Anda di halaman 1dari 11

Catatan Freddy

ANALISIS REGRESI

Regresi Linier Sederhana :

Contoh Perhitungan Regresi Linier Sederhana Menghitung harga a dan b Menyusun Persamaan Regresi Korelasi Pearson (Product Moment) Koefisien Determinasi (KD)

Regresi Ganda :

Regresi Ganda Dua Prediktor Korelasi Ganda Dua Prediktor Uji Signifikansi Koefisien Korelasi Ganda Analisis Regresi Tiga Prediktor Analisis Regresi dan Korelasi Ganda Empat Prediktor

PENGERTIAN

Korelasi dan regresi keduanya mempunyai hubungan yang sangat erat. Setiap regresi pasti ada korelasinya, tetapi korelasi belum tentu dilanjutkan dengan regresi.

Korelasi yang tidak dilanjutkan dengan regresi, adalah korelasi antara dua variabel yang tidak mempunyai hubungan kausal/sebab akibat, atau hubungan fungsional.

Analisis regresi dilakukan bila hubungan dua variabel berupa hubungan kausal atau fungsional. Untuk menetapkan kedua variabel mempunyai hubungan kausal atau tidak. maka harus didasarkan pada teori atau konsep-konsep tentang dua variabel tersebut.

Hubungan antara panas dengan tingkat muai panjang, dapat dikatakan sebagai hubungan yang kausal; hubungan antara kepemimpinan dengan kepuasan kerja pegawai dapat dikatakan hubungan yang fungsional: hubungan antara kupu-kupu yang datang dengan banyaknya tamu di rumah bukan merupakan hubungan kausal maupun fungsional.

Kita gunakan analisis regresi bila kila ingin mengetahui bagaimana variabel dependen/kriteria dapat diprediksikan melalui variabel independen atau prediktor secara individual.

A. REGRESI LINIER SEDERHANA

Regresi sederhana didasarkan pada hubungan fungsional ataupun kausal satu variabel independen dengan satu variabel dependen. Persamaan umum regresi linier sederhana adalah:

Y = a + bX

Dimana

Y Subyek dalam variabel dependen yang diprediksikan.

a Harga Y bila X = 0 (harga konstan)

=

=

Catatan Freddy

b = Angka arah atau koefisien regresi yang menunjukkan angka peningkatan ataupun penurunan variabel dependen yang didasarkan pada variabel independen. Bila b (+) maka naik, dan bila (−) maka terjadi penurunan. X = Subyek pada variabel independen yang mempunyai nilai tertentu.

Secara teknis harga b merupakan tangen dari (perbandingan) antara panjang garis variabel dependen, setelah persamaan regresi ditemukan. Lihat gambar berikut:

setelah persamaan regresi ditemukan. Lihat gambar berikut: Harga b b = r S y S x

Harga b

b = r

S

y

S

x

Harga a

a = Y bX

Dimana:

Gambar.

Garis Regresi karena pengaruh X, Persamaan Regresiya Y = 2,0 + 0,5X

r

= Koefisien korelasi product moment antara variabel X dengan variabel Y

Sy

= Simpangan baku variabel Y

Sx

= Simpangan baku variabel X

Jadi harga b merupakan fungsi dari koefisien korelasi. Bila koefisien korelasi tinggi, maka harga b juga besar, sebaliknya bila koefisien korelasi rendah maka harga b juga rendah (kecil). Selain itu bila koefisien korelasi negatif maka harga b juga negatif, dan sebaliknya bila koefisien korelasi positif maka harga b juga positif.

Catatan Freddy

Selain itu harga a dan b dapat dicari dengan rumus berikut:

a =

b =

(

ΣY

i

)(

ΣX

2

i

)

(

ΣX

i

)(

ΣX Y

i

i

)

n

Σ

n

Σ

X

2

i

X Y

i

i

(

ΣX

(

ΣX

i

) 2

i

)(

ΣX Y

i

i

)

nΣΣ

2

i

(

ΣX

i

) 2

A.1. Contoh perhitungan regresi linier sederhana

Data berikut adalah hasil pengamatan terhadap nilai kualitas layanan (X) dan nilai rata-rata penjualan barang tertentu (Y) tiap bulan. Data kedua variabel diberikan pada tabel berikut.

NILAI KUALITAS LAYANAN DAN NILAI RATA-RATA PENJUALAN BARANG

Nomor

Kualitas Layanan (X i )

Penjualan Barang (Y i )

1.

54

167

2.

50

155

3.

53

148

4.

45

146

5.

48

170

6.

63

173

7.

46

149

8.

56

166

9.

52

170

10.

56

174

Untuk menghitung persamaan regresinya, maka diperlukan tabel penolong seperti tabel berikut.

TABEL PENOLONG UNTUK MENGHITUNG PERSAMAAN REGRESI DAN KORELASI SEDERHANA

Nomor

X

i

Y

i

X

i Y i

X

2

Y

2

1.

 

54

 

167

 

9.018

2.916

27.889

2.

50

155

7.750

2.500

24.025

3.

53

148

7.844

2.809

21.904

4.

45

146

6.570

2.025

21.316

5.

48

170

8.160

2.304

28.900

6.

63

173

10.899

3.969

29.929

7.

46

149

 

6.854

2.116

22.201

8.

56

166

9.296

3.136

27.556

9.

52

170

8.840

2.704

28.900

10.

56

174

9.744

3.136

30.276

523

1618

84.975

27.615

262.896

A.2. Menghitung harga a dan b

a

a

a

a

b

b

=

=

=

=

=

=

b =

b

=

(1.618)(27.615)

(523)(84.975)

(10)(27.615)

(523)

2

44.681.070

44.441.925

276.150

273.529

23.9145

2.621

91,24

(10)(84.975)

(523)(1.618)

(10)(27.615)

(523)

849.750

84.6214

2

276.150

3.536

2.621

1,35

273.529

A.3. Menyusun persamaan regresi

Catatan Freddy

Setelah harga a dan b ditemukan, maka persamaan regresi linier sederhana dapat disusun. Persamaan regresi nilai layanan dan nilai rata-rata penjualan barang tertentu tiap bulan adalah seperti berikut:

Y = 91,24 + 1,35X

Persamaan regresi yang telah ditemukan dapat digunakan untuk melakukan prediksi (ramalan) bagaimana individu dalam variabel dependen akan terjadi bila individu dalam variabel independen ditetapkan. Misalnya nilai kualitas layanan = 64, maka nilai rata-rata penjualan adalah:

Y = 91,24 + 1,35 (64) = 177,64

Jadi diperkirakan nilai rata-rata penjualan tiap bulan sebesar 177,64. Dari persamaan regresi di atas dapat diartikan bahwa, bila nilai kualitas layanan bertambah 1, maka nilai rata-rata penjualan barang tiap bulan akan bertambah 1,35 atau setiap nilai kualitas layanan bertambah 10 maka nilai rata-rata penjualan tiap bulan akan bertambah sebesar 13,5 .

Pengambilan harga-harga X untuk meramalkan Y harus dipertimbangkan secara rasional dan menurut pengalaman, yang masih berada pada batas ruang gerak X, misalnya kalau nilai kualitas layanan 100, nilai rata-rata penjualan tiap bulan berapa ? Apakah ada kualitas layanan yang nilainya sebesar 100 ?

A.4. Korelasi Pearson (Product Moment)

Catatan Freddy

Antara nilai kualitas layanan dengan nilai penjualan tiap bulan dapat dihitung korelasinya. Korelasi dapat dihitung dengan rumus yang telah diberikan atau dengan rumus berikut.

=

−(∑ )(∑ )

( −(∑ ) )

Harga-harga yang telah dikemukakan daiam tabel sebelumnya dapat dimasukkan dalam rumus di atas sehingga :

=

=

=

=

=

(10)(84.975) − (523)(1.618)

(10)(27.615) (523) (10)(262.896) (1.618)

849.750 − 846.214

(276.150 − 273.529)(2.628.960 − 2.617.924)

3.536

(2.621)(11.036)

3.536

√28.925.356

3.536

5.378,23

= 0,6575

Harga r tabel untuk taraf kesalahan 5% dengan n = 34 diperoleh 0,339 dan untuk 1% = 0,436. Karena harga r hitung lebih besar dari r tabel baik untuk kesalahan 5% maupun 1% (0,6575 > 0,436 > 0,339), maka dapat disimpulkan terdapat hubungan yang positif dan signifikan sebesar 0,6909 antara nilai kualitas layanan dan rata-rata penjualan barang tiap bulan.

A.5. Koefisien Determinasi (KD)

Koefisien determinasinya r 2 = 0,6575 2 = 0.4323. Hal ini berarti niai rata-rata penjualan barang tiap bulan 43,23 % ditentukan oleh nilai kualitas layanan yang diberikan, melalui persamaan regresi Y = 91,24 + 1 ,35 X. Sisanya 56,77% ditentukan oteh faktor lain.

B. REGRESI GANDA

Catatan Freddy

Analisis regresi ganda digunakan o|eh peneliti , bila peneliti bermaksud meramalkan bagaimana keadaan (naik turunnya) variabel dependen (kriterium), bila dua atau lebih variabel independen sebagai faktor prediktor dimanipulasi (dinaik turunkan nilainya). Jadi analisis regresi ganda akan dilakukan bila jumlah variabel independennya minimal 2.

Persamaan regresi untuk dua prediktor adalah:

Y = a + b X

1

1

+ b X

2

2

Persamaan regresi untuk tiga prediktor adalah:

Y = a + b X

1

1

+ b X

2

2

+ b X

3

3

Persamaan regresi untuk n prediktor adalah:

Y = a + b X

1

1

+ b X

2

2

+

+ b X

n

n

Untuk bisa membuat ramalan melalui regresi, maka data setiap variabel harus tersedia. Selanjutnya berdasarkan data itu peneliti harus dapat menemukan persamaan melalui perhitungan.

Berikut ini diberikan tiga contoh analisis regresi ganda untuk dua, tiga dan empat prediktor.

B.1. Regresi Ganda Dua Prediktor

Penelitian dilakukan untuk mengetahui pengaruh kemampuan kerja pegawai dan kepemimpinan direktif tehadap produktrvitas kerja pegawai.

Berdasakan 10 responden yang digunakan sebagai sumber data penelitian, hasilnya adalah sebagai berikut:

No.

     

Responden

X1

X2

Y

1

10

7

23

2

2

3

7

3

4

2

15

4

6

4

17

5

8

6

23

6

7

5

22

7

4

3

10

8

6

3

14

9

7

4

20

10

6

3

19

Catatan Freddy

Untuk dapat meramaikan bagaimana produktivitas kerja pegawai bila kemampuan pegawai dan kepemimpinan direktif diinaikkan atau diturunkan, maka harus dicari persamaan regresinya terlebih dahulu.

TABEL PENOLONG UNTUK MENGHITUNG PERSAMAAN REGRESI GANDA DUA PREDIKTOR

No.

X

 

X

 

Y

X

1 Y

X

2 Y

X

1 X 2

X

2

X

2

1

2

1

2

1

10

7

23

230

161

70

100

49

2

2

3

7

14

21

 

6

4

9

3

4

2

15

60

30

8

16

4

4

6

4

17

102

68

24

36

16

5

8

6

23

184

138

48

64

36

6

7

5

22

154

110

35

49

25

7

4

3

10

40

30

 

12

16

9

8

6

3

14

84

42

18

36

9

9

7

4

20

140

80

28

49

16

10

6

3

19

114

57

 

18

36

9

60

40

170

1122

737

267

406

182

Y

X 2 = kepemimpinan direktif.

= produktivitas ;

X 1 = kemampuan kerja pegawai ;

Dari tabel diperoleh :

Y

X

X

X Y

=

1

2

1

=

=

170

60

40

=

1.122

X Y

2

=

737

X X

X

X

1

2

2

1

2

2

=

=

=

267

406

182

Untuk menghitung harga-harga a, b 1 , b 2 dapat menggunakan persamaan berikut:

(untuk regresi dua prediktor).

ΣY

ΣX

ΣX Y

1 Y

=

2

an

=

=

+

1

a

a

Σ

Σ

X

X

1

b ΣX

+

+

2

1

+

b ΣX

2

b ΣX

1

2 +

1

2

b ΣX X

2

1

b ΣX X

1

1

2

+

b ΣX

2

2

2

2

=

1.122 =

=

170

737

10a + 60b 1 + 40b 2

…… (1)

60a + 406b 1 + 267b 2

…… (2)

40a + 267b 1 + 182b 2

…… (3)

Persamaan (1) dikalikan dengan 6, persamaan (2) dikalikan dengan 1 :

1.020

= 60a + 360b 1 + 240b 2

1.122

= 60a + 406b 1 + 267b 2

−102 =

− 46b 1

– 27b 2

…… (4)

Catatan Freddy

Persamaan (1) dikalikan dengan 4, persamaan (3) dikalikan dengan 1 hasilnya menjadi :

680

=

40a + 240b 1 + 160b 2

 

737

=

40a + 267b 1 + 182b 2

−57

=

− 27b 1

− 22b 2

…… (5)

Persamaan (4) dikalikan dengan 27, persamaan (5) dikalikan dengan 46 hasilnya menjadi :

−2.754 = −1.242b 1 – 729b 2 −2.622 = −1.242b 1 – 1.012b 2

−132 =

+ 283b 2 −132 : 283

= b2 = −0,4664

b2

Harga b 2 dimasukkan dalam salah satu persamaan (4) atau (5). Dalam hal ini dimasukkan ke dalam persamaan (4), maka :

−102 = −46b 1 – 27b 2 −102 = −46b 1 – 27(–0,4664) −102 = −46b 1 + 12,5928 46b 1 = 102 + 12,5928 46b 1 = 114,5928

b

1

= 114,5928 : 46 = 2,4911

Harga b 1 dan b 2 dimasukkan dalam persamaan 1, maka :

170

=

10a + 60b 1 + 40b 2

170

= 10a + 60(2,4911) + 40(−0,4664)

170

= 10a + 149,466 − 18.656

170

= 10a + 130,81

10a

= 170 − 130,81

10a

= 39,19

a

=

39,184 : 10 = 3,919

Jadi: (setelah pembulatan)

a

= 3,919

b 1

= 2,491

b2 = −0,466

Jadi

persamaan

regresi

ganda

linier

untuk

dua

pegawai, dan kepemimpinan direktif) adalah:

Y = 3,919 + 2,491X 1 − 0,466X 2

prediktor (kemampuan kerja

Dan persamaan itu berarti produktivitas kerja pegawai akan naik, bila kemampuan pegawai ditingkatkan, dan akan turun bila kepemimpinan direktif (otokratis) ditingkatkan. Tetapi koefisien regresi untuk kemampuan pegawai (2,491) lebih besar dan pada koefisien

Catatan Freddy

regresi untuk kepemimpinan direktif (diharga mutak = 0,466) X. Jadi bila kemampuan

pegawai ditingkatkan sehingga mendapat nilai 10, dan juga tingkat kepemimpinan direktif

sampai mendapat niiai 10, maka produktivitasnya adalah :

Y = 3,919 + 2,491(10) − 0,466(10) = 24,167

Diperkirakan produktivttas kerja pegawai = 24,167.

Uji Signifikansi Regresi Ganda

F =

R

2

(

N

m

1)

m

(1

R

2

)

B.2. Regresi Ganda Tiga Prediktor

Dilakukan penelitian untuk mengetahui persamaan regresi hubungan kemampuan

terhadap

kerja, pemahaman

produktivitas kerja di lembaga B.

terhadap

tugas,

motivasi

kerja

secara

bersama-sama

B. terhadap tugas, motivasi kerja secara bersama-sama Contoh: Hubungan antara kemampuan keija, pemahaman terhadap

Contoh:

Hubungan antara kemampuan keija, pemahaman terhadap tugas, motivasi kerja dan produktivftas keija.

Dimana:

X

X

X

Y = produktivitas keija

1

2

3

= kemampuan kerja = pemahaman terhadap tugas = motivasi kerja

*) korelasi ganda (R) dapat dihitung dengan mudah apabila koefisfen regresi dapat dicari.

Dalam penelitian tersebut didapatkan data sebagai berikut:

Catatan Freddy

DATA TENTANG KEMAMPUAN KERJA, PEMAHAMAN TUGAS

MOTIVASI DAN PRODUKTIVITAS KERJA

No.

Responden

Kemampuan

Kerja

Pemahaman

terhadap Tugas

Motivasi

Kerja

Produktivitas

Kerja

(X

1 )

X

2

X

3

Y

 

1 60

59

67

56

2 31

33

41

36

3 70

70

71

71

4 69

69

70

68

5 50

48

49

47

6 30

29

33

34

7 40

48

51

50

8 55

54

60

60

9 58

61

59

61

10 26

34

31

29

11 78

76

75

77

12 45

43

43

46

13 47

56

46

50

14 34

42

43

39

15 57

58

56

56

Kerjakan dengan menggunakan aplikasi MS-Excel !

LATIHAN

Catatan Freddy

Dilakukan pengukuran untuk mengetahui bagaimana pengaruh Lama Belajar (X 1 ) dan IQ (X 2 ) terhadap Prestasi Belajardi SMA tertentu (Y). Sampel sebanyak 15 siswa?

X1(dalam jam/hari) : 5 4

2

1

4

6

7

8

2

4

6

7

4

5 4

X 2 :

110

170

180

150 100

110 150

160

120 130

110 140

160 120

140

Y

:

72

96

98

92

70

71

72

75

67

63

65

62

70

72

75

Pertanyaan:

a. Hitung persamaan regresi X 1 terhadap Y?

b. Hitung persamaan regresi X 2 terhadap Y?

c. Hitung persamaan regresi X 1 dan X 2 bersama-sama terhadap Y?

d. Bila belajar diperpanjang sampai 10 jam/hari berapa nilai prestasi belajamya?

e. Biia lama belajar dibuat 9 jam dan IQ 150, berapa nilai prestasi belajar?

f. Hitung juga koefisien korelasi ganda antara X 1 dan X 2 terhadap Y?