Regresi Sederhana
Regresi Sederhana
Prodi/jurusan : S-1/PAI
Mata Kuliah : Statistik Pendidikan
SKS/Semester : 3 (tiga)/VI-VII
Waktu pertemuan : 90 menit
Pertemuan ke : 5
Dosen : Drs. Ach. Nur Syamsudin,M.Pd.
Tahapan Aktivitas:
1. Menjelaskan kepada mahasiswa tentang kegunaan analisis regresi sederhana dalam aplikasi
kripsi (penelitian kuantitatif) bab pembahasan hasil penelitian.
2. Menjelaskan bahwa disetiap akhir pertemuan ada tugas/diskusi kelompok yang harus
dikerjakan oleh mahasiswa dalam rangka mempertajam konsep-konsep dasar.
Saran-saran
1. Jangan segan-segan melakukan kontak di dalam kelas atau di kampus mengenai hal-hal yang
tidak atau kurang jelas.
2. Biasakanlah bekerja dengan rencana terjadwal; sangat tidak arif menunda-nunda sebuah
pekerjaan, apalagi pekerjaan yang memerlukan perenungan dan refleksi.
3. Buatlah rencana belajar atau studi anda untuk satu semester ini diatas selembar kertas
manila.
4. Butir 1, 2, dan 3 sangat membantu anda untuk tidak mengalami kesulitan di belakang dan
tidak membuat anda stres.
5. Selamat bekerja keras! Do you best ! bekerjalah sesuai dengan kemampuan anda. Kurang
arif jika anda bermimpi seperti orang lain.
Buku Teks:
Arikunto, Suharsimi. 2006. Prosedur Penelitian Suatu Pendekatan Praktik. Jakarta: Rineka
Cipta.
Sugiyono. 2009. Metode Penelitian Kuantitatif Kualitatif dan R&D. Bandung: Alfabeta.
Sunarto. 2001. Metodologi Penelitian Ilmu-ilmu Sosial dan Pendidikan. Surabaya: Unesa.
Sujianto, A.E. 2009. Aplikasi Statistik dengan SPSS 16.0. Tulungagung: Prestasi Pustaka.
Riduwan dan Sunarto, 2009. Pengantar Statistika untuk Penelitian Pendidikan, Sosial,
Ekonomi, Komunikasi dan Bisnis. Bandung: CV Alfabeta.
Kompetensi Dasar
:
Memahami konsep teknik analisis regresi linier sederhana.
A. REGRESI SEDERHANA
Regresi atau peramaln adalah suatu proses memperkirakan secara sistematis tentang apa
yang paling mungkin terjadi dimasa yang akn datang berdasarkan informasi masa lalu dang
sekarang yang dimiliki agar kesalahannya dapt diperkecil. Regresi dapat juga diartikan sebagai
usaha memperkirakan perubahan. Supaya tidak salah paham bahwa peramalan tidak
memberikan jawaban pasti tentang apa yang akan terjadi, melainkan berusaha mencari
pendekatan apa yang terjadi. Jadi, regresi mengemukakan tentang keingintahuan apa yang
terjadi dimasa depan untuk memberikan konstribusi menentukan keputusan yang terbaik.
Keingintahuan dimasa depan sejak dulu merupakan bahasan yang menarik dan penting.
Beberapa nama besar seperti joyoboyo (raja Kediri kuno) dan Ronggo Wasito (pujangga
kerajaan Surakarta) mendapat tempat terhormat di masyarakat jawa karena akurasi ramalannya.
Demikian juga dengan Alfin Toffler ( future Shock, 1970 dan The Third Wave, 1980), John
Naisbitt ( Megatrends 2000) dan Michael porter (Competitive Adfantage of Nation) mereka
menjadi terkenal dan kaya atas hasil karyanya tentang pemikiran masa depan. Sampai saat ini
semua organisasi memerlukan pemikiran masa depan untuk membantu menentukan keputusan
yang terbaik.
Kegunaan regresi dalam penelitian salah satunya adalah untuk meramalkan atau
memprediksi variabel terikat (Y) apabila variabel bebas (X) deketahui. Regresi sederhana dapat
dianalisis karena didasari oleh hubungan fungsional atau hubungan sebab akibat (kausal)
variabel bebas (X) terhadap variabel terikat (Y). Karena ada perbedaan yang mendasar dari
analisis korelasi dan analisis regresi. Pada dasarnya analisis regresi dan analisi korelasi
keduanya punya hubungan yang sangat kuat dan mempunyai keeratan. Setiap analisis regresi
otomatis ada analisi korelasinya, tetapi sebaliknya analisis korelasi belum tentu diuji regresi
atau diteruskan dengan analisis regresi.
Analisis kerelasi yang tidak dilanjutkan dengan analisis regresi adalah analisis korelasi
yang kedua variabelnya tidak mempunyai hubungan fungsional dan sebab akibat. Apabila
peneliti mengetahui hal ini lebih lanjut, maka perlu konsep dan teori yang mendasari kedua
variabel tersebut.
Persamaan regresi dirumuskan : Y = a + bX
9
SAP dan Materi Statistik Pendidikan STAI Daruttaqwa Gresik
Dimana :
Y = (baca Y topi) subjek fariabel terikat yang di proyeksikan
X = Variabel bebas mempunyai nilai tertentu untuk diprediksikan
a = Nilai konstanta harga Y jika X = 0
b = Nilai arah sebagai penentu ramalan (prediksi) yang menunjukkan nilai peningkatan
(+) atau nilai penurunan (-) variabel Y
n XY X Y Y b X
b a=
n X 2 ( X ) 2 n
( Y ) 2
JKReg (a) =
n
Langkah 6. Mencari Jumlah Kuadrat Regresi (JKReg [b|a]) dengan rumus:
JKReg [b|a] = b. XY ( X )( Y )
n
JKRes = Y 2
JK Re g [ b a ] JK Re g [ a ]
Langkah 8. Mencari Rata-rata Jumlah Kuadrat Regresi (RJKReg [a]) dengan rumus:
RJK Reg[a] = JKReg[a]
Langkah 9. Mencari Rata-rata Jumlah Kuadrat Regresi (RJKReg [b|a] dengan rumus:
RJK Reg[b|a] = JKReg[b|a]
Langkah 10. Mencari Rata-rata Jumlah Kuadrat Residu (JKRes) dengan rumus:
JK Re s
RJK Res =
n2
Langkah 11. Menguji Signifikansi dengan rumus:
RJK Re g ( b a )
Fhitung =
RJK Re s
Pertanyaan :
a. Bagaimana persamaan regrensinya?
b. Gambarkan diagram pancarnya!
c. Gambarkan arah garis regresi!
d. Buktikan apakah ada pengaruh yang signifikan antara pengalaman kerja (X) terhadap
penjualan barang elektronik (Y)
e. Buktikan apakah data tersebut berpola linier?
Langkah-langkah menjawab:
Langkah 1.
Membuat Ha dan Ho dalam bentuk kalimat:
Ha: Terdapat pengaruh yang signifikan antara pengalaman kerja terhadap penjualan barang
elektronik di kabupaten Gresik.
Ho: Tidak terdapat pengaruh yang signifikan antara pengalaman kerja terhadap penjualan
barang elektronik di kabupaten Gresik.
Langkah 2.
Membuat Ha dan Ho dalam bentuk statistik:
Ha: r 0
Ho: r = 0
Langkah 3.
Membuat tabel penolong untuk menghitung angka statistik:
No/statistik X Y X2 Y2 XY
9
SAP dan Materi Statistik Pendidikan STAI Daruttaqwa Gresik
1 2 50 4 2500 100
2 3 60 9 3600 180
3 1 30 1 900 30
4 4 70 16 4900 280
5 1 40 1 1600 40
6 3 50 9 2500 150
7 2 40 4 1600 80
8 2 35 4 1225 70
Jumlah (
18 375 48 18825 930
)
Langkah 4.
Masukkan angka-angka statistik dari tabel penolong dengan rumus:
(1) Menghitung rumus b:
n XY X Y 8.(930) (18)(375) 690
b = 11,5
n X 2 ( X ) 2 8.(48) (18) 2 60
Y Y
80 - 80 -
70 - 4 70 - Persamaan
Garis Regresi
60 - 2 60 -
50 - 1 6 50 -
40 - 5 40 - 2,25; 46,876
7
35 8 35
30 - 3 30 -
20 - 20 -
a=21
10 - 10 -
1 2 3 4 5 X 1 2 3 4 5 X
Gambar: Diagram Pancar .....(jawaban b) Gambar: Persamaan Garis Regresi....(jawaban c)
Langkah 1.
9
SAP dan Materi Statistik Pendidikan STAI Daruttaqwa Gresik
Mencari Jumlah Kuadrat Regresi (JKReg [a]) dengan rumus:
( Y ) 2 (375) 2 140625
JKReg (a) = 17578,125
n 8 8
Langkah 2.
Mencari Jumlah Kuadrat Regresi (JKReg [b|a]) dengan rumus:
Langkah 3.
Mencari Jumlah Kuadrat Residu (JKRes) dengan rumus:
JKRes = Y 2
JK Re g [ b a ] JK Re g [ a ] =18825 991,875 17578,125 = 225
Langkah 4.
Mencari Rata-rata Jumlah Kuadrat Regresi (RJKReg [a]) dengan rumus:
RJK Reg[a] = JKReg[a] = 17578,125
Langkah 5.
Mencari Rata-rata Jumlah Kuadrat Regresi (RJKReg [b|a]) dengan rumus:
RJK Reg[b|a] = JKReg[b|a] = 991,875
Langkah 6.
Mencari Rata-rata jumlah Kuadrat Residu (RJKRes) dengan rumus:
JK Re s 225
RJK Res = = 42,5
n2 82
Langkah 7.
Menguji Signifikansi dengan rumus:
RJK Re g ( b a ) 991,875
Fhitung = = 23,34
RJK Re s 42,5
9
SAP dan Materi Statistik Pendidikan STAI Daruttaqwa Gresik
Cara mencari F tabel : angka 1 = pembilang
Angka 6 = penyebut.
Ftabel = 5,99
Ternyata Fhitung > Ftabel, maka tolak Ho artinya signifikan
Sebelum mencari nilai JKE urutkan data X mulai dari data yang paling kacil sampai data yang paling
besar berikut disertai pasangannya (Y), seperti tabel penolong berikut:
Tabel Penolong Pasangan Variabel X dan Y untuk Mencari (JKE)
No. Y X Diurutkan dari data Kelompok n Y
terkecil hingga data
terbesar X
1 2 50 1 k1 2 30
2 3 60 1 40
3 1 30 2 k2 3 35
4 4 70 2 40
5 1 40 2 50
6 3 50 MENJADI 3 k3 2 50
7 2 40 3 60
8 2 35 4 k4 1 70
Keterangan : n = jumlah kelompok yang sama k = 4 kelompok
JkE =
Langkah 3.
Mencari Rata-rata Jumlah Kuadrat Tuna Cocok (RJKTC) dengan rumus:
9
SAP dan Materi Statistik Pendidikan STAI Daruttaqwa Gresik
JK TC 38,33
RJKTC = 19,165 keterangan k = jumlah kelompok = 4
k 2 42
Langkah 4.
Mencari Rata-rata Jumlah Kuadrat Error (RJKE) dfengan rumus:
JK E 216,67
RJKE = 54,1675
nk 84
Langkah 5.
Mencari nilai Fhitung dengan rumus:
RJK TC 19,165
Fhitung = 0,35
RJK E 54,1675
Perlu diketahui bahwa uji linieritas berbeda dengan uji signifikansi, adapun perbedaannya terletak
pada pengambilan keputusan (kaidah penguji), yaitu:
1) Menentukan Keputusan Penguji Signifikansi
Jika Fhitung Ftabel, maka tolak Ho artinya signifikan dan
Fhitung Ftabel, terima Ho artinya tidak signifikan
2) Menentukan Keputusan Penguji Linieritas
Jika Fhitung Ftabel, maka tolak Ho artinya data berpola linier dan
Fhitung Ftabel, maka tolak Ho artinya data berpola tidak linier
Langkah 6.
Menentukan Keputusan Pengujin Linieritas
Jika Fhitung Ftabel, maka tolak Ho artinya data berpola linier dan
Fhitung Ftabel, maka tolak Ho artinya data berpola tidak linier
Dengan taraf signifikan () =0,05
Ftabel = F (1-) (dk TC, dk E)
= F (1-0,05)(dk = k -2, dk = n k)
= F (1-0,05)(dk = 4 2, dk = 8 4)
= F (1 0,05)(dk = 2, dk = 4)
= F (0,95)(2,4)
Cara mencari F tabel dk = 2 pembilang
dk = 4 = penyebut
Ftabel = 6,94
Langkah 7.
Membandingkan Fhitung dengan F tabel
Ternyata Fhitung < F tabel atau 0,35 < 6,94, maka tolak Ho artinya data berpola linier
Kesimpulan variabel pengalaman kerja terhadap penjualan barang elektronik di
kabupaten Gresik berpola linier ........................................................................................(Jawaban e)
Tabel Ringkasan Anava Variabel X dan Y uji signifikansi dan uji Linieritas
Sumber Derajat Jumlah Rat-rata Fhitung Ftabel
9
SAP dan Materi Statistik Pendidikan STAI Daruttaqwa Gresik
fariansi kebebasan Kuadrat (JK) Jumlah
(dk) Kuadrat (RJK)
total n Y 2 Signifikan
linier
Regresi (a) 1 JKReg (a) RJKReg(a) Keterangan:
Regresi(bla) 1 JK(bla) RJK(bla) Perbandingan
Residu n2 JkRes RJKres dengan Fhitung
Tuna Cocok k2 JKTC RJKTC
Ftabel
Kesalahan nk JKE RJKE
signifikan dan
(Error)
linieritas
Tabel ringkasan Anava Variabel X dan Y uji signifikansi dan uji linieritas
Sumber Derajat Jumlah Rata-rata Fhitung Ftabel
Variansi kebebasan Kuadrat (JK) Jumlah
(dk) Kuadrat (RJK)
Total 8 18825 Sig = 23,24 5,99
Linier = 0,35 6,94
Regresi (a) 1 17578,125 17578,125 Keterangan: perbandingan Fhitung
Regresi (bla) 1 991,875 991,875 dengan Ftabel signifikan dan
Residu 6 255 42,5 linieritas, ternyata: 23,24 > 5,99
Tuna Cocok 2 83,33 19,165
signifikan 0,35 < 6,94 pola
Kesalahan 4 216,67 54,1675
linier
(Error)
D. RANGKUMAN
Regresi atau peramalan adalah suatu peroses memperkirakan secara sistematis tentang apa
yang paling mungkin terjadi dimasa yang akan datang berdasarkan informasi masa lalu dan
sekarang yang dimiliki agar kesalahannya dapat diperkecil. Kegunaan regresi dalam penelitian salah
satunya adalah untuk meramalkan atau memprediksi variabel terikat (Y) apabila variabel bebas (X)
diketahui.
9
SAP dan Materi Statistik Pendidikan STAI Daruttaqwa Gresik
Variabel kecenderungan perilaku anak nakal (Y)
58 33 69 35 44 49 29 48 54 60 34 45 42 56 42 58 53 76 45 54
a. Hitung persamaan regresinya?
b. Jika, anak-anak menonton televisi film kekerasan selama 75 jam, berapa kecenderungan
perilaku anak nakal tersebut?
Menyenangkan 1 2 3 4 5 Membosankan
Petunjuk Penilaian:
1. Jika rata-rata jawaban berkisar angka 1 dan 2 maka materi pembelajaran menarik minat
mahasiswa.
2. Jika rata-rata jawaban berkisar angka 4 dan 5 maka materi pembelajaran tidak menarik
minat mahasiswa, sehingga perlu adanya perubahan metode, media, strategi pembelajaran,
dll.
9
SAP dan Materi Statistik Pendidikan STAI Daruttaqwa Gresik