UJI PREDIKSI/REGRESI
Dibuat guna memenuhi tugas kelompok untuk mata kuliah “Statistika
Pendidikan”
Dosen Pengampu : H. Moh. Anwar, S.Pd., M.Pd.
Disusun oleh :
Kelompok 12
Ahmad Tarajjil Ma’suq T20192099
Ula Alfionita T20192103
Genta Ardytama Yudha 202101020060
Puji syukur kami panjatkan kepada Allah s.w.t., atas segala rahmat-Nya,
makalah ini bisa kami selesaikan dengan tepat waktu.
Makalah ini kami buat guna memenuhi tugas kelompok untuk mata kuliah
“Statistika Pendidikan”.
Akhirnya, kami berharap semoga makalah ini bisa bermanfaat dan bisa
dimanfaatkan dengan baik.
Penyusun
i
DAFTAR ISI
BAB I : PENDAHULUAN
BAB II : PEMBAHASAN
A. Kesimpulan ....................................................................................... 13
ii
BAB I
PENDAHULUAN
A. Latar Belakang
Salah satu bidang ilmu yang di dalamnya dipelajari tentang
bagaimana membuat perencanaan, pengumpulan, analisi, interpreasi dan
penelitian disebut dan dikenal dengan istilah statistika. Termasuk juga di
dalam dunia pendidikan, juga dilakukan sehingga muncullah istilah
statistika pendidikan karena berfokus pada bidang pendidikan.
Penelitian di dalam bidang pendidika tidak hanya dilakukan sekedar
dalam pembuatan tesis, skripsi atau pun disertasi, tetapi juga untuk
mengikuti berbagai dalam ajang perlombaan seperti yang berhubungan
dengan tulis menulis sebuah karya yang bersifat ilmiah.
Pada makalah ini, akan dijelaskan tentang satu uji atau analisis untuk
memprediksi suatu penelitian yang dikenal dengan istilah uji atau analisis
regresi. Dan akan dijelaskan tentang apa itu regresi, bagaimana langkah
pengujian regresinya, baik yang linier sederhana maupun yang berganda.
B. Rumusan Masalah
Adapun rumusan masalah pada makalah ini adalah :
1. Apa pengertian uji regresi ?
2. Bagaimana langkah uji regresi linier sederhana ?
3. Bagaimana langkah uji regresi linier berganda ?
C. Tujuan
Adapun tujuan dari makalah ini adalah :
1. Untuk mengetahui pengertian uji regresi
2. Untuk mengetahui langkah uji regresi linier sederhana
3. Untuk mengetahui langkah uji regresi linier berganda
1
BAB II
PEMBAHASAN
2
hubungan variabel tersebut bersifat fungsional yang diwujudkan dalam
suatu model matematis.
Regresi ini bertujuan untuk membuat perkiraan (prediksi) yang
dapat dipercaya untuk nilai suatu variable, untuk memprediksi nilai variable
terikat yang dipengaruhi oleh variable bebas. Serta Uji regresi ini terdiri dari
terdiri dari regresi linier sederhana dan regresi linier berganda.
B. Langkah Uji Regresi Linier Sederhana
Regresi linier sederhana atau Bivariate Regression digunakan hanya
untuk satu variable terikat dan satu variable bebas. Adapun persamaan
regresi linier sederhana ini adalah :
𝑌 = 𝑎 + 𝑏𝑋
Keterangan :
Y = variable terikat
X = variable bebas
a + b = konstanta
Contoh Soal :
Seorang peneliti ingin mengetahui pengaruh minat belajar (X) terhadap
prestasi belajar bahasa Arab (Y). Data penelitian berjumlah 12 siswa, dara
secara lengkap dapat dilihat pada tabel di bawah ini.
No. Subjek Minat Belajar (X) Prestasi Belajar (Y)
1 75 80
2 70 75
3 70 75
4 80 90
5 75 85
6 89 85
7 85 95
8 88 95
9 75 80
10 75 90
3
11 65 75
12 70 75
Pertanyaan :
1. Tentukan persamaan regresi linier sederhana !
2. Buktikan apakah ada pengaruh minat belajar terhadap prestasi belajar !
Pembahasan :
1. Membuat hipotesis penelitian H0 dan H1
H0 : Tidak ada pengaruh motivasi dan minat belajar terhadap prestasi
belajar bahasa Arab
H1 : Ada pengaruh motivasi dan minat belajar terhadap prestasi belajar
bahasa Arab
2. Membuat hipotesis statistik
H0 : β = 0
H1 : β ≠ 0
3. Menentukan taraf signifikansi α = 5%
4. Menentukan uji yang digunakan
Regresi Linier sederhana
5. Kaidah pengujian
Jika thitung > ttabel, maka H0 ditolak
Jika –ttabel ≤ thitung ≤ ttabel, maka H0 diterima
6. Menentukan persamaan regresi
a) Membuat tabel penolong
Minat Prestasi
Siswa XY X2
Belajar (X) Belajar (Y)
1 75 80 6000 5625
2 70 75 5250 4900
3 70 75 5250 4900
4 80 90 7200 6400
5 75 85 6375 5625
6 89 85 7565 7921
4
7 85 95 8075 7225
8 88 95 8360 7744
9 75 80 6000 5625
10 75 90 6750 5625
11 65 75 4875 4225
12 70 75 5250 4900
∑ 917 1000 76950 70715
b) Menghitung konstanta a dan b
𝑛(∑ 𝑋𝑌 ) − (∑ 𝑋)(∑ 𝑌)
𝑏= 2
𝑛(∑ 𝑋 2 ) − (∑ 𝑋)
12(76950) − (917)(1000) 6400
𝑏= 2
= = 0,832
12(70715) − (917 7691
∑ 𝑌 − 𝑏(∑ 𝑋)
𝑎=
𝑛
1000 − 0,832 (917) 236,926
𝑎= = = 19,744
12 12
c) Persamaan regresi linier sederhana
𝑌 = 𝑎 = 𝑏𝑋
𝑌 = 19,744 + 0,832𝑋
7. Menentukan nilai koefisien korelasi (r)
a) Membuat tabel penolong
Minat Prestasi
Siswa Belajar Belajar XY X2 Y2
(X) (Y)
1 75 80 6000 5625 6400
2 70 75 5250 4900 5625
3 70 75 5250 4900 5625
4 80 90 7200 6400 8100
5 75 85 6375 5625 7225
6 89 85 7565 7921 7225
7 85 95 8075 7225 9025
5
8 88 95 8360 7744 9025
9 75 80 6000 5625 6400
10 75 90 6750 5625 8100
11 65 75 4875 4225 5625
12 70 75 5250 4900 5625
∑ 917 1000 76950 70715 84000
Nilai koefisien korelasi (r)
𝑛(∑ 𝑋𝑌 ) − (∑ 𝑋)(∑ 𝑌 )
𝑟=
√[𝑛(∑ 𝑋 2 ) − (∑ 𝑋)2 ][𝑛(∑ 𝑌 2 ) − (∑ 𝑌 )2 ]
12(76950) − (917)(1000)
𝑟=
√[12(70715) − (917)2 ][12(84000) − (1000)2 ]
6400
𝑟= = 0,816
√61528000
Jadi, hubungan antara minat belajar (X) dengan prestasi belajar (Y)
bahasa Arab sebesar r = 0,816 dengan kriteria tingkat hubungan
“kuat” positif. Hubungan bersifat positif artinya terjadi hubungan
searah antara minat belajar (X) dengan prestasi belajar (Y) bahasa
Arab. Bila minat belajar siswa tinggi, maka prestasi belajar (Y)
bahasa Arab siswa meningkat.
8. Menentukan thitung dan ttabel
a) Menghitung nilai t hitung
𝑟 √𝑛−2 0,816√12−2 2,580
thitung = = = = 4,463
√1−(𝑟)2 √1−(0,816)2 0,578
6
thitung > ttabel, maka H0 ditolak artinya ada pengaruh minat belajar
terhadap prestasi belajar bahasa Arab
C. Langkah Uji Regresi Linier Berganda
Uji regresi linier berganda hanya digunakan untuk satu variable
terikat dan dua atau lebih vaiabel bebas. Regresi linier dengan dua prediktor
terdiri dari satu variable terikat dan dua variable bebas. Regresi linier
dengan tiga predictor terdiri dari satu variable terikat dan tiga variable
bebas. Adapun persamaan regresi linier dengan dua predictor (variable
bebas) adalah :
𝑌 = 𝑎 + 𝑏1 𝑋1 + 𝑏2 𝑋2
Keterangan :
Y = variable terikat
X = variable bebas
a, b1, dan b2 = konstanta
Contoh Soal :
Seorang peneliti ingin mengetahui pengaruh motivasi belajar (X1), minat
belajar (X2) terhadap prestasi belajar (Y) bahasa Arab. Data penelitian
berjumlah 12 siswa, data secara lengkap dapat dilihat pada tabel di bawah
ini.
No Motivasi Belajar Minat Belajar Prestasi Belajar
1 75 75 80
2 60 70 75
3 65 70 75
4 75 80 90
5 65 75 85
6 80 89 85
7 75 85 95
8 80 88 95
9 65 75 80
10 80 75 90
7
11 60 65 75
12 65 70 75
Pertanyaan :
1. Tentukan persamaan regresi Linier berganda dengan dua predictor !
2. Buktikan apakah ada pengaruh motivasi dan minat belajar terhadap
prestasi belajar !
Pembahasan :
1. Membuat hipotesis penelitian H0 dan H1
H0 : Tidak ada pengaruh motivasi dan minat belajar terhadap prestasi
belajar bahasa Arab
H1 : Ada pengaruh motivasi dan minat belajar terhadap prestasi belajar
bahasa Arab
2. Membuat hipotesis statistik
H0 : β = 0
H1 : β ≠ 0
3. Menentukan taraf signifikansi α = 5%
4. Menentukan uji yang digunakan
Regresi Linier berganda (dua prediktor)
5. Kaidah pengujian
Jika Fhitung > Ftabel, maka H0 ditolak
Jika Fhitung ≤ Ftabel, maka H0 diterima
6. Menentukan persamaan regresi linier berganda
a) Membuat tabel penolong
No X1 X2 Y X1Y X2Y X1X2 (X1)2 (X2)2 Y2
1 75 75 80 6000 6000 5625 5625 5625 6400
2 60 70 75 4500 5250 4200 3600 4900 5625
3 65 70 75 4875 5250 4550 4225 4900 5625
4 75 80 90 6750 7200 6000 5625 6400 8100
5 65 75 85 5525 6375 4875 4225 5625 7225
6 80 89 85 6800 7565 7120 6400 7921 7225
8
7 75 85 95 7125 8075 6375 5625 7225 9025
8 80 88 95 7600 8360 7040 6400 7744 9025
9 65 75 80 5200 6000 4875 4225 5625 6400
10 80 75 90 7200 6750 6000 6400 5625 8100
11 60 65 75 4500 4875 3900 3600 4225 5625
12 65 70 75 4875 5250 4550 4225 4900 5625
∑ 845 917 1000 70950 76950 65110 60175 70715 84000
b) Memasukkan nilai statistic ke rumus yang digunakan
(∑X1 )2 (845)2
1) ∑ 𝑥1 2 = ∑ 𝑋1 2 − = 60175 − = 672,917
𝑛 12
(∑X2)2 (917)2
2) ∑ 𝑥2 2 = ∑ 𝑋2 2 − = 70715 − = 640,917
𝑛 12
(∑Y)2 (1000)2
3) ∑ 𝑦 2 = ∑ 𝑌 2 − = 84000 − = 666,667
𝑛 12
∑𝑋 917
7) ̅̅̅
𝑋2 = 𝑛 2 = 12 = 76,417
2
̅̅̅
𝑋2 = (76,417)2 = 5839,51
∑𝑌 1000
8) 𝑌̅ = 𝑛 = 12 = 83,333
𝑌̅ 2 = (83,333)2 = 6944,44
1) Nilai konstanta b1
(640,917)(533,333) – (537,917)(533,333)
b1 = (672,917)(640,917)−(537,917)2
9
54933,3
b1 = = 0,387
141929
2) Nilai konstanta b2
(672,917)(533,333)−(537,917)(533,333)
b2 = (672,917)(640,917)−(537,917)2
72000
b2 = 141929 = 0,507
3) Nilai konstanta a
∑𝑌 ∑ 𝑋1 ∑ 𝑋2
a= − 𝑏1 ( ) − 𝑏𝑞 ( )
𝑛 𝑛 𝑛
𝑌 = 𝑎 + 𝑏1 𝑋1 + 𝑏2 𝑋2
𝑏1(∑ 𝑥1𝑦)+𝑏2 (∑ 𝑥2 𝑦)
Ry.12 = √ ∑ 𝑦2
0,387(533,333)+0,507(533,333)
Ry.12 = √ 666.667
10
12(70950)−(845)(1000)
ry1.2 = [12(60175)−(845)2 ][12(84000)−(1000)2 ]
6400
ry1.2 = = 0,796
√64600000
12(76950)−(917)(1000)
ry2.1 = [12(70715)−(917)2 ][12(84000)−(1000)2 ]
6400
ry2.1 = = 0,816
√261528000
12(65110)−(845)(917)
r12.y = [12(60175)−(845)2 ][12(70715)−(917)2 ]
6455
r12.y = = 0,819
√62104825
𝐾𝑃 = (𝑅𝑦.12 )2 . 100%
(𝑅𝑦.12 )2(𝑛−𝑚−1)
Fhitung = 𝑚(1−𝑅𝑦.12 2
11
(0,846)2 (12−2−1)
Fhitung =
2(1−0,8462
6,439
Fhitung = 0,569 = 11,316
tails), db = n –m – 1 = 12-2-1=9
Fhitung = 11,316
Ftabel = 4,260
Fhitung > Ftabel, maka H0 ditolak, artinya ada pengaruh motivasi dan minat
12
BAB III
PENUTUP
Kesimpulan
Regresi adalah suatu metode analisis yang biasa digunakan untuk melihat
pengaruh antara dua atau banyak variabel. Umumnya, analisis regresi digunakan
untuk melakukan prediksi atau ramalan. Sedangkan, hubungan variabel tersebut
bersifat fungsional yang diwujudkan dalam suatu model matematis.
Uji regresi linier berganda hanya digunakan untuk satu variable terikat dan
dua atau lebih vaiabel bebas. Regresi linier dengan dua prediktor terdiri dari satu
variable terikat dan dua variable bebas. Regresi linier dengan tiga predictor terdiri
dari satu variable terikat dan tiga variable bebas
13
DAFTAR PUSTAKA
Nurhanasah, Siti. 2019. Statistika Pendidikan : Teori, Aplikasi, dan Kasus. Jakarta
: Salemba Humanika
14