Makalah Statistika Pendidikan

ANALISIS REGRESI

Oleh:

Intan Rahma Syafitri 1605122695

Meiana Faniyanti 1605115000
Mia Permata Musva 1605111213
Nurhafizah Hayati 1605122043
Tiara Yulandari 1605110577
Yolanda Frastika Yonasri 1605115033

Dosen Pengampu :
Dr. Putri Yuanita, M.Ed

PROGRAM STUDI PENDIDIKAN MATEMATIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS RIAU
2018
 KATA PENGANTAR

Puji syukur kami ucapkan kehadirat Tuhan Yang Maha Esa yang telah
memberikan rahmat dan karunia-Nya kepada kami sehingga kami berhasil
menyelesaian Makalah Penelitian Pendidikan Matematika dengan judul Variabel
Penelitian ini tepat waktu.
Makalah ini berisikan informasi mengenai Analisis Varians, yang meliputi
analisis varian satu jalan.
Kami berharap makalah ini dapat memberikan informasi kepada kita
semua tentang statistika pendidikan. Dalam hal ini pun penyusun masih dalam
tahapan belajar, oleh karena itu kritik dan saran dari semua pihak yang bersifat
membangun selalu kami harapkan demi kesempurnaan makalah ini.
Akhir kata, kami sampaikan terimakasih kepada semua pihak yang telah
berperan serta dalam penyusunan makalah ini dari awal sampai akhir.

Pekanbaru, 04 Desember 2018

Penyusun
 ANALISIS REGRESI

Analisis regresi merupakan teknik analisis yang khas untuk jenis penelitian
assosiatif. Analisis regresi bertujuan mempelajari “pengaruh” variabel bebas
(predictor) terhadap variabel tak bebas (criterion). Analisis regresi dapat
digunakan untuk mempelajari pengaruh antara predictor dan criterion.

A. Analisis Regresi (Anareg) Sederhana

Analisis regresi sederhana mempelajarai apakah antara dua variabel atau lebih
mempunyai pengaruh/hubungan atau tidak, mengukur kekuatan pengaruhnya, dan
membuat ramalan yang didasarkan kepada kuat lemahnya pengaruh/hubungan
tersebut. Teknik analisis ini akan bermakna apabila pengaruh antar variabel-
variabel didasarkan pada kerangka teori yang terkuat.

Jika skala pengukuran data dari dua variabel yang dianalisis merupakan skala
interval atau rasio maka untuk menjelaskan pengaruh antara kedua variabel
tersebut dapat dilakukan dengan menggunakan regresi sederhana. Misalkan kedua
variabel tersebut adalah X dan Y, maka pengaruh X terhadap Y dianalisis melalui
regresi sederhana Y atas X. Variabel X disebut variabel bebas (predictor) dan
variabel Y disebut variabel tak bebas (criterion). Asosiasi antara variabel X dan Y
dinyatakan dalam suatu persamaan atau model matematika sebagai berikut:

Model Regresi : Y = α + βX + e (populasi)

Fungsi Taksiran : ̂
Y = a + bX (sampel)

Dimana a = konstanta, b = koefisien (slope), yang nilainaya dapat diperoleh

dari data sampel. Untuk memperoleh nilai a dan b dibutuhkan pasangan data
(X,Y) sebanyak n. Misalkan pasangan data variabel X dan Y disajikan sebagai
berikut.
No X Y
1 X1 Y1
2 X2 Y2
3 X3 Y3
. . .
. . .
n X𝑛 Y𝑛
Pada analisis regresi data variabel X dan Y mensyaratkan data sampel yang
terpilih harus random, berdistribusi normal, dan homogen. Dari perhitungan
melalui pasangan data (X,Y) minimal dapat ditentukan:
a. Persamaan atau model regresi Y atas X
b. Linearitas regresi dan signifikansi regresi Y atas X
c. Koefisien korelasi dan koefisisen determinasi
1. Perhitungan Analisis Regresi Sederhana Secara Manual

Contoh 8.1

Misalnya akan dianalisis pengaruh kompetensi (X) dan kinerja pegawai (Y).
Untuk keperluan tersebut telah diambil sampel acak sebanyak 15 pegawai
sebagai berikut:

No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
X 40 55 32 55 50 52 61 44 30 22 40 64 58 48 44
Y 4 16 12 24 15 24 22 17 4 14 24 26 20 9 14

a. Tentukan persamaan regresi Y atas X

b. Lakukan pengujian
1) Linearitas regresi Y atas X
2) Signifikansi/keberanian regresi Y atas X
c. Hitung koefisisen korelasi dan koefisisen determinasi Y dan X

Penyelesaian:

Untuk menjawab pertanyaan diatas, terlebih dahulu dibuat tabel persiapan atau
tabel kerja, sebagai berikut:

No X X2 Y Y2 XY
1 40 1600 4 16 160
2 55 3025 16 256 880
3 32 1024 12 144 384
4 55 3025 24 576 1320
5 50 2500 15 225 750
6 52 2704 24 576 1248
7 61 3721 22 484 1342
8 44 1936 17 289 748
9 30 900 4 16 120
10 22 484 14 196 308
11 40 1600 24 576 960
12 64 4096 26 676 1664
13 58 3364 20 400 1160
14 48 2304 9 81 432
15 44 1936 14 196 616
Jumlah 695 34219 245 4707 12092
a. ̂ = 𝐚 + 𝐛𝐗)
Menentukan Persamaan Regresi Y atas X (𝐘

Dari tabel di atas, dapat ditentukan persamaan atau model regresi sebagai
berikut.

̂ = a + bX
Y
∑ 𝑥𝑦
b= ∑ 𝑥2
dan a = ̅ ̅
Y − bX

̅ = 46,33
∑ X = 695 , ∑ X 2 = 34219 , X

̅ = 16,33 , ∑ XY = 12092
∑ Y = 245 , ∑ Y 2 = 4707 , Y
(∑ X)(∑ Y) (695)(245)
∑ 𝑥𝑦 = ∑ XY − = 12092 − = 740,33
𝑛 15

(∑ X)2 (695)2 483025

∑ 𝑥2 = ∑ X2 − = 34219 − = 34219 − = 2017,33
𝑛 15 15

(∑ Y)2 (245)2 60025

∑ 𝑦2 = ∑ Y2 − = 4707 − = 4707 − = 705,33
𝑛 15 15

740,33
b = 2017,33 = 0,367 dan a = 16,33 − (0,367)(46,33) = −0,673

Persamaan regresi Y dan X adalah: ̂

Y = −0,673 + 0,367X

b. Uji Linearitas dan Signifikansi Regresi Y dan X

Pengujian linearitas dan signifikansi regresi Y dan X dilakukan dengan

langkah-langkah sebagai berikut.

1) Menghitung Jumlah Kuadrat (JK) beberapa sumber varians

JK(T) = ∑ Y 2 = 4707
(∑ Y)2 60025
JK (a) = = = 4001,67
𝑛 15
𝑏
JK(𝑎) = b ∑ 𝑥𝑦 = (0,367)(740,33) = 271,701
𝑏
JK (S) = JK(T) − JK (a) − JK (𝑎)

= (4707) − (4001,67) − (271,701) = 433,629

2 (∑ Y𝑖 )2
JK (G) = ∑𝑖=12
𝑖=1 {∑ Y𝑖 − }
𝑛𝑖

Untuk itu data terlebih dahulu diurutkan menurut variabel X

No 1 2 3 4 5 6 7 8 9 10 11 12
X 22 30 32 40 40 44 44 48 50 52 55 55 58 61 64
Y 14 4 12 4 24 14 17 9 15 24 16 24 20 22 26
 Selanjutnya dihitung jumlah kuadrat galat untuk data variabel Y khusus
untuk variabel X yang sama (kelompok sama) saja, karena variabel X
yang tidak sama akan bernilai nol. Perhitungannya sebagai berikut.

JK(G) = (592 − 392) + (485 − 480,5) + (832 − 800)

= (200) + (4,5) + (32)
= 236,5
JK(Tc) = JK(S) − JK(G) = 433,629 − 236,5 = 197,129

2) Menentukan derajat bebas (db) beberapa sumber varians

db(T) = n = 15
db(a) = 1
b
db ( ) = 1
a
db(S) = n − 2 = 15 − 2 = 13
db(G) = n − k = 3 (kelompok:k = 12)
db(Tc) = k − 2 = 12 − 2 = 10

3) Menghitung Rata-rata Jumlah Kuadrat (RJK)

JK(a) 4001,67
RJK(a) = = = 4001,67
db(a) 1
JK(b/a) 271,701
RJK(b/a) = = = 271,701
db(b/a) 1
JK(S) 433,629
RJK(S) = = = 33,356
db(S) 13
JK(G) 236,5
RJK(G) = = = 78,833
db(G) 3
JK(Tc) 197,129
RJK(Tc) = = = 19,7129
db(Tc) 10

4) Menentukan Fhitung berkaitan dengan linearitas dan signifikansi regresi

Uji Linearitas Regresi Y atas X
H0: Y = 𝛼 + 𝛽X (regresi linear)
H1: Y ≠ 𝛼 + 𝛽X (regresi tak linear)
RJK(Tc) 19,7129
Fhit (Tc) = = = 0,25
RJK(G) 78,83
 Bandingkan dengan Ftab untuk 𝛼 = 0,05, db(Tc) = 10, dan db(G) = 3
diperoleh Ftab(0,05: 10;3) = 8,79. Sehingga Fhit (Tc) < Ftab , hal ini
berarti H0 diterima. Dengan demikian, persamaan regresi Y atas X
berbentuk garis linear.
Uji Linearitas Regresi Y atas X
H0: 𝛽 = 0 (regresi tak berarti)
H1: 𝛽 ≠ 0 (regresi berarti)
RJK(b/a) 271,701
Fhit (b/a) = = = 8,145
RJK(S) 33,356

Bandingkan dengan Ftab untuk 𝛼 = 0,05, db(b/a) = 1, dan db(S) = 13

diperoleh Ftab(0,05: 1;13) = 4,67. Sehingga Fhit (b/a) > Ftab , hal ini berarti
H0 ditolak. Dengan demikian, regresi Y atas X adalah signifikan.
Kesimpulan dari pengujian linearitas dan signifikansi regresi ini adalah
variabel X berpengaruh terhadap Y dan bersifat linear.

5) Menyusun tabel ANOVA regresi

Tabel analisis varians regresi atau disingkat dengan tabel anareg adalah
tabel yang memuat ringkasan hasil analisis linearitas dan signifikansi
regresi. Bentuk tabel tersebut disajikan sebagai berikut:
Tabel 8.2 Uji Linearitas dan Signifikansi
Ftabel
Sumber
db JK RJK Fhitung 𝜶
Varians
= 𝟎, 𝟎𝟓
Total 15 4707 -
Regresi (a) 1 4001,67 4001,67
Regresi (b/a) 1 271,701 271,701 8,145 4,67
Sisa 13 433,629 433,629
Tuna Cocok 10 197,129 19,7129
0,25 8,79
Galat 3 236,5 78,83
 Keterangan

* = regresi signifikan (Fhit = 8,145 > Ftab = 4,67)

ns = non signifikan atau regresi (Fhit = 0,25 < Ftab = 8,79)

db = derajat bebas

JK = Jumlah Kuadrat

RJK = Rata-rata Jumlah Kuadrat

Fhit = Fhitung

Ftab = Ftabel
b
Dari hasil analisis seperti disajikan pada tabel diperoleh Fhit (a) =

8,145 > Ftab = 4,67 dan Fhit (Tc) = 0,25 < Ftab = 8,79. Dengan
demikian “Kompetensi berpengaruh terhadap kinerja pegawai dan
pengaruhnya bersifat linear”

c. Uji Signifikansi Koefisien Persamaan Regresi

Langkah-langkah perhitungan:

1) Menghitung Galat Baku Taksiran (standar error)

𝑆𝑒 2 = RJK(S) = 33,356

2) Menghitung Penduga untuk 𝛼 dan 𝛽

∑ X2 34219
𝑆𝛼 2 = 𝑛 ∑ 𝑥 2 (𝑆𝑒 2 ) = 15(2017,33) = 37,72

𝑆𝛼 = 6,14
𝑆𝑒 2 33,356
𝑆𝑏 2 = ∑ 𝑥 2 = 2017,33 = 0,0165

𝑆𝑏 = 0,13

3) Menghitung Statistik Uji-t

Hipotesis penelitian (verval) adalah “Kompetensi berpengaruh positif

terhadap kinerja pegawai”. Sedangkan hipotesisnya adalah:

H0: 𝛽 ≤ 0
 H1: 𝛽 > 0

Statistika uji yang digunakan untuk menguji signifikansi dari koefisisen

a dan b pada persamaan regresi ̂ Y = 0,673 + 0,367X adalah suatu
statistika uji-t.

a −0,673
𝑡𝑎 = = = −0,1096
𝑆𝑎 6,14

b 0,367
𝑡𝑏 = = = 2,823
𝑆𝑏 0,13

Bandingkan 𝑡𝑡𝑎𝑏 untuk 𝛼 = 0,05 dan db(S) = 13, yaitu

𝑡𝑡𝑎𝑏(0,05;13) = 1,77093 sehingga 𝑡𝑎 < 𝑡𝑡𝑎𝑏 atau H0 diterima, hal ini
berarti konstanta persamaan regresi tidak signifkan. Sedangkan,
𝑡𝑎 > 𝑡𝑡𝑎𝑏 atau H0 ditolak atau koefisien regresi bersifat signifikan.
Dengan demikian, “Kompetensi berpengaruh positif terhadap kinerja
pegawai”.

d. Koefisien Korelasi dan Uji Signifikansi Koefisien Korelasi X dan Y

Koefisien korelasi adalah koefisisen yang memperlihatkan tingkat keratan

hubungan antara variabel X dan Y.

1) Koefisisen korelasi antara X dan Y

∑ 𝑥𝑦 740,33 740,33
𝑟𝑥𝑦 = = = = 0,62
√(∑ 𝑥 2 )(∑ 𝑦 2 ) √(2017,33)(705,33) 1192,85

Jadi, koefisien korelasi antara X dan Y sebesar 0,62

2) Uji Signifikansi koefisisen korelasi X dan Y

H0: 𝜌 = 0

H1: 𝜌 ≠ 0

𝑟𝑥𝑦 √𝑛 − 2 0,62√13
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 = = = 2,85
√1 − 𝑟 2 𝑥𝑦 √1 − 0,3844

Bandingkan 𝑡𝑡𝑎𝑏𝑒𝑙 untuk 𝛼 = 0,05 dan db = n − 2 = 13, diperoleh

𝑡𝑡𝑎𝑏(0,05;13) = 1,77093 sehingga 𝑡ℎ𝑖𝑡 > 𝑡𝑡𝑎𝑏 atau H0 ditolak. Hal ini
berarti bahwa korelasi antara X dengan Y signifikan. Karena koefisien
korelasi adalah positif, maka makin tinggi kompetensi makin tinggi
pula kinerja pegawai yang dapat dicapai.
3) Koefisisen determinasi

Koefisisen determinasi adalah sebuah koefisien yang memperlihatkan

besarnya variansi yang ditimbulkan oleh variabel bebas (predector).
Koefisien determinasi didefinisikan sebagai kuadrat dari koefisien
korelasi dikali 100%. Sehingga untuk analisis di atas, koefisien
determinasi adalah (𝑟 2 𝑥𝑦 × 100%) = 0,3844 × 100% = 38,44%.
Koefisien ini mengandung makna bahwa 38,44% variansi variabel
kinerja pegawai dapat dijelaskan oleh variabel kompetensi. Dalam
pengertian lain, bahwa dengan mengontrol predictor lain yang juga
berhubungan dengan variabel kinerja, maka dapat disimpulkan bahwa
pengaruh variabel kompetensi terhadap variabel kinerja pegawai sebesar
38,44%.