REGRESI LINIER SEDERHANA

MAKALAH

Diajukan Untuk Memenuhi Tugas Mata Kuliah

Statistika Penelitian Pendidikan

Oleh:
Kelompok 3
Dwi Wahyuni 2023021003
Kismanto 2123021023
Ni Kadek Desi Lia Sagita 2023021018
Tukino 2023023006

PROGRAM STUDI MAGISTER PENDIDIKAN MATEMATIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
PASCASARJANA UNIVERSITAS LAMPUNG
2021
 KATA PENGANTAR

Puji syukur kehadirat Tuhan Yang Maha Kuasa atas segala limpahan Rahmat, Inayah, Taufik
dan Hinayahnya sehingga kami dapat menyelesaikan penyusunan makalah ini dalam bentuk
maupun isinya yang sangat sederhana. Semoga makalah ini dapat dipergunakan sebagai salah
satu acuan, petunjuk maupun pedoman bagi pembaca dalam memahami Regresi Linier
Sederhana.

Harapan kami semoga makalah ini membantu menambah pengetahuan dan pengalaman bagi
para pembaca, sehingga kami dapat memperbaiki bentuk maupun isi makalah ini sehingga
kedepannya dapat lebih baik.

Makalah ini kami akui masih banyak kekurangan karena pengalaman yang kami miliki sangat
kurang. Oleh kerena itu kami harapkan kepada para pembaca untuk memberikan masukan-
masukan yang bersifat membangun untuk kesempurnaan makalah ini.

Bandar Lampung, Oktober 2021

Penyusun

i
 DAFTAR ISI

Halaman
KATA PENGANTAR .......................................................................................................... i

DAFTAR ISI ....................................................................................................................... ii

BAB 1 PENDAHULUAN .................................................................................................... 3

A. Latar Belakang ........................................................................................................... 3
B. Rumusan Masalah ...................................................................................................... 4
C. Tujuan Makalah.......................................................................................................... 4

BAB 2 PEMBAHASAN ...................................................................................................... 5

A. Pengertian Regresi Linier ........................................................................................... 5
B. Kosep Regresi Linier Sederhana ................................................................................. 6
C. Sifat Estimator ............................................................................................................ 9
D. Inferensia dalam Regresi Linier Sederhana ............................................................... 10
E. Analisis Regresi Linier Sederhana ............................................................................ 11

BAB 3 PENUTUP ............................................................................................................. 27

A. Kesimpulan .............................................................................................................. 27

DAFTAR PUSTAKA ........................................................................................................ 29

ii
 BAB 1
PENDAHULUAN

A. Latar Belakang
Analisis regresi linier merupakan teknik dalam statistika yang digunakan untuk membentuk
model hubungan antara variabel dependen dengan satu atau lebih variabel independen. Dalam
analisis regresi dibedakan dua jenis variabel yaitu variabel dependen dan variabel independen.
Regresi linier yang terdiri dari satu variabel dependen dan satu variable independen disebut
regresi linier sederhana, sedangkan regresi linier yang terdiri dari satu variable dependen dan
beberapa variable independen disebut regresi linier berganda. Hubungan antar variabel-
variabel tersebut dapat dinyatakan dalam model matematika.

Salah satu tujuan dalam analisis regresi adalah untuk mengestimasi ratarata populasi atau
nilai rata-rata variabel dependen berdasarkan nilai variabel independen yang diketahui. Hasil
dari analisis regresi berupa koefisien regresi untuk masing-masing variabel independen. Pada
umumnya digunakan metode estimasi kuadrat terkecil untuk mengestimasi koefisien regresi.
Metode kuadrat terkecil adalah suatu metode yang digunakan untuk mengestimasi koefisien
garis 2 regresi dengan cara meminimumkan jumlah kuadrat residual. Penggunaan metode
kuadrat terkecil memerlukan beberapa asumsi klasik yang harus dipenuhi.

Jika asumsi-asumsi klasik dalam metode kuadrat terkecil terpenuhi maka penduga parameter
yang diperoleh bersifat Best Linier Unbiased Estimation (BLUE). Pada kenyataannya, asumsi
ini tidak selalu terpenuhi sehingga penggunaan metode kuadrat terkecil kurang tepat. Salah
satu penyebab tidak terpenuhinya asumsi klasik adalah adanya outlier. Outlier adalah satu
atau beberapa data yang terlihat jauh dari pola kumpulan data keseluruhan.

Dalam regresi linier sederhana, metode yang biasa digunakan dalam mengestimasi parameter
regresi adalah metode kuadrat terkecil atau Ordinary Least Squares (OLS). Konsep metode
ini adalah untuk mengestimasi parameter dengan memilih garis regresi yang terdekat dengan
garis dari semua data. Secara matematika penentuan parameter regresi ini dengan cara
meminimumkan jumlah kuadrat dari residualnya. Sebelum menarik sampel dari suatu
populasi terkadang diperoleh informasi mengenai parameter yang akan diestimasi. Jika

3
informasi tersebut ingin dimasukkan dalam analisis data, maka estimasi parameter regresi
dengan metode kuadrat terkecil tidak memungkinkan untuk memasukkan informasi tersebut.

B. Rumusan Masalah
Berdasarkan latar belakang yang telah dikemukakan, rumusan masalah dalam makalah ini
adalah sebagai berikut.
1) Apa Pengertian Regresi Linier Sederhana?
2) Bagaimana Konsep Regresi Linier Sederhana?
3) Bagaimana Sifat Estimator?
4) Apa Saja Inferensia Dalam Regresi Linier Sederhana?
5) Bagaimana Analisis Regresi Linier Sederhana Dengan Perhitungan Manual, Ms. Excel,
Dan Spss?

C. Tujuan Makalah
Berdasarkan rumusan masalah yang telah dikemukankan, tujuan dari makalah ini adalah
sebagai berikut.
1) Untuk Mengetahui Pengertian Dari Regesi Linier Sederhana.
2) Untuk Mengetahui Konsep Linier Sederhana.
3) Untuk Mengetahui Sifat Estimator
4) Untuk Mengetahui Inferensia Dalam Regresi Linier.
5) Untuk Mengetahui Analisis Regresi Linier Sederhana Dengan Perhitungan Manual,
Ms.Excel, Dan SPSS.

4
 BAB 2
PEMBAHASAN

A. Pengertian Regresi Linier

Bila kita mempunyai data dua variabel atau lebih, adalah sewajarnya untuk mencari suatu
cara bagaimana variabel-variabel itu berhubungan. Hubungan yang diperoleh dinyatakan
dalam bentuk persamaan matematika yang menyatakan hubungan fungsional antara variabel-
variabelnya.

Para ilmuwan, seperti psikolog dan sosiolog selalu berkepentingan terhadap persoalan
peramalan. Pengertian persamaan regresi yaitu merupakan persamaan matematika yang
memungkinkan untuk meramalkan suatu variabel terikat dari nilai-nilai atau lebih dari satu
variabel bebas. Istilah ini berasal dari kajian yang dilakukan oleh Sir Francis Galton yang
membandingkan tinggi badan anak laki-laki dengan ayah yang tinggi. Setelah beberapa
generasi berikutnya terdapat kecenderungan mundur (regressed) mendekati nilai tengah
populasi.

Dalam regresi linier sederhana pada bagian "sederhana" ini menerangkan bahwa kita hanya
mempertimbangkan satu variabel bebas. Regresi linier sederhana menjelaskan mengenai
hubungan antardua variabel yang biasanya dapat dinyatakan dalam suatu garis regresi, serta
merupakan teknik dalam statistika parametrik yang digunakan secara umum untuk
menganalisis rata-rata respons dari variabel y yang berubah sehubungan dengan besarnya
intervensi dari vari- abel x. Dalam regresi linier, variabel y dapat disebut sebagai variabel
respons, juga disebut sebagai variabel output dan tidak bebas (dependent). Adapun variabel x
dapat disebut sebagai variabel predictor (digunakan untuk memprediksi nilai dari y), juga
dapat disebut variabel explanatory, input, regressors, dan bebas (independent).

Terdapat dua macam regresi, pertama adalah regresi linier sederhana biasa disebut regresi
linier, kedua adalah regresi linier ganda/jamak (multiple linier regression) atau disebut linier
ganda. Untuk regresi linier sederhana, satu variabel dipandang sebagai variasinya dipengaruhi
(dependent) oleh variabel lainnnya. Variabel yang mempengaruhi ini disebut sebagai variabel
bebas (independent variabel) dan variabel yang dipengaruhi disebut variabel tak bebas atau
variabel terikat/tergantung (dependent variabel).

5
Contohnya, sikap terhadap keluarga berencana, mungkin dapat dipertimbangkan sebagai
variabel bebas . Di sisi lain, penyuluh keluarga berencana dapat dipandang sebagai
variabel bebas . Contoh yang lain dapat dilihat pada hasil panen. Hasil panen dapat
dipandang sebagai variabel terikat . Sedangkan, pemupukan dipandang sebagai variabel
bebas Penentuan mana variabel bebas dan mana variabel terikat, dalam beberapa hal
tampaknya tidak mudah. Studi yang cermat, diskusi yang seksama, berbagai pertimbangan,
kewajaran masalah penelitian, dan pengalaman peneliti membantu mempermudah penentuan
variabel.

B. Konsep Regresi Linier Sederhana

Analisis regresi sebagai bagian dari alat uji statistik, diperkenalkan pertama kali oleh Francis
Galton. Dalam sebuah makalah yang terkenal, Galton menemukan fakta bahwa meskipun
ada kecenderungan bagi orangtua yang tinggi untuk memiliki anak tinggi dan bagi orang tua
pendek untuk memiliki orang tua yang pendek. Tiggi rata-rata anak yang lahir dari orang tua
yang memiliki ketinggian tertentu cenderung bergerak menuju ketinggian rata-rata tinggi
populasi secara keseluruhan. Dengan kata lain, tinggi anak dengan orang tua yang luar biasa
tinggi atau sangat pendek bergerak menuju ketinggian rata-rata penduduk. Hukum regresi
universal Dalton diperkuat hasil temuan penelitian lainnya dari Karl Pearson. Ahli statistik ini
mengumpulkan lebih dari seribu catatan ketinggian dari anggota kelompok keluarga. Ia
menemukan bahwa tinggi rata-rata anak-anak dari kelompok bapak tinggi kurang dari dari
ayah mereka tinggi dan rata-rata anak-anak dari kelompok bapak pendek lebih besar dari
ayah mereka tinggi, sehingga “regresi“ anak tinggi dan pendek sama menuju ketinggian rata-
rata semua orang.

Secara sederhana, analisis regresi merupakan analisis yang berusaha untuk meramalakan dan
memperkirakan secara matematis apa yang akan terjadi pada masa depan berdasarkan dari
data yang telah diperoleh dari hasil penelitian. Tujuannya adalah untuk meminimalisir tingkat
kesalahan dalam pengambilan keputusan. Istilah meramal dalam analisis regresi disebut
sebagai estimasi atau menduga. Hal ini diungkapkan oleh ashanter dan levina (2006) yaitu
analisis regresi merupakan alat statistic untuk mengestimasi (menduga) hubungan antara
variabel. Demikian pula Keller (2012) mengatakan bahwa analisis regresi digunakan untuk
memprediksi nilai satu variabel dengan variabel lainnya. Pengertian secara lengkap disebut

6
oleh Gujarati bahwa analisis regresi merupakan alat statistic yang digunakan untuk
menerangkan ketergantungan variabel tak bebas dengan satu atau lebih variabel bebas
, dengan tujuan untuk memperkirakan atau meramalkan nilai rata-rata dari variabel tak
bebas apabila nilai variabel yang menerangkan sudah diketahui. Ini berarti dalam analisis
regresi adalah meramal rata-rata variabel tak bebas melalui variabel bebas .

Sebagai ilustrasi, seorang kepala sekolah di SMA bertanggung jawab terhadap perkembangan
sekolahnya ingin memprediksi jumlah siswa yang akan mendaftar disekolahnya. Untuk
melakukan ramalan berapa jumlah lulusan siswa SMP yang mendaftar, kepala sekolah
beserta para stafnya mengumpulkan informasi yang berkemungkinan memengaruhi jumlah
siswa yang akan mendaftar di sekolah tersebut diantaranya:
1. Uang pendaftaran dan bulanan sekolah
2. Jumlah siswa yang menamatkan sekolah SMP
3. Perbandingan uang masuk dan bulanan dari sekolah lainnya
4. Brand image sekolah dimasyarakat
5. Efektivitas iklan sekolah dimasyaraka; dan
6. Jumlah siswa yang mendaftar dari tahun-tahun sebelumnya

Dari ilustrasi ini disebutkan bahwa fungsi dan tujuan utama dalam menggunakan analisis
regresi adalah untuk memprediksi atau meramal. Pada konteks contoh diatas, dengan
menggunakan analisis regresi, seorang kepala sekolah dapat memprediksi jumlah siswa yang
akan masuk dan mendaftar disekolahnya dengan mempertimbangkan variabel-variabel
sebagaimana yang telah disebutkan di atas di antaranya uang masuk dan bulanan, jumlah
siswa yang mendaftar dari tahun-tahun sebelumnya.

Bentuk peraamalan atau prediksi dalam analisis regresi dituliskan dalam persamaan regresi
berikut ini:

Dimana :
: Constant, (nilai apabila )
: Koefisien regresi, apabila ada kenaikan memiliki tanda + (plus) atau menurun – (minus)
terhadap nilai apabila berubah 1 unit
: Variabel tak bebas

7
 : Variabel bebas

Untuk menggambarkan koefisien regresi bertanda plus dan minus dapat dilihat pada gambar
berikut:

Adapun untuk mencari persamaan a dan b rumus yang digunakan adalah sebagai berikut:
∑ (∑ ) ∑ ∑ ∑ ∑
1. ∑ ∑
atau
∑ ∑ ∑
2. ∑ ∑

Sebagai alat analisis, ada beberapa persyaratan sebelum menggunakan analisis regresi.
Beberapa persyaratan tersebut adalah:
1. Terdapat logika konseptual yang menghubungkan antara variabel bebas (predictor) dan
variabel tak bebas (criterion). Artinya, hubungan predictor dan criterion mempunyai
dasar rasional yang kuat atau didukung oleh teori yang kuat.
2. Pada umumnya, predictor melalui criterion. artinya, dalam urutan waktu, predictor terjadi
lebih dahulu kemudian criterion. Sebagai contoh, pemberian renumerasi kejadiannya
mendahului pengukuran kinerja pegawai sehingga dapat dipelajari bahwa kinerja pegawai
sebagai pengaruh dari pemberian renumerasi.
3. Terdapat pengaruh (direct effect) yaitu dari predictor ke criterion atau dalam representasi
symbol ditulis sebagai anak panah berkepala satu. Misalkan predictor dan
criterion , maka arah pengaruh ditulis dengan atau pengaruh terhadap ,
bukan sebaliknya. Hal ini berbeda dengan dengan analisis korelasi dimana hubungan X
dan Y atau sebaliknya dan bermakna sama, jadi berkorelasi dengan memiliki
makna yang sama yakni berkorelasi dengan .
4. Terdapat kontrol secara statistik sehingga pengaruh predictor yang dipelajari dapat
dikontrol pengaruhnya.

8
Dalam analisis regresi, terdapat dua model desain penelitian, yaitu:
1. Satu variabel tak bebas dan satu variabel bebas . Model ini disebut sebagai
analisis regresi sederhana.
2. Satu variabel tak bebas dan lebih dari satu variabel bebas Model ini disebut
sebagai analisis regresi berganda.

C. Sifat Estimator
Untuk mencari suatu estimator yang baik bagi suatu parameter , digunakan nama
Least Square Method atau yang sering disebut Metode Kuadrat Terkecil. Metode Kuadrat
Terkecil memperhitungkan metode yang bersimpangan dari , dari nilai ekspektasinya:

Di dalam Metode Kuadrat Terkecil juga dikenal nilai Q yang merupakan jumlah kuadrat dari
selisih nilai sebenarnya dengan estimatornya:

Semakin kecil nilai Q, maka semakin baik estimator yang digunakan.

Gauss-Markov Theorem
Untuk setiap persamaan regresi linier sederhana, estimator kuadrat terkecil untuk , dan ,
adalah unbias dan mempunyai varian minimum di antara semua estimator unbias lainnya.

Ahli statistika berpendapat bahwa estimator yang baik harus memenuhi sifat BLUE (Best
Linear Unbiasdness Estimator). Best berarti estimator harus memiliki varian yang minimum
terhadap nilai aslinya atau sering disebut Unbias berarti mean dari distribusi sampling dapat
mewakili nilai parameter populasi.

Contoh:
Mean dari suatu distribusi sampling dari populasi adalah ̅ . Jadi, nilai ̅ adalah
estimator yang unbias terhadap nilai .

9
Jika pada dua buah statistik memiliki mean sampel yang sama, namun memiliki varian yang
berbeda. Maka, statistik yang memiliki varian yang lebih kecil disebut sebagai efficient
estimator dan statistik yang memiliki varian yang lebih besar disebut inefficient estimator.
Namun pada kenyataannya, statistik yang memiliki varian yang lebih besar lebih banyak
digunakan karena kemudahan untuk mendapatkan datanya.

Estimator terdiri dari dua jenis, yakni point estimation dan interval estimation. Point
estimation hanya menunjukkan pada satu bilangan saja, sedangkan interval estimation
biasanya menunjukkan pada dua bilangan atau lebih. Interval estimation biasanya dituliskan
menggunakan selang. Biasanya interval estimation lebih disukai daripada poin estimation.
Error yang terdapat pada interval estimation menunjukkan presisi dan reliability dari
estimator tersebut.

D. Inferensia dalam Regresi Linier Sederhana

Setelah melakukan proses identifikasi kecocokan model, selanjutnya kita dapat melakukan
inferensi terhadap nilai parameter. Terdapat tiga parameter dalam model, yaitu:

Inferensia
Nilai menunjukkan standar error dari komponen error. Jika kita memiliki garis regresi
eksak (sempurna), maka komponen error dan residual akan sama sehingga kita berharap
residual dapat memberikan informasi mengenai nilai .

Inferensia
Penaksir , dinyatakan dengan yaitu slop atau koefisien kemiringan dari garis regresi,
juga merupakan penaksir tak bias dari .

Inferensia
Penaksir dinyatakan dengan . yaitu intercept dari garis regresi, juga merupakan penaksir
tak bias dari .

10
 E. Analisis Regresi Linier Sederhana
Pada analisis regresi sederhana terdapat satu variabel dependen ( ) dan satu variabel
independent ( ). Untuk uji analisis regresi sederhana Langkah perhitungannya sebagai
berikut:
1. Menentukan uji hipotesis penelitian.
2. Mencari harga ∑ ∑ ∑ ∑ dan ∑
3. Mencari persamaan regresi sederhana dan
4. Menguji linieritas dan tingkat signifikansi sederhana terhadap .
5. Menguji signifikansi koefisien persamaan regresi.
6. Mencari koefisien korelasi dan .

Contoh 1:
Sebuah penelitian yang bertujuan untuk mengetahui hubungan antara pengeluaran konsumsi
(Y) dengan pendapatan keluarga (X). untuk itu ambil sampel acak sebanyak 10 keluarga
untuk diwawancarai, dan dari hasil penelitian itu diperoleh data sebagai berikt.
Konsumsi (Y) 5 6 8 9 10 12 12 14 15 20
Pendapatan (X) 6 8 10 12 13 17 20 22 24 28
Berdasarkan data tersebut:
a. Dugalah persamaan regresi populasinya.
b. Berikan intervensi terhadap nilai b yang diperoleh.
c. Dugalah rata-rata pengeluaran konsumsi bila pendapatan seorang keluarga 18.

Penyelesaian:
a. Persamaan regresi populasi akan diduga dengan persamaan regresi sampelnya:

6 5 36 25 30
8 6 64 36 48
10 8 100 64 80
12 9 144 81 108
13 10 169 100 130
17 12 289 144 204
20 12 400 144 240
22 14 484 196 308

11
 24 15 576 225 360
28 20 784 400 560

∑ ∑ ∑ ∑ ∑

∑
̅

∑
̅

∑ ∑ ∑
(∑ ) ∑
̅ ̅

Jadi persamaan regresi sampel sebagai penduga regresi populasi adalah:

b. Nilai memiliki arti bahwa bila pendapatan naik sebesar satu unit, maka rata-rata
pengeluaran konsumsi naik sebesar 0,60 unit.

c. Bila maka

Jadi bila pendapatan keluarga 18, maka rata-rata pengeluaran konsumsinya diharapkan
sebesar 12,3.

Contoh 2:
Diperoleh data hasil penelitian dengan judul “pengaruh minat belajar terhadap hasil prestasi
peserta didik “yaitu:
Tabel Skor Minat Belajar Dan Keinginan Berprestasi
No. Minat Belajar Keinginan Berprestasi

12
 1 80 87
2 97 86
3 107 100
4 106 85
5 103 97
6 100 83
7 98 88
8 101 88
9 113 103
10 110 99
11 97 94
12 100 95
13 101 97
14 96 99
15 97 91
16 94 92
17 94 89
18 91 87
19 91 99
20 103 95
21 107 96
22 95 92
23 96 94
24 96 96
25 98 94
26 93 97
27 99 99
28 99 90
29 106 95
30 105 100

Berdasarkan data diatas, dapat dihitung pengaruh variabel X dan Y dengan menggunakan
analisis regresi sebagai berikut:

13
a) Menentukan uji hipotesis penelitian
Minat Belajar Berpengaruh Terhadap Keinginan Berprestasi
Minat Belajar Tidak Berpengaruh Terhadap Keinginan Berprestasi
Hipotesis Statistik:

b) Mencari harga ∑ ∑ ∑ ∑ dan ∑ dengan menggunakan table bantu sebagai

berikut:
Table ∑ ∑ ∑ ∑ Dan ∑

80 87 6400 7569 6960

97 86 9409 7396 8342
107 100 11449 10000 10700
106 85 11236 7225 9010
103 97 10609 9409 9991
100 83 10000 6889 8300
98 88 9604 7744 8624
101 88 10201 7744 8888
113 103 12769 10609 11639
110 99 12100 9801 10890
97 94 9409 8836 9118
100 95 10000 9025 9500
101 97 10201 9409 9797
96 99 9216 9801 9504
97 91 9409 8281 8827
94 92 8836 8464 8648
94 89 8836 7921 8366
91 87 8281 7569 7917
91 99 8281 9801 9009
103 95 10609 9025 9785
107 96 11449 9216 10272

14
 95 92 9025 8464 8740
96 94 9216 8836 9024
96 96 9216 9216 9216
98 94 9604 8836 9212
93 97 8649 9409 9021
99 99 9801 9801 9801
99 90 9801 8100 8910
106 95 11236 9025 10070
105 100 11025 10000 10500
2973 2807 295877 263421 278581

Dari data diatas diperoleh hasil perhitungan sebagai berikut :

∑ = 2973
∑ 2807
∑ 295877
∑ 263421
∑ 278581
̅ 99,10
̅ 93,57

c) Mencari persamaan regresi sederhana dan dengan cara menghitung koefisien a dan b
yaitu:
1) Harga koefisien a yakni:
∑ ∑ ∑ ∑
∑ ∑

2) Harga koefisien b yaitu:

∑ ∑ ∑
∑ ∑

15
 Berdasarkan perhitungsn koefisien a dan b diperoleh persamaan regresinya sebagai
berikut:

d) Uji linieritas dan signifikansi regresi dan yaitu:

1) Menentukan nilai kuadratan total yaitu:

2) Menetukan nilai regesi JK (a) yaitu:

∑

3) Menentukan nilai kuadrat regresi JK (b/a) yaitu:

∑ ∑
(∑ )

( )

4) Menentukan harga kuadrat sisa JK (S):

5) Menetukan jumlah kuadrat kekeliruan JK (G):

∑
∑

16
Perhitungan JK (galat) selanjutnya dihitung dengan menggunakan table dengan cara
mengurutkan data pada vaiabel X dan kemudian menghitung variabel dengan skor yang
sama saja. Hasil perhitungan dapat dilihat sebagai berikut.
Table Harga JK (G)

∑ (∑ ) ∑

80 1 87 7569 - - - -
91 2 86 7396 186 34596 17396 98
91 100 10000
93 3 85 7225 - - - -
94 4 97 9409 180 32400 16298 98
94 83 6889
95 5 88 7744 - - - -
96 6 88 7744 290 84100 28154 120,67
96 103 10609
96 99 9801
97 7 94 8836 286 81796 27270 4,67
97 95 9025
97 97 9409
98 8 99 9801 190 36100 18082 32
98 91 8281
99 9 92 8464 181 32761 16385 4,5
99 89 7921
100 10 87 7569 186 34596 17370 72
100 99 9801
101 11 95 9025 191 36481 18241 0,5
101 96 9216
103 12 92 8464 186 34596 17300 2
103 94 8836
105 13 96 9216 - - - -
106 14 94 8836 191 36481 18245 4,5
106 97 9409

17
 107 15 99 9801 189 35721 17901 40,5
107 90 8100
110 16 95 9025 - - - -
113 17 100 10000 - - - -
477,333

Dari perhitungan diatas diperoleh jumlah

6) Menghitung kuadrat tuba cocok JK (TC)

7) Menghitung nilai varian regresi

8) Menghitung varian residu ( ) = RJK (S) yaitu:

9) Menghitung varian tuna cocok = yaitu:

10) Menghitung varian kekeliruan = yakni:

11) Menentukan nilai deradat kebebasan (dk) masing-masing sumber varian:

 dk total
 dk reg ( a ) = 1
 dk reg ( b/a ) = 1
 dk sisa
 dk tuna cocok –

18
12) Menghitung kelinieran persamaan regresi Y terhadap X dengan hipotesis sebagai
berikut:

Perhitungan nilai dihitung sebagai berikut:

Menentukan dimana dk pembilang – dan dk penyebut

sehingga . Dari penentuan harga
diperoleh sehingga diterima. Dengan demikian dapat
disimpulkan bahwa persamaan regresi Y terhadap X berbentuk garis linier.

13) Uji signifikasni regresi Y terhadap X dengan hipotesis sebagai berikut:

Perhitungan nilai dihitung sebagai berikut :

14) Membuat ringkasan dengan menggunakan table anova regresi.

Tabel Tabel Penolong Anova
Varian JK Dk RJK
Total 263421 30 -
Regresi (a) 262641,43 1 262641,63
Regresi (a/b) 134,409 1 134,409
5,836 2,45
Sisa 644,961 28 23,03
Galat 477,333 15 31,82
Tuna Cocok 167,628 13 12,89

19
 15) Menetukan dimana dk pembilang = dk reg (b/a) dan dk penyebut = dk
sisa sehingga . Dari penentuan harga
diperoleh sehingga ditolak. Dengan demikian, dapat
dsimpulkan bahwq minat belajar berpengaruh terhadap keinginan berprestasi dan
pengaruhnya bersifat linier.

e) Uji signifikansi koefisien regresi yaitu:

1) Menghintung standar eror:

2) Menghitung dugaan untuk koefisien

∑
∑

Maka : √

Maka : √

Cat : untuk mencari harga ∑ yaitu :

∑
∑ ∑

3) Mencari statistik dengan dengan uji t yakni:

 Mennetukan hipotesis penelitian.
minat belajar berpengaruh terhadap keinginan berprestasi
= minat belajar tidak berpengaruh terhadap keinginan berprestasi

Hipotesis statistik :

20
  Mencari signifikansi dari koefisien I dan j dengan menggunakan uji t pada
persamaan regresi yaitu:

Menentukan dimana sisa sehingga

Untuk atau ditolak yang berarti konstan regresi
signifikan. Untuk atau ditolak. Dengan demikian dapat
disimpulkan bahwa minat belajar berpengaruh terhadap keinginan berprestasi dan
pengaruhnya bersifat linier.

f) Menguji koefisien korelasi variabel X dan Y.

Uji koefisien korelasi X dan Y:
∑ ∑ ∑
√ ∑ ∑ ∑ ∑

Pengujian hipotesis korelasi dilakukan dengan manggunakan table distribusi t, denga cara
mentransformasi nilai r ke t dengan manganoan rumus sebagai berikut:
√
√
√
√

Menentukan dimana sisa sehingga

Untuk sehingga ditolak yang berarti korelasi variabel X
terhadap Y adalah sigifikan.ini berarti , makin tinggi minat belajar siswa maka tinggi
pula keinginan berprestasi siswa.ar variansi yang ditimbulkan oleh variabel Y. untuk
menghitung koefisien determenasi adalah dengan cara mengkuadratkan koefisien korelasi
dan kemudian dikali . Berdasarkan data diatas, dapat dicari koefisien
determinasinya yaitu . Koefisien ini

21
 memberikan informasi bahwa variasi keinginan berprestasi siswa dapat
dijelaskan oleh variabel minat belajar . dengan kata lain, dengan mengontrol predictor
lain yang berkorelasi dengan variabel keinginan berprestasi, dapat disimpulkan bahwa
variabel pengaruh minat belajar terhadap keinginan berprestasi sebesar

Contoh 3:
Seorang peneliti ingin mengetahui hubungan antara nilai rata-rata SKHU SMA dengan nilai
rata-rata ujian saringan masuk. Untuk keperluan tersebut diambil data secara acak sebanyak
delapan orang calon mahasiswa dan hasilnya sebagai berikut:
Rata-Rata Nilai Tes
No Responden Rata-Rata SKHU
Masuk
1 6 6
2 6 7
3 7 7
4 8 9
5 7 8
6 8 8
7 6 7
8 7 8

a. Tentukan variabel bebas dan variabel terikatnya.

b. Tentukan persamaan garis regresi linear sederhananya antara rata-rata nilai SKHU dengan
rata-rata nilai tes masuk, dan apa artinya?

Penyelesaian dengan cara Manual:

Variabel bebasnya adalah rata-rata nilai SKHU, karna berfungsi sebagai variabel yang
mempengaruhi variabel terikat yaitu rata-rata ujian saringan masuk. Untuk menentukan
persamaan garis regresi, dibuat tabel berikut:
Rata-Rata Rata-Rata Nilai
No Responden
SKHU Tes masuk
1 6 6 36 36 36
2 6 7 42 36 49
3 7 7 49 49 49

22
 4 8 9 72 64 81
5 7 8 56 49 64
6 8 8 64 64 64
7 6 7 42 36 49
8 7 8 56 49 64
jumlah 55 60 417 383 456

∑ ∑ ∑ ∑
∑ ∑

∑ ∑ ∑
∑ ∑

Jadi, persamaan linearnya adalah

̂

Yang artinya setiap penambahan satu-satuan variabel bebas maka akan mengakibat-kan
naiknya variabel terikat sebesar

Penyelesaian dengan MS. Excel

Berikut ini adalah langkah-langkah pengerjaan dengan MS. Excel.
a) Blok sel rata-rata nilai skhu dan rata-rata nilai tes masuk
b) Pilih insert,
c) lalu Chart,
d) lalu Scatter,
e) kemudian klik Ok

23
f) Pilih add trendline
g) Hasil akhir seperti gambar di bawah ini.

Penyelesaian dengan menggunakan SPSS

Berikut ini adalah langkah-langkah pengerjaan dengan SPSS.
a) Buat lembar kerja

24
b) Pilih analyze
c) Regression
d) Linier
e) Muncul kota dialog linier
f) Masukkan variabel usm ke kolom dependent list dan skhu ke kolom independent list

g) Klik ok dan akan muncul output persamaan regresi

h) Interpretasi
Variables Entered/Removed

Model Summary

ANOVA

25
Coefficients

Dari output tersebut diperoleh persamaan linearnya adalah ̂

26
 BAB 3
PENUTUP

A. Kesimpulan
Regresi linier sederhana menjelaskan mengenai hubungan antar dua variabel yang biasanya
dapat dinyatakan dalam suatu garis regresi, serta merupakan teknik dalam statistika
parametrik yang digunakan secara umum untuk menganalisis rata-rata respons dari variabel y
yang berubah sehubungan dengan besarnya intervensi dari vari- abel x. Dalam regresi linier,
variabel y dapat disebut sebagai variabel respons, juga disebut sebagai variabel output dan
tidak bebas (dependent). Adapun variabel x dapat disebut sebagai variabel predictor
(digunakan untuk memprediksi nilai dari y), juga dapat disebut variabel explanatory, input,
regressors, dan bebas (independent).

Secara sederhana, analisis regresi merupakan analisis yang berusaha untuk meramalakan dan
memperkirakan secara matematis yang akan terjadi pada masa depan berdasarkan dari data
yang telah diperoleh dari hasil penelitian. Tujuannya adalah untuk meminimalisir tingkat
kesalahan dalam pengambilan keputusan. Istilah meramal dalam analisis regresi disebut
sebagai estimasi atau menduga. Hal ini diungkapkan oleh ashanter dan levina (2006) yaitu
analisis regresi merupakan alat statistic untuk mengestimasi (menduga) hubungan antara
variabel. Demikian pula Keller (2012) mengatakan bahwa analisis regresi digunakan untuk
memprediksi nilai satu variabel dengan variabel lainnya. Pengertian secara lengkap disebut
oleh Gujarati bahwa analisis regresi merupakan alat statistic yang digunakan untuk
menerangkan ketergantungan variabel tak bebas dengan satu atau lebih variabel bebas
, dengan tujuan untuk memperkirakan atau meramalkan nilai rata-rata dari variabel tak
bebas apabila nilai variabel yang menerangkan sudah diketahui. Ini berarti dalam analisis
regresi adalah meramal rata-rata variabel tak bebas melalui variabel bebas .

Ahli statistika berpendapat bahwa estimator yang baik harus memenuhi sifat BLUE (Best
Linear Unbiasdness Estimator). Best berarti estimator harus memiliki varian yang minimum
terhadap nilai aslinya atau sering disebut Unbias berarti mean dari distribusi sampling dapat
mewakili nilai parameter populasi.

27
Terdapat tiga infereansia dalam dan regresi linier sederhana yaitu
dan tiga cara penyelesaian analisis sederhana yaitu:
1. Penyelesaian dengan cara manual
2. Penyelesaian dengan Ms.Excel
3. Penyelesaian dengan SPSS

28
 DAFTAR PUSTAKA

Ismail, Fajri. 2017. Statistika untuk Penelitian Pendidikan dan Ilmu-ilmu Sosial. Jakarta:
Prenadamedia.

Muhidi, Sambas Ali. 2009. Analisis Korelasi Regresi dan Jalur Dalam Penelitian. Bandung.
CV Pustaka Setia.

Kurniawan, Robert. 2016. Analisis Regresi Dasar dan Penerapannya dengan R. Jakarta:
Kencana.

Yuantari, C. dan Sri H. 2017. Buku Ajar: Biostatistik Deskriptif & Inferensial. Semarang:
Badan Penerbit Universitas Dian Nuswanto.

29