0

Topik 08:

STATISTIK

ANALISIS REGRESI LINEAR

(LINEAR REGRESSION ANALYSIS)

 1

STATISTIK ANALISIS REGRESI LINEAR

oleh : Ki Supriyoko

A. KARAKTER

Analisi Regresi (Anareg) merupakan formula statistik korelatif yang

dapat digunakan untuk mengetahui jenis serta efektivitas hubungan
antarbanyak variabel, dalam hal ini dua atau lebih variabel bebas
(independent variable) secara bersama-sama dengan satu variabel
terikat (dependent variable).

B. SPESIFIKASI

Analisis Regresi (Anareg) dapat dijalankan setelah dipenuhi beberapa

persyaratan sebagai berikut.
1. Banyak prediktor vs satu kriterium.
2. Data Interval/Ratio vs Interval/Ratio.
3. Bentuk garis regresinya linear (lurus).
4. Distribusi datanya normal (tak mutlak).

C. FORMULA STATISTIK

1. Sebagai misal dalam kasus penelitian tentang pengaruh freku-

ensi belajar dan nilai Matematika terhadap prestasi Statistika
mahasiswa UGM Yogyakarta.
 2

2. Dalam kasus penelitian ini variabel bebasnya adalah Frekuensi

Belajar (X1) dan Nilai Matematika (X2), sedangkan variabel
terikatnya adalah Prestasi Statistika (Y).
3. Dalam kasus ini terdapat banyak (dua) variabel bebas yang
mempengaruhi satu variabel terikat.
4. Skema atau paradigma korelasinya dapat divisualisasi sebagai
berikut.

X1

X2 Keterangan:
X1 = Frekuensi Belajar
X2 = Nilai Matematika
Y = Prestasi Statistika

D. KETERANGAN

1. Analisis Regresi tidak dapat membedakan hubungan

(nonkausal) dengan pengaruh (kausal).
2. Analisis Regresi dapat dipergunakan untuk menentukan jenis
hubungan (positif atau negatif) dan efektivitas hubungan (dalam
persentase).
3. Analisis Regresi dapat digunakan untuk menentukan hubungan
banyak variabel bebas secara bersama-sama dengan satu vari-
abel terikat.
4. Untuk mengetahui hubungan secara sendiri-sendiri maka rumus
ini dilanjutkan dengan Analisis Korelasi Parsial.
 3

E. CONTOH PERHITUNGAN

Seorang dosen Statistika ingin mengetahui jenis serta efektivitas

pengaruh frekuensi belajar dan nilai Matematika secara bersama-
sama terhadap prestasi Statistika mahasiswa UGM Yogyakarta
dengan data di bawah ini.

NO NAMA X1 X2 Y

1 Amalia Roshi 15 70 7
2 Armagalatha Farha 10 50 7
3 Budiono 10 60 7
4 Cicilia Ranum 5 60 4
5 Cuez Mardiana 8 50 6
6 Dolly 7 80 6
7 Edward Besthari 5 50 5
8 Farhan Mugaya 5 50 5
9 Fathurrochman 5 50 5
10 Hidayat Syarif 5 70 6
11 Inayati Hisyam 20 80 9
12 Jacobus Sunaryo 3 55 4
13 Manusama 12 70 8
14 Noor Hidayat 3 45 4
15 Pinky 7 60 7

X1 = Frekuensi Belajar (0-20) > dalam jam/minggu

X2 = Nilai Matematika (0-100)
Y = Prestasi Statistika (0-10)
 4

PERHITUNGAN:

01) MENCARI Nilai Statistik Dasar

NO X1 X2 Y X12 X22 YY X1Y X2Y X1X2

1 15 70 7 225 4900 49 105 490 1050

2 10 50 7 100 2500 49 70 350 500
3 10 60 7 100 3600 49 70 420 600
4 5 60 4 25 3600 16 20 240 300
5 8 50 6 64 2500 36 48 300 400
6 7 80 6 49 6400 36 42 480 560
7 5 50 5 25 2500 25 25 250 250
8 5 50 5 25 2500 25 25 250 250
9 5 50 5 25 2500 25 25 250 250
10 5 70 6 25 4900 36 30 420 350
11 20 80 9 400 6400 81 180 720 1600
12 3 55 4 9 3025 16 12 220 165
13 12 70 8 144 4900 64 96 560 840
14 3 45 4 9 2025 16 12 180 135
15 7 60 7 49 3600 49 49 420 420

120 900 90 1274 55850 572 809 5550 7670

Dari tabel di atas diperoleh nilai statistik dasar sbb:

01.1 N = 15 01.6 X1 = 1.274
01.2 m = 2 01.7 X2 = 55.850
01.3 X1 = 120 01.8 Y = 572
01.4 X2 = 900 01.9 X1X2 = 7.670
01.5 Y = 90 01.10 X1Y= 809
01.11 X2Y= 5.550
 5

02) MENCARI Rata-rata (Mean)

M1 = X1 : N
M1 = 120 : 15
M1 = 8
analog,
M2 = 60
My = 6

03) MENCARI Jumlah Kuadrat (JK)

JK1 = X1 - { (X1) : N }
JK1 = 1.274 - { (120) : 15 }
JK1 = 314
analog,
JK2 = 1.850
JKy = 32

04) MENCARI Jumlah Produk (JP)

JP12 = X1X2 - { (X1) (X2) : N }
JP12 = 7.670 - { (120) (900) : 15 }
JP12 = 470
analog,
JP1y = 89 dan JP2y = 150

05) MENCARI Koefisien Arah Garis Regresi (a)

Dihitung dengan mengaplikasi dua persamaan simultan berikut ini.
1* JP1y = (a1) (JK1) + (a2) (JP12)
2* JP2y = (a1) (JP12) + (a2) (JK2)
 6

disubstitusikan harga-harganya menjadi,

1* 89 = 314 a1 + 470 a2
2* 150 = 470 a1 + 1.850 a2
diperoleh harga a,
a1 = 0,261
a2 = 0,015

06) MENCARI Persamaan Garis Regresi

y = (a1) (x1) + (a2) (x2)
Y - My = (a1) ( X1 - M1 ) + (a2) ( X2 - M2 )
Y - 6 = (0,261) ( X1 - 8 ) + (0,015) ( X2 - 60 )
Y = ( 0,261X1 - 2,088 ) + ( 0,015X2 - 0,900 ) + 6
diperoleh persamaan regresinya,
Y = 0,261X1 + 0,015X2 + 3,012

07) MENCARI Koefisien Determinasi

R = { (a1) (JP1y) + (a2) (JP2y) } : JKy
R = { (0,261) (89) + (0,015) (150) } : 32
R = 0,796

08) MENCARI Jumlah Kuadrat Regresi dan Residu

JKTot = JKy
JKTot = 32
JKReg = (R) (JKy)
JKReg = (0,796) (32)
JKReg = 25,472
 7

JKRes = JKTot - JKReg

JKRes = 32 - 25,472
JKRes = 6,528

09) MENCARI Derajat Bebas

DBTot = N - 1 = 15 - 1
DBTot = 14
DBReg = m = 2
DBRes = N - m - 1 = 15 - 2 - 1
DBRes = 12

10) MENCARI Mean Kuadrat

MKReg = JKReg : DBReg
MKReg = 25,472 : 2
MKReg = 12,736
MKRes = JKRes : DBRes
MKRes = 6,528 : 12
MKRes = 0,544

11) MENCARI Koefisien Varians

FReg = MKReg : MKRes
FReg = 12,736 : 0,544
FReg = 23,412

12) MENYAJIKAN Hasil Analisis dalam Tabel

Secara sistematis hasil perhitungan statistik di atas dapat disajikan
dalam tabel sebagai berikut.
 8

Tabel 1:
RINGKASAN HASIL UJI ANALISIS REGRESI (ANAREG)
UNTUK PRESTASI STATISTIKA SISWA (N=15)

VARIASI JK DB MK F

Regresi 25,472 2 12,736 23,412

Residu 6,528 12 0,544 --

Total 32,000 14 -- --

Jadi, FReg = 23,412

13) MENGKONSULTASI F Hitung dengan Nilai F Tabel

Dalam Tabel Nilai F untuk DB = 2/12 ditemukan harga sbb:
F5% = 3,88 dan F1% = 6,93.
Jadi, FReg = 23,412 adalah sangat signifikan.

14) MENCARI Koefisien Korelasi

R1y = JP1y : { (JK1) (JKy) }
R1y = 89 : { (314) (32) }
R1y = 0,888
analog,
R2y = 0,616
R12 = 0,617

15) MENCARI Sumbangan Relatif

SR1 = | {(a1) (JP1y)} : {(a1) (JP1y) + (a2) (JP2y)} |
SR1 = | {(0,261) (89)} : {(0,261) (89) + (0,015) (150)} |
SR1 = 0,9138 = 91,38%
analog,
 9

SR2 = | {(a2) (JP2y)} : {(a2) (JP2y) + (a1) (JP1y)} |

SR2 = | {(0,015) (150)} : {(0,015) (150) + (0,261) (89)} |
SR2 = 0,0862 = 8,62%

16) MENCARI Sumbangan Efektif

SE1 = | (a1) (JP1y) : (JKy) |
SE1 = | (0,261) (89) : (32) |
SE1 = 0,7274 = 72,74%
analog,
SE2 = 0,0686 = 6,86%

17) MENCARI Pengaruh Faktor Lain

SEFl = 100% - ( SE1 + SE2 )
SEFl = 100% - (72,74% + 6,86% )
SEFl = 20,40%

18) MENCARI Koefisien Korelasi Parsial X1 dengan Y

Ry1-2 = { R1y - (R2y) (R12) } : {(1 R2y ) (1 - R12 )}
Ry1-2 = { 0,888 - (0,616)(0,617) } : {(1-0,616) (1-0,617)}
Ry1-2 = 0,821
analog,
Ry2-1 = { R2y - (R1y) (R12) } : {( 1 - R1y ) ( 1 - R12 )}
Ry2-1 = { 0,616 - (0,888)(0,617) } : {(1-0,888) (1-0,617)}
Ry2-1 = 0,188

19) MENGKONSULTASI R Parsial Hitung dengan Tabel R

 10

Harga Tabel R Product Moment untuk N = 15 adalah sbb:

R1% = 0,641 dan R5% = 0,514.
Jadi Ry1-2 = 0,821 adalah sangat signifikan.
Jadi Ry2-1 = 0,188 adalah tidak signifikan.

20) MENGINTERPRETASI Hasil Analisis

20.1 Dari nilai FReg = 23,412 dengan predikat sangat signifikan
diinterpretasi bahwa faktor frekuensi belajar dan nilai Mate-
matika secara bersama-sama berpengaruh terhadap prestasi
Statistika mahasiswa UGM Yogyakarta.
20.2 Dari nilai R1y = 0,888 yang positif serta R2y = 0,616 yang
positif diinterpretasi bahwa pengaruh frekuensi belajar dan
nilai Matematika secara bersama-sama terhadap prestasi Statis-
tika siswa adalah positif.
20.3 Dari nilai SR1 = 91,38% serta SR2 = 8,62% diinterpretasi
pengaruh frekuensi belajar lebih kuat dibandingkan nilai Mate-
matika terhadap prestasi Statistika mahasiswa; adapun secara
matematis angka perbandingannya adalah 91,38 : 8,62.
20.4 Dari nilai SE1 = 72,74% serta SE2 = 6,86% diinterpretasi
bahwa efektivitas pengaruh frekuensi belajar terhadap prestasi
Statistika mahasiswa sebesar 72,74% dan pengaruh nilai Mate-
matika terhadap prestasi Statistika mahasiswa sebesar 6,86%.
20.5 Dari nilai SEFl = 20,40% diinterpretasi banyak faktor lain, yang
disebut "unexplained factors", di luar frekuensi belajar dan
nilai Matematika yang berpengaruh terhadap prestasi Statistika
mahasiswa yang efektivitas pengaruhnya sebesar 20,40%.
 11

20.6 Dari nilai Ry1-2 = 0,821 dengan predikat sangat signifikan

diinterpretasi bahwa secara sendiri-sendiri faktor frekuensi
belajar berpengaruh positif dan sangat berarti terhadap prestasi
Statistika mahasiswa.
20.7 Dari nilai Ry2-1 = 0,188 berpredikat tidak signifikan diinter-
pretasi bahwa secara sendiri-sendiri ternyata nilai Matematika
tidak berpengaruh terhadap prestasi Statistika mahasiswa
UGM Yogyakarta

21) MENYIMPULKAN Hasil Analisis

Secara bersama-sama faktor frekuensi belajar dan nilai Matematika
sangat menentukan pencapaian prestasi Statistika mahasiswa UGM
Yogyakarta; semakin tinggi frekuensi belajar dan nilai Matematika
semakin tinggi prestasi Statistika, sebaliknya semakin rendah freku-
ensi belajar dan nilai Matematika semakin rendah prestasi Statistika.
Pada sisi yang lain secara sendiri-sendiri frekuensi belajar sangat
menentukan pencapaian prestasi Statistika mahasiswa UGM Yogya-
karta; makin tinggi frekuensi belajar semakin tinggi pula prestasi
Statistika, demikian pula sebaliknya. Meskipun demikian ternyata
secara sendiri-sendiri nilai Matematika tidak berpengaruh terhadap
prestasi Statistika mahasiswa UGM Yogyakarta.

Prie, Singapore, 20080603

 12

Lampiran:

TABEL NILAI-NILAI F
N1 = DERAJAD BEBAS (DB) UNTUK RATA-RATA KUADRAT (MK) YANG LEBIH BESAR
N2 %
01 02 03 04 05 06 07 08 09 10 11 12

5 161 200 216 225 230 234 237 239 241 242 243 244
01
1 4,052 4,999 5,403 5,626 5,764 5,859 5,928 5,981 6,022 6,056 6,082 6,106
5 18,51 19,00 19,16 19,25 19,30 19,33 19,36 19,37 19,38 |19,39 19,40 19,41
02
1 98,49 99,00 99,17 99,25 99,30 99,33 99,34 99,36 99,38 99,40 99,41 99,42
5 10,13 9,55 9,28 9,12 9,01 8,94 8,88 8,84 8,81 8,78 8,76 8,74
03
1 34,12 30,82 29,46 28,71 28,24 27,91 27,67 27,49 27,34 27,23 27,13 27,05
5 7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,93 5,91
04
1 21,20 18,00 16,69 15,98 15,52 15,21 14,98 14,80 14,66 14,54 14,45 14,37
5 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,78 4,74 4,70 4,68
05
1 16,26 13,27 12,06 11,39 10,97 10,67 10,45 10,27 10,15 10,05 9,96 9,89
5 5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06 4,03 4,00
06
1 13,74 10,92 9,78 9,15 8,75 8,47 8,26 8,10 7,98 7,87 7,79 7,72
5 5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,63 3,60 3,57
07
1 12,25 9,55 8,45 7,85 7,46 7,19 7,00 6,84 6,71 6,62 6,54 6,47
5 5,32 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,34 3,31 3,28
08
1 11,26 8,65 7,59 7,01 6,63 6,37 6,19 6,03 5,91 5,82 5,74 5,67
5 5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,13 3,10 3,07
09
1 10,56 8,02 6,99 6,42 6,06 5,80 5,62 5,47 5,35 5,26 5,18 5,11
5 4,96 4,10 3,71 3,48 3,33 3,22 3,14 3,07 3,02 2,97 2,94 2,91
10
1 10,04 7,56 6,55 5,99 5,64 5,39 5,21 5,06 4,95 4,85 4,78 4,71
5 4,84 3,98 3,59 3,36 3,20 3,09 3,01 2,95 2,90 2,86 2,82 2,79
11
1 9,65 7,20 6,22 5,67 5,32 5,07 4,88 4,74 4,63 4,54 4,46 4,40
5 4,75 3,88 3,49 3,26 3,11 3,00 2,92 2,85 2,80 2,76 2,72 2,69
12
1 9,33 6,93 5,95 5,41 5,06 4,82 4,65 4,50 4,39 4,30 4,22 4,16
5 4,67 3,80 3,41 3,18 3,02 2,92 2,84 2,77 2,72 2,67 2,63 2,60
13
1 9,07 6,70 5,74 5,20 4,86 4,62 4,44 4,30 4,19 4,10 4,02 3,96
5 4,60 3,74 3,34 3,11 2,96 2,85 2,77 2,70 2,65 2,60 2,56 2,53
14
1 8,86 6,51 5,56 5,03 4,69 4,46 4,28 4,14 4,03 3,94 3,86 3,80

Adapted by Supriyoko from "Conducting Educational Research" (Tuckman, B.W., New York:
Harcourt Brace Jovanovich, Inc., 1972)