Analisis Regresi 2013
Analisis Regresi 2013
Sebagai contoh penelitian yang menggunakan analisis regresi misalnya: seorang guru ingin
meneliti pengaruh perhatian siswa dalam pelajaran matematika terhadap prestasi (skor hasil
ulangan) matematika, atau dengan kata lain inginn menjawab masalah penelitian: jika siswa
semakin memperhatikan pelajaran matematika, apakah prestasi belajar matematikanya semakin
meningkat? Atau penelitian yang ingin mendeskripsikan faktor-faktor yang mempengaruhi
prestasi belajar matematika.
Untuk keperluan analisis regresi, variabel yang ingin dikaji dikelompokkan menjadi dua, yakni
variabel yang mempengaruhi disebut variabel bebas (independen/prediktor)dan diberi lambang
“X”, sedangkan variabel yang dipengaruhi (variabel yang ingin diprediksi) disebut variabel tak
bebas (variabel terikat/bergantung/dependen) dan diberi lambang “Y”. Dalam analisis regresi
variabel bebasnya bisa lebih dari satu variabel.Sebagai contoh, penelitian seorang guru yang
ingin menjelaskan pengaruh persepsi siswaSD “Ngayojakarto Hadiningrat” terhadap antusiasme
guru dalam pembelajaran dan kecemasan siswa dalam pelajaran terhadap prestasi belajar
matematika.Pada penelitian ini, banyaknya variabel bebas ada dua.
Secara kuantitatif hubungan antara variabel bebas dan variabel terikat dapat dimodelkan dalam
suatu persamaan, sehingga nilai variabel terikat dapat diduga (ditentuka) jika nilai varibel
bebasnya diketahui.Persamaan yang menggambarkan hubungan antara varibel bebas dan
variabel terikat disebut persamaan regresi.Persamaan yang terdiri dari satu variabel bebas dan
satu variabel terikat disebut persamaan regresi sederhana, sedangkan yang terdiri dari satu
variabel terikat dan beberapa variabel bebas disebut persamaan regresi ganda.
Persamaan regresi linear sederhana untuk populasi:
Yi = 0 + 1 X i + i
Dengan Y = variabelterikat, X = variabel bebas, 0 = intersep/perpotongan dengan sumbu tegak,
1 = kemiringan/gradien, ierror / galat.
Yi = b0 + b1 Xi + ei
Yˆi = b0 + b1 Xi
̂𝑖 adalah penduga Yi, , b 0 adalah penduga untuk 0, dan b1 adalah penduga untuk 1.
dengan: 𝑌
Untuk memberikan gambaran hubungan antara garis regresi penduga dengan data hasil
pengamatan diberikan ilustrasi (gambaran) sebagai berikut.
Untuk variabel bebas Xi nilai pengamatan Yi tidak selalu tepat berada pada garis regresi
penduga:
Yˆ = b0 + b1Xi
i
Y yi Yˆi = b0 + b1 Xi
ei
Yi 0 1 X i1 2 X i 2 p 1 X i , p 1 i
Untuk pendugaan parameter model regresi sederhana dapat dilakukan dengan dua langkah yaitu
ANAVA dengan uji F (model regresinya) dan dilanjutkan dengan uji t (signifikansi dari intersep
dan gradiennya).
a. Uji untuk1=0 lawan 10 dan 1=0 lawan 10, dengan ANAVA
Hipotesis
Sumber
db JK KT Fhit Ftabel/Sig.
Keragaman
Regresi 1 JKR KTR=JKR/1 Fhit=KTR/KTG Fα(1,n2)/ nilai
signifikansi
Galat n2 JKG KTG=JKG/(n2) - dariSPSS
Ho ditolak jika Fhit > Ftabel(nilai signifikasinya (sig.) kurang dari 5%), yang berarti
model regresi cocok atau ada hubungan liner antara X dan Y
Keterangan
JKT Yi 2 nY 2
JKG Yi 2 b0 Yi b1 X i Yi
X i Yi
2
Yi
2 X i Yi
n
Yi 2
n Xi
2
i X 2
n
JKR JKT JKG
thit
b1 i 1 i 1
Statistik uji adalah : s b1
KTG
dengan s 2 b1
X
2
X
2 i
i
n
Kriteria keputusan :
H0 ditolak jika |thit|> tα/2(n2) atau nilai sig. kurang dari 5%.
Hipotesis
H0 : 0=0
H1 : 0 0 n n n n
n yi xi2 xi xi yi
0 diduga dengan b0, yang dihitung dengan rumus: b0 i 1 i 1 i 1 i 1
2
n
n
x
i 1
2
i xi
i 1
atau b0
1
n
Yi b1 X i Y b1 X
b0
Statistik uji adalah : thit
s b0
X2
s b0 KTG
2 1
dengan
2
n X
X i2 n
i
Kriteria keputusan :
H0 ditolak jika |thit|> tα/2(n2) atau nilai sig. kurang dari 5%.
Untuk pendugaan parameter model regresi ganda serupa dengan uji pada regresi linear
sederhana, bedanya hanya parameter gradiennya lebih dari satu. Untuk perhitungannyayang
mudah menggunakan program SPSS.
Hipotesis yang diuji dalam analisis regresi ganda adalah
Untuk perhitungannya secara manual agak panjang, untuk itu agar mudah digunakan
program statistik yang sudah tersedia di pasaran (misalnya: SPSS).
Sebagai contoh perhitungan untuk analisis data tersebut, perhatikan data hasil pengukuran
terhadap persepsi siswa terhadap penilaian oleh guru, kecemasan siswa terhadap pelajaran
matematika, dan prestasi belajar matematika dari 30 orang siswa SD di suatu daerah sebagai
berikut.
Untuk melakukan analisis data dengan bantuan program SPSS dilakukan langkah-langkah
sebagai berikut.
1. Membuka program SPSS, maka akan diperoleh tampilan seperti berikut.
Pada saat SPSS pertama kali dibuka, maka akan terlihat tampilan sebagai berikut.
Langkah-langkah yang ditempuh untuk memasukkan data ke SPSS adalah sebagai berikut.
a. Membuka lembar kerja baru, dengan cara memilih menu New dari menu utama File pada
menu DATA EDITOR. Dengan mengklik mouse pada menu tersebut, tampak beberapa
pilihan, kemudian klik mouse pada Data. Sekarang SPSS siap membuat variabel baru
yang diperlukan.
b. Menamai variabel yang diperlukan. Untuk data di atas ada 3 variabel, maka akan
dilakukan input nama variabel sebanyak tiga kali, caranya adalah klik mouse pada
Variable View pada bagian kiri bawah monitor, sehingga akan terlihat seperti tampilan
berikut. Kemudian isilah pada kolom Name dengan ketiga variabel di atas, yakni PS,
KCM, dan PM. Pada kolom-kolom yang lain biarkan kosong (diisi juga boleh, kalau mau
mengisi klik pada sel tersebut maka akan ada menu/pilihannya).
tidak cocok, atau “ 1 2 0 ,” atau “Regresi Y atas X1, X 2 tidak signifikan,” pada taraf
signifikan a , dengan Analisis Varians:
Kriteria keputusann: Hipotesis nol ditolak jika F hitung> F a;(n-k-1), atau Sig (F ) a atau
jika “ p value” < a. langkah-langkah yang ditempuh adalah:
b. Memulai analisis, yakni dengan mengklik mouse kalau sudah melihat tampilan
seperti di atas, sehingga di layar akan terlihat tampilan seperti di bawah ini.
c. Dari output nampak bahwa Sig (F ) 0,367; ini berarti bahwa hipotesis nol yang
menyatakan bahwa model regresinya tidak cocok (tidak berbentuk
“𝑌̂ = 𝑏0 + 𝑏1 𝑋1 + 𝑏2 𝑋2” atau Y tidak tergantung pada X1, X 2 ,” atau “
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 14.605 2 7.302 1.039 .367a
Residual 189.695 27 7.026
Total 204.300 29
a. Predictors: (Constant), ksm, pp
b. Dependent Variable: pm
Coefficientsa
B
%%R Correlations
a. Dependent Variable: pm
Dari hasil analisis ini dapat disimpulkan bahwa persepsi siswa terhadap penilaian guru
dan kecemasan siswa terhadap matematika bukan merupakan prediktor yang baik untuk prestasi
belajar matematika siswa.