Anda di halaman 1dari 26

MAKALAH

ANALISA REGRESI LINIER SEDERHANA


(Cara manual dan SPSS)
Disusun untuk memenuhi tugas mata kuliah Statistika Dasar yang di berikan oleh
Ibu Heriyati,M.pd

Disusun oleh :
UMAR ABDUL AZIZ
201543501145

UNIVERSITAS INDRAPARSTA
PGRI
TAHUN 2016-2017
1

KATA PENGANTAR

Alahamdulillahirabbil ‘Alamin segala puji syukur kita panjatkan kehadirat


Allah SWT,Tuhan semesta alam yang hanya kepada-Nyalah kami berserah diri.
Dan atas izin dari-Nyalah kami mampu menyusun Makalah yang berjudul “Analisa
Regresi Linear Sederhana“ ini.
Sholawat serta Salam semoga tetap tercurah limpahkan kepada Baginda
Nabi Besar Muhammad SAW,yang telah mengangkis kita dari alam kebodohan
menuju alam yang penuh dengan cahaya keilmuan seperti sekarang ini.
Ucapan terimakasih juga kami sampaikan kepada Ibu Heriyati M.pd yang telah
membimbing kami sehinngga bisa menyelesaikan tugas mata kuliah Statistika
Dasar,yaitu Makalah yang berjudul “Analisa Regresi Linear Sederhana”.
Dalam penyusunan Makalah ini penulis sadar masih banyak terdapat
kekurangan dan kelemahan.Untuk itu penulis mohon maaf dan sangat
mengharapkan adanya Kritik dan Saran yang membangun dari pembaca. Semoga
Makalah ini bisa bermanfaat khususnya kepada kami selaku penulis dan umumnya
kepada anda para pembaca.Akhirnya ,semoga Allah SWT senantiasa memberikan
rahmat dan hidayahnya kepada siapa saja yang mencintai pendidikan Amin Ya
Robbal Alamin .

Bogor,14-11-2016

Penulis

Makalah Regresi Linear Sederhana


2

DAFTAR ISI

KATA PENGANTAR ........................................................................................... 1


DAFTAR ISI .......................................................................................................... 2

BAB I PENDAHULUAN ................................................................................... 3


1.1 Latar Belakang................................................................................ 3
1.2 Rumusan masalah ........................................................................... 3
1.3 Tujuan masalah ............................................................................... 3
BAB II PEMBAHASAN ..................................................................................... 4
2.1 Pengertian Dan Jenis Jenis Regresi ................................................ 4
2.2 Analisis Regresi Dengan Cara Manual ........................................... 6
2.3 Analisis Regresi Dengan SPSS .................................................... 13
BAB III PENUTUP ............................................................................................ 24
3.1 Kesimpulan ................................................................................... 24
3.2 saran .............................................................................................. 24
DAFTAR PUSTAKA .......................................................................................... 25

Makalah Regresi Linear Sederhana


3

BAB I
PENDAHULUAN
1.1 Latar Belakang
Regresi linear merupakan suatu metode analisis statistik yang
mempelajari pola hubungan antara dua atau lebih variabel. Pada kenyataan
sehari-hari sering dijumpai sebuah kejadian dipengaruhi oleh lebih dari satu
variabel, oleh karenanya dikembangkanlah analisis regresi linier sederhana
untuk menganalisi ssuatu persoalan.
Adanya metode analisis regresi ini sangat menguntungkan bagi
banyak pihak, baik di bidang sains, sosial, industri maupun bisnis. Salah satu
manfaat analisis regresi adalah memperkirakan suatu kejadian yang akan
terjadi dengan menganalisis penyebab yang mungkin mempengaruhi
kejadian tersebu.Dalam makalah ini akan diuraikan masalah regresi,yaitu
regrsi linear sebagai pengukur hubungan antara dua variabel atau lebih.
Dalam pembicaraan regresi data yang dianalisis harus bersifat kuantitatif
atau terukur atau terhitung atau dapat dikuantitatifkan; jadi sekurang-
kurangnya data dengan skala interval.Oleh karena itu makalah ini akan
menganalisis mengenai Hubungan antara motivasi dan hasil belajar
matematika di SMA X.
1.2 Rumusan Masalah
1. Apa itu Regresi dan ada berapa jenis Regresi ?
2. Bagai mana cara menganalisis Regresi linear sederhana dengan cara
manual ?
3. Bagaiman cara menganalisis Regresi linera sederhana dengan bantuan
SPSS ?

1.3 Tujuan Masalah


1. Untuk mengetahui pengertian regresi dan jenis jenis regresi
2. Untuk mengetahui cara menganalisis regresi linear sederhana dengan cara
manual
3. Untuk mengetahui bagaimana cara menganalisis regresi sederhana dengan
SPSS

Makalah Regresi Linear Sederhana


4

BAB II

PEMBAHASAN

2.1 Pengertian Dan Jenis Jenis Regresi


2.1.1 Regresi

Regresi adalah bentuk hubungan fungsional antara variabel respon


dan prediktor. Analisis regresi merupakan teknik statistik yang banyak
penggunaannya serta mempunyai manfaat yang cukup besar bagi
pengambil keputusan. Secara umum, dalam analisis regresi digunakan
metode kuadrat terkecil (least sqaure method) untuk mencari
kecocokan garis regresi dengan data sampel yang diamati.

Bila terdapat suatu data yang terdiri atas dua atau lebih variabel,
adalah sewajarnya untuk mempelajari cara bagaimana variabel-variabel
itu saling berhubungan dan saling mempengaruhi satu sama lain.
Hubungan yang didapat pada umumnya dinyatakan dalam bentuk
persamaan matematik yang menyatakan hubungan fungsional antara
variabel-variabel. Studi yang menyangkut masalah ini dikenal dengan
analisis regresi (Tan, 2009).
Ada beberapa hal yang harus diperhatikan dalam menggunakan
analisis regresi yaitu:
 Representasi pemetaan dari karakteristik sistem kongkrit yang akan
dipelajari.
 Abstraksi yang merupakan transformasi karakteristik sistem kongkrit
yang akan dipelajarikeadaan formula-formula matematika.
 Kesimpulan dalam analisis regresi diambil dengan mengambil dalih
pada asumsi-asumsi yang menyangkut parameter populasi, dan
apabila asumsi-asumsi tersebut dipenuhi maka prosedur kesimpulan
parametriklah yang lazim paling sesuai untuk dipergunakan, dan
apabila asumsi-asumsi tersebut dilanggar, maka penerapan prosedur

Makalah Regresi Linear Sederhana


5

paramterik bisa jadi akan menyebabkan hasil kesimpulan yang


menyesatkan
 Apabila kejadian tersebut terjadi dapat digunakan dengan
pendekatan prosedur non parametrik.
Jika ada satu variabel tak bebas atau variabel terikat (dependent
variable) tergantung pada satu atau lebih variabel bebas atau peubah
bebas (independent variable) hubungan antara kedua variabel tersebut
dapat dicirikan melalui model matematik (statistik) yang disebut
sebagai model regresi.

2.1.2 Jenis Jenis Regresi


Terdapat empat jenis-jenis regresi dalam statiska, diantaranya:

1. Regresi Linier

Regresi linier dibedakan menjadi dua bagian berdasarkan


banyaknya variabel bebas yang terlibat dalam persamaan yang ikut
mempengaruhi nilai variabel terikat

2. Regresi Linier Sederhana

Apabila dalam diagram pencar terlihat bahwa titik titiknya


mengikuti suatu garis lurus, menunjukkan bahwa kedua peubah
tersebut saling berhubungan sacara linier. Bila hubungan linier
demikian ini ada, maka kita berusaha menyatakan secara matematik
dengan sebuah persamaan garis lurus yang disebut garis regresi
linier. Untuk regresi linier sederhana, perlu ditaksir parameter . Jika
ditaksir oleh a dan b, maka regresi linier berdasarkan sampel
dirumuskan sebagai berikut.

Y= a + bx

Keterangan :

Y= nilai yang diukur/dihitung pada variabel tidak bebas


x = nilai tertentu dari variabel bebas
a = intersep/ perpotongan garis regresi dengan sumbu y
b = koefisien regresi / kemiringan dari garis regresi / untuk

Makalah Regresi Linear Sederhana


6

mengukur kenaikan atau penurunan y untuk setiap perubahan satu-


satuan x / untuk mengukur besarnya pengaruh x terhadap y kalau x
naik satu unit.
3. Peramalan Kuantitatif
Peramalan kuantitatif, yaitu peramalan yang didasarkan atas
data kuantitatif masa lalu. Hasil peramalan yang dibuat sangat
tergantung pada metode yang dipergunakan dalam peramalan
tersebut.
4. Peramalan Kualitatif
Peramalan kualitatif biasanya digunakan bila tidak ada atau
sedikit data masa lalu tersedia.

2.2 Analisis Regresi Linier Sederhana Dengan Cara Manual


Jika ada suatu variable tak bebas atau variable terikat (dependent
variable) terganting pada satu atau lebih variable bebas atau peubah bebas
(independent variable) hubungan antara kedua variable tersebut dapat
dicirikan melalui model matematik (statistic) yang disebut model regresi.

2.2.1 Contoh Analisis Regresi Linear Sederhana Dengan Cara Manual


Seorang Mahasiswa ingin melakukan analisis regresi terhadap data
hasil penelitiannya yang berjudul Hubungan antara motivasi dan hasil
belajar matematika di SMA X. Pertanyaan penelitiannya seperti berikut
Apakah hasil belajar matematika (Y) dapat diprediksi dari motivasi (X)?
atau apakah terdapat hubungan fungsional antara motivasi dan hasil belajar
matematika?
Variabel X = variabel prediktor (bebas, independent)
Variabel Y = variabel kriterium (terikat, dependent)

Persamaan regresi sederhana : 𝒀^ = a + bx

(∑ 𝒀)(∑ 𝑿𝟐 )−(∑ 𝑿)(∑ 𝑿𝒀) ^


Rumus : 𝒂 = ∑ 𝒙𝟐 −(∑ 𝒙)𝟐
= 𝒀 = b 𝒚^
𝒏

Makalah Regresi Linear Sederhana


7

𝒏 ∑ 𝑿𝒀−(∑ 𝑿)(∑ 𝒀) 𝒏 ∑ 𝑿𝒀
b= =
𝒏 ∑ 𝒙𝟐 −(∑ 𝒙)𝟐 ∑ 𝒙𝟐

Misalkan dari hasil penelitian mahasiswa tersebut diperoleh data sebagai berikut:

Responden X Y XY X2 Y2
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
6 40 35 1400 1600 1225
7 40 33 1320 1600 1089
8 34 30 1020 1156 900
9 35 32 1120 1225 1024
10 39 36 1404 1521 1296
11 33 31 1023 1089 961
12 32 31 992 1024 961
13 42 36 1512 1764 1296
14 40 37 1480 1600 1369
15 42 35 1470 1764 1225
16 42 38 1596 1764 1444
17 41 37 1517 1681 1369
18 32 30 960 1024 900
19 34 30 1020 1156 900
20 36 30 1080 1296 900
21 37 33 1221 1369 1089
22 36 32 1152 1296 1024
23 37 34 1258 1369 1156
24 39 35 1365 1521 1225
25 40 36 1440 1600 1296
26 33 32 1056 1089 1024
27 34 32 1088 1156 1024
28 36 34 1224 1296 1156
29 37 32 1184 1369 1024
30 38 34 1292 1444 1156
Jumlah 1105 1000 37056 41029 33528

Langkah Analisis Dengan Cara Manual

Dari data di atas, diketahui: ∑X = 1105


∑Y = 1000
∑XY = 37056
∑X2 = 41029

∑Y2 = 33528

Makalah Regresi Linear Sederhana


8

Masukkan nilai tersebut ke dalam rumus a dan b di atas :

(∑ 𝒀)(∑ 𝑿𝟐 )−(∑ 𝑿)(∑ 𝑿𝒀) ^


Rumus : 𝒂 = = 𝒀 = b 𝒚^
𝒏 ∑ 𝒙𝟐 −(∑ 𝒙)𝟐

(𝟏𝟎𝟎𝟎)(𝟒𝟏𝟎𝟐𝟗)−(𝟏𝟏𝟎𝟓)(𝟑𝟕𝟎𝟓𝟔)
=
𝟑𝟎(𝟒𝟏𝟎𝟐𝟗)(𝟏𝟏𝟎𝟓)𝟐

𝟒𝟏𝟎𝟐𝟗𝟎𝟎𝟎−𝟒𝟎𝟗𝟒𝟔𝟖𝟖𝟎 𝟖𝟐𝟏𝟐𝟎
= = = 8,34129
𝟏𝟐𝟑𝟎𝟖𝟕𝟎−𝟏𝟐𝟐𝟏𝟎𝟐𝟓 𝟗𝟖𝟒𝟓

𝒂 = 𝟖, 𝟑𝟒𝟏𝟐𝟗

𝒏 ∑ 𝑿𝒀−(∑ 𝑿)(∑ 𝒀) 𝒏 ∑ 𝑿𝒀
b= =
𝒏 ∑ 𝒙𝟐 −(∑ 𝒙)𝟐 ∑ 𝒙𝟐

𝟐𝟎(𝟑𝟕𝟎𝟓𝟔)−(𝟏𝟏𝟎𝟓)(𝟏𝟎𝟎𝟎)
=
𝟐𝟎(𝟒𝟏𝟎𝟐𝟗)− (𝟏𝟏𝟎𝟓)𝟐

𝟏𝟏𝟏𝟏𝟔𝟖𝟎−𝟏𝟏𝟎𝟓𝟎𝟎𝟎 𝟔𝟔𝟖𝟎
= = = 𝟎. 𝟔𝟕𝟖𝟓𝟏𝟕
𝟏𝟐𝟑𝟎𝟖𝟕𝟎−𝟏𝟐𝟏𝟎𝟐𝟓 𝟗𝟖𝟒𝟓

b = 𝟎. 𝟔𝟕𝟖𝟓𝟏𝟕

Dari hasil di atas, dapat dibuat persamaan garis regresinya : Y  8,34  0,68X

Jika X = 30, maka Y = 8,34 + 0,68 (30) = 28,70

Gambar persamaan garis regresi:




Y  8,34  0,68X
Y

28,70

8,34
X
30
Uji Kelinieran dan Keberartian Regresi

Hipotesis yang diuji adalah

H0 : Regresi Linier
H1 : Regresi Non Linier

Makalah Regresi Linear Sederhana


9

H0 : Harga F regresi non signifikan/ tidak bermakna/tidak berarti


H1 : Harga F regresi signifikan/bermakna/berarti

Langkah yang dilakukan dalam menguji hipotesis di atas adalah sebagai berikut:

Langkah pertama Urutkan data X dari yang terkecil sampai dengan data yang
terbesar, diikuti oleh data Y. (untuk lebih memudahkan anda dengan cara manual,
saya sarankan untuk menggunakan program Excel).
Setelah data anda urutkan, maka kelompokkan data skor motivasi dan prestasi
belajar seperti pada tabel berikut.

X Kelompok ni Y jumlah kelompok ke i


30 1 1 29
32 2 2
32 30
33 3 2 31
33 32
34 4 5 32
34 31
34 30
34 30
34 32
35 5 1 32
36 6 3 30
36 32
36 34
37 7 3 33
37 34
37 32
38 8 2 35
38 34
39 9 2 36
39 35
40 10 5 38
40 35
40 33
40 37
40 36
41 11 1 37
42 12 3 36
42 35
42 38

Jadi,dengan demikina terdapat 12 kelompok

Makalah Regresi Linear Sederhana


10

Langkah kedua Hitung berturut-turut Jumlah Kuadrat (JK) = Sum Square


(SS) dengan rumus berikut:
∑X = 1105
∑Y = 1000
∑XY = 37056
∑X2 = 41029
∑Y2 = 33528
2
JK (T) = ∑ 𝑌 = 33528
(∑ 𝑌) 2 (1000) 2
JK (a) = = = 𝟑𝟑𝟑𝟑𝟑, 𝟑𝟑
𝑛 30
( ∑ 𝑋 ) (∑ 𝑌) (1105)(1000)
JK (b|a) = b {∑ 𝑋𝑌 − } = 0,68 {370056 } = 𝟏𝟓𝟏, 𝟒𝟏
𝑛 30

JK (S) = JK (T) – JK (a) – JK (b|a) = 33528 – 33333,33 – 151,41 = 43,26


(∑ 𝑌)2
JK (G) = ∑ {∑ 𝑌 2 − }
𝑛

(29)2 (31+30)2 (31+32)2


= {292 − } + {312 + 302 − } + {312 + 322 − }+
1 2
(32+31+30+30+32)2 (32)2
{322 + 312 + 302 + 302 + 302 − } + {322 − }+
5 1
(30+32+34)2 (33+34+32)2
{302 + 322 + 342 − } + {332 + 342 + 322 − }+
3 3
(36+34)2 (36+35)2
{362 + 342 − } + {362 + 352 − }+
2 2
(38+35+33+37+36)2 (37)2
{382 + 352 + 332 + 372 + 362 − } + {372 − }+
5 3
(36+35+38)2
{362 + 352 + 382 − } = 37,67
3

JK (G) = 37,67
JK(TC) = JK (S) – JK (G) = 43,26 -37,67 = 5,59
Langkah ketiga ,hitung derajat kebebasan (dk)

dk(a) = 1 dk = derajat kebebasan = degree of freedom (df)


dk (b|a) = 1 jumlah prediktor = 1

dk sisa = n – 2 = 30 – 2 = 28

dk tuna cocok = k – 2 = 12 – 2 = 10 k = jumlah


pengelompokan data X = 12 dk galat = n – k = 30 – 12 = 18

Makalah Regresi Linear Sederhana


11

Langkah keempat ,hitung mean kuadrat (MK) atau rerata jumalah kuadrat
( RJK)

MK(T) = JK(T) : n = 33528 : 30 = 1117,6


MK(S) = JK(S) : dk(S) = 43,26 : 28 = 1,54
MK(reg) = JK(reg) : dk(reg) = 151,41 :1 = 151,41
MK(TC) = JK(TC) : dk(TC) = 5,59 : 10 = 0,56
MK(G) = JK(G) : dk(G) = 37,67 : 18 = 2,09

Langkah kelima,masukkah kedalam tabel F (ANAVA) untuk regresi linear


berikut
F(Reg) = MK(Reg) : MK(Sisa) = 151,41 : 1,54 = 98,01
F(TC) = MK(TC) : MK(G) = 0,56 : 2,09 = 0,27

Tabel ringkasan ANAVA untuk menguji keberartian dan linieritas regresi

Sumber
Variasi JK (SS) dk (df) MK (MS) Fhitung Ftabel
Total 33528 30 1117,6 - -
Koefisien (a) 33333,33 1 - - -
Regresi (b|a) 151,41 1 151,41 98,01*) 4,20
Sisa (residu) 43,26 28 1,54
Tuna cocok 5,59 10 0,56 0,27ns 2,42
Galat (error) 37,67 18 2,09

*) Signifikan pada taraf signifikansi 5%


ns = nonsignifikan

Keteranagan
JK (T) = Jumlah Kuadrat Total
JK (a) = Jumlah Kuadrat (a) --> Koefisien (a) = konstAnta, X=0
JK (b|a) = Jumlah Kuadrat (b|a)  Koefisien Regresi
JK (S) = Jumlah Kuadrat Sisa
JK (G) = Jumlat Kuadrat Galat (error)
JK (TC) = Jumlah Kuadrat Tuna Cocok (Penyimpanan Linieritas)
MK = Mean Kuadrat = Sum Square (SS) = Rerata Jumlah Kuadrat
(RJK)

Makalah Regresi Linear Sederhana


12

Langkah keenam,langkah terakhir membuat keputusan atau kesimpulan

Aturan pengambilan keputusan: Jika Fhitung (regresi) lebih besar dari


harga Ftabel pada taraf signifikansi 5% (α = 0,05), maka harga F hitung
(regresi) signifikan, yang berarti bahwa koefisien regresi adalah berarti
(bermakna). Dalam hal ini, F hitung (regresi) = 98,01, sedangkan F tabel untuk
dk 1 : 28 (pembilang =1; penyebut = 28) untuk taraf signifikansi 5% = 4,20.
Ini berarti harga Fhitung > Ftabel, sehingga hipotesis nol ditolak dan hipotesis
alternatif diterima, sehingga F regresi adalah signifikan. Dengan demikian,
terdapat hubungan fungsional yang signifikan antara varaibel motivasi dan
prestasi belajar.
Jika harga Fhitung (tuna cocok) lebih kecil dari harga Ftabel, maka harga
F hitung (tuna cocok) nonsignifikan, yang berarti bahwa hipotesis nol diterima
dan hipotesis alternatif ditolak, sehingga regresi Y atas X adalah linier. Dalam
hal ini, Fhitung (tuna cocok) = 0,27, sedangkan harga Ftabel untuk taraf
signifikansi 5% = 2,42, dengan demikian harga F tuna cocok < F tabel. Ini
berarti, H0 diterima sehingga harga F tuna cocok adalah nonsignifikan.
Dengan demikian, hubungan antara variabel motivasi dan prestasi belajar
matematika adalah linier.

Langkah ketujuh,menghitung kadar hubungan antara X dan Y atau kontribusi


X terhadap Y

Koefisien korelasi (r) dapat dihitung dengan rumus berikut:


𝐽𝐾(𝑇𝐷) − 𝐽𝐾(𝑆)
𝑟2 =
𝐽𝐾(𝑇𝐷)
Dimana: JK(TD) = Jumlah kuadrat total dikoreksi
JK(TD) = JK(T) – JK(a) = 33528 – 33333,33 = 194,67
194,67− 43,26
Jadi = 𝑟 2 = 𝟎, 𝟕𝟕𝟖
194,67

Koefisien korelasinya (r) = √0.778 = 0,881


Hubungan motivasi denga orestasi belajar matematika = 0,881. Kontribusi atau
sumbangan motivasi terhadap prestasi belajar adalah sebesar 77,8% sedangkan

Makalah Regresi Linear Sederhana


13

sisanya (residunya) sebesar 22,2% dijelaskan oleh variabel lain yang tidak diteliti.
Koefisien korelasi juga dapat dihitung dengan korelasi product moment
dengan rumus:
𝑁 ∑ 𝑋𝑌−(∑ 𝑋)(∑ 𝑋𝑌)
𝑟𝑥𝑦 = 2
√{∑ 𝑋2 −(∑ 𝑋)2 } {𝑁 ∑ 𝑌 2−(∑ 𝑌) }

Ingat : kalau anda menggunakan rumus ini,maka gunakanlah tabel nilai-nilai


r produck moment.
Kesimpulan Penelitian:
1. Terdapat hubungan yang signifikan antara motivasi dan prestasi belajar
matematika
2. Motivasi dapat memprediksi prestasi belajar sebesar 77,8%. Sedangkan
sisanya sebesar 22,2% dijelaskan oleh variabel lain yang tidak diteliti.

2.3 Analisis Regresi dengan Bantuan SPSS

Apakah software SPSS sudah terinstall di komputer anda? Kalau belum


silahkan download softwarenya di kotak slideshare di bagian kiri blog ini, lalu
install ke komputer anda.
Setelah software SPSS di install, langkah-langkah analisis regresi sederhana
sebagaimana telah dijelaskan dengan cara manual di atas dapat kita lakukan
dengan langkah-langkah sebagai berikut.
Langkah pertama,Masukkan sata yang akan dianalisis pada editor SPSS
(SPSS Data Editor)

Makalah Regresi Linear Sederhana


14

Struktur Data (masih menggunakan contoh data di atas)

Langkah kedua,klick MENU ANALYZE  pilih REGRESSION  klick


LINIER

Makalah Regresi Linear Sederhana


15

Dengan mengklick Linier sebagaiman diatas,akan muncul kotak dialog seperti


berikut:

Langkah ketiga,Pindahkan variable yang akan dianalisis dalam kolom


dependent sebagai variable terikat (y) dan independent sebagai variable terikat
(x)

Langkah kempat,Klick STATISTICK untuk menentukan uji tambahan seperti


gambar berikut,lalu klickk CONTINUE

Makalah Regresi Linear Sederhana


16

Langkah kelima,Pilih PLOT untuk membuat visualisasasi keluaran seperti


berikut

Langkah keenam,klick SAVE jika ingin menyimpan beberapa hasil uji,seperti


gambar berikut

Makalah Regresi Linear Sederhana


17

Langkah ketujuh,klick options,apabila dikehendaki beberapa beberapa


perhitungan statistic lain dalam analisa regresi seperti berikut

Langkah kedelapan,klick CONTINEU ,kemudian klick OK sehinnga


menghasilkan output seperti berikut

Makalah Regresi Linear Sederhana


18

Maka OUTPUT nya akan tampilseperti berikut

Uraian Output Uji regresi dengan SPSS secara keseluruhan sebagai berikut:

Regression
Descriptive Statistics
Mean Std. Deviation N
Prestasi Belajar 33.3333 2.5909 30
Motivasi 36.8333 3.3639 30

Correlations
Prestasi
Belajar Motivasi
Pearson Correlation Prestasi Belajar 1.000 .881
Motivasi .881 1.000
Sig. (1-tailed) Prestasi Belajar . .000
Motivasi .000 .
N Prestasi Belajar 30 30
Motivasi 30 30

Makalah Regresi Linear Sederhana


19

b
Variables Entered/Removed
Variables Variables
Model Entered Removed Method
1 Motivasia . Enter
a.
All requested variables entered.
b.
Dependent Variable: Prestasi Belajar

Model Summaryb
Adjusted Std. Error of Durbin-W
Model R R Square R Square the Estimate atson
a
1 .881 .776 .768 1.2476 1.770
a.
Predictors: (Constant), Motivasi
b.
Dependent Variable: Prestasi Belajar

ANOVAb
Sum of
Model Squares Df Mean Square F Sig.
1 Regression 151.083 1 151.083 97.062 .000a
Residual 43.584 28 1.557
Total 194.667 29
a.
Predictors: (Constant), Motivasi
b.
Dependent Variable: Prestasi Belajar

Coefficients
Standardi
zed
Model Unstandardized Coefficien
95% Confidence
Coefficients ts Interval for B
Lower Upper
B Std. Error Beta T Sig. Bound Bound
(Constan
t)1 8.341 2.547 3.275 .003 3.124 13.558
Motivasi .679 .069 .881 9.852 .000 .537 .820
a.
Dependent Variable: Prestasi Belajar

Makalah Regresi Linear Sederhana


20

Residuals Statisticsa
Std.
Minimum Maximum Mean Deviation N
Predicted Value 28.6968 36.8390 33.3333 2.2825 30
Std. Predicted
Value -2.031 1.536 .000 1.000 30
Standard Error of
.2281 .5228 .3138 7.400E-02 30
Predicted Value
Adjusted Predicted
Value 28.6322 37.0772 33.3291 2.2963 30
Residual -2.7679 2.5180 -1.18E-15 1.2259 30
Std. Residual -2.219 2.018 .000 .983 30
Stud. Residual -2.259 2.086 .002 1.015 30
Deleted Residual -2.8696 2.6899 4.264E-03 1.3089 30
Stud. Deleted
Residual -2.453 2.229 -.007 1.053 30
Mahal. Distance .002 4.126 .967 .962 30
Cook's Distance .000 .159 .034 .045 30
Centered Leverage
Value .000 .142 .033 .033 30
a. Dependent Variable: Prestasi Belajar

Charts
Histogram
Dependent Variable: Prestasi Belajar
7

2
Std. Dev = .98
Frequency

1
Mean = 0.00
0 N = 30.00
-2.00 -1.50 -1.00 -.50 0.00 .50 1.00 1.50 2.00

Regression Standardized Residual

Makalah Regresi Linear Sederhana


21

Normal P-P Plot of Regression Stand


Dependent Variable: Prestasi Belajar

.100

Expected Cum Prob .75

.50

.25

0.00
0.00 .25 .50 .75 1.00

Observed Cum Prob

Scatterplot
Dependent Variable: Prestasi Belajar

40

38

36

34

32

30

‘’ 28
-3 -2 -1 0 1 2

Regression Standardized Predicted Value

Langkah kesembilan, Interpretasikan hasil analisis


Berdasarkan perhitungan maka langkah selanjutnya adalah melakukan uji
hipotesis nyata tidaknya model regresi linier dengan mengambil hipotesis:

Makalah Regresi Linear Sederhana


22

a. Susun Hipotesis

Ho : Motivasi dengan prestasi belajar tidak mempunyai hubungan


berupa garis linier
Ha : Motivasi dengan prestasi belajar mempunyai hubungan berupa garis
linier.
b. Tetapkan signifikansi, misalnya α = 0,05
c. Bandingkan α dengan signifikansi yang diperoleh pada tabel Anovab .
apabila α < Sig, maka H1 diterima, sebaliknya bila α ≥ Sig, maka H0
diterima.

ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 151.083 1 151.083 97.062 .000a
Residual 43.584 28 1.557
Total 194.667 29
a.
Predictors: (Constant), Motivasi
b.
Dependent Variable: Prestasi Belajar
Mekanisme pengujian signifikansi harga F-hitung pada analisis data dengan
SPSS sedikit berbeda dengan analisis secara manual. Pada analisis secara manual,
signifikansi nilai F-hitung diuji dengan membandingkan nilai F-tabel. Bila F-hitung
> F tabel maka nilai F-hitung signifikan, yang berarti H1 diterima. Pada analisis
data dengan SPSS, signifikansi nilai Fhitung ditentukan berdasarkan nilai
signifikansi yang diperoleh dari perhitungan. Bila nilai signifikansi yang diperoleh
dari perhitungan (Sig.) lebih kecil dari taraf signifikansi yang ditetapkan (α), maka
nilai F-hitung yang diperoleh signifikan, yang berarti H1 diterima. Dengan
demikian dari tabel Anovab sebagaimana di atas (perhatikan lingkaran merah).
Ternyata nilai Sig. = 0,000 < dari α = 0,05. sehingga dapat disimpulkan bahwa
terdapat hubungan yang signifikan antara motivasi dengan prestasi belajar
matematika di SMA X. Untuk mengetahui besarnya kontribusi motivasi terhadap
prestasi bisa dilihat pada tabel model summary berikut:

Makalah Regresi Linear Sederhana


23

Model Summaryb
Adjusted Std. Error of Durbin-W
Model R R Square R Square the Estimate atson
a
1 .881 .776 .768 1.2476 1.770
a.
Predictors: (Constant), Motivasi
b.
Dependent Variable: Prestasi Belajar

Dari hasil di atas, dapat dilihat bahwa hasil perhitungan dengan menggunakan
cara manual sama dengan hasil perhitungan dengan SPSS. Perbedaan nilai
dibelakang koma dapat diterima, karena hal ini terkait dengan tingkat ketelitian.

Makalah Regresi Linear Sederhana


24

BAB III

PENUTUP

3.1 Kesimpulan

Regresi linear merupakan suatu metode analisis statistik yang mempelajari


pola hubungan antara dua atau lebih variabel. Pada kenyataan sehari-hari sering
dijumpai sebuah kejadian dipengaruhi oleh lebih dari satu variabel, oleh karenanya
dikembangkanlah analisis regresi linier sederhana untuk menganalisi ssuatu
persoalan.

Adanya metode analisis regresi ini sangat menguntungkan bagi banyak


pihak, baik di bidang sains, sosial, industri maupun bisnis. Salah satu manfaat
analisis regresi adalah memperkirakan suatu kejadian yang akan terjadi dengan
menganalisis penyebab yang mungkin mempengaruhi kejadian tersebu.Dalam
makalah ini akan diuraikan masalah regresi,yaitu regrsi linear sebagai pengukur
hubungan antara dua variabel atau lebih.
Maka Dari hasil di atas, dapat dilihat bahwa hasil perhitungan dengan
menggunakan cara manual sama dengan hasil perhitungan dengan SPSS. Perbedaan
nilai dibelakang koma dapat diterima, karena hal ini terkait dengan tingkat
ketelitian.

3.2 Saran

Dalam melakukan analisis Regresi terlebih dahulu harus diketahui apakah


variabel-variabel yang akan diregresikan, itu merupakan regresi linear maupun
regresi non linear, karena hal ini akan menetukan tehnik analisa regresi mana yang
akan dipergunakan dalam menganalisis data.

Untuk mengetahui apakah variabel-variabel yang akan diregresiakn


apakah itu regresi linear atau non linear ada beberapa metode yang dapat
digunakan, yaitu metode tangan bebas menggunakan diagram sebagai bahan
pertimbangan merupakan cara yang paling sederhana untuk menentukan suatu
variabel regresi linear dan regresi non linear.

Makalah Regresi Linear Sederhana


25

DAFTAR PUSTAKA

 Brian pamukti,analisisi regresi linear sedrhana


http://www.slideshare.net/brianpamukti/2-analisis-regresi-linier-
sederhana.Diakses pada tanggal 09 Novemnber 2016 pada pukul 18.45

 Nur cendanasari,modul analisis regresi


http://www.slideshare.net/nurcendanasari/modul-6-32056522.Diakses pada
tanggal 09 November 2016 pada pukul 18.50.

 Rukmono budi,makalah analisis regresi


http://www.slideshare.net/rukmonobudi/makalah-analisis-regresi.Diakses
pada tanggal 09 November 2016 pada pukul 18.55.

 Guntur sandiro,makalah analisis regresi


linear.http://www.slideshare.net/guns12380/analisis-regresi-
sederhana.Diakses pada tanggal 09 November 2016 pada pukul 19.00.

Makalah Regresi Linear Sederhana