutnya istilah Regression digunakan untuk menggambarkan
garis yang menunjukan arah hubungan antar variabel, serta dipergunakan
untuk melakukan prediksi, selain istilah tersebut, di kalangan akhli Statistik
ada juga yang menggunakan istilah estimating line atau garis taksiran
sebagai padanan istilah Regresi.
Sutrisno Hadi dalam bukunya Analisis Regresi menyatakan bahwa
analisis regresi bertujuan untuk :
1. memeriksa apakah garis regresi tersebut bakal efisien dipakai
sebagai dasar
2. Menghitung persamaan garis regresi
3. untuk mengetahui sumbangan relatif dan sumbangan efektif bila
prodiktornya lebih dari satu variabel.
Regresi yang terdiri dari satu variabel bebas (predictor) dan satu
variabel terikat (Response/Criterion) disebut regresi linier sederhana
= a + bX
b satuan
1 satuan
(0,0) X
Gambar 3.1. Grafik Garis Regresi
Tabel 4.2
Data Skor Motivasi dan Kinerja
Tabel 4.3
Mencari Persamaan Regresi menggunakan Skor Kasar
X Y X2 XY
20 60 400 1200
30 50 900 1500
= 29,4 + 0.95 X
Tabel 4.4.
Mencari Persamaan Regresi dengan menggunakan simpangan
X Y x x2 y y2 xy
20 60 -35 1225 -21.67 469.59 758.45
30 50 -25 625 -31.67 1002.99 791.75
50 70 -5 25 -11.67 136.19 58.35
60 80 5 25 -1.67 2.79 -8.35
80 120 25 625 38.33 1469.19 958.25
90 110 35 1225 28.33 802.59 991.55
330 490 0 3750 0 3883.33 3550
X = 330/6 = 55
Y = 490/6 = 81.67
x adalah X dikurangi X , y adalah Y dikurangi Y
Untuk mencari nilai x2 dan xy dapat juga dilakukan secara lang-
sung menggunakan Tabel 3.3. tanpa mencari Mean dengan meng
gunakan Rumus :
x2 = X2 - ( X)2 = 21900 - 3302 = 3750
N 6
X Y x x2 y y2 Xy
20 60 -35 1225 -21.67 469.59 758.45
30 50 -25 625 -31.67 1002.99 791.75
50 70 -5 25 -11.67 136.19 58.35
60 80 5 25 -1.67 2.79 -8.35
80 120 25 625 38.33 1469.19 958.25
90 110 35 1225 28.33 802.59 991.55
330 490 0 3750 0 3883.33 3550
xy
rxy =
2 2
(x ) (y )
3550 3550
= = 0.9302
rxy =
(3750) (3883,33) 3816.08
b = r x (SdY : SdX )
b = 0.9302 x ( 27.86 : 27.39 ) = 0.946 (0.95)
a = Y - b X --> 81.67 - 55 (0,95) = 29.42 (29.4)
= 29,4 + 0.95 X
X Y Y2 x X2 y y2 xy
20 60 3600 -34 1156 -24 576 816
20 50 2500 -34 1156 -34 1156 1156
50 80 6400 -4 16 -4 16 16
60 80 6400 6 36 -4 16 -24
84 120 14400 30 900 36 1296 1080
90 114 12996 36 1296 30 900 1080
324 504 46296 0 4560 0 3960 4124
Tabel 4.7.
Tabel Anava untuk pengujian Signifikansi dan linieritas
Persamaan regresi
Sumber
Varians Db JK RJK Fh Ft0.05 Ft0.01
Total 6 46296
Regresi a 1 42336 42336
Regresi b 1 3711.6 3711.6 59.77 7.71 21.20
Sisa 4 248.4 62.1
Tuna Cocok 3 198.4 66.13
1.32 216 5403
Galat 1 50 50
Kesimpulan :
1. Persamaan Regresi = 35.16 + 0.90 X signifikan karena Fh > Ft
(59.77 > 21.20 7.71) baik pada taraf kepercayaan 95 % (0.05)
maupun pada taraf kepercayaan 99 % (0.01)
2. Persamaan Regresi = 35.16 + 0.90 X linier baik pada taraf
kepercayaan 99 % (0.01) Fh < Ft (1.32 < 5.40), maupun pada taraf
kepercayaan 95 % (0.05) Fh < Ft (1.32 < 5403).
Untuk menghitung nilai konstanta a, b 1, dan b2, dapat digunakan tiga buah
persamaan yaitu :
1. Y = Na + b1 X1 + b2 X2
1 = 0 59b2
59b2 = 1 b2 = 0.0169 (0.017)
56 = 4a + 32 (1.66) + 16 (0.017)
56 = 4a + 53.12 + 0.272
56 = 4a + 53.392
4a = 56 - 53.392 4a = 2.608 a = 0.652
Tabel 4.9
Tabel bantu Perhitungan regresi ganda (dua prediktor)
Menggunakan rumus simpangan
X1 X2 Y x1 x2 y x 12 x 22 y2 x1x2 x 1y x 2y
4 1 7 -4 -3 -7 16 9 49 12 28 21
7 2 12 -1 -2 -2 1 4 4 2 2 4
9 5 17 1 1 3 1 1 9 1 3 3
12 8 20 4 4 6 16 16 36 16 24 24
32 16 56 0 0 0 34 30 98 31 57 52
Persamaan Regresi :
= a + b1X1 + b2X2
1. Cara pertama :
a = Y - b1 X 1 - b2 X 2
b1 = 1.66
b2 = 1
59
b2 = 0.017
a = Y - b1 X 1 - b2 X 2
a = 14 - 13.28 - 0.068
a = 0.652
57 = 34b1 + 31b2
52 = 31b1 + 30b2
Mencari b1 :
Mencari b2 :
34 31 34 57
b2 =
31 30 31 52
Mencari a :
a = Y - b1 X 1 - b2 X 2
a = 14 - 13.28 - 0.068
a = 0.652
Tabel 4.10.
Tabel Anava untuk pengujian Signifikansi
Persamaan regresi Ganda
Total Reduksi 3 98
Regresi 2 95.50 47.75
19.1 200
Sisa 1 2.50 2.50
Kesimpulan :
Persamaan regresi/garis regresi tidak signifikan karena F hitung lebih
kecil dari F tabel (19.1 < 200) pada taraf kepercayaan 95 % (0.05)
4.2.2. Korelasi
Korelasi adalah suatu hubungan, Koefisien korelasi adalah indeks
arah dan besaran suatu hubungan/relasi, Koefisien korelasi Product Moment
Y Y
Korelasi Positif Korelasi Negatif
0 X 0
X
Y
Tidak berkorelasi
stkip Kuningan / Lembaga Penelitian / Uhar / Penelitian Kuantitatif / 2002 99
Berikut ini akan dikemukakan beberapa cara perhitungan untuk memperoleh
nilai koefisien korelasi .
zxzy
rxy =
n1
dimana :
Tabel 4.11.
Perhitungan Korelasi menggunakan Standar Skor
X Y zx zy zxzy
20 60 -1.278 -0.778 0.994
30 50 -0.913 -1.137 1.038
50 70 -0.183 -0.419 0.076
60 80 0.183 -0.060 -0.011
80 120 0.913 1.376 1.256
90 110 1.278 1.017 1.299
330 490 0.000 0.000 4.652
X = 55 ; Y = 81.67
SdX = 27.39 SdY = 27.86
rxy = zxzy = 4.652 = 0.9304 (0.93)
n-1 5
xy
rxy =
2 2
(x ) (y )
x = X - X
xy
rxy =
2 2
(x ) (y )
3550 3550
= = 0.9302 (0.93)
rxy =
(3750) (3883,33) 3816.08
N XY - ( X) ( Y)
r = ---------------------------------------------------
N X2 ( X)2 N Y2 ( Y)2
r = 0.9302 (0.93)
r = 1 - (Y- )2
(Y- Y )2
r = 1 - 522.71
3883.33
r = 1 - 0.13460
r = 0.8653
r = 0.9302 (0.93)
Persamaan regresi tabel 3.5
r = b (Sdx : Sdy)
r = 0.9300 (0.93)
th = r (N - 2)
(1 - r )
th = 0.93 (6 - 2)
( 1 - 0.93 )
th = 1.86
0.2645
th = 7.032
r2yx1+r2yx2 - 2ryx1.ryx2.rx1x2
Ry.x1x2 =
1 r2x1x2
Cara kedua
Fh = (0.9872)/(2) : (1-0.9872)/(1)
Fh = 37.758
Fh < Ft (37.758 < 200) Korelasi tidak signifikan
(1 ry22) (1 - r122)
Korelasi X2 dengan Y dikontrol oleh X1:
ry2.1 = ry2 - ry1 .r12
(1 ry12) (1 - r122)
uji signifikansi korelasi parsial :
th = r N -3
1 - r2
th > tt = Korelasi signifikan
Contoh perhitungan
Dengan menggunakan data dalam tabel 3.9 diperoleh hasil perhitungan :
Korelasi X1 dengan Y dikontrol oleh X2
(1 0.9592) (1 0.9712)
ry1.2 = 0.0558
0.0677
ry1.2 = 0.8242
(1 0.9872) (1 0.9712)
ry2.1 = 0.00062
0.03842
ry2.1 = 0.0161
Ry1.2 = 0.8242
th = 0.82 1
0.3276
th = 0.82
0.5723
th = 0.0161 1
0.9997
th = 0.0161
0.9998
th = 0.01610 < tt = 6.31 (taraf signifikansi 95% dengan db 1)
Kesimpulan : korelasi tidak signifikan
UNTUK DIDISKUSIKAN
1. Kemukakan macam-macam hubungan antar Variabel serta contoh-contohnya yang berkaitan
dengan masalah pendidikan ?
2. Berikan penjelasan keterkaiatan antara analisa regresi dengan analisa korelasi ?
3. Jelaskan apa yang ingin diperoleh dengan melakukan penelitian yang bersifat korelasional ?
4. Hitung persamaan regresi lininer sederhana dan regresi ganda dari data berikut ini :
Dari tabel tersebut misalkan kita ingin menguji normalitas variabel Y , maka
untuk memudahkan diperlukan tabel bantu sebagai berikut :
Skor Y f p kp zx zt a1 A2
7 1 0.2 0.2 -1.43 0.08 0.08 0.12
12 1 0.2 0.4 -0.58 0.28 0.08 0.12
17 1 0.2 0.6 0.27 0.61 0.21 0.01
20 1 0.2 0.8 0.78 0.79 0.19 0.01
21 1 0.2 1.0 0.96 0.83 0.03 0.17
77 5 1.0 - 0 - - -
Mean = 15.4
SD = 5.86
Langkah-langkah perhitungan :
Setelah data dimasukan dalam kolom pertama dan dihitung
frekuensinya, kemudian dilakukan perhitungan sebagai berikut :
1. Cari prosentasi (p) dengan cara frekuensi (f) dibagi dengan jumlah
data. Dalam contoh baris pertama di atas adalah 1 : 5 = 0.2,
demikian seterusnya sampai selesai untuk setiap frekuensi.
X1 Y Kelompok
4 7 1
4 12 1
9 17 2
12 20 3
12 21 3