Analisis Regresi
Analisis Regresi
Disusun Oleh:
Siti Romelah NIM. 212213009
Intan Wijayanti NIM. 212213021
Dosen Pengampu:
Dr. Asy’aril Muhajir, M.Pd
A. PENDAHULUAN
Perubahan nilai suatu variabel tidak selalu terjadi dengan sendirinya,
namun perubahan nilai variabel itu dapat pula disebabkan oleh berubahnya
variabel lain yang berhubungan dengan variabel tersebut. Dalam statistik,
pola perubahan nilai sesuatu yang disebabkan oleh variabel lain
memungkinkan kita untuk membuat perkiraan (prediction) nilai variabel
tersebut dari nilai variabel yang mempengaruhinya. Teknik yang umum
digunakan untuk menganalisis hubungan antara dua atau lebih variabel
tersebut 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 regresi
atau diteruskan dengan analisis regresi. Analisis kerelasi yang tidak
dilanjutkan dengan analisis regresi adalah analisis korelasi yang kedua
variabelnya tidak mempunyai hubungan fungsional dan sebab akibat.
Analisis regresi dapat dihitung secara manual atau dengan
menggunakan SPSS. Dalam tulisan ini, penulis akan membahas analisis
regresi beserta contohnya dalam perhitungan manual maupun dengan
menggunakan SPSS.
1
B. PEMBAHASAN
Analisis 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.
2
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
b=n ¿ ¿
a=∑ Y −b ¿ ¿ ¿
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)
3
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
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
R=0,3560743
Langkah 7 : Menghitung nilai F dengan rumus:
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)
1,0143112
F=
1(1−0,1267889)
1,0143112
F=
0,8732111
F=1,1615876
Langkah 10 : Interpretasi.
db= N – jumlah variabel bebas – 1 = 10–1–1 =8,
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 11 : Kesimpulan.
Tidak terdapat pengaruh yang signifikan antara
insentif terhadap disiplin kerja.
5
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 insentif ke dalam kotak
independent dan variabel disiplin kerja ke dalam
kotak dependent → ok
Hasil :
Regression
Model Summary
6
ANOVAb
Total 34.400 9
Unstandardized Standardized
7
2. REGRESI LINIER GANDA
Regresi linier ganda berguna untuk meramal variabel dependen yang
dipengaruhi oleh dua atau lebih variabel independen.3 Dengan kata lain,
regresi linier ganda berguna untuk mencari pengaruh (hubungan
fungsional) dua variabel independen atau lebih terhadap variabel
dependennya.4
Adapun rumus yang dipakai disesuaikan dengan jumlah variabel
yang diteliti, yaitu sebagai berikut:
Untuk 2 prediktor : Ŷ = a + b1X1 + b2X2
Untuk 3 prediktor : Ŷ = a + b1X1 + b2X2 + b3X3
Untuk 4 prediktor : Ŷ = a + b1X1 + b2X2 + b3X3 + b4X4
Keterangan:
Ŷ = Respon (variabel terikat/dependen)
a = Constanta
3
Ibid., 79.
4
Hartono, Statistik:Untuk Penelitian (Yogyakarta: Pustaka Pelajar Offset, 2004), 140.
8
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 (X 1) dan
kepuasan kerja (X2) berpengaruh terhadap prestasi guru (Y). Data yang
diperoleh adalah sebagai berikut:
Responde
Stress Kerja Kepuasan Kerja Prestasi Guru
n
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
a. Langkah 1 : Menyusun Ha dan H0
2
2 2 (∑ X 2 ) 2872
∑ x 2 =¿ ∑ X 2 − N
=5687−
15
=195,73333¿
2
2 2 (∑ Y ) 2352
∑ y =¿ ∑ Y −
N
=3721−
15
=39,33333 ¿
(∑ X 1 ) (∑ Y ) ( 251 ) ( 235 )
∑ x 1 y=¿ ∑ X 1 Y − N
=3951−
15
=18,66667 ¿
(∑ X 2 ) (∑ Y )
( 287 )( 235 )
∑ x 2 y=¿ ∑ X 2 Y − N 15
=4511−
=14,66667 ¿
Langkah 4 : Memasukkan data yang diperoleh ke dalam
persamaan
Ʃx1y = b1Ʃ x12 + b2Ʃ x1x2
10
Ʃx2y = b1Ʃ x1x2 + b2Ʃ x22
18,66667 = 48,93333b1 – 52,46667b2 ................ (1)
14,66667 = -52,46667b + 195,73333b .............. (2)
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
11
ANOVAb
Total 39.333 14
Unstandardized Standardized
KepuasanKerj
.249 .119 .555 2.094 .058
a
12
Hipotesis
Ha1 : Stress kerja berpengaruh terhadap prestasi guru
Ha2 : Kepuasan kerja berpengaruh terhadap prestasi guru
Nilai probabilitas thitung variabel stress kerja sebesar 0,018
menunjukkan Ha1 diterima, yang berarti stress kerja secara
parsial berpengaruh terhadap prestasi guru.
Nilai probabilitas thitung variabel kepuasan kerja sebesar 0,058
menunjukkan Ha2 ditolak, yang berarti kepuasan kerja secara
parsial tidak berpengaruh terhadap prestasi guru.
Persamaan
Ŷ = 0,65 + 0,648X1 + 0,249X2
Grafik
C. KESIMPULAN
1. Analisis regresi merupakan studi ketergantungan satu atau lebih X
(variabel bebas) terhadap Y (variabel terikat), dengan maksud untuk
meramalkan nilai Y.
13
2. 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.
3. Berdasarkan banyak dan jenisnya data, analisis regresi dapat dibedakan
atas: Regresi linier (regresi linier sederhana dan regresi linier berganda);
dan Regresi non linier.
4. Persamaan regresi linier sederhana secara umum yaitu: Ŷ = a + bX.
5. Persamaan umum regresi linier ganda adalah:
Ŷ = a + b1X1 + b2X2 + ...... + bnXn
6. Penghitungan analisis regresi bisa diselesaikan dengan cara manual,
maupun dengan cara yang lebih mudah yaitu menggunakan program
SPSS.
D. REFERENSI
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.
14