MAKALAH

STATISTIKA

“ANALISIS REGRESI LINEAR SEDERHANA DAN APLIKASINYA

DIDALAM MANAJEMEN PENDIDIKAN”

Dosen Pengampu Mata Kuliah :

Prof. Dr. Suradi Tahmir, M.Si

Disusun Oleh :
KELOMPOK 5
A. Adim Anugrah 210014301029
Febry Rosalina S. 210014301030
Ika Puspyta 210014301031
A. Muh. Dipa Darmawan AS. 210014301032
Salmawati 210014301033
Andi Masyithah Rahmah 210014301034
Andi Ratu AyuAshari Anwar 210014301035
Fegi 210014301036

MANAJEMEN PENDIDIKAN
PRODI ADMINISTRASI PEDIDIKAN
PASCASARJANA
UNIVERSITAS NEGERI MAKASSAR
A. Kajian Teori
1. Persamaan Regresi Linear Sederhana
Regresi linear (linear regression) adalah teknik yang digunakan
untuk memperoleh model hubungan antara 1 variabel dependen dengan
1 atau lebih variabel independen. Jika hanya digunakan 1 variabel
independen dalam model, maka teknik ini disebut sebagai regresi linear
sederhana (simple linear regression), sedangkan jika yang digunakan
adalah beberapa variabel independen, teknik ini disebut regresi linear
ganda (multiple linear regression).
Variabel dependen pada regresi linear disebut juga sebagai
respons atau kriterion, sedangkan variabel independen dikenal pula
sebagai prediktor atau regresor. Kovariat adalah variabel independen
yang berkorelasi dengan prediktor lainnya, juga mempengaruhi respons.
Kovariat umumnya tidak diminati hubungannya dengan respons dan
hanya digunakan untuk pengendalian hubungan prediktor-respons
dalam model.
Respons pada regresi linear selalu berupa variabel kontinu,
sedangkan prediktor dapat berupa variabel kontinu, indikator, ataupun
karegorik yang disubstitusikan menjadi variabel indikator.
Persamaan regresi linier sederhana merupakan suatu model
persamaan yang menggambarkan hubungan satu variabel bebas/
predictor (X) dengan satu variabel tak bebas/response (Y), yang
biasanya digambarkan dengan garis lurus, seperti disajikan pada
gambar berikut :

Gambar 1. Ilustrasi Garis Regresi Linier

 Persamaan regresi linier sederhana secara matematik
diekspresikan oleh :
Y = a + bX
Keterangan :
Y : garis regresi/ variable response
a : konstanta (intersep), perpotongan dengan sumbu vertikal
b : konstanta regresi (slope)
X : variabel bebas/ predictor

Besarnya konstanta a dan b dapat ditentukan menggunakan

persamaan :

yang mana n = jumlah data

Persamaan regresi linear sederhana merupakan persamaan garis
lurus yang melibatkan dua peubah (variable), yaitu peubah bebas
(independent variable) dan peubah terikat (dependent variable).
Persamaan regresi, yang dalam pengertian statistika sering disebut
dengan istilah model, diperoleh berdasarkan perhitungan-perhitungan
statistika.
Oleh karena perhitungannya disusun dari banyak pasangan data
kedua peubahnya (peubah bebas dan terikat), maka akan memiliki
kesalahan (error). Untuk pasangan data (Xi,Yi) dimana i=l, 2, .., n akan
diperoleh persamaan regresi Yi=α+βXi+εi, dimana α adalah nilai intersep
(intercept), β adalah nilai kemiringan (slope) dan ε adalah nilai
kesalahan. Hubungan antara peubah X dan Y tersebut bisa diduga
sebagai garis lurus dengan persamaan Y=a+bX, dimana a adalah nilai

intersep dan b adalah nilai kemiringan yang masing-masing dihitung

berdasarkan sampel data.
 Dalam statistika, umumnya persamaan regresi linear ini sering
dipakai untuk menunjukkan hubungan antara peubah bebas (X) dan
peubah terikatnya (Y). Selain itu, persamaan ini juga berguna untuk
menduga nilai Y bila diketahui nilai Xnya. Tetapi masalahnya akan timbul
bila kita memiliki dua persamaan regresi linear untuk peubah yang sama
(tetapi berbeda lokasi atau berbeda waktu pengambilan datanya).
2. Langkah-langkah Analisis dan Uji Regresi Linier Sederhana
Adapun langkah-langkah yang perlu dilakukan untuk melakukan
analisis dan uji regresi linier sederhana adalah sebagai berikut :
1. Menentukan tujuan dari Analisis Regresi Linear Sederhana
2. Mengidentifikasi variabel predictor dan variabel response
3. Melakukan pengumpulan data dalam bentuk tabel
4. Menghitung X², XY dan total dari masing-masingnya
5. Menghitung a dan b menggunakan rumus yang telah ditentukan
6. Membuat model Persamaan Garis Regresi
7. Melakukan prediksi terhadap variabel predictor atau response
8. Uji signifikansi menggunakan Uji-t dan menentukan Taraf Signifikan
3. Koefisien Korelasi
Untuk mengukur kekuatan hubungan antar variable predictor X dan
response Y, dilakukan analisis korelasi yang hasilnya dinyatakan oleh
suatu bilangan yang dikenal dengan koefisien korelasi. Biasanya analisis
regresi sering dilakukan bersama-sama dengan analisis korelasi.
Persamaan koefisien korelasi (r ) diekspresikan oleh :

4. Koefisien Determinasi
Koefisien determinasi dapat ditentukan dengan mengkuadratkan
koefisien korelasi. Dari contoh kasus di atas, maka koefisien
determinasinya adalah r 2 = 0,90 . Nilai ini berarti bahwa, 90% variabel
bebas/ predictor X dapat menerangkan/ menjelaskan variabel tak bebas/
response Y dan 10% dijelaskan oleh variabel lainnya
5. Uji Signifikansi dan Hipotesis
Pengujian hipotesis dimaksudkan untuk melihat apakah suatu
hipotesis yang diajukan ditolak atau dapat diterima. Hipotesis merupakan
asumsi atau pernyataan yang mungkin benar atau salah mengenai suatu
populasi. Dengan mengamati seluruh populasi, maka suatu hipotesis akan
dapat diketahui apakah suatu penelitian itu benar atau salah. Untuk
keperluan praktis, pengambilan sampel secara acak dari populasi akan
sangat membantu. Dalam pengujian hipotesis terdapat asumsi/
pernyataan istilah hipotesis nol. Hipotesis nol merupakan hipotesis yang
akan diuji, dinyatakan oleh H0 dan penolakan H0 dimaknai dengan
penerimaan hipotesis lainnya yang dinyatakan oleh H1.
Jika telah ditentukan Koefisien Determinasi ( r2 ), maka selanjutnya
dilakukan uji signifikan hipotesis yang diajukan. Uji ini dapat
menggunakan Uji-t ; Uji-F ; Uji-z atau Uji Chi Kuadrat. Dengan uji
signifikansi ini dapat diketahui apakah variable bebas/ predictor/
independent (X) berpengaruh secara signifikan terhadap variable tak
bebas/ response/ dependent (Y). Arti dari signifikan adalah bahwa
pengaruh antar varible berlaku bagiseluruh populasi. Dalam modul ini
hanya dibahas uji signifikansi menggunakan uji-t.
a. Uji-t
Langkah-langkah yang perlu dilakukan dalam uji-t pada regresi linier
adalah :
1. Menentukan Hipotesis
H0 : β = 0; variabel X tidak berpengaruh signifikan/nyata terhadap Y
H1 : β  0; variabel X berpengaruh signifikan/nyata terhadap Y
2. Menentukan tingkat signifikansi (α)
Tingkat signifikansi, α yang sering digunakan adalah α= 5% (α =
0,05)
𝒓
√𝒏−𝟐
3. Menghitung nilai t hitung menggunakan rumus : 𝑡ℎ𝑖𝑡 =
√𝟏−𝒓𝟐

4. Menentukan daerah penolakan H0 (daerah kritis)

Bentuk pengujian dua arah, sehingga menggunakan uji-t dua arah :
H0 akan ditolak jika thit > ttab atau -(thit) < -(ttab), berarti H1 diterima.
H0 akan diterima jika -(thit) < ttab < thit , berarti H1 ditolak.
5. Menentukan t table (mempergunakan table Uji-t)
Tabel Uji-t untuk α = 5 % dan derajat kebebasan (df) = n – k; (n=
jumlah sampel/ pengukuran, k adalah jumlah variabel (variabel bebas
+ variabel terikat).
6. Kriteria Pengujian nilai t hitung dan t tabel
Bila nilai thit < ttab, maka H0 diterima, H1 ditolak
Bila nilai thit > ttab, maka H0 ditolak, H1 diterima
7. Kesimpulan hasil uji signifikansi
b. Uji Signifikansi
a. Menentukan jumlah kuadrat (JK) setiap sumber variasi.
• Jumlah total sebagai berikut:
JKT = ∑ Y²
• Jumlah kuadrat regresi a sebagai berikut:
∑ 𝒀𝒊𝟐
JK (a) =
𝒏
• Jumlah kuadrat regresi b/a sebagai berikut:
(∑ 𝑿𝒊)(∑ 𝒀𝒊)
JK (b/a) = b{∑ 𝑿𝒊𝒀𝒊 −
𝒏
• Jumlah kuadrat residu sebagai berikut:
JKresidu = JK (total) – JK (a) – JK (b/a)
b. Menentukan derajat kebebasan (dk) setiap sumber varians
• dkregresi=m= 1
• dkresidu = n-m-1
c. Menentukan rata-rata jumlah kuadrat (RJK) setiap sumber variasi.
• RJKregresi = Jkregresi
dkregresi
• RJKresidu = Jkresidu
dkresidu
 d. Menghitung nilai uji F
• F = RJkregresi
RJkresidu

B. Apliksi dalam Manajemen Pendidikan

Berikut ini data terkait hubungan Penguasaan Metode pembelajaran

terhadap kinerja guru.
X= Penguasaan Metode Pembelajaran
Y = Kinerja Guru

Penguasaan Metode
No. Kinerja Guru
Pembelajaran

1 15 10

2 10 8

3 12 7

4 10 7

5 11 9

6 13 7

7 10 8

8 15 10

9 15 7

10 15 8

1. Membuat Tabel Statistik

Xi Yi Xi2 Yi2 XiYi

No.

1 15 10 225 100 150

2 10 8 100 64 80

3 12 7 144 49 84

4 10 7 100 49 70

5 11 9 121 81 99
 6 13 7 169 49 91

7 10 8 100 64 80

8 15 10 225 100 150

9 15 7 225 49 105

10 15 8 225 64 120

Jumlah 126 81 1634 669 1029

2. Menentuka nilai a dan b dan persamaan regresinya

• Koefisien regresi b ditentukan dengan menggunakan rumus :
𝑛 (∑ 𝑋𝑖𝑌𝑖)−(∑ 𝑋𝑖)(∑ 𝑌𝑖)
b=
𝑛 ∑ 𝑋𝑖 2 −(∑ 𝑋𝑖)2
10(1029)−(126)(81) 84
b= = 464 = 0,181
10( 1634)−(126)2

• Konstanta a ditentukan menggunakan rumus:

(∑ 𝑌𝑖) (∑ 𝑋𝑖 2 )−(∑ 𝑋𝑖)(∑ 𝑋𝑖𝑌𝑖)
a=
𝑛 ∑ 𝑋𝑖 2 −(∑ 𝑋𝑖)2
(81)(1634)−(126)(1029) 2700
a= = = 4,873
10 (1634)−(126)2 554

• Persamaan Regresinya yaitu:

Y= a+bX
Y= 4,873 + 0,181X

3. Mencari JK (Jumlah Kuadrat) dan JP (Jumlah Produk)

• Jumlah Kuadrat (JK)
(∑ 𝑋𝑖)2 1262 15876
JKX = ∑ 𝑋 2 = ∑ 𝑋𝑖 2 - = 1634 - = 1634 - =46,4
𝑛 10 10
(∑ 𝑌𝑖)2 812 6561
JKY = ∑ 𝑌 2 = ∑ 𝑌𝑖 2 - = 669- = 669 - = 12,9
𝑛 10 10

• Jumlah Produk (JP)

∑ 𝑋𝑖 ∑ 𝑌𝑖 (126)(81)
JPXY = ∑ 𝑋𝑌 = ∑ 𝑋𝑖𝑌𝑖 - = 1029 - = 9.117
𝑛 10

4. Mencari F Regresi dan Menguji Taraf Signifikansi

• JKT = ∑ Y² = 669
∑ 𝑌𝑖 2 669
• JK (a) = = = 66,9
𝑛 10
(∑ 𝑋𝑖)(∑ 𝑌𝑖) (126)(81)
• JK (b/a) = b {∑ 𝑋𝑖𝑌𝑖 − = 0,181 {1029 - } = 1,520
𝑛 1𝑂

• JKresidu = JK (total) – JK (a) – JK (b/a) = 669-66,9-1,520=600,58

 • dkregresi=m= 1
• dkresidu = n-m-1 = 10-1-1=8
• RJKregresi = Jkregresi = 1,520 = 1,520
` dkregresi 1
• RJKresidu = Jkresidu = 600,58 = 75,072
Dkresidu 8
• Hipotesis diuji dengan Uji F
F = Rjkregresi = 1,520 = 20,247
Rjkresidu 75,072

DAFTAR PUSTAKA

Giyanto. (2003). Membandingkan Dua Persamaan Regresi Linear

Sederhana. Oseana, Volume XXVIII, Nomor 1. 19 – 31.

Priyastama romie, 2017. Pengolahan data dan analisis data. Bantul: Start
up

Wijayanto, A. (2008). Analisis regresi linear sederhana.

Yuliara, I. M. (2016). Regresi linier sederhana. Regresi Linier

Sederhana, 13.