Dosen: Karlina Ghazalah Rahman, SE., M.

Ak

Pertemuan 8

Materi : Analisis Regresi

A. Analisis Regresi
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. 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.
B. Regresi Linier Sederhana
Persamaan regresi linier sederhana secara umum yaitu:

Ŷ = a + bX
Keterangan:

Ŷ = Respon (variabel terikat/dependen)

a = Constanta
 Dosen: Karlina Ghazalah Rahman, SE., M.Ak

b = Koefisien regresi variabel independen

X = Prediktor (variabel bebas/independen)

Di mana
a=∑ Y −b ¿ ¿ ¿
b=n ¿ ¿

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 (Y)
17
15
19
17
13
14
15
17
16
13
Penyelesaian:

Langkah 1
 Dosen: Karlina Ghazalah Rahman, SE., M.Ak

Menyusun Ha dan H0

Ha:

H0:

Terdapat pengaruh yang signifikan antara insentif terhadap disiplin kerja

Tidak terdapat pengaruh yang signifikan antara insentif terhadap disiplin kerja

Langkah 2

Membuat tabel distribusi frekuensi

No.
X Y XY X2 Y2
Responden
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
 Dosen: Karlina Ghazalah Rahman, SE., M.Ak

Ʃ 174 156 2727 3064 2468

Langkah 3

Mencari nilai b

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 4

Mencari nilai a

a=∑ Y −b ¿ ¿ ¿
156−0,34615385(174 )
a=
10
156−60,2307699
a=
10
95,7692301
a=
10
a=9,57692301 → 9,577

Langkah 5
 Dosen: Karlina Ghazalah Rahman, SE., M.Ak

Menentukan persamaan regresi

Ŷ = a + bX

Ŷ = 9,577 + 0,346X

Langkah 6 : Menguji persamaan regresi dengan 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
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)
 Dosen: Karlina Ghazalah Rahman, SE., M.Ak

1,0143112
F=
0,8732111
F=1,1615876

(ket: n=jumlah data, m=jumlah variabel bebas)

Langkah 8 : 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 9 : Kesimpulan.
Tidak terdapat pengaruh yang signifikan antara C. Regre
insentif terhadap disiplin kerja. si
Linier
Berganda
Regresi linier berganda berguna untuk meramal variabel dependen yang dipengaruhi
oleh dua atau lebih variabel independen. Dengan kata lain, regresi linier berganda berguna
untuk mencari pengaruh (hubungan fungsional) dua variabel independen atau lebih terhadap
variabel dependennya.
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

Maka, persamaan umum regresi linier ganda adalah:

Ŷ = a + b1X1 + b2X2 + ...... + bnXn

Keterangan:
Ŷ = Respon (variabel terikat/dependen)
a = Constanta
 Dosen: Karlina Ghazalah Rahman, SE., M.Ak

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 (X1) 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

Penyelesaian:

Langkah 1 : Menyusun Ha dan H0

Ha: Terdapat pengaruh yang signifikan antara stress
kerja dan kepuasan kerja terhadap prestasi guru
H0: Tidak terdapat pengaruh yang signifikan antara
stress kerja dan kepuasan kerja terhadap
prestasi guru

Langkah 2 : Membuat Tabel Distribusi Frekuensi

 Dosen: Karlina Ghazalah Rahman, SE., M.Ak

Langkah 3 : Hasil perhitungan di table distribusi frekuensi di ubah ke dalam standar deviasi /
nilai deviasi

2
2 2 (∑ X 1 ) 2512
∑ x 1 =¿ ∑ X 1 −
N
=4249−
15
=48,93333 ¿

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)( ∑ X 2 ) ( 251 ) (287 )

∑ x 1 x2=¿ ∑ X 1 X 2− N
=4750−
15
=−52,46667 ¿

(∑ 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 − X2N
=4511−
X2 2
X115
X
=14,66667
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
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 Langkah
308 5 13: Hilangkan
169 182nilai286
b2 dengan persamaan.
Jika persamaan 1 dan 2 diambil dan disamakan nilai
b2-nya, dengan persamaan 2 tetap, maka persamaan 1
Langkah 6 : Mencari nilai b2. harus dikalikan dengan 3,73062 (195,73333:
18,66667 = 48,93333b1 – 52,46667b2 52,46667) sehingga dapat diketahui nilai b1:
18,66667 = 48,93333 (0,648) – 52,46667b
69,63825
2 = 182,55177b1 – 195,73333b2
18,66667 = 31,7088 – 52,46667b2 14,66667 = -52,46667b1 + 195,73333b2 +
52,46667b2 = 31,7088 – 18,66667 84,30492 = 130,08499b1
52,46667b2 = 13,04213 b1 = 0,648075 = 0,648
b2 = 13,04213/52,46667
b2 = 0,24857 = 0,249
 Dosen: Karlina Ghazalah Rahman, SE., M.Ak

Langkah 7 : Memasukkan nilai yang telah diketahui ke dalam

persamaan regresi.
y = b1x1 + b2x2
Y – Y< = b1(X1 – X<1<) + b2( X2 – X<2)
Y = Y< + b1(X1 – X<1<) + b2( X2 – X<2)
Y = 15,67 + 0,648(X1 – 16,73) + 0,249(X2 – 19,13)
Y = 15,67 + 0,648X1 – 10,84104 + 0,249X2 – 4,7634
Ŷ = 0,65 + 0,648X1 + 0,249X2
Ket : Y<: rata-rata Y; X<1< : rata-rata X1 ; X<2 : rata-rata X2

Langkah 8 : Menguji persamaan regresi dengan menghitung nilai

R.

b1 ∑ x 1 y +b 2 ∑ x 2 y
R=
√ ∑ y2
R=√ ( 0,648 × 18,66667 ) +¿ ¿ ¿
Langkah 9 : Menghitung nilai F dengan rumus:
12,09600216+3,65200083
R=
√ 39,33333
F=
R 2 (n−m−1)
m(1−R2)
15,74800299
R=
√ 39,33333
F=
0,632750342 (15−2−1)
R=√ 0,40037299 2(1−0,632750342 )
R=0,63275034 0,40037299(12)
F=
2(1−0,40037299)
4,80447588
F=
1,19925402
F=4,00622

(ket: n=jumlah data, m=jumlah variabel bebas)

 Dosen: Karlina Ghazalah Rahman, SE., M.Ak

Langkah 10 : Interpretasi.
db= N – jumlah variabel bebas – 1 = 15–2–1 =12,
dikonsultasikan dengan tabel nilai F. Pada taraf
signifikansi 5%, Fhitung=4,006 dan Ftabel=3,88, jadi
Fhitung > Ftabel sehingga Ha diterima/H0 ditolak.

Langkah 11 : Kesimpulan.
Terdapat pengaruh yang signifikan antara stress kerja
dan kepuasan kerja terhadap prestasi guru.