PENDAHULUAN
Model diatas dapat dijelaskan bahwa dalam model regresi linier berganda
mempunyai dua uji pengaruh yaitu :
1. Pengaruh variabel X (bebas) secara simultan terhadap variabel Y (terikat)
2. Pengaruh variabel X (bebas) secara parsial terhadap variabel Y (terikat), yaitu
meliputi:
a. Pengaruh variabel X1 terhadap variabel Y
b. Pengaruh variabel X2 terhadap variabel Y
1.3 Tujuan
Tujuan dari analisis regresi linear berganda, yaitu :
1. Untuk membuat perkiraan nilai suatu variabel terikat jika nilai variabel bebas
yang berhubungan dengannya sudah ditentukan
2. Untuk menguji hipotesis signifikansi pengaruh dari variabel bebas terhadap
variabel terikat
1.4 Manfaat
Adapun manfaat analisis regresi dalam penelitian antara lain:
1. Model regresi dapat digunakan untuk mengukur keeratan hubungan antara
variabel dependen (tak bebas) dan variabel independen (bebas).
2. Model regresi dapat digunakan untuk mengetahui pengaruh suatu atau beberapa
variabel independen terhadap variabel dependen (respons).
3. Model regresi berguna untuk memprediksi pengaruh suatu atau beberapa
variabel independen terhadap variabel dependen (respons).
Kekurangan:
1. Tidak mampu menunjukkan titik jenuh fungsi yang sedang diselidiki akibatnya
selalu timbul kemungkinan kesalahan prediski
2. Terdapat kemungkinan terjadinya multikolinearitas pada variabel-variabel
bebas. Akibatnya variabel bebas tidak mampu menjelaskan variabel tak bebas
(hubungan antara X dan Y tidak bermakna)
BAB 2
KASUS
Dimana :
̂
Y : Variabel terikat / variabel dependen / variabel yang dipengaruhi
X : Varibel bebas / variabel independen / variabel yang mempengaruhi
a : Konstanta / intercept yaitu sifat bawaan dari variabel Y
b1 , b2 , bn : Paremeter yang menunjukkan slope atau kemiringan garis regresi
(∑X1 2 )2
a) ∑x1 2 = ∑X1 2 −
n
2 (∑X2 2 )2
b) ∑x2 2 = ∑X2 −
n
2 (∑Y)2
c) ∑𝑦 2 = ∑Y −
n
(∑X1 )(∑Y)
d) ∑x1 𝑦 = ∑X1 Y − n
(∑X2 )(∑Y)
e) ∑x2 𝑦 = ∑X 2 Y −
n
(∑X1 )(∑X2 )
f) ∑x1 x2 = ∑X1 X2 − n
∑Y
̅=
g) Y n
∑X
h) ̅̅̅
X1 = n 1
∑X2
i) ̅̅̅
X2 =
n
Nilai koefisien regresi, yaitu
(∑x2 2 )(∑x1 𝑦) −(∑x1 x2 )(∑x2 𝑦)
b1 = (∑x1 2 )(∑x2 2 ) −(∑x1 x2 )2
(∑x1 2 )(∑x2 𝑦) −(∑x1 x2 )(∑x1 𝑦)
b2 = (∑x1 2 )(∑x2 2 ) −(∑x1 x2 )2
̅ − b1 ̅̅̅
a=Y X1 − b2 ̅̅̅
X2
Uji Signifikansi
Proses pengujian:
1. Formulasi hipotesis nihil dan hipotesis kerja
H0 : bk = 0 (Tidak ada pengaruh variabel bebas k terhadap variabel Y)
𝐻1 : bk ≠ 0 (Ada pengaruh variabel bebas k terhadap variabel Y)
2. Uji statistik yang digunakan adalah uji t dengan α = 0,01 atau 0,05
3. Nilai atau harga kritis diperoleh dengan melihat tabel distribusi t.
t ( 1𝛼);(db) = t (1𝛼);(n−k)
2 2
Dimana :
db : derajat kebebasan
n : jumlah sampel
k : kelompok sampel
4. Kriteria pengujian hipotesis
Terima H0 jika t hitung < t tabel
5. Harga uji statistik dihitung dengan rumus :
b𝑘 − 𝛽𝑘
t= S b1
S𝑦.12
S b1 =
√∑xk 2 (1 − r12 2 )
Sy12 = standard error of estimasi (standar eror estimasi)
b1 ∑x1 𝑦 + b2 ∑x2 𝑦
R 𝑦(1,2) = √
∑𝑦2
7. Nilai determinan : KP = R2 .100%
8. Kesimpulan
Kasus :
Diambil sampel random sebanyak 12 siswa dalam suatu penelitian untuk menentukan
hubungan antara nilai prestasi matematika (Y) dan nilai dua tes yaitu tes kemampuan
geometri (X) dan kemampuan aljabar (X2). Datanya adalah sebagai berikut.
a. Lakukan uji asumsi dalam analisis regresi linear dan simpulkan hasilnya.
b. Tentukan persamaan regresi linear dugaanya dan interpretasikan.
c. Ujilah apakah ada pengaruh linear antara nilai prestasi matematika (Y) dan nilai dua tes
yaitu tes kemampuan geometri (X1 ) dan kemampuan aljabar (X2 )
d. Manakah diantara dua variabel bebas yang secara signifikan berpengaruh terhadap nilai
prestasi matematika. Gunakan α = 0,05
2.1 Uji Asumsi
Untuk menjawab pertanyaan (a) : lakukan uji asumsi dan simpulkan hasilnya
N 12 12 12
Sum of Mean
Squares df Square F Sig.
Deviation from
34.482 9 3.831 1.916 .512
Linearity
Total 171.389 11
Hasil analisis menunjukkan bahwa harga F sebesar 1,916 dengan signifikansi 0,512.
Kriteria pengujian uji linearitas :
Jika sig. ≥ 0,05 maka model regresi linear
Jika sig < 0,05 maka model regresi tidak linear
Hasil analisis menunjukkan bahwa sig. = 0,512 > 𝛼 = 0,05 berarti model regresi
linear.
Menentukan persamaan regresi dengan cara alternatif 1:
(∑X1 2 )2 (857)2
a) ∑x1 2 = ∑X1 2 − = 62595,82 - = 1391,736667
n 12
(∑X2 2 )2 (932,4)2
b) ∑x2 2 = ∑X2 2 − = 72957,78 - = 510,3
n 12
(∑Y)2 (213,1)2
c) ∑𝑦 2 = ∑Y2 − = 3955,69 - = 171,3891667
n 12
(∑X1 )(∑Y) (857)(213,1)
d) ∑x1 𝑦 = ∑X1 Y − n
= 15688,43 - = 469,5383333
12
(∑X2 )(∑Y) (932,4)(213,1)
e) ∑x2 𝑦 = ∑X 2 Y − n
= 16820,25 - = 262,38
12
(∑X1 )(∑X2 ) (857)(932,4)
f) ∑x1 x2 = ∑X1 X2 − = 67395 - = 806,1
n 12
∑Y 213,1
g) ̅
Y= n
= 12 = 17,75833333
∑X1 857
h) ̅̅̅
X1 = n = 12 = 71,41666667
∑X 932,4
i) ̅̅̅
X 2 = n 2 = 12 = 77,7
Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics
Berdasarkan data diatas maka perhitungan secara manual dan secara software, mendapatkan
hasil yang sama, perbedaannya adalah angka dibelakang koma yaitu tiga angka dibelakang
koma.
Untuk menjawab pertanyaan (c): Ujilah apakah ada pengaruh linear antara nilai
prestasi matematika (Y) dan nilai dua tes yaitu tes kemampuan geometri (𝐗 𝟏 ) dan
kemampuan aljabar (𝐗 𝟐 )
Menggunakan Uji F.
Proses pengujian:
1. Formulasi hipotesis nihil dan hipotesis kerja
H0 : b1 = b2 = 0 (Kemampuan Geometri dan aljabar tidak pengaruh signifikan terhadap nilai
prestasi matematika)
H1 : b1 ≠ b2 ≠ 0 (Kemampuan Geometri dan aljabar pengaruh signifikan terhadap nilai
prestasi matematika)
2. Uji statistik yang digunakan adalah uji F dengan α = 0,05
3. Nilai atau harga kritis diperoleh dengan melihat tabel distibusi F.
F𝛼 ;(db pembilang);(db penyebut) = F𝛼 ;(k);(n−k−1))
= F0,05 ;(3−1);(12−2−1))
= F0,05 ; 2 ;9
= 4,26
4. Kriteria pengujian hipotesis
Terima H0 jika Fhitung < Ftabel
5. Harga uji statistik dihitung dengan rumus :
SSR/df SSR/k
Fhitung = =
SSE/df SSE/(n−k−1)
Sebagai pembanding berikut adalah hasil perhitungan dengan menggunakan SPSS pada
tabel ANOVA.
ANOVAb
Total 171.389 11
Kesimpulannya :
Karena nilai Sig = 0,000 < 0,05 maka H1 diterima. Artinya, kemampuan Geometri dan aljabar
berpengaruh signifikan terhadap nilai prestasi matematika.
Untuk menjawab pertanyaan (d): Manakah diantara dua variabel bebas yang secara
signifikan berpengaruh terhadap nilai prestasi matematika. Gunakan α = 0,05
Menggunkan uji t.
Untuk 𝜷𝟏
Proses pengujian:
1. Formulasi hipotesis nihil dan hipotesis kerja
H0 : b1 = 0 (Tidak ada pengaruh kemampuan geometri terhadap nilai prestasi matematika)
𝐻1 : b1 ≠ 0 (Ada pengaruh kemampuan geometri terhadap nilai prestasi matematika)
2. Uji statistik yang digunakan adalah uji t dengan α = 0,05
3. Nilai atau harga kritis diperoleh dengan melihat tabel distribusi t.
t (1− 1𝛼);(db) = t (1− 1𝛼);(n−k) = t (1− 1(0,05));(12−3) = t (0,975);(9) = 2,26
2 2 2
∑𝑦 2 − b1 ∑x1 𝑦 − b2 ∑x2 𝑦
Sy12 = √
n−k
∑𝑥1 𝑥2 806,1
r12 = = = 0,956527812
√(∑𝑥1 2 )(∑𝑥2 2 ) √(1391,736667)(510,3)
1,098704385
Sb1 = = 0,100984231
√(1391,736667) (1− (0,956527812 )2 )
b1 − 𝛽1 0,465200282−0
t= = = 4,606662618
S b1 0,100984231
4,607
Daerah Penerimaan H0 Daerah Penerimaan H1
-2,26 2,26
6. Kesimpulan
Dari hasil analisis diperoleh t hitung = 4,607 > 0,05, maka H1 diterima. Artinya ada pengaruh
signifikan kemampuan geometri terhadap nilai prestasi matematika.
Untuk 𝜷𝟐
Proses pengujian:
1. Formulasi hipotesis nihil dan hipotesis kerja
H0 : b2 = 0 (Tidak ada pengaruh kemampuan aljabar terhadap nilai prestasi matematika)
𝐻1 : b2 ≠ 0 (Ada pengaruh kemampuan aljabar terhadap nilai prestasi matematika)
2. Uji statistik yang digunakan adalah uji t dengan α = 0,05
3. Nilai atau harga kritis diperoleh dengan melihat tabel distribusi t.
t (1− 1𝛼);(db) = t (1− 1𝛼);(n−k) = t (1− 1(0,05));(12−3) = t (0,975);(9) = 2,26
2 2 2
∑𝑦 2 − b1 ∑x1 𝑦 − b2 ∑x2 𝑦
Sy12 = √
n−k
∑𝑥1 𝑥2 806,1
r12 = = = 0,956527812
√(∑𝑥1 2 )(∑𝑥2 2 ) √(1391,736667)(510,3)
1,098657246
Sb2 = = 0,166763376
√(510,3) (1− (0,956527812 )2 )
b2 − 𝛽2 −0,220689688−0
t= = = -1,322269971
S b2 0,1667633768
Daerah Penerimaan H1
-1,323
Daerah Penerimaan H0
-2,26 2,26
6. Kesimpulan
Dari hasil analisis diperoleh t hitung = -1,323 < 0,05, maka H0 diterima. Artinya tidak ada
pengaruh signifikan kemampuan aljabar terhadap nilai prestasi matematika.
Secara umum, dapat disimpulkan bahwa variabel bebas yang berpengaruh signifikan
adalah kemampuan geometri (𝑋1 ) sedangkan kemampuan geometri (𝑋2 ) tidak berpengaruh
terhadap nilai prestasi matematika (Y).
BAB 3
PENUTUP
3.1 Kesimpulan
Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui pengaruh
antara satu atau beberapa variabel terhadap satu buah variabel. Analisis regresi
membentuk persamaan garis lurus (linear) dan menggunakan persamaan tersebut untuk
membuat perkiraan (prediction). Tujuan dari analisis regresi yaitu untuk membuat
perkiraan nilai suatu variabel terikat jika nilai variabel bebas yang berhubungan
dengannya sudah ditentukan dan untuk menguji hipotesis signifikansi pengaruh dari
variabel bebas (X) terhadap variabel terikat (Y).
3.2 Saran
Beberapa saran dari penulis :
1. Bagi seorang peneliti dalam memberikan hasil data perhitungan harus disertai
dengan interpretasi atau kesimpulan yang jelas.
2. Dalam pemberian contoh kasus kami hanya memberikan kasus dengan dua variabel
bebas namun belum yang lebih dari dua. Untuk itu, diharapkan ada pemberian
contoh dengan variabel lebih dari dua.
DAFTAR PUSTAKA
Irianto, Agus. 2004. Statistik : Konsep Dasar, Aplikasi dan Pengembangannya. Jakarta:
Kencana
Riduwan. 2009. Pengantar Statistika Sosial. Bandung: Alfabeta
Sugiyono. 2008. Statistika Untuk Penelitian. Bandung: Alfabeta