17016086
REGRESI
Regresi merupakan studi ketergantungan satu atau lebih X (variabel
bebas) terhadap Y (variabel terikat), dengan maksud untuk meramalkan nilai
Y. Tujuan analisis regresi adalah mendapatkan pola hubungan secara
matematis antara X dan Y, mengetahui besarnya perubahan variabel X
terhadap Y, dan memprediksi Y jika nilai X diketahui. Sehingga dalam suatu
persamaan regresi terdapat dua macam variabel, yaitu variabel dependen
(variabel terikat, respon) dan variabel independen (variabel bebas, prediktor).
Prinsip dasar yang harus dipenuhi dalam membangun suatu persamaan
regresi adalah bahwa antara variabel dependen dengan variabel
independennya mempunyai sifat hubungan sebab akibat (hubungan
kausalitas), baik yang didasarkan pada teori, hasil penelitian sebelumnya,
ataupun yang didasarkan pada penjelasan logis tertentu.1 Syarat-syarat regresi
antara lain data harus berbentuk interval atau rasio, data berdistribusi normal,
adanya korelasi (hubungan) antarvariabel, dan tidak terdapat korelasi
antarvariabel bebasnya (multikolinearitas) untuk regresi ganda.
Berdasarkan banyak dan jenisnya data, analisis regresi dapat dibedakan
atas:2
1. Regresi linier, yaitu regresi yang membuat diagram pencar membentuk
garis lurus. Regresi linier terdiri atas regresi linier sederhana (1 variabel
bebas) dan regresi linier berganda (lebih dari 1 variabel bebas).
2. Regresi non linier, regresi yang membuat diagram pencar tidak
membentuk garis lurus tetapi membentuk pola tertentu, meliputi parabolik,
eksponen, geometrik, logistik, dan hiperbolik.
1
Abdul Munif, Bahan Kuliah: Statistik PPS ( t.t.: t.p., t.th.), 74.
2
Ibid., 75.
Penjelasan serta contoh dari masing-masing analisis regresi linier
adalah sebagai berikut:
1. REGRESI LINIER SEDERHANA
Persamaan regresi linier sederhana secara umum yaitu:
Ŷ = a + bX
Keterangan:
Ŷ = Respon (variabel terikat/dependen)
a = Constanta
b = Koefisien regresi variabel independen
X = Prediktor (variabel bebas/independen)
Di mana
𝑛(∑ 𝑋𝑌) − (∑ 𝑋)(∑ 𝑌) ∑ 𝑌 − 𝑏(∑ 𝑋)
𝑏= 2 𝑎=
𝑛(∑ 𝑋 2 ) − (∑ 𝑋) 𝑛
Contoh:
Diambil data dari 10 responden yang berasal dari tenaga pendidik
dan kependidikan pada suatu lembaga untuk mengetahui pengaruh insentif
(X) terhadap disiplin kerja guru (Y).
Insentif (X) 18 17 17 20 15 19 20 16 18 14
Disiplin kerja
17 15 19 17 13 14 15 17 16 13
(Y)
1
Langkah 2 : Membuat tabel distribusi frekuensi
No.
X Y XY X2 Y2
Responden
1 18 17 306 324 289
2 17 15 255 289 225
3 17 19 323 289 361
4 20 17 340 400 289
5 15 13 195 225 169
6 19 14 266 361 196
7 20 15 300 400 225
8 16 17 272 256 289
9 18 16 288 324 256
10 14 13 182 196 169
Ʃ 174 156 2727 3064 2468
4
Langkah 5 : Menentukan persamaan regresi
Ŷ = a + bX
Ŷ = 9,577 + 0,346X
Langkah 6 : Menguji persamaan regresi dengan menghitung nilai
R.
𝑁 ∑ 𝑋𝑌 − ∑ 𝑋 ∑ 𝑌
𝑅=
√(𝑁 ∑ 𝑋 2 − (∑ 𝑋)2 )(𝑁 ∑ 𝑌 2 − (∑ 𝑌)2 )
10 × 2727 − 174 × 156
𝑅=
√(10 × 3064 − 1742 )(10 × 2468 − 1562 )
27270 − 27144
𝑅=
√(30640 − 30276)(24680 − 24336)
126
𝑅=
√(364)(344)
126
𝑅=
√125216
126
𝑅=
353,85872888
𝑅 = 0,3560743
Langkah 7 : Menghitung nilai F dengan rumus:
𝑅 2 (𝑛 − 𝑚 − 1)
𝐹=
𝑚(1 − 𝑅 2 )
0,35607432 (10 − 1 − 1)
𝐹=
1(1 − 0,35607432 )
0,1267889 × 8
𝐹=
1(1 − 0,1267889)
1,0143112
𝐹=
1(1 − 0,1267889)
1,0143112
𝐹=
0,8732111
𝐹 = 1,1615876
5
Langkah 10 : Interpretasi.
db= N – jumlah variabel bebas – 1 = 10–1–1 =8, b. D
dikonsultasikan dengan tabel nilai F. Pada taraf engan
signifikansi 5%, Fhitung=1,162 dan Ftabel=5,32, jadi SPSS
Fhitung < Ftabel sehingga Ha ditolak/H0 diterima.
Langkah 11 : Kesimpulan.
Tidak terdapat pengaruh yang signifikan antara
insentif terhadap disiplin kerja.
Langkah 1 : Memasukkan definisi variabel pada variable view
dan data ke data view.
Langkah 2 : Klik menu analyze → regression → linier
Langkah 3 : Masukkan variabel insentif ke dalam kotak
independent dan variabel disiplin kerja ke dalam
kotak dependent → ok
Hasil :
Regression
Model Summary
6
atau kontribusi variabel insentif mampu menjelaskan variabel
disiplin kerja sebesar 18%, sedangkan 82% dipengaruhi oleh
faktor-faktor lain.
Std. Error of the Estimate yang nilainya 1,938 menggambarkan
tingkat ketepatan prediksi regresi, dimana semakin kecil
angkanya maka semakin baik prediksinya.
ANOVAb
Total 34.400 9
Unstandardized Standardized
7
Nilai probabilitas thitung variabel insentif sebesar 0,313
menunjukkan Ha ditolak, yang berarti insentif tidak berpengaruh
terhadap disiplin kerja.
Persamaan
Ŷ = 9,557 + 0,346X
Grafik
3
Ibid., 79.
4
Hartono, Statistik:Untuk Penelitian (Yogyakarta: Pustaka Pelajar Offset, 2004), 140.
8
Maka, persamaan umum regresi linier ganda adalah:
Keterangan:
Ŷ = Respon (variabel terikat/dependen)
a = Constanta
b1, b2, ...., bn = Koefisien regresi variabel independen 1, 2, dst.
X1, X2, ...., Xn = Prediktor (variabel bebas/independen)
Contoh:
Seorang peneliti ingin mengetahui apakah stress kerja (X1) dan
kepuasan kerja (X2) berpengaruh terhadap prestasi guru (Y). Data yang
diperoleh adalah sebagai berikut:
Responden Stress Kerja Kepuasan Kerja Prestasi Guru
1 16 20 19
2 18 24 17
3 18 21 16
4 18 19 17
5 16 21 15
6 20 11 17
7 15 19 14
8 14 22 13
9 15 20 15
10 15 19 14
11 16 21 16
12 15 19 15
13 18 23 18
14 20 11 14
15 17 17 15
9
prestasi guru
Langkah 2 : Membuat tabel distribusi frekuensi.
No. X1 X2 X12 X22 X1X2 Y Y2 X1 Y X2Y
1 16 20 256 400 320 19 361 304 380
2 18 24 324 576 432 17 289 306 408
3 18 21 324 441 378 16 256 288 336
4 18 19 324 361 342 17 289 306 323
5 16 21 256 441 336 15 225 240 315
6 20 11 400 121 220 17 289 340 187
7 15 19 225 361 285 14 196 210 266
8 14 22 196 484 308 13 169 182 286
9 15 20 225 400 300 15 225 225 300
10 15 19 225 361 285 14 196 210 266
11 16 21 256 441 336 16 256 256 336
12 15 19 225 361 285 15 225 225 285
13 18 23 324 529 414 18 324 324 414
14 20 11 400 121 220 14 196 280 154
15 17 17 289 289 289 15 225 255 255
Ʃ 251 287 4249 5687 4750 235 3721 3951 4511
Rata-
16,73 19,13 283,27 379,13 316,67 15,67 248,07 263,4 300,73
rata
10
(∑ 𝑋2 )(∑ 𝑌) (287)(235)
∑ 𝑥2 𝑦 = ∑ 𝑋2 𝑌 − = 4511 −
𝑁 15
= 14,66667
Langkah 4 : Memasukkan data yang diperoleh ke dalam
persamaan
Ʃx1y = b1Ʃ x12 + b2Ʃ x1x2
Ʃx2y = b1Ʃ x1x2 + b2Ʃ x22
18,66667 = 48,93333b1 – 52,46667b2 ................ (1)
14,66667 = -52,46667b1 + 195,73333b2 .............. (2)
Langkah 5 : Hilangkan nilai b2 dengan persamaan.
Jika persamaan 1 dan 2 diambil dan disamakan nilai
b2-nya, dengan persamaan 2 tetap, maka persamaan 1
harus dikalikan dengan 3,73062 (195,73333:
52,46667) sehingga dapat diketahui nilai b1:
69,63825 = 182,55177b1 – 195,73333b2
14,66667 = -52,46667b1 + 195,73333b2 +
84,30492 = 130,08499b1
b1 = 0,648075 = 0,648
Langkah 6 : Mencari nilai b1.
18,66667 = 48,93333b1 – 52,46667b2
18,66667 = 48,93333 (0,648) – 52,46667b2
18,66667 = 31,7088 – 52,46667b2
52,46667b2 = 31,7088 – 18,66667
52,46667b2 = 13,04213
b2 = 13,04213/52,46667
b2 = 0,24857 = 0,249
Langkah 7 : Memasukkan nilai yang telah diketahui ke dalam
persamaan regresi.
y = b1x1 + b2x2
Y – Y< = b1(X1 – X<1<) + b2( X2 – X<2)
Y = Y< + b1(X1 – X<1<) + b2( X2 – X<2)
11
Y = 15,67 + 0,648(X1 – 16,73) + 0,249(X2 – 19,13)
Y = 15,67 + 0,648X1 – 10,84104 + 0,249X2 – 4,7634
Ŷ = 0,65 + 0,648X1 + 0,249X2
Langkah 8 : Menguji persamaan regresi dengan menghitung nilai
R.
𝑏1 ∑ 𝑥1 𝑦 + 𝑏2 ∑ 𝑥2 𝑦
𝑅=√
∑ 𝑦2
12,09600216 + 3,65200083
𝑅=√
39,33333
15,74800299
𝑅=√
39,33333
𝑅 = √0,40037299
𝑅 = 0,63275034
Langkah 9 : Menghitung nilai F dengan rumus:
𝑅 2 (𝑛 − 𝑚 − 1)
𝐹=
𝑚(1 − 𝑅 2 )
0,632750342 (15 − 2 − 1)
𝐹=
2(1 − 0,632750342 )
0,40037299(12)
𝐹=
2(1 − 0,40037299)
4,80447588
𝐹=
1,19925402
𝐹 = 4,00622
12
signifikansi 5%, Fhitung=4,006 dan Ftabel=3,88, jadi
Fhitung > Ftabel sehingga Ha diterima/H0 ditolak.
Langkah 11 : Kesimpulan.
Terdapat pengaruh yang signifikan antara stress kerja
dan kepuasan kerja terhadap prestasi guru.
b. Dengan SPSS
Langkah 1 : Memasukkan definisi variabel pada variable view
dan data ke data view.
Langkah 2 : Klik menu analyze → regression → linier
Langkah 3 : Masukkan variabel stress kerja dan kepuasan kerja
ke dalam kotak independent dan variabel pretasi
guru ke dalam kotak dependent → ok
Hasil :
Regression
Model Summary
13
Std. Error of the Estimate yang nilainya 1,402 menggambarkan
tingkat ketepatan prediksi regresi, dimana semakin kecil
angkanya maka semakin baik prediksinya.
ANOVAb
Total 39.333 14
Unstandardized Standardized
5
Tingkat signifikansi.
14
a. Dependent Variable: PrestasiGuru
15
KEPUSTAKAAN
Arikunto, Suharsimi. Manajemen Penelitian. Jakarta: Rineka Cipta, 2000.
Wijaya, Tony. Analisis Multivariat: Teknik Olah Data untuk Skripsi, Tesis,
dan Disertasi Menggunakan SPSS. Yogyakarta: Universitas
Atmajaya, 2010.
16