ANALISIS REGRESI

LINIER DAN KORELASI

 Korelasi adalah hubungan perubahan nilai variabel respon (terikat)
dengan variabel prediktor (bebas)
Regresi adalah bentuk hubungan ketergantungan antara variabel
prediktor (bebas) dengan variabel respon (terikat). ada hubungan
sebab akibat diantara dua variabel

Tujuan analisis
a. mengetahui besarnya pengaruh satu variabel bebas atau lebih
terhadap satu variabel tidak bebas
b. mengetahui keeratan hubungan dua variabel acak yang memiliki
skala pengukuran minimal interval dan berdistribusi normal
c. Menyusun perencanaan dengan memastikan kondisi mendatang
d. Menemukan strategi yang tepat untuk perbaikan kondisi
 Data yang dianalisis dengan regresi merupakan data kuantitatif yang
memiliki skala pengukuran minimal interval.
 A.
Analisis Regresi Linear
Sederhana
A. Analisis Regresi Linear Sederhana
Hanya melibatkan satu variabel bebas dan satu variabel terikat
Perubahan yang terjadi pada variabel bebas digunakan untuk memprediksi
perubahan pada variabel terikat

X Y
Variabel X = variabel prediktor (bebas, independen)
Variabel Y = variabel kriterium (respon, terikat, tergantung, dependen)

Misalnya, apakah prestasi belajar (Y) dapat diprediksi dari motivasi (X)? Atau
apakah terdapat hubungan fungsional antara motivasi dan prestasi belajar?
Persamaam regresi linear sederhana
Persamaam regresi linear sederhana: Rumus: = a + bX
Keterangan: a = konstanta (bilangan konstan)
b = koefisien arah regresi

Y X X XY
2

a
n X X
2 2

n XY X Y
b
n X X
2 2
contoh
Responden Skor Motivasi Skor Prestasi XY X2 Y2
(X) belajar
(Y)

1 34 32 1088 1156 1024

2 38 35 1330 1444 1225
3 34 31 1054 1156 961
4 40 38 1520 1600 1444
5 30 29 870 900 841

Y X X XY
n XY X Y
2
b
n X X
a
n X X
2 2 2
2
Analisis Korelasi dan Regresi
PENGUJIAN HIPOTESIS KOEFISIEN REGRESI
LINEAR SEDERHANA
Uji Regresi
Uji F menguji koefisien regresi secara simultan serentak atau untuk menguji
keberartian model regresi yang digunakan
- uji persamaan garis variabel bebas dan terikat linier atau tidak
- Uji hubungan fungsional variabel bebas dan terikat (berhubungan
signifikan atau tidak)

Uji Korelasi
Uji t menguji koefisien regesi secara individual (korelasi nilai X dan Y)
- menguji kadar kontribusi (seberapa besar) pengaruh perubahan nilai variabel
bebas (X) terhadap nilai variabel terikat (Y)
UJI KELINEARAN DAN KEBERARTIAN REGRESI
(UJI F)
Hipotesis yang diuji
Bentuk persamaan linier atau tidak?
H0: Regresi linear
H1: Regresi non linear

Persamaan berarti atau tidak?(ada hubungan fungsional antara V.bebas dan V.terikat)
H0: Harga F regresi non signifikan/tidak bermakna/tidak berarti
H1: Harga F regresi signifikan/bermakna/berarti
Langkah langkah
(1)Urutkan data X dari terkecil hingga data terbesar, diikuti oleh data Y
X Kelompok ni Y
30 1 1 29
32
33
34 2 1 31
34 3 1 31
35
36
37
38 4 1 35
39
40 5 1 38
(2) Hitung

JK (T) = Jumlah Kuadrat Total

JK(T) = Y2
JK(a) = Jumlah kuadrat (a) koefisien (a) = konstanta, X=0
JK(a) = (Y)2
N
JK(ba) = Jumlah kuadrat (ba) koefisien regresi
JK(ba) = b XY X Y
N

JK(S) = Jumlah Kuadrat Sisa (residu)

JK(S) = JK(T) - JK(a) - JK(ba)
 JK(G) = Jumlah kuadrat Galat (error)


JK(G) = Y 2 Y 2





n

JK(TC) = Jumlah Kuadrat Tuna Cocok (penyimpangan linearitas)
JK(TC) = JK(S) JK(G)
(3) Hitung derajat kebebasan (dk) sebagai berikut.
dk (a) = 1 dk = derajat kebebasan = degree of freedom (df)
dk (b|a) = 1 jumlah prediktor 1
dk sisa = n-2 = 5-2 = 3
dk tuna cocok = k-2 = 5-2 = 3 k= jumlah pengelompokan data X = 5
dk galat = n-k = 5-5 =0
 RJK = Rerata Jumlah Kuadrat = Sum Square (SS) = Rerata Jumlah
Kudrat (RJK)
RJK(T) = JK(T) : n
RJK(S) = JK(S) : dk(S)
RJK(Reg) = JK(Reg) : dk(reg)
RJK(TC) = JK(TC) : db(TC)

(5) Hitung harga F regresi dan F tuna cocok sebagai berikut.

F (Reg) = RJK(Reg) : RJK(Sisa)
F(TC) = RJK(TC) : RJK(G)
(5) Masukkan nilai nilai perhitungan ke dalam tabel F (ANAVA) untuk Regresi

Sumber Variasi JK (SS) dk (df) RJK (MS) F hitung F tabel

Total
Koefisien (a)
Regresi (ba)
Sisa(residu)
Tuna Cocok
Galat (error)
Penarikan Kesimpulan
Penarikan kesimpulan bentuk persamaan
Jika F hitung (tuna cocok) < dari harga F tabel, maka harga F hitung
(tuna cocok) non signifikan,
berarti hipotesis nol diterima dan hipotesis altenatif ditolak, sehingga
regresi Y atas X adalah linear.

Penarikan kesimpulan bentuk persamaan berarti atau tidak

Jika F hitung (regresi) > F tabel maka harga F hitung (regresi) signifikan,
berarti koefisien regresi berarti (bermakna) ada hubungan
fungsional (sebab akibat)
Analisis Signifikansi Korelasi
 UJI KORELASI (UJI r / KOEFISIEN KORELASI (r))
Analisis yg digunakan untuk
- menghitung kadar hubungan antara X dan Y
( kadar kontribusi X terhadap Y )
(perubahan nilai x nilai y?)

Hipotesis yang digunakan

H0: tidak terdapat korelasi positif
H1: terdapat korelasi positif
H0 di terima jika r (hitung) < r (tabel)
Mencari koefisien korelasi
r2 = JK (TD ) JK ( S )
JK (TD )
dimana JK(TD) = jumlah kuadrat total dikoreksi
JK(TD) = JK(T) JK(a)
Menggunakan rumus korelasi produk moment
N XY X Y
rxy
N X 2 2

X N Y Y
2 2

rxy yang besarnya semakin mendekati 1 menunjukkan hubungan X dan
Y cenderung sangat erat. Jika mendekati 0 hubungan X dan Y
cenderung kurang kuat.
Hubungan erat perubahan nilai x sama besarnya dengan perubahan
nilai Y
UJI SIGNIFIKANSI KORELASI (UJI t)
Menentukan kadar hubungan antara X dan Y termasuk kategori signifikan
(besar/hubungan erat) atau tidak
Syarat: ada nilai koefisien korelasi (r)

Hipotesis yang digunakan

H0: tidak terdapat korelasi positif
H1: terdapat korelasi positif dan signifikan

r n2
t
1 r 2

H0 di terima jika t (hitung) < t (tabel)

 B.
Analisis Regresi Linear
Ganda
B. Analisis Regresi Linear Ganda (Multiple Regression)

X1
Y
X2

Variabel X1 = variabel prediktor 1 (bebas, independen)

Variabel X2 = variabel prediktor 2 (bebas, independen)
Variabel Y = variabel kriterium (respon, terikat, tergantung, dependen)
Langkah langkah
(1)Hitung data seperti pada tabel berikut

Responden X1 X2 Y X12 X22 X1 X2 X1Y X 2Y Y2

1 10 7 23 100 49 70 230 161 529
2 2 3 7 4 9 6 14 21 49
3 4 2 15 16 4 8 60 30 225
4 6 4 17 36 16 24 102 68 289

22 16 62 156 78 108 406 280 1092

Tabel Data Skor Kemampuan kerja (X1), Kepemimpinan

direktif (X2), dan Produktivitas kerja (Y)
(2) Hitung nilai beta = b0+b1x1 + b2x2

b0 Y b1 X 1 b2 X 2

( x2 )( x1 y ) ( x1 x2 )( x2 y )
2
( Y ) 2
b1 dengan
y 2
Y 2

( x1 )( x2 ) ( x1 x2 ) 2 n
2 2

( X ) 2

x 2
X 2

( x1 )( x2 y ) ( x1 x2 )( x1 y )
2 n
b2 ( X i )( Y )
( x1 )( x2 ) ( x1 x2 )
2 2 2
x y X Y
i i
n
( X i )( X j )
x x
i j Xi X j
n
(3) Menghitung keberartian regresi ganda untuk dua prediktor

b1 x1 y b2 x2 y
Ry (1,2)
y 2

Koefisien determinasi (R2) menyatakan seberapa besar (%)

produktivitas kerja karyawan dapat dijelaskan oleh variabel
kemampuan kerja dan kepemimpinan direktif.
(3) Uji keberartian regresi Uji F

JK (reg ) / k
F
JK ( sisa ) /(n k 1)

JK (reg ) b1 x1 y b2 x2 y
JK(T) = y2 RJK (reg) = JK(reg)/dk reg
JK(sisa) = JK(T) JK(reg) RJK(sisa) = JK(sisa)/dk sisa
dk reg = k (prediktor = 2)
dk (sisa) = n k 1
Sumber JK dk RJK F hitung F tabel
Variasi
0,01
0,05
Regresi
Sisa
Total
Hipotesis
H0: Harga F regresi non signifikan/tidak bermakna/tidak berarti
H1: Harga F regresi signifikan/bermakna/berarti

Jika F hitung > F tabel maka H0 ditolak dan Ha diterima

harga F hitung (regresi) signifikan, berarti koefisien regresi berarti
(bermakna) ada hubungan sebab akibat.

variasi yang terjadi pada produktivitas kerja karyawan (Y) dapat

dijelaskan/dikontribusi/diprediksi oleh variabel kemampuan kerja
(X1) dan kepemimpinan direktif (X2)
 (4) Uji keberartian koefisien regresi linier ganda

JK ( Sisa )
s 2
y .12
(n k 1)

N XY X Y
2
s

2 y .12
s dengan rxy
x ij (1 R i ) N X N Y
bi
X Y
2 2 2 2
2 2

Menghitung t = bi / sbi
 t = b1 / sb1 jika t hitung lebih besar dari t tabel maka koefisien arah
yang berkaitan dengan X1 adalah berarti.

t = b2 / sb2 jika t hitung lebih kecil dari t tabel maka koefisien arah
yang berkaitan dengan X2 tidak berarti.