Regresi merupakan suatu alat ukur yang juga digunakan untuk mengukur ada atau

tidaknya korelasi antarvariabel. Istilahregresi yang berarti ramalan atau taksiran pertama kali
diperkenalkan oleh Sir Francis Galton pada tahun 1877.

Analisis regresi adalah studi tentang masalah hubungan beberapa variabel yang
ditampilkan dalam persamaan matematika (Andi, 2009). Analisis regresi lebih akurat dalam
melakukan analisis korelasi, peramalan atau perkiraan nilai variabel terikat pada nilai variabel
bebas lebih akurat pula karena pada analisis ini kesulitan dalam menunjukkan slop (tingkat
perubahan suatu variabel terhadap variabel lain dapat ditentukan).

Analisis regresi terbagi menjadi dua yaitu regresi linier dan Nonlinier. Analisi regresi linear
terdiri dari analisis regresi linear sederhana dan analisis regresi linear berganda. Perbedaan antar
keduanya terletak pada jumlah variabel independennya. Regresi linear sederhana hanya memiliki
satu variabel independen, sedangkan regresi linear berganda mempunyai banyak variabel
independen. Analisis regresi Nonlinier adalah regresi eksponensial.

 KRITERIA DATA REGRESI LINIER

Terdapat dua syarat yang harus dipenuhi oleh data dalam menggunakan analisis regresi linier
yaitu:

1. Data

Data harus terdiri dari dua jenis variabel, yaitu dependen dan independen. Selain itu data
berupa kuantitatif fan variabel berupa kategori, seperti SD, SMA, SMK, dll.

2. Asumsi

Setiap data diasumsikan variabel dependen terdistribusi secara normal. Selain itu, antara
variabel dependen dan independen harus memiliki hubungan linier dengan observasi harus
saling bebas.

 REGRESI LINEAR SEDERHANA

  

1. Pengertian

Regresi linear sederhana adalah hubungan secara linear antara satu variabel independen (X)
dengan variabel dependen (Y). Analisis ini digunakan untuk mengetahui arah hubungan antara
variabel independen dengan variabel dependen apakah positif atau negatif serta untuk
memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan
atau penurunan nilai. Data yang digunakan biasanya berskala interval atau rasio.

Rumus dari dari analisis regresi linear sederhana adalah sebagai berikut:

Y’ = a + bX

Keterangan:

Y= subyek dalam variabel dependen yang diprediksi

a = harga Y ketika harga X= 0 (harga konstan)

b = angka arah atau koefisien regresi, yang menunjukkan angka peningkatan ataupun
penurunan variabel dependen yang didasarkan pada perubahan variabel independen. Bila (+)
arah garis naik, dan bila (-) maka arah garis turun.

X = subyek pada variabel independen yang mempunyai nilai tertentu.

Secara teknik harga b merupakan tangent dari perbandingan antara panjang garis variabel
dependen, setelah persamaan regresi ditemukan.

Dimana :
R  = koefisien korelasi product moment antara variabel variabel X dengan variabel Y

Sy = simpangan baku variabel Y

Sx = simpangan baku variabel X

Jika 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.

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

 Uji Koefisien Regresi Sederhana (Uji t)

Uji ini digunakan untuk mengetahui apakah variabel independen (X) berpengaruh secara
signifikan terhadap variabel dependen (Y). Signifikan berarti pengaruh yang terjadi dapat
berlaku untuk populasi (dapat digeneralisasikan).

Rumus t hitung pada analisis regresi adalah sebagai berikut:

Langkah-langkah pengujian koefisien regresi sederhana adalah sebagai berikut:

Baca Juga:   Upaya Meningkatkan Hasil Belajar Siswa

a. Menentukan Hipotesis

Ho = Tidak ada pengaruh yang signifikan

Ha = ada pengaruh yang signifikan

2. Menentukan tingkat signifikansi

Biasanya menggunakan a = 5% atau 0,05

3. Menentukan t hitung

d. Menentukan t tabel
 e. Membandingkan t hitung dan t table dengan kriteria

Ho diterima jika: t hitung ≥ t tabel

Ho ditolak jika: t hitung < t tabel
Ho diterima jika: -t hitung ≤ t tabel
Ho di tolak jika: -t hitung > t tabel

 Contoh Kasus

Seorang pengusaha bernama Andrianto ingin meneliti tentang pengaruh biaya promosi terhadap
volume penjualan pada perusahaan minyak wangi. Dari pernyataan tersebut didapatvariabel
dependen (Y) adalah volume penjualan dan variabel independen (X) adalah biaya promosi. Data-
data yang didapat ditabulasikan sebagai berikut:

No Biaya Promosi Volume Penjualan

1 12 56
2 14 62
3 13 60
4 12 61
5 15 65
6 13 66
7 14 60
8 15 63
9 13 65
10 14 62
 

Langkah :

 Buka file : korelasi & regresi

 Klik Analyze, klik Regression, dan klik linier
 Klik dan pindahkan volume penjualan ke kotak dependent dan biaya promosi ke kotak
independent dengan mengetik tanda ►
 Klik statistics pilih estimates, model fit, dan descriptive.
 Klik continue
  Klik plots
 Pada standardized residual plots, pilih histogram dan normal probability plot.
 Klik continue dan klik OK.

Output pada SPSS dapat dilihat sebagai berikut:

Dari hasil perhitungan didapatkan:

Y= a + bx

Konstanta (a) = 45.286; Koefisien Regresi (b) = 1,238; dan t hitung = 1.419

Selanjutnya yaitu menganalisis signifikansi pengaruh variabel independen dengan variabel

dependen. Jika ditetapkan hipotesis sebagai berikut:

H. Tidak ada pengaruh secara signifikan antara biaya promosi dengan volume penjualan

H. Ada pengaruh signifikan antara biaya promosi dengan volume penjualan

Dengan menggunakan tingkat signifikansi 5%, pengujian 2 sisi, dan derajat kebebasan (df) = n-
k-1 = 10-1-1 = 8 (dimana n = jumlah data, k = jumlah variabel independen) maka diperoleh t
tabel sebesar 2.30600. (dapat dilihat pada Ms Excel dengan mengetikkan “=tinv(0,05;8)” lalu
tekan Enter).

Karena t hitung < t tabel, maka Ha diterima. Kesimpulannya, terdapat pengaruh yang signifikan
antara biaya promosi dengan volume penjualan.

Kasus kedua
Seorang guru yang bernama IDNAS secara tidak sengaja mencari tahu hubungan antara uang
saku dengan nilai siswa. Dari pernyataan tersebut didapat  variabel dependen (Y) adalah nilai
siswa dan variabel independen (X) adalah Uang saku. Data-data yang didapat ditabulasikan
sebagai berikut:

Uang saku Nilai Uang saku Nilai

100. 2500. 100.
2000.  
     

100. 5000. 100.

3000.  
     

100. 5000.
3500.   60.  
   

5000.
2000.   85.   60.  
 

100. 5000.
1000.   90.  
   

5000.
4000.   60.   85.  
 

5000. 100.
5000.   70.  
   

5000.
10000.   60.   60.  
 

100. 2000. 100.

4000.  
     

1000.
4000.   90.   70.  
 

4000.   100. 1000. 100.

      

4000. 100.
10000.   85.  
   

100. 5000. 100.

8000.  
     

100. 5000.
2000.   60.  
   

3000. 100.
3000.   90.  
   

100. 3000. 100.

9000.  
     

2000.
8000.   85.   90.  
 

Langkah :

 Buka file : korelasi & regresi

 Klik Analyze, klik Regression, dan klik linier
 Klik dan pindahkan nilai siswa ke kotak dependent dan uang saku ke kotak
independent dengan mengetik tanda ►
 Klik statistics pilih estimates, model fit, dan descriptive.
 Klik continue
 Klik plots
 Pada standardized residual plots, pilih histogram dan normal probability plot.
 Klik continue dan klik OK.

Output pada SPSS dapat dilihat sebagai berikut:

Dari hasil perhitungan didapatkan:

Konstanta (a) = 95.877; Koefisien Regresi (b) = -0.002; dan t hitung = -1.612

Baca Juga:   Pengertian dan Tata Cara Penelitian Kuantitatif

Selanjutnya yaitu menganalisis signifikansi pengaruh variabel independen dengan variabel

dependen. Jika ditetapkan hipotesis sebagai berikut:

Ho = Tidak ada pengaruh secara signifikan antara uang saku dengan nilai siswa

Ha = Ada pengaruh signifikan uang saku dengan nilai siswa.

Dengan menggunakan tingkat signifikansi 5%, pengujian 2 sisi, dan derajat kebebasan (df) = n-
k-1 = 34-1-1 = 32 (dimana n = jumlah data, k = jumlah variabel independen) maka diperoleh t
tabel sebesar 2.03693. (dapat dilihat pada Ms Excel dengan mengetikkan “=tinv(0,05;32)” lalu
tekan Enter).

Karena -t hitung ≤ t tabel, maka Ho diterima. Kesimpulannya, tidak ada pengaruh yang signifikan
antara uang saku dengan nilai siswa.

 REGRESI LINEAR BERGANDA

Regresi linear berganda adalah hubungan secara linear antara dua atau lebih variabel independen
(X1, X2, … Xn) dengan variabel dependen (Y). Analisis ini digunakan untuk mengetahui arah
hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel
independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen
apabila nilai variabel independen mengalami kenaikan atau penurunan. Data yang digunakan
biasanya berskala interval atau rasio.

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

Rumus dari analisis regresi linear berganda adalah sebagai berikut:

 Analisis Korelasi Ganda (R)

Analisis ini digunakan untuk mengetahui hubungan antara 2 atau lebih variabel independen
terhadap variabel dependen secara serentak. Nilai R berkisar antara 0 dan 1. Semakin mendekati
angka 1 maka hubungan semakin kuat, sebaliknya jika semakin mendekati angka 0 maka
hubungan semakin lemah.

Rumus korelasi ganda dengan 2 variabel independen adalah sebagai berikut:

Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien korelasi adalah
sebagai berikut:

Nilai Ekuivalen
0,00 – 0,199 sangat rendah
0,20 – 0,399 rendah
0,40 – 0,599 sedang
0,60 – 0,799 kuat
0,80 – 1,000 sangat kuat

 Analisis Determinasi (R2)

Analisis ini digunakan untuk mengetahui presentase sumbangan pengaruh variabel independen
secara serentak terhadap variabel dependen. Jika R2 bernilai 0 maka tidak ada sedikitpun
presentase sumbangan pengaruh yang diberikan variabel independen terhadap variabel dependen,
tetapi jika R2 bernilai 1 maka sumbangan pengaruh yang diberikan variabel independen terhadap
variabel dependen adalah sempurna.

Rumus untuk mencari koefisien determinasi dengan 2 variabel independen adalah sebagai
berikut:
  Uji Koefisien Regresi Secara Bersama-sama (Uji F)

Uji ini digunakan untuk mengetahui apakah variabel independen secara bersama-sama
berpengaruh secara signifikan terhadap variabel dependen, atau digunakan untuk mengetahui
apakah model regresi dapat digunakan untuk memprediksi variabel dependen atau tidak.
Signifikan berarti hubungan yang terjadi dapat berlaku untuk populasi (dapat digeneralisasikan).

Rumus untuk mencari F hitung adalah sebagai berikut:

Langkah-langkah dalam pengujian koefisien regresi secara bersama-sama adalah sebagai berikut:

a. Merumuskan hipotesis
Ho =  Tidak ada pengaruh yang signifikan
Ha =  Terdapat pengaruh yang signifikan

      b. Menentukan tingkat signifikansi

Biasanya menggunakan taraf a = 5%

c. Menentukan F hitung

d. Menentukan F tabel

Dapat dicari dengan Ms. Excel menggunakan rumus “=finv(a,df1,df2)”

df1 = jumlah variabel independen

df2 = n-k-1

5. Membandingkan F hitung dan F tabel dengan kriteria

Ho = diterima jika: F hitung ≤ F tabel

Ha = ditolak jika: F hitung > F tabel

Baca Juga:   Kata Kerja untuk Ranah Psikomotor (P1 - P4)

1. Uji Koefisien Regresi Secara Parsial (Uji t)

Uji ini digunakan untuk mengetahui apakah dalam model regresi variabel independen secara
parsial berpengaruh signifikan terhadap variabel dependen.

Rumus t hitung pada analisis regresi ini adalah sebagai berikut:

 Langkah-langkah pengujian koefisien regresi parsial adalah sebagai berikut:

a. Menentukan Hipotesis

Ha =  Secara parsial tidak ada pengaruh signifikan

Ho = Secara parsial terdapat pengaruh signifikan

       b. Menentukan tingkat signifikansi

Biasanya menggunakan taraf a = 5%

c. Menentukan t hitung

d. Menentukan t tabel

Dapat dicari dengan Ms. Excell menggunakan rumus “=tinv(a,df)” df = n-k-1

5. Membandingkan t hitung dan t tabel dengan kriteria

Ha = diterima jika: -t tabel ≤ t hitung < t table

Ho = ditolak jika: -t hitung < -t tabel atau t hitung > t table

2. Contoh Kasus
Seorang pengamat pasar modal bernama Sugianto ingin melakukan penelitian tentang faktor-
faktor yang mempengaruhi harga saham pada perusahaan. Sugianto ingin mengetahui hubungan
antara rasio keuangan PER dan ROI (Return On Investment) terhadap harga saham. Dari
pernyataan tersebut, didapatkan variabel dependen (Y) yaitu harga saham, dan variabel
independen (X1 dan X2) yaitu PER dan ROI. Data yang ditabulasikan sebagai berikut:

Tahun Harga Saham PER (%) ROI (%)

2003 8300 5 6
2004 7500 3 5
2005 8950 4 4
2006 8250 5 6
2007 9000 4 3
2008 8750 3 5
2009 9500 5 6
2010 8500 6 4
2011 8350 4 6
2012 9500 6 5
2013 9750 7 6

Langkah:

 Klik analyze, klik regression, klik linier

 Klik PER dan ROI dan masukkan ke kotak Independent
 Klik Harga Saham dan masukkan ke kotak Dependent.
 Klik statistic: pilih estimates, Model Fit, Descriptives
 Klik continue
 Klik Plots pada Standardized Residual Plot, pilih Histogram dan Normal Probability
 Klik Continue dan Klik OK

Output pada SPSS dapat dilihat sebagai berikut:

Dari hasil perhitungan diperoleh:

Konstanta (a) = 7735,088; Koefisien Regresi 1 (b1) = 328,618; Koefisien Regresi 2 (b2) =
-104,002; R = 0,606; R2 = 0,368; F hitung = 2,327; t hitung PER = 2,157 dan t hitung ROI =
-0,561;

Kemudian kita hitung hasil analisis:

a. Analisis Korelasi Ganda (R)

R = 0,606 berdasarkan tabel Sugiyono (2007) hubungan antar variabel kuat

2. Analisis Determinasi (R2)

R2 = 0,368 jadi presentasi sumbangan pengaruh variabel sebesar 36,8 %

c. Uji Koefisien Regresi Bersama-sama (Uji F)

 F hitung = 2,327

a = 5% = 0,05

df1 = 2 dan df2 = n-k-1 = 10-2-1 = 7

F tabel = finv(0,05;2;7) = 4,737

Karena F hitung ≤ F tabel, maka Ho diterima

d. Uji Koefisien Regresi Parsial (Uji t)

t hitung PER = 2,157 dan t hitung ROI = -0,561

a = 5% = 0,05

df = n-k-1 = 10-2-1 = 7

t tabel = tinv(0,05;7) = 2,364

Karena t hitung PER ≤ t tabel, maka Ho PER diterima

Karena t hitung ROI ≥ -t tabel, maka Ho ROI diterima

Andi. 2009. SPSS17 untuk Pengolah Data Statistik. Semarang:Wahana Komputer

Hasan M. Iqbal, Ir., M.M. 2005. Pokok-Pokok Materi Statistik 1 (Statistik Deskriptif). Edisi
Kedua. Jakarta: PT. Bumi Aksara.

Priyatno Duwi. 2008. Mandiri Belajar SPSS (Statistical Product and Service Solution)
Untuk Analisis Data dan Uji Statistik. Yogyakarta: MediaKom.

Sugiyono.2010.  Statistik Untuk Penelitian. Alfabeta : Bandung.

Uyanto Stanislaus S., Ph.D. 2009. Pedoman Analisis Data dengan SPSS. Edisi 3.
Yogyakarta: Graha Ilmu.