PRAKTIKUM MATEMATIKA

PRAKTIKUM KE-2
ANALISIS REGRESI

NAMA : DINDA FADHILAH NASUTION

NIM : 4172111006
KELAS : MATEMATIKA DIK A 2017
PRODI : PENDIDIKAN MATEMATIKA

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI MEDAN

2020
I. JUDUL PRAKTIKUM : “ ANALISIS REGRESI”

II. TUJUAN PRAKTIKUM :

1. Mengetahui manfaat analisis regresi dalam penelitian.
2. Mengetahui manfaat analisis regresi sederhana.
3. Mengetahui manfaat analisis regresi berganda.
4. Mengetahui persamaan dari regresi linear sederhana dan regresi
linear berganda.
5. Mengetahui contoh analisis data regresi berganda.

III. ALAT DAN BAHAN :

A. Alat
No Nama Alat Jumlah
1 Laptop 1 buah
2 Mouse 1 buah

B. Bahan
No Nama Alat Jumlah
1 Buku Diktat 1 buku
Praktikum
2 Software SPSS 1 Aplikasi

IV. TANGGAL PRAKTIKUM : 8 April 2020

V. TINJAUAN TEORITIS :
- Analisis Regresi
Regresi pertama kali dipergunakan sebagai konsep statistik
pada tahun 1877 oleh Sir francis Galton. Galton melakukan studi
tetang kecenderungan tinggi badan anak. Teori Galton berkembang
menjadi analisis regresi yang dapat digunakan sebagai alat
perkiraan nilai suatu variabel dengan menggunakan beberapa
variabel lain yang berhubungan dengan variabel tersebut.
Menurut Mason, pengertian dari analisis regresi adalah suatu
model matematis yang dapat digunakan untuk mengetahui pola
hubungan antara dua variabel atau lebih yaitu variabel bebas dan
variabel terikat. Variabel bebas adalah variabel yang nilai-nilainya
tidak bergantung pada variabel lainnya, biasanya disimbolkan
dengan X. variabel ini digunakan untuk meramalkan atau
menerangkan nilai dari variabel yang lain. Sedangkan variabel
terikat adalah variabel yang nilai-nilainya bergantung pada variabel
lainnya, biasanya disimbolkan dengan Y. Variabel itu merupakan
variabel yang diramalkan atau diterangkan nilainya. (Algifari,2013)
 Analisis regresi ini untuk mengetahui arah hubungan positif
dan negatif antara variabel independen dengan variabel dependen
dan memprediksi nilai variabel dependen apabila nilai variabel
independen mengalami kenaikan atau penurunan. Data yang
digunakan berskala interval. Regresi sederhana didasarkan pada
hubungan fungsional ataupun kausal satu variabel independen
dengan satu variabel dependen.
Untuk mempelajari hubungan-hubungan antara beberapa variabel,
analisis regresi dapat dilihat dari dua bentuk, yaitu :

a. Analisis Regresi Sederhana

Regresi linear sederhana merupakan suatu prosedur untuk
menunjukkan dua hubungan matematis dalam bentuk persamaan
antara dua variabel, yaitu variabel X sebagai variabel bebas
(variabel independent) dan variabel Y sebagai variabel terikat
(variabel dependent). Bentuk umum persamaan linear sederhana
adalah :
Y = a + bX
Dimana :
Y = Variabel terikat.
a = Parameter intersep (garis potong kurva terhadap sumbu Y)
b = Koefisien regresi (kemiringan atau slop kurva linear)
X= Variabel bebas. (Dr,Ridwan,2014)

b. Analisis Regresi Berganda

Regresi linear berganda merupakan suatu linear yang
menjelaskan ada tidaknya suatu hubungan fungsional dan
meramalkan pengaruh dua variabel independen (X) atau lebih
terhadap variabel dependen (Y). Dalam analisis berganda, akan
digunakan X yang menggambarkan seluruh variabel yang termasuk
di dalam analisa dan variabel dependen. Bentuk umum persamaan
regresi linear berganda adalah sebagai berikut :
Y = a0 + a1X1 + a2X2 + a3X3 + … + akXk
Dimana :
Y = Variabel terikat.
a0 = Konstanta regresi.
a1, a2, a3 = Koefisien regresi.
X1, X2, X3 = Variabel bebas. (Margaretha G, 2015)
VI. PROSEDUR KERJA :
a. Regresi Linear Sederhana
1. Menghidupkan laptop, kemudian buka aplikasi SPSS dengan cara
double click ikon SPSS.
2. Kemudian akan muncul seperti tampilan berikut :

3. Masukkan data dengan mendefinisikan variable pada variable view

4. Masukkan semua data pada data view

5. Kemudian, klik Analyze, Regression, Linear, lalu akan tampil

kotak dialog :
6. Masukkan variable Jeans ke kolom isian independent, Variabel
Biaya ke kolom isian Dependent

7. Kemudian akan muncul Output sebagai berikut :

b. Regresi Linear Berganda

1. Menghidupkan laptop, kemudian buka aplikasi SPSS dengan
cara double click ikon SPSS.
2. Kemudian akan muncul seperti tampilan berikut :

3. Masukkan data dengan mendefinisikan variable pada variable

view
4. Masukkan semua data pada data view

5. Kemudian, klik Analyze, Regression, Linear, lalu akan tampil

kotak dialog :

6. Pindahkan variabel X1, X2, dan X3 ke kolom isian

independent, dan variables Y ke kolom isian Dependent

7. Klik menu Statistics, lalu klik Option descriptive dan

collinearitty diagnostic, juga Durbin watson untuk mengetahui
ada tidaknya autokorelasi.
8. Klik Options, untuk mengisi nilai probabilitas yang diinginkan.
Klik continue

9. Klik Plots, untuk menampilkan scatter plot residual, histogram,

diagram oulier dan diagram probabilitas normal. Klik continue
kemudian Ok

10. Maka akan muncul hasil Output sebagai berikut :

VII. HASIL PRAKTIKUM :
A. MANUAL
1. Regresi Linier Sederhana
 Menetukan Hipotesis

H0 : Tidak terdapat pengaruh yang signifikan antara

kemampuan numerik dengan prestasi belajar
matematika siswa.
Ha :Terdapat pengaruh yang signifikan antara
kemampuan numerik dengan prestasi belajar
matematika siswa.
 Membuat tabel distribusi frekuensi.

X Y XY X2 Y2
0,473 94 44,462 0,223729 8836
0,753 96 72,288 0,567009 9216
0,929 95 88,255 0,863041 9025
0,939 95 89,205 0,881721 9025
0,832 94 78,208 0,692229 8836
0,983 95 93,385 0,966289 9025
1,049 94 98,606 1,100401 8836
1,178 104 122,512 1,387684 10816
1,176 104 122,304 1,382976 10816
1,292 106 136,952 1,669264 11236
1,403 108 151,524 1,968409 11664
1,499 110 164,89 2,247001 12100
1,529 113 172,777 2,337841 12769
1,599 113 180,687 2,556801 12769
1,749 118 206,382 3,059001 13924
1,746 115 200,79 3,048516 13225
1,897 121 229,537 3,598609 14641
∑=28,550521
∑= 21,026 ∑ = 1775 ∑= 2252,764 ∑ = 186759

 Mencari Nilai b

∑ ∑ ∑
∑ ∑

b = 22,554
  Mencari nilai a

∑ ∑

 Menentukan persamaan regresi

Y = a + bX
= + X

 Menguji persamaan regresi dengan menghitung

nilai R

∑ ∑ ∑

√ ∑ ∑ ∑ ∑
( )

√ ( ) ( )

√
R=
R = 0,952
Nilai R = koefisien korelasi, nilai yang menunjukkan
kuat atau tidaknya hubungan linear antara dua variabel.

 Menghitung nilai F
 F= 138,84, F= uji signifikansi

 Interpretasi

db = n – m – 1
db = 17 – 1 - 1
db = 15
db = banyakya variabel bebas yang diikut sertakan.
Dikonsultasikan dengan tabel nilai Pada taraf
signifikansi 5 %,
. Jadi > , sehingga H0 diterima dan
Ha ditolak.

2. Regresi Linier Berganda

 Menetukan Hipotesis
H0 : Tidak terdapat pengaruh yang signifikan antara
variabel bebas dan variabel terikat
Terdapat pengaruh yang signifikan antara
variabel bebas dan variabel terikat

 Membuat Ha dan H0 dalam bentuk statistik.

Ha : salah satu β tidak sama

 Membuat tabel distribusi frekuensi.
X1 X2 X3
12500 8750 5450 156.250.000
11000 7000 4210 121.000.000
9750 3550 4100 95.062.500
7742 4555 3990 59.938.564
5656 2555 3550 31.990.336
4555 3256 2390 20.748.025
6750 3300 4555 45.562.500
5990 2750 4320 35.880.100
4580 2500 3700 20.976.400
5800 4200 5610 33.640.000
7990 4500 4660 63.840.100
4500 3758 3850 20.250.000
∑ ∑ ∑
∑ 84.805
 X1X2X3

76.562.500 29.702.500 360.000 596.093.750.000

49.000.000 17.724.100 291.600 324.170.000.000
12.602.500 16.810.000 216.225 141.911.250.000
20.748.025 15.920.100 184.900 140.706.591.900
6.528.025 12.602.500 177.241 51.301.334.000
10.601.536 5.712.100 122.500 35.446.281.000
10.890.000 20.748.025 230.400 101.462.625.000
7.562.000 18.662.400 160.000 71.161.200.000
6.250.000 13.690.000 102.400 42.365.000.000
17.640.000 31.472.100 160.000 136.659.600.000
20.250.000 21.715.600 271.441 167.550.300.000
14.122.564 14.822.500 62.500 65.107.350.000
252.757.150 219.581.925 2.339.207 1.873.935.281.900

 Menghitung nilai-nilai persamaan b1, b2, b3

dan a

Y X1Y X2Y X2Y

600 7.500.000 5.250.000 3.270.000
540 5.940.000 3.780.000 2.273.400
465 4.533.750 1.650.750 1.906.500
430 3.329.060 1.958.000 1.715.700
421 2.381.176 1.075.655 1.494.500
350 1.594.250 1.139.600 836.500
480 3.240.000 1.584.000 2.186.400
400 2.396.000 1.100.000 1.728.000
430 1.465.600 800.000 1.184.000
400 2.320.000 1.680.000 2.244.000
521 4.162.790 2.344.000 2.427.860
250 1.125.000 939.500 962.500
5.287 39.987.626 23.301.505 22.229.360
∑
∑ ∑

∑
∑ ∑
 ∑
∑ ∑

∑ ∑
∑ ∑

∑ ∑
∑ ∑

∑ ∑
∑ ∑

Sehingga:
∑ ∑ ∑ ∑
∑ ∑ ∑

∑ ∑ ∑ ∑
∑ ∑ ∑

∑ ∑ ∑
  Memasukkan nilai-nilai persamaan tersebut
kedalam persamaan regresi berganda.

Y = a + b1X1 + b2X2
Y = 14.305,3208+(-0,005929 X1) + (-3, 273356 X2)
 Menghitung besarnya pengaruh koefisien
determinasi

∑ ∑
∑

 Menghitung standar error

∑ ∑ ∑ ∑
√

=√

√
 B. SPSS
1. Regresi linear Berganda
 Input
 Variable View

 Data view

 Ouput

2. Regresi Linear Berganda

 Input Regresi Linear Berganda

 Variable view
  Data View

 Output

VIII. KESIMPULAN :
1. Manfaat analisis regresi dalam penelitian antara lain :
- Model regresi dapat digunakan untuk mengukur keeratan
hubungan antara variabel dependen dan variabel independen.
- Model regresi dapat digunakan untuk mengetahui pengaruh suatu
atau beberapa variabel independen terhadap variabel dependen.
2. Model regresi sederhana dapat digunakan untuk forecast atau
memprediksi nilai Y, dan Mengukur pengaruh variabel X terhadap
variabel Y.
3. Model regresi berganda dapat digunakan untuk mengukur
pengaruh antara lebih dari satu variabel bebas (prediktor) terhadap
variabel terikat.
4. Persamaan regresi sederhana:
Y = a + bX
Y : variabel dependen (nilai yang diprediksi)
a : Konstanta (nilai Y’ apabila x1, x2, …xn = 0)
 b : Koefisien regresi (nilai peningkatan ataupun
penurunan)
X : variabel independen
Persamaan regresi berganda:
Y’ = a + b1X1+ b2X2+…..+ bnXn
Y’ = Variabel dependen (nilai yang diprediksi)
a : Konstanta (nilai Y’ apabila x1, x2,… xn = 0)
b1, b2,…bn : Koefisien regresi (nilai peningkatan
ataupun penurunan)
x1, x2,…xn : variabel dependen
5. Contoh regresi linear berganda :
Salah satu contoh penelitian yang menggunakan analisis
regresi linear berganda adalah penelitian dengan judul : “ Pengaruh
ROA, NPM dan Size Terhadap Return Saham.” Dalam contoh
tersebut juga dijelaskan bahwasanya variabel bebas lebih dari satu,
yaitu ROA, NPM dan Size.

IX. DAFTAR PUSTAKA :

Algifari. 2013. Analisis Regresi. Yogyakarta : Fakultas Ekonomi dan
Bisnis UGM.
Dr, Ridwan, M.B.A. 2014. Pengantar Statistika (Untuk Penelitian).
Bandung : Alfabeta.
Margaretha G. 2015. Penggunaan Regresi Linear Berganda Untuk
Menganalisis Pendapatan Petani. JdC (Journal of Dedicators
Community). Vol.4 No.2

X. NAMA ASLAB : TRI ASIH ABDILLAH

NIM.4161111076

WINDA FEBRI YANTI

NIM. 4161111082

Medan, 14 April 2020

Dosen Pengampu, Praktikan,

Drs. Marojahan Panjaitan, M.Pd. Dinda Fadhilah Nasution

NIP. 195912301985031004 NIM. 4172111006