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)
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
r n2
t
1 r 2
X1
Y
X2
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
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
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.