MAKALAH BIOSTATISTIKA

“Uji Regresi”

Disusun sebagai tugas Matakuliah Biostatiska

Pada Program Studi Pendidikan Biologi FKIP UM Jember

Oleh:
Kelompok 6
Novie Nur Aini 1710211016
Desy Dwi Wulansari 1710211024
Rizky Zahirah L. 1710211026
Falah Putra Pratama 1710211028

Dosen Pembina:
Aulya Nanda Prafitasari M. Pd

PRODI PENDIDIKAN BIOLOGI

JURUSAN PENDIDIKAN MIPA
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS MUHAMMADIYAH JEMBER
2019
 KATA PENGANTAR

Assalamu ‘alaikum wr. wb.

Puji syukur kehadirat Allah SWT yang telah memberikan rahmat dan hidayah-Nya
khususnya bagi kami yang telah menyelesaikan makalah yang berjudul “Uji Regresi” sebagai
tugas mata kuliah Biostatistik.
Penulisan makalah ini, tidak didapatkan kendala - kendala, sehingga penyelesaiannya
dapat dikerjakan dengan baik. Selain itu kami juga mengucapkan terima kasih kepada dosen
pengampu sebagai pembimbing, orang tua dan semua orang yang terlibat yang telah
memberikan dorongan dan motivasi sehingga makalah ini dapat terselesaikan.
Penyusunan makalah ini masih banyak kekurangan dan jauh dari kata sempurna maka
dari itu kami mengharapkan kritik dan saran yang bersifat membangun untuk kesempurnaan
makalah yang kami buat. Semoga makalah ini bermanfaat untuk pembaca.
Wasssalamu ‘alaikum wr. wb

Jember , 01 November 2019

 

Penyusun

i
 DAFTAR ISI
KATA PENGANTAR......................................................................................................i
DAFTAR ISI....................................................................................................................ii
BAB I PENDAHULUAN................................................................................................1
1.1 Latar Belakang..........................................................................................................1
1.2 Rumusan Masalah.....................................................................................................1
1.3 Tujuan.........................................................................................................................2
BAB II KAJIAN PUSTAKA..........................................................................................3
2.1 Pengertian regresi......................................................................................................3
2.2 Macam-macam uji regresi........................................................................................4
2.3 Contoh soal uji regresi..............................................................................................7
BAB III PENUTUP.......................................................................................................15
3.1 Kesimpulan...............................................................................................................15
DAFTAR PUSTAKA....................................................................................................16

ii
 BAB I

PENDAHULUAN

1.1 LATAR BELAKANG

Dalam statistik, pola perubahan nilai sesuatu yang disebabkan oleh variabel lain
memungkinkan kita untuk membuat perkiraan (prediction nilai variable tersebut dari nilai
variabel yang mempengaruhinya). Perubahan nilai suatu variabel tidak selalu terjadi
dengan sendirinya,namun perubahan nilai variabel itu dapat pula disebabkan oleh
berubahnyavariabel lain yang berhubungan dengan variabel tersebut.
Teknik yang umum digunakan untuk menganalisis hubungan antara dua atau lebih
variabeltersebut adalah analisis regresi. Analisis regresi adalah analisis lanjutan dari
analisis korelasi. Pada dasarnya analisis regresi dan analisis korelasi keduanya
mempunyai hubungan yang sangat kuat. Setiap analisis regresi otomatis ada analisis
korelasinya, tetapi sebaliknya analisis korelasi belum tentu dapat diuji regresiatau
diteruskan dengan analisis regresi. Analisis kerelasi yang tidak dilanjutkan dengan
analisis regresi adalah analisis korelasi yang keduavariabelnya tidak mempunyai
hubungan fungsional dan sebab akibat.
Analisis regresi linier merupakan teknik dalam statistika yang digunakan untuk
membentuk model hubungan antara variabel dependen dengan satu atau lebih variabel
independen. Salah satu tujuan dalam analisis regresi adalah untuk mengestimasi ratarata
populasi atau nilai rata-rata variabel dependen berdasarkan nilai variable independen yang
diketahui. Hasil dari analisis regresi berupa koefisien regresi untuk masing-masing
variabel independen.
Dalam analisis regresi dibedakan dua jenis variable yaitu variabel dependen dan
variabel independen. Regresi linier yang terdiri dari satu variabel dependen dan satu
variable independen disebut regresi linier sederhana, sedangkan regresi linier yang terdiri
dari satu variable dependen dan beberapa variable independen disebut regresi linier
berganda. Hubungan antar variabel-variabel tersebut dapat dinyatakan dalam model
matematika. Analisis regresi dapat dihitung secara manual atau denganmenggunakan
SPSS. Dalam tulisan ini, penulis akan membahas analisisregresi beserta contohnya dalam
perhitungan manual maupun denganmenggunakan SPSS.
1.2 Rumusan Masalah
1. Apa pengertian uji regresi?
2. Apa macam-macam uji regresi ?

1
 3. Bagaimana contoh uji regresi ?
1.3 Tujuan
1. Untuk mengetahui pengertian uji regresi
2. Untuk mengetahui macam-macam uji regresi
3. Untuk mengetahui contok uji regresi

2
 BAB II

KAJIAN PUSTAKA

1.1 PENGERTIAN REGRESI

Regresi merupakan suatu model matematis yang dapat digunakan untuk mengetahui
pola hubungan antara dua atau lebih variabel. Istilah regresi yang berarti ramalan atau
taksiran pertama kali diperkenalkan Sir Francis Galton pada tahun 1877, sehubungan
dengan penelitiannya terhadap tinggi manusia, yaitu antara tinggi anak dan tinggi orang
tuanya. Dalam penelitiannya, Galton menemukan bahwa tinggi anak dan tinggi orang
tuanya cenderung meningkat atau menurun dari berat rata-rata populasi. Garis yang
menunjukkan hubungan tersebut disebut garis regresi.
Secara umum regresi adalah studi mengenai ketergantungan satu variabel (variabel
tak bebas/ variabel respon) dengan satu atau lebih variabel bebas/ variabel penjelas. Hasil
dari analisi regresi merupakan suatu persamaan, yaitu persamaan matematika. Persamaan
tersebut digunakan sebagai prediksi. Dengan demikian analisis regresi sering disebut
dengan analisis prediksi. Karena merupakan prediksi, maka nilai prediksi tidak selalu
tepat dengan nilai realnya, semakin kecil tingkat penyimpangannya antar prediksi dengan
nilai riilnya, maka semakin tepat persamaan regresi yang dibentuk.
Persamaan regresi adalah suatu persamaan matematika yang mendefinisikan
hubungan antara dua variabel yaitu hubungan keterkaitan antara satu atau beberapa
variabel yang nilainya sudah diketahui dengan satu variabel yang nilainya belum
diketahui, sifat hubungan antara dalam persamaan meruoakan hubungan sebab akibat.
Oleh karena itu, sebelum menggunakan persamaan regresi dalam menjelaskan hubungan
antara dua atau lebih variabel, perlu diyakini terlebih dahulu bahwa secara teoritis atau
perkiraan sebelumnya, bahwa variabel-variabel tersebut memiliki hubungan sebab
akibat. Variabel yang nilainya akan mempengaruhi variabel tersebut disebut variabel
bebas (X). sedangkan variabel yang nilainya dipengaruhi oleh variabel lain adalah
variabel terikat (Y).
Analisis regresi adalah salah satu analisis yang paling populer dan luas
pemakaiannya. Analisis regresi dipakai secara luas untuk melakukan prediksi dan
ramalan, dengan penggunaan yang saling melengkapi dengan bidang pembelajaran
mesin. Analisis ini juga digunakan untuk memahami variabel bebas mana saja yang
berhubungan dengan variabel terikat, dan untuk mengetahui bentuk-bentuk hubungan
tersebut. Singkatnya analisis regresi merupakan studi ketergantungan satu atau lebih
3
 variabel bebas terhadap variabel tidak bebas. Dengan maksud untuk meramalkan nilai
variabel tidak bebas.
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. 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:
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.
1.2 MACAM-MACAM REGRESI
Sifat hubungan antar variabel dalam persamaan regresi merupakan hubungan sebab
akibat (causal relationship). Oleh karena itu, sebelum menggunakan persamaan regresi
dalam mejelaskan hubungan antara dua atau lebih variabel, maka perlu diyakini terlebih
dahulu bahwa secara teoritis atau perkiraan sebelumnya, dua atau lebih variabel tersebut
memiliki hubungan sebab akibat. Variabel yang nilainya akan mempengaruhi nilai
variabel lain disebut dengan variabel bebas (independent variabel), sedangkan variabel
yang nilainya dipengaruhi oleh nilai variabel lain disebut variabel terikat (dependent
variabel). Ada dua jenis Persamaan Regresi Linier, yaitu sebagai berikut :
1. Analisis Regresi Sederhana (simple analisis regresi)
Regresi linier sederhana merupakan suatu proses untuk mendapatkan hubungan
matematis dalam bentuk suatu persamaan antara variabel tak bebas tunggal dengan
variabel bebas tunggal atau dengan kata lain, regresi linier yang hanya melibatkan
satu peubah bebas X yang dihubungkan dengan satu peubah tak bebas Y. Bentuk
umum model regresi linier sederhana yaitu:

Rumus:

4
 Y = a + bX

Keterangan : Y = Variabel terikat

a = Nilai intercept (konstanta)
b = Koefisien regresi
X = Variabel bebas

2. Analisis Regresi Berganda (multiple analisis regresi)

Regresi linier berganda adalah regresi yang digunakan untuk meramal variabel
dependen/terikat (Y) yang dipengaruhi oleh dua atau lebih variabel independen/bebas
(X). Dengan kata lain, regresi linier ganda berguna untuk mencari pengaruh
(hubungan fungsional) dua variabel independen (X) atau lebih terhadap variabel
dependennya (Y).
Adapun rumus yang dipakai disesuaikan dengan jumlah variabel yang diteliti, yaitu
sebagai berikut:

Unt
uk 2
predikt
or : Ŷ
Maka, persamaan umum regresi linier ganda adalah:

Ŷ = a + b1X1 + b2X2 + ...... + bnXn

Keterangan:
Ŷ = Respon (variabel terikat/dependen)
5
 a = Constanta
b1, b2, ...., = Koefisien regresi variabel independen 1, 2,
bn dst.
X1, X2, ...., = Prediktor (variabel bebas/independen)
Xn

Nilai dari koefisien a, b1, b2 dapat ditentukan dengan menggunakan Metode Kuadrat
terkecil seperti berikut ini:

Dimana :

2
2 2 (∑ X 1 )
∑ x 1 =¿ ∑ X 1 −
N
¿

2
2 2 (∑ X 2 )
∑ x 2 =¿ ∑ X 2 − N
¿

2
2 2 (∑ Y )
∑ y =¿ ∑ Y −
N
¿

( ∑ X 1)( ∑ X 2 )
∑ x 1 x2=¿ ∑ X 1 X 2− N
¿

(∑ X 1 ) (∑ Y )
∑ x 1 y=¿ ∑ X 1 Y − N
¿

(∑ X 2 ) (∑ Y )
∑ x 2 y=¿ ∑ X 2 Y − N
¿

6
2.3 Contoh Analisis Regresi
1. Regresi Linier Sederhana / Tunggal.
Diambil data dari 10 responden yang berasal dari tenaga pendidik dan kependidikan
pada suatu lembaga untuk mengetahui pengaruh jumlah jam pelajaran (X) terhadap
jumlah kehadiran (Y).

Jumlah Jam 18 17 17
20 15 19 20 16 18 14
pelajaran(X)

Jumlah
17 15 19 17 13 14 15 17 16 13
Kehadiran (Y)

Dengan Perhitungan Manual

Langkah : Menyusun Ha dan H0
Ha: Terdapat pengaruh yang signifikan antara
1
Jumlah jam pelajaran terhadap jumlah
kehadiran
H0: Tidak terdapat pengaruh yang signifikan
antara Jumlah jam pelajaran terhadap
jumlah kehadiran

Langkah : Membuat tabel distribusi frekuensi

2
No.
Respon X Y XY X2 Y2
den
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
7
 Ʃ 174 156 2727 3064 2468

Langkah : Mencari nilai b

3 b=n ¿ ¿
10 ( 2727 )−174 ∙ 156
b=
10 ( 3064 )−(174)2
27270−27144
b=
30640−30276
126
b=
364
b=0,346 15385 → 0,346
Langkah : Mencari nilai a
4 a=∑ Y −b ¿ ¿ ¿
156−0,34615385(174 )
a=
10
156−60,2307699
a=
10
95,7692301
a=
10
a=9,57692301 → 9,577
Langkah : Menentukan persamaan regresi
5 Ŷ = a + bX
Ŷ = 9,577 + 0,346X
Langkah : Menguji persamaan regresi dengan
6 menghitung nilai R.
n ∑ XY −∑ X ∑ Y
R=
2 2
√ n (¿∑ X −(∑ X ) )( n ∑ Y −(∑ Y ) )
2 2

10 ×2727−174 ×156
R= 2 2
√ ( 10 ×3064−174 )( 10 × 2468−156 )
27270−27144
R=
√ ( 30640−30276 )( 24680−24336 )
126
R=
√ ( 364 )( 344 )
126
R=
√ 125216
126
R=
353,85872888
8
 R=0,3560743

Langkah : Menghitung nilai F dengan rumus:

7 R 2 (n−m−1)
F=
m(1−R2)
0,35607432 (10−1−1)
F=
1(1−0,35607432)
0,1267889× 8
F=
1(1−0,1267889)
Langkah 8 Interpretasi.
: df1= 1,0143112
F= k-1
1(1−0,1267889)
= 2-1 = 1
1,0143112
F= n-k
df2=
0,8732111
= 10-2 = 8
F=1,1615876
Dimana k adalah jumlah variable (bebas
dan
(ket: terikat)
n=jumlahdandata,
n adalah jumlah
m=jumlah variabel
observasi/sampel
bebas) pembentuk regresi.
Kemudian dikonsultasikan dengan tabel
nilai F. Pada taraf signifikansi 5%,
Fhitung=1,162 dan Ftabel=5,32, jadi Fhitung <
Ftabel sehingga Ha ditolak/H0 diterima.

Langkah : Kesimpulan.
9 Tidak terdapat pengaruh yang signifikan
antara insentif terhadap disiplin kerja.

Berdasarkan perbandingan nilai F hitung

dengan F tabel :
1. Jika nilai F hitung > F tabel maka
hipotesis 9Ha diterima/H0 ditolak.
2. Jika nilai F hitung < F tabel maka
hipotesis Ha ditolak/H0 diterima.
2. Contoh Soal Regresi Linier Berganda:
Seorang peneliti ingin mengetahui apakah stress kerja (X1) dan kepuasan kerja (X2)
berpengaruh terhadap prestasi guru (Y). Data yang diperoleh adalah sebagai berikut :
Respon Prestasi
Stress Kerja Kepuasan Kerja
den 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 1
11 16 21 16
12 15 19 15
13 18 23 18
14 20 11 14
15 17 17 15

Dengan Perhitungan Manual

Langkah Perhitungan :
1. Menulis Ha dan H0
Ha : Terdapat pengaruh yang signifikan antara stress kerja dan kepuasaan kerja
terhadap prestasi guru
H0 : Tidak terdapat pengaruh yang signifikan antara strees kerja dan kepuasaan kerja
terhadap prestasi guru
2. Membuat tabel distribusi frekuensi atau table pembantu
X2 X22 X1X Y2 X1Y X2Y
No. X1 X12 Y
2
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

10
 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
287 475 372 395 4511
Ʃ 251 4249 5687 235 0 1 1
Rat
16,7 19,1 283,2 379, 316,6 15,6 248,0 263,
a- 300,73
3 3 7 13 7 7 7 4
rata

3. Hasil perhitungan dari tabel di atas diubah ke dalam skor deviasi

2
2 2 (∑ X 1 )
∑ x 1 =¿ ∑ X 1 −
N
¿

2512
¿ 4249− =48,93333
15
2
2 2 (∑ X 2 )
∑ x 2 =¿ ∑ X 2 − N
¿

287 2
¿ 5687− =195,73333
15
2
2 2 (∑ Y )
∑ y =¿ ∑ Y −
N
¿

2352
¿ 3721− =39,33333
15

( ∑ X 1)( ∑ X 2 )
∑ x 1 x2=¿ ∑ X 1 X 2− N
¿

( 251 )( 287 )
¿ 4750− =−52,46667
15

(∑ X 1 ) (∑ Y )
∑ x 1 y=¿ ∑ X 1 Y − N
¿

11
 ( 251 )( 235 )
¿ 3951− =18,66667
15
(∑ X 2 ) (∑ Y )
∑ x 2 y=¿ ∑ X 2 Y − N
¿

( 287 ) ( 235 )
¿ 4511− =14,66667
15

14,66667 =
1. Memasukkan data yang diperoleh ke dalam persamaan
-52,46667b1
Ʃx1y = b1Ʃ x12 + b2Ʃ x1x2
+
Ʃx2y = b1Ʃ x1x2 + b2Ʃ x22
195,73333b2
18,66667 = 48,93333b1 – 52,46667b2 ................ (1)
.............. (2)

4. Hilangkan nilai b2 dengan persamaan.

Jika persamaan 1 dan 2 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

5. Mencari nilai b2.

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

13,04213
b2 =
52,46667
b2 = 0,24857
= 0,249

12
 2. Menguji persamaan regresi
dengan menghitung nilai R.

b1 ∑ x 1 y +b 2 ∑ x 2 y
R=
√ ∑ y2
R=√( 0,648 × 18,66667 ) +¿ ¿ ¿
12,09600216+3,65200083
R=
√ 39,33333
15,74800299
R=
√ 39,33333
R=√ 0,40037299
R=0,63275034

3. Menghitung nilai F dengan

rumus:
R 2 (n−m−1)
F=
m(1−R2)
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

ket: n=jumlah data,

m=jumlah variabel bebas
R= Koefisen korelasi

4. Interpretasi
df1= k-1
= 2-1 = 2
df2= n-k
= 15-2 = 13
Dimana k adalah jumlah variable (bebas
dan terikat) dan n adalah jumlah
observasi/sampel pembentuk regresi.
Kemudian dikonsultasikan dengan tabel
nilai F. Pada taraf signifikansi 5%, Fhitung=
4,00622 dan Ftabel=5,32, 13
jadi Fhitung < Ftabel sehingga Ha ditolak/H0
diterima.
 BAB III
PENUTUP

3.1 Kesimpulan
Regresi merupakan suatu model matematis yang dapat digunakan untuk
mengetahui pola hubungan antara dua atau lebih variable. Regresi dibedakan menjadi
dua yaitu reegresi linear sederhana dan regresi linear berganda. Regresi liner sederhana
adalah Regresi linier sederhana merupakan suatu proses untuk mendapatkan hubungan
matematis dalam bentuk suatu persamaan antara variabel tak bebas tunggal dengan
variabel bebas tunggal atau dengan kata lain, regresi linier yang hanya melibatkan satu
peubah bebas X yang dihubungkan dengan satu peubah tak bebas Y. Sedangkan regresi
liner berganda adalah regresi yang digunakan untuk meramal variabel dependen/terikat
(Y) yang dipengaruhi oleh dua atau lebih variabel independen/bebas (X). Dengan kata
lain, regresi linier ganda berguna untuk mencari pengaruh (hubungan fungsional) dua
variabel independen (X) atau lebih terhadap variabel dependennya (Y).

14
 DAFTAR PUSTAKA

Usman, Husnain., Purnomo Setiady Akbar. 2006. Pengantar Statistik. Yogyakarta : PT Bumi
Akasara
Hasan, Iqbal M. 2001. Pokok-Pokok Materi Statistik 1. Jakarta : PT Bumi Aksara.
Anonym. 2019. BAB 1 Teori Regresi. Internet online:
http://www.jonathansarwono.info/regresi/regresi.pdf. Diakses pada 31 Oktober 2019
pukul 19.17 WIB
Anonym. 2012. Analisis Regresi. Internet online :
https://rufiismada.files.wordpress.com/2012/02/analisis-regresi.pdf. Diakses pada 31
Oktober 2019 pukul 20.00 WIB

15