Anda di halaman 1dari 16

CONTOH PENGHITUNGAN MANUAL ANALISIS REGRESI LINEAR

BERGANDA (DUA VARIABEL) - 1


17:10 ANALISIS DATA 14 comments
Menurut kajian literatur permintaan suatu produk ditentukan oleh harga barang dan pendapatan
seseorang. Hasil pengamatan terhadap 12 sampel atas permintaan suatu barang dalam hal ini gula
diperoleh data harga minyak goreng dan pendapatan konsumen :

Langkah-langkah penyelesaiannya:

> Variabel bebas dan variabel tak bebas

Variabel Bebas : X1 = Harga minyak goreng dan X2 = Pendapatan konsumen


Variabel Tak Bebas : Y = Permintaan minyak goreng

> Persamaan regresi linear berganda : Y' = a + b1X1 + b2X2

> Menentukan nilai konstanta dan koefisien regresi


sehingga

Khusus untuk parameter b1 data adalah dalam ribuan, sehingga hasil tersebut harus dibagi dengan 1000,
diperoleh b1 = -0,000582 = -0,001.
Jadi persamaan Regresi Linear Berganda dengan dua variabel bebas adalah :

Y' = 12,7753 - 0,001 X1 - 0,488 X2

> Interpretasi koefisien regresi

Nilai a = 12,7753 artinya jika tidak ada harga minyak goreng dan pendapatan konsumen, namun
permintaan akan minyak goreng sebanyak 12,7753.
Nilai b1 = -0,001 artinya jika harga minyak goreng meningkat satu rupiah maka akan terjadi penurunan
permintaan sebesar 0,001 satuan dimana pendapatan konsumen dianggap tetap.
Nilai b2 = - 0,488 artinya jika pendapatan konsumen mengalami kenaikan sebesar satu rupiah maka
akan terjadi penurunan permintaan gula sebesar 0,488 satuan dimana harga gula dianggap tetap.

> Menghitung Koefisien Determinasi

Artinya sekitar 94,21% variasi variabel bebas harga minyak goreng X1 dan pendapatan konsumen
X2 dapat menjelaskan variasi variabel tak bebas permintaan minyak goreng Y.

Note :
b1 yang digunakan -0,582 dan pengali -32 seharusnya -32000 sehingga perkalian keduanya akan
memiliki hasil yang sama yaitu (-0,00582 x -32000) = (-0,582 x 32).

> Menghitung Koefisien Korelasi Berganda

Artinya terjadi hubungan yang sangat kuat antara variabel bebas harga minyak goreng X 1 dan
pendapatan konsumen X2 dengan variabel tak bebas permintaan minyak goreng Y.

> Menghitung Nilai Standart Error Estimate

Jadi standart error persamaan regresi adalah 0,6818, hal ini menunjukkan penyimpangan data-data
terhadap garis persamaan regresi linear berganda yang terbentuk. Nilainya cukup kecil.

> Menghitung Nilai Korelasi Parsial


dimana

Next Session adalah Pengujian Koefisien Regresi secara keseluruhan dan secara parsial.

by MEYF
UJI VALIDITAS MANUAL

Data yang diperlukan dalam rumus adalah:

X = Y = XY = X2= Y2 = n =
X = Skor yang diperoleh subyek dari seluruh item
Y = Skor total yang diperoleh dari seluruh item
X = Jumlah skor dalam distribusi X
Y = Jumlah skor dalam distribusi Y
X2 = Jumlah kuadrat dalam skor distribusi X
Y2 = Jumlah kuadrat dalam skor distribusi Y
N = Banyaknya responden
Langkah I.
Koding semua data hasil kuesioner.
Langkah II.
Cari nilai X

Langkah III.
Cari nilai Y
Langkah IV.
Cari nilai (X)2 yaitu dengan mempangkatkan dua dari nilai X
Langkah V.
Cari nilai XY yaitu dengan mengalikan antara skor dengan jumlah skor

Langkah VI.
Cari nilai (X.Y)
Langkah VII
Cari nilai X2
Langkah VIII
Cari nilai Y2
yaitu dengan menambahkan semua nilai X.Y.
selesai sekarang coba masukan ke dalam rumus.
Contoh : Pertanyaan 1

selanjutnya, nilai r hitung untuk pertanyaan 1 diatas adalah 0,735 dibandingkan dengan nilai r
tabel atau nilai r product moment yaitu (n-2) = 13 untuk taraf kesalahan 5% yaitu sebesar
0,553. karena nilai r hitung > nilai r product moment yaitu 0,735 > 0,553 maka pertanyaan
tersebut VALID.
ulangi langkah diatas untuk pertanyaan 2, 3, dst. selamat mencoba.
Uji Reliabilitas Manual Tiap Variabel
Filed under: Statistika haldir24 @ 7:09 am

Uji Reliabilitas Manual

Rumus yang digunakan adalah :

Langkah I.
Koding semua data hasil kuesioner.

Langkah II
Buat tabel pembantu dengam membuat nilai kuadrat dari distribusi X dan distribusi Y
Langkah III.
Mencari Nilai Jumlah Varians Butir (b2) dengan mencari dulu varian setiap butir, kemudian di
jumlahkan.
Langkah IV.
Mencari Nilai Varians Total

Langkah V.
Masukkan ke rumus Alpha

Pengujian reliabilitas instrument ini dilakukan terhadap 15 orang pegawai dengan tingkat
signifikasi 5% dan derajat kebebasan (df) n-2 atau (15-2=13), sehingga diperoleh nilai C
masing-masing variabel lebih besar dari C minimal menurut ketentuan yang dikemukakan oleh
Hair, Anderson, Tatham & Balck (1998:88) yaitu sebesar 0,70, atau dengan kata lain C hitung
>0,70. Dengan demikian hal tersebut dapat diartikan bahwa pernyataan-pernyataan dalam
kuisioner berapa kalipun ditanyakan kepada pegawai akan menghasilkan hasil ukur yang sama.
> Analisis Koefisien Determinasi (R2)

Artinya : Sekitar R2 variasi variabel tidak bebas Y dapat dijelaskan oleh


variabel bebas X1 dan X2.
Koefisien determinasi digunakan untuk mengetahui prosentase sumbangan
pengaruh variabel bebas X1 dan X2 terhadap variabel bebas Y.
Jika nilai R2=0 berarti variasi variabel bebas X1 dan X2 tidak sedikitpun
dapat menjelaskan variasi variabel tidak bebas Y dalam model tersebut.
Jika nilai R2=1 berarti variasi variabel bebas X1 dan X2 dapat menjelaskan
dengan SEMPURNA variabel tidak bebas Y dalam model tersebut.
Jadi nilai koefisien determinasi R2 sebesar mungkin.

> Analisis Korelasi Ganda (R)

Gunanya adalah untuk mengetahui seberapa besar korelasi yang terjadi antara
variabel bebas X1, X2, ..., Xn secara serentak dengan variabel tak bebas Y.
Nilainya -1 R +1, R semakin mendekati nilai +/- 1 maka semakin kuat
hubungannya yang terjadi dan sebaliknya jika R mendekati 0 maka semakin
lemah hubungan yang terjadi.

> Korelasi Parsial

Korelasi parsial berarti korelasi antara satu variabel bebas dengan satu
variabel tak bebas Y dimana variabel bebas lainnya dianggap tetap atau
konstan.

r12.Y adalah korelasi antara variabel bebas X1 dan X2 dimana variabel Y


dianggap tetap.
rY1.2 adalah korelasi antara variabel bebas X1 dengan variabel tak bebas Y
dimana variabel X2 dianggap tetap.

rY2.1 adalah korelasi antara variabel bebas X2 dengan variabel tak bebas Y
dimana variabel bebas X1 dianggap tetap.

dimana

> Standart Error Estimate

Jika nilai kesalahan baku besar, berarti persamaan regresi yang terbentuk
kurang tepat untuk melakukan peramalan/prediksi, dan akan memiliki selisih
yang besar antara nilai Y kenyataan dengan Y prediksi.

> Uji Koefisien Regresi Secara Bersama-sama (Uji F)


Uji F digunakan untuk mengetahui apakah variabel independen X1 dan X2 secara
bersama-sama signifikan berpengaruh terhadap variabel tak bebas Y.

Langkah-langkah uji-F :

1. Hipotesis Uji

Ho : b1 = b2 = 0;(Tidak ada pengaruh variabel bebas X1 dan X2 terhadap variabel


tak bebas Y)

Ha : bi 0;(Ada pengaruh variabel bebas X1 dan X2 terhadap variabel tak bebas


Y)

2. Taraf Signifikansi

Tingkat signifikansi yang biasa digunakan adalah 5%, adapun yang lainnya
adalah 1% - 10%.

3. Menentukan Daerah Penolakan Ho (Daerah Kritis)


Bentuk pengujian F berbeda dengan uji sebelumnya.

Ho akan ditolak jika Fhitung > Ftabel,berarti H1 diterima.

Ho akan diterima jika Fhitung Ftabel, berarti H1 ditolak.

4. Menentukan Statistik Uji F-hitung

dimana k adalah jumlah variabel dan n adalah jumlah data sampel.

5. Keputusan (Membandingkan Fhitung dengan Ftabel.

6. Kesimpulan (Apakah ada pengaruh antara variabel bebas X1 dan X2 terhadap


variabel tidak bebas Y).
> Uji Koefisien Regresi secara Parsial (Uji-t)

Uji ini digunakan untuk mengetahui apakah dalam model regresi variabel
bebas X1 dan X2 secara parsial berpengaruh signifikan terhadap variabel tak
bebas Y.

Langkah-langkah pengujiannya adalah sama dengan uji t pada regresi linear


sederhana, yaitu:

1. Menentukan Hipotesis Uji


Ho : bi = 0

(tidak ada pengaruh antara variabel bebas Xi terhadap variabel tidak bebas Y)

Ha : bi 0

(ada pengaruh antara variabel bebas Xi terhadap variabel tidak bebas Y)

2. Menentukan Tingkat Signifikansi


Tingkat signifikansi yang biasa digunakan adalah 5%, adapun yang lainnya
adalah 1% - 10%.

3. Menentukan Daerah Penolakan Ho (Daerah Kritis)

Bentuk pengujian kita adalah dua arah sehingga gunakan uji-t dua arah :

Ho akan ditolak jika thitung > ttabel atau -(thitung) < -(ttabel),berarti H1 diterima.

Ho akan diterima jika -(thitung) < ttabel < thitung , berarti H1 ditolak.

4. Menentukan t-hitung

5. Keputusan (Membandingkan t-hitung dengan t-tabel.

6. Kesimpulan (Apakah ada pengaruh antara variabel bebas Xi terhadap variabel


tidak bebas Y).