Analisis Regresi Linier Sederhana

Analisis regresi merupakan studi ketergantungan satu atau lebih variabel bebas
terhadap variabel tidak bebas. Dengan maksud untuk meramalkan nilai variabel tidak bebas.
Analisis regresi berfungsi untuk melakukan prediksi sekaligus untuk mengetahui hubungan.
Perbedaan mendasar antara korelasi dan regresi adalah:
• Korelasi hanya menunjukkan sekedar hubungan.
• Dalam korelasi variabel tidak ada istilah tergantung dan variabel bebas.
• Regresi menunjukkan hubungan pengaruh.
• Dalam regresi terdapat istilah tergantung dan variabel bebas.

Istilah dan notasi variabel dalam regresi Dapat disajikan pada tabel berikut:
X Y
• Variabel • Varaibel bebas
tergantung (Independent Variable)
(Dependent Variable) • Variabel yang
• Variabel yang menjelaskan
dijelaskan (Explained (Explanatory Variable)
Variable) • Variabel peramal
• Variabel yang (Predictor)
diramalkan • Variabel yang
(Predictand) meregresi (Regressor)
• Variabel yang • Variabel
diregresi (Regressand) perangsang atau
• Variabel kendali (Stimulus or
Tanggapan (Response) control variable)
• Kriterium • Predictor

Regresi Linear
Analisis regresi linier sederhana adalah hubungan secara linear antara satu variabel
independen (X) dengan variabel dependen (Y). Analisis ini untuk mengetahui arah hubungan
antara variabel independen dengan variabel dependen apakah positif atau negatif dan untuk
memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami
kenaikan atau penurunan. Data yang digunakan biasanya berskala interval atau rasio.

Rumus regresi linear sederhana sebagi berikut:

Y’ = a + bX
Keterangan:
Y’ = Variabel dependen (nilai yang diprediksikan)
X   = Variabel independen
a    = Konstanta (nilai Y’ apabila X = 0)
        b   = Koefisien regresi (nilai peningkatan ataupun penurunan)
Contoh kasus 1:
Seorang mahasiswa bernama Fiky ingin meneliti tentang pengaruh nilai pretest terhadap
nilai post test pada mata kuliah pembelajaran matematika SD. Dengan ini didapat variabel
dependen (Y) adalah nilai post test dan variabel independen (X) adalah nilai pre test. Dengan
ini Fiky menganalisis dengan bantuan program SPSS dengan alat analisis regresi linear
sederhana. Data-data yang di dapat ditabulasikan sebagai berikut:

Tabel. Tabulasi Data Penelitian (Data Fiktif)

No Pre test (X) Post test (Y)
1 52 76
2 54 74
3 53 73
4 53 74
5 55 75
6 55 76
7 56 76
8 57 79
9 58 91
10 58 85
11 58 88
12 56 84
13 58 85
14 60 90
15 59 89
16 60 90
17 63 92
18 62 90
19 63 93
20 64 95

Langkah-langkah pada program SPSS

- Masuk program SPSS
- Klik variable view pada SPSS data editor
- Pada kolom Name ketik y, kolom Name pada baris kedua ketik x.
- Pada kolom Label, untuk kolom pada baris pertama ketik nilai post test, untuk kolom
pada baris kedua ketik nilai pre test.
- Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
- Buka data view pada SPSS data editor, maka didapat kolom variabel y dan x.
- Ketikkan data sesuai dengan variabelnya
- Klik Analyze  - Regression – Linear
- Klik variabel Y dan masukkan ke kotak Dependent, kemudian klik variabel X dan
masukkan ke kotak Independent.
- Klik Statistics, klik Casewise diagnostics, klik All cases. Klik Continue
- Klik OK, maka hasil output yang didapat pada kolom Coefficients dan Casewise
Diagnostics adalah sebagai berikut:
 Kesimpulan dari output data di atas
Persamaan regresi linear sederhananya adalah
Y’ = a + bX
Y’ = - 29,494 + 1,963 X

a didapat dari nilai constant pada tabel coefficients,sebesar -29,494

b adalah nilai koefisien regresi sebesar 1,963
Angka-angka ini dapat diartikan sebagai berikut:

- Konstanta sebesar -29,494; artinya jika nilai pre test (X) adalah 0, maka nilai post test (Y’)
nilainya negatif yaitu sebesar -29,494.
-  Koefisien regresi variabel harga (X) sebesar 1,963; artinya jika pre test mengalami kenaikan
1, maka post test (Y’) akan mengalami peningkatan sebesar 1,963. Koefisien bernilai positif
artinya terjadi hubungan positif antara pre test dengan post test, semakin naik pre test maka
semakin meningkatkan post test

Uji hipotesis berfungsi untuk mengetahui apakah koefisien regresi tersebut signifikan
atau tidak. Sekedar mengingatkan bahwa hipotesis yang saya ajukan dalam analisis regresi
linear sederhana ini adalah:
H0 = tidak ada pengaruh X terhadap Y
Ha = ada pengaruh X terhadap Y

Uji hipotesis dapat dilakukan dengan cara membandingkan nilai signifikansi (Sig.)
dengan probabilitas 0,05 atau dengan cara lain yakni membandingkan nilai t hitung dengan t
tabel.
Dari tabel output di atas, nilai signifikansi (Sig.) lebih kecil dari probabilitas 0,05
mengandung arti bahwa ada pengaruh nilai pre test (X) terhadap nilai post test (Y).

Contoh kasus 2:
Diketahui data penelitian Sukestiyarno (2008) untuk mengetahui ada tidaknya pengaruh
keterampilan proses (x) terhadap prestasi belajar (y) siswa SMP dalam belajar matematika
peluang berbasis aplikasi teknologi.
Tabel. Keterampilan psoses (x) dan prestasi belajar siswa (y)

x y
85 85
68 50
87 90
89 90
78 75
81 95
84 85
78 80
70 65
96 97
84 75
75 65
79 80
72 80
82 80
89 95
78 80
87 95
75 75
89 85
Uji Prasyarat
a. Jenis data: jenis variable prestasi belajar adalah interval karena hasil pengukuran,
sedangkan variable keterampilan proses berasal dari hasil pengamatan, tetapi diasumsikan
sebagai variable yang datanya berjenis interval.
b. Uji persyaratan normalitas dan homogenitas
Hanya variable dependen yang dilakukan uji normalitas dan homogenitas, dalam hal ini
variable y prestasi belajar.
Uji normalitas dapat menggunakan: nilai skewness, histogram, diagram Box Plot atau
dengan diagram Q-Q plot beserta uji Kolmogorov Smirnov.
Uji homogenitas dapat dilakukan dengan cara melihat deskripsi nilai kurtosis dan diagram
box plotnya.

Proses Kerja dengan SPSS:

Masukkan data variable x dan y secara vertical pada data view SPSS. Selanjutnya masuk
ke variable view, beri nama variable x dengan label keterampilan proses dan variable y
dengan label prestasi belajar, decimal diisi 0 keduanya.

Tekan analyse, descriptive statistics, frequencies. Masukkan varaibel dependen y ke

kotak variable. Selanjutnya klik statistics. Anda tinggal klik menu yang dibutuhkan mean,
std deviation, maximum, minimum, skewness, kurtosis. Untuk mendapatkan gambar
histogram klik continue pilih charts, histogram dan with normal curve, continue, ok.
Didapat output sebagai berikut.

Statistics
prestasi belajar
Valid 20
Missing 0
Mean 81.10
Median 80.00
Std. Deviation 11.787
Skewness -.909
Std. Error of
.512
Skewness
Kurtosis 1.188
Std. Error of Kurtosis .992
Minimum 50
Maximum 97
Untuk mendapatkan Q-Q plot dan Kolmogorov Smirnov, tekan analyse, descriptive
statistics, explore, lalu masukkan variabel y prestasi belajar pada kotak dependent list, pada
bagian display pilih plots selanjutnya klik plots lagi pada pilihan di kanannya, aktifkan menu
Normality Plot with test, kembali ke menu tekan continue, ok, didapat output berikut.

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
prestasi belajar .163 20 .173 .922 20 .110
a. Lilliefors Significance Correction

Interpretasi kenormalan berdasarkan output data

Berdasarkan output di atas didapat nilai skewness -0,909 merupakan nilai negative yang
dekat dengan nilai nol, dari histogram Nampak kurva normal walaupun tidak begitu
sempurna. Berdasarkan Q-Q plot menunjukkan titik-titik plot yang cenderung berdekatan
dengan garis peluang. Oleh karena itu kita dapat mebgambil asumsi bahwa variabel
dependent y hamper berdistribusi normal.

Sekarang kita lihat uji normalitas berdasarkan uji Kolmogorov Smirnov.

H0: variabel dependen berdistribusi normal
H1: variabel dependen berdistribusi tidak normal

Pada table output Kolmogorov Smirnov didapat sig. 0,110 = 11%>5% berarti H0 diterima
atau asumsi variabel dependen berdistribusi normal diterima.
Interpretasi Homogenitas berdasarkan output data

Melihat kondisi homogenitas variabel dependen y dengan cara melihat nilai kurtosis dan
diagram box plot. Kita lihat nilai kurtosis pada output = 1,18 merupakan nilai positif yang
menunjukkan plot diagramnya cenderung runcing sehingga datanya menggerombol atau
dapat mengasumsikan datanya cenderung homogen. Sebagai pertimbangan lainnya dengan
digram box plot, ada pada kondisi di tengah.
Oleh karena itu bisa disimpulkan bahwa asumsi homogenitas dipenuhi.

Pengujian Analisis Regresi Sederhana dengan SPSS

1. Klik analyse, regression, linier. Masukkan variabel prestasi belajar y ke kotak

dependent dan varaibel keterampilan proses x di kotak independent. Lalu klik ok.
Didapat output sebagai berikut.

Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 keterampilan
. Enter
prosesb
a. Dependent Variable: prestasi belajar
b. All requested variables entered.

Model Summary
Adjusted R Std. Error of
Model R R Square Square the Estimate
a
1 .831 .691 .674 6.728
a. Predictors: (Constant), keterampilan proses

ANOVAa
Sum of
Model Squares df Mean Square F Sig.
1 Regression 1825.118 1 1825.118 40.325 .000b
Residual 814.682 18 45.260
Total 2639.800 19
a. Dependent Variable: prestasi belajar
b. Predictors: (Constant), keterampilan proses
 Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -28.943 17.394 -1.664 .113
keterampilan
1.354 .213 .831 6.350 .000
proses
a. Dependent Variable: prestasi belajar

Interpretasi Output dengan SPSS

Uji hipotesis dapat diikuti dengan langkah berikut ini:

Model Y = β 0 + β 1 X 1 + ε
1. Bentuk Hipotesis uji model linier:
2. Formulasi rancangan analisis: penaksir model linier ^y =a+b x 1, dengan uji dua pihak, taraf
signifikan 5%. Persamaan regresi berdasarkan sampel dibaca pada output Coefficients:
pada unstandardized coefficient B: constant dan keterampilan proses.

Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -28.943 17.394 -1.664 .113
keterampilan
1.354 .213 .831 6.350 .000
proses
a. Dependent Variable: prestasi belajar

Diperoleh nilai a = -28,943 dan b = 1,354, jadi persamaan regresinya adalah

^y =−28,943+1,354 x1

3. Analisis Hasil: sig.= 0,000 = 0%<5% berarti totak H0 dan terima H1. Jadi persamaan linier
atau x mempunyai hubungan linier terhadap y atau x berpengaruh secara positif terhadap y
(tanda positif dilihat dari tanda koefisien regresi). Oleh karena itu analisis dapat
dilanjutkan ke proses melihat besar pengaruh dengan melihat nilai koefisien determinasi
R2.
ANOVAa
Sum of
Model Squares df Mean Square F Sig.
1 Regression 1825.118 1 1825.118 40.325 .000b
Residual 814.682 18 45.260
 Total 2639.800 19
a. Dependent Variable: prestasi belajar
b. Predictors: (Constant), keterampilan proses

4. Interpretasi Hasil:
Nilai koefisien determinasi dapat dibaca pada nilai R Square yakni pada output model
summary:
Model Summary
Adjusted R Std. Error of
Model R R Square Square the Estimate
1 .831a .691 .674 6.728
a. Predictors: (Constant), keterampilan proses

Diperoleh nilai R2 = 0,691 = 69,1%. Nilai tersebut menunjukkan bahwa variasi variabel
prestasi belajar y dapat diterangkan oleh variabel keterampilan proses x sebesar 69,1%.
Dengan kata lain x mempengaruhi y sebesar 69,1%, masih ada 30,1% variabel y dipengaruhi
atau diterangkan oleh variabel lain selain keterampilan proses.

Dengan menerimanya persamaan regresinya ^y =−28,943+1,354 x1 maka persamaan tersebut

dapat dijadikan sebagai dasar memprediksi variabel y jika diketahui nilai variabel x.
Misalkan seseorang memiliki skor keterampilan proses 70 maka presatsi belajar siswa
tersebut dapat ditaksirkan dengan persamaan tersebut dan diperoleh skor prestasi belajarnya
yaitu sebesar −28,943+1,354 ( 70 ) =¿65,837

Simpulan Umum
Secara deskriptif ternyata kedua variabel tersebut cenderung berdistribusi normal dan
homogeny. Hal ini menunjukkan dengan strategi belajar tersebut mampu membawa siswa
pada hasil yang hampir sama dengan rataan yang cukup tinggi yakni 81,1. Berdasarkan uji
pengaruh menunjukkan bahwa variabel keterampilan proses berpengaruh cukup kuta
terhadap variabel prestasi belajar sebesar 69,1%. Artinya variabel prestasi belajar siswa
mampu dijelaskan oleh variabel keterampilan proses siswa sebesar 69,1% melalui hubungan
linier ^y =−28,943+1,354 x1 . Oleh karena itu, agar siswa dapat mencapai hasil belajar yang
baik harus ditumbuhkan terlebih dahulu keterampilan prosesnya utamanya dengan
menggunakan strategi belajar tersebut di atas.
PERHITUNGAN MANUAL

Rumus persamaan regresi:

^y =a+b x

Di mana b=∑ x i y i −¿ ¿¿ ¿

Rumus koefisien determinasi:

2
2 ∑ ( ^y i −ý )
R=
∑ ( y i −ý )2
Di mana ^y =a+b x, y adalah variabel dependen, ý adalah rataan hitung variable y

Berdasarkan contoh kasus 2 diperoleh hasil (perhitungan manual dengan excel):

xi
xi yi xi.yi kuadrat  
85 85 7225 7225 101,5609
68 50 3400 4624 75,46012
87 90 7830 7569 104,63158
89 90 8010 7921 107,70226
78 75 5850 6084 90,81352
81 95 7695 6561 95,41954
84 85 7140 7056 100,02556
78 80 6240 6084 90,81352
70 65 4550 4900 78,5308
96 97 9312 9216 118,44964
84 75 6300 7056 100,02556
75 65 4875 5625 86,2075
79 80 6320 6241 92,34886
72 80 5760 5184 81,60148
82 80 6560 6724 96,95488
89 95 8455 7921 107,70226
78 80 6240 6084 90,81352
87 95 8265 7569 104,63158
75 75 5625 5625 86,2075
89 85 7565 7921 107,70226
Total: Total: Total:
Total: 1626 Total: 1622
133217 133190 1917,60284

kuadrat dari sigma xi 2643876

 81,3
81,1
-
a 28,94308372
b 1,353543465

65,80495884 untuk x=70

Selanjutnya silakan Anda bandingkan dengan hasil perhitungan menggunakan SPSS di atas.