PENDAHULUAN
1
BAB II
KAJIAN TEORI
2.1 Pengertian Analisis Regresi Linier Berganda
Keterangan:
Y = a + b1X1 + b2X2
2
2.2 Asumsi Regresi Linear Berganda
Pengujian hipotesis adalah proses untuk menentukan apakah suatu hipotesis dapat
diterima atau ditolak. 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.
3
untuk mengetahui apakah variabel bebas X1 dan X2 secara bersamasama berpengaruh secara
signifikan terhadap variabel tak bebas Y.
1. Menentukan Hipotesis
H0 : 1 = 2 = 0; (tidak ada pengaruh variable X1 dan X2 terhadap Y)
H1 : 1 2 ≠ 0; (ada pengaruh variabel X1 dan X2 terhadap Y)
3. Menentukan F hitung
Rumus F hitung :
𝐹ℎ𝑖𝑡 = 𝑟 2⁄𝑘 (1−𝑟 2)⁄(𝑛−𝑘−1) = 𝑟 2(𝑛−𝑘−1) 𝑘(1−𝑟 2)
Pilih Analize>Regression>Linier.Masukkan y kedalam Dependent dan x1, x2 dan x3
kedalam Independent(s).
Pilih Statistics. Di dalam Regression Coefficient pilih Estimates. Kemudian
pilih Model Fit, R squared change, Part and partial correlations, Collinearrity
diagnostics. Pilih Durbin-Watson di dalam Residual. Klik Continue.
Selanjutnya pilih Plots. Pilih histogram dan Normal probability plot, kemudian
klik Continue.
Klik Option sehingga muncul kotak kerja Linear Regression: Options.
4
Isi angka probabilitas pada kotak Entry. Umumnya 5% atau 0,05. Klik continue lalu
ok. Akan muncul output regresi spss
BAB III
METODELOGI PENELITIAN
Data yang digunakan pada penulisan laporan kali ini adalah tentang analisis korelasi
linear berganda. Data korelasi merupakan data primer yang bersumber dari kuisioner
mahasiswa jurusan pendidikan matematika Universitas Bengkulu.
5
BAB IV
Suatu penelitian untuk mengetahui hubungan antara motivasi dan waktu belajar terhadap
hasil belajar mahasiswa pendidikan matematika Universitas Bengkulu. Data diambil dari 47
mahasiswa pendidikan matematika Universitas Bengkulu, diuji dengan taraf nyata 5%. Ingin
dilihat apakah terdapat hubungan yang sigifikan antara dua variabel tersebut terhadap IPK
mahasiswa. Berikut data yang didapatkan :
6
28 4 4 3,96
29 3 3 3,7
30 3 2 3,6
31 1 2 3,75
32 3 3 3,65
33 1 4 3,75
34 3 5 3,89
35 4 4 3,8
36 4 2 3,85
37 3 3 3,85
38 5 5 3,96
39 1 3 3,6
40 4 4 3,93
41 3 3 3,86
42 3 3 3,76
43 3 3 3,68
44 3 3 3,86
45 4 3 3,67
46 4 4 3,91
4 3 3,42
47
Penyelesaian :
7
4 1 4 3,56 1 16 12,6736 4 3,56 14,24
5 3 3 3,93 9 9 15,4449 9 11,79 11,79
6 4 4 3,94 16 16 15,5236 16 15,76 15,76
7 3 3 3,77 9 9 14,2129 9 11,31 11,31
8 3 4 3,96 9 16 15,6816 12 11,88 15,84
9 4 5 3,9 16 25 15,21 20 15,6 19,5
10 3 3 3,89 9 9 15,1321 9 11,67 11,67
11 3 4 3,86 9 16 14,8996 12 11,58 15,44
12 5 3 3,9 25 9 15,21 15 19,5 11,7
13 3 2 3,9 9 4 15,21 6 11,7 7,8
14 1 3 3,8 1 9 14,44 3 3,8 11,4
15 3 2 3,57 9 4 12,7449 6 10,71 7,14
16 3 2 3,86 9 4 14,8996 6 11,58 7,72
17 3 2 3,5 9 4 12,25 6 10,5 7
18 4 2 3,85 16 4 14,8225 8 15,4 7,7
19 5 3 3,76 25 9 14,1376 15 18,8 11,28
20 4 3 3,89 16 9 15,1321 12 15,56 11,67
21 4 8 3,96 16 64 15,6816 32 15,84 31,68
22 3 3 3,92 9 9 15,3664 9 11,76 11,76
23 3 3 3,72 9 9 13,8384 9 11,16 11,16
24 2 2 3,83 4 4 14,6689 4 7,66 7,66
25 3 2 3,93 9 4 15,4449 6 11,79 7,86
26 5 8 3,84 25 64 14,7456 40 19,2 30,72
27 2 3 3,8 4 9 14,44 6 7,6 11,4
28 4 4 3,96 16 16 15,6816 16 15,84 15,84
29 3 3 3,7 9 9 13,69 9 11,1 11,1
30 3 2 3,6 9 4 12,96 6 10,8 7,2
31 1 2 3,75 1 4 14,0625 2 3,75 7,5
32 3 3 3,65 9 9 13,3225 9 10,95 10,95
33 1 4 3,75 1 16 14,0625 4 3,75 15
34 3 5 3,89 9 25 15,1321 15 11,67 19,45
35 4 4 3,8 16 16 14,44 16 15,2 15,2
36 4 2 3,85 16 4 14,8225 8 15,4 7,7
37 3 3 3,85 9 9 14,8225 9 11,55 11,55
38 5 5 3,96 25 25 15,6816 25 19,8 19,8
39 1 3 3,6 1 9 12,96 3 3,6 10,8
40 4 4 3,93 16 16 15,4449 16 15,72 15,72
41 3 3 3,86 9 9 14,8996 9 11,58 11,58
42 3 3 3,76 9 9 14,1376 9 11,28 11,28
43 3 3 3,68 9 9 13,5424 9 11,04 11,04
44 3 3 3,86 9 9 14,8996 9 11,58 11,58
45 4 3 3,67 16 9 13,4689 12 14,68 11,01
46 4 4 3,91 16 16 15,2881 16 15,64 15,64
47 4 3 3,42 16 9 11,6964 12 13,68 10,26
151 158 178,71 535 612 680,3673 530 576,14 602,96
Dik : n = 47
8
Skor Deviasi
(∑ x 1)2 ( 151 )2
∑x12 = ∑x12 - =535− =49,987
n 47
(∑ x 2)2 ( 158 )2
∑x22 = ∑x22 - =612− =80,851
n 47
2 (∑ y )2
2 ( 178,71 )2
∑y = ∑y - =680,3673− =0,851
n 47
( ∑ x 1) ( ∑ y ) (151)(178,71)
∑x1y = ∑x1y - =576,14− =1,985
n 47
( ∑ x 2) ( ∑ y ) ( 158 ) (178,71 )
∑x2y = ∑x2y - =602,96− =2,190
n 47
( ∑ x 1 ) ( ∑x 2 ) ( 151 ) (158 )
∑x1x2 = ∑x1x2 - =530− =22,383
n 47
∑ x 2 158
X2 = = =3,362
n 47
(∑ x 2)2
X2 = =( 3,362 ) 2=11,303
n
∑ y 178,71
Y= = =3,802
n 47
( ∑ y ) 2 (178,71)2
Y2 = = = =14,455
n 47
Nilai Konstata
b1 = 0,032
b2 = 0,0183
(∑ y ) (∑ x 1) (∑ x 2 ) 178,71 ( 151 ) ( 158 )
a= −b 1 −b 2 = −( 0,0302 ) −( 0,0183 ) =3,639
n n n 47 47 47
a. Koefisien RY 12
b 2.¿
√
RY 12 = b 1.(∑ x 1 . y ¿¿)+ ¿ ¿ ¿
¿
9
( 0,0302 ) (1,986)−( 0,018 ) (2,190)
=
√ 0,851
= √ 0,121= 0,347
b. Koefisien RY 1.2
RY 1.2 = n ¿ ¿
=
( 47 ) ( 1,986 )− (151 ) ( 178,71 )
√ ¿¿ ¿
−26891,8
=
√ 2304,001
= −560,246
RY 1.2 = n ¿ ¿
=
( 47 ) ( 2,190231 )−( 158 ) (178,71)
√¿ ¿ ¿
−28133,2
=
25982,182
= −1,088
R1.2 y = n ¿ ¿
( 47 ) ( 535 )− (151 ) (158)
=
√¿ ¿ ¿
−22806
=
√ 432951,9
= - 1,096
10
F table = 3,21
F hitung < F table Maka H0 diterima sehingga tidak ada pengaruh signifikan antara
motivasi dan lama waktu belajar terhadap hasil belajar.
Dari hasil output SPSS tersebut didapat hasil uji normalitas menggunakan standardized
residual di peroleh nilai signifikansi kolmogorof smirnov sebesar 0,890, angka tersebut > dari
0,05. Jadi dapat disimpulkan kedua variabel tersebut berdistribusi normal.
1. Klik Analyze.
2. Klik Regressi
3. Klik Linear sehingga muncul kotak kerja Linear Regression
11
4. Klik variabel dependennya dan klik tanda panah untuk memasukkan ke kotak
dependen
5. Klik variabel independen dan klik tanda panah untuk memasukkan ke kotak
independen
12
9. Klik Plot sehingga muncul kotak kerja Linear Regression: Plots.
10. Klik SRESID.
11. Klik tanda panah ke Y.
12. Klik ZPRED.
13. Klik tanda panah ke X.
14. Klik Histogram dan Normal Probability-Plot.
15. Klik Continue.
BAB V
16. Klik Option sehingga muncul kotak kerja Linear Regression: Options.
17. Isi angka probabilitas pada kotak Entry. Umumnya 5% atau 0,05,
18. Klik Continue.
19. Klik OK pada kotak kerja Linear Regression.
13
Output regresi yang dihasilkan :
14
Kesimpulan hasil output SPSS
Pada hasil output bagian coefficient diketahui nilai signifikansi untuk pengaruh X1
terhadap Y adalah sebesar 0,504. Nilai ini < dari 0,05. Sehingga dapat disimpulkan
tidak ada hubungan antara motivasi terhadap IPK ( hasil belajar) mahasiswa
pendidikan matematika UNIB )
Pada hasil output bagian coefficient diketahui nilai signifikansi untuk pengaruh X2
terhadap Y adalah sebesar 0,161. Nilai ini, > dari 0,05. Sehingga dapat disimpulkan
tidak ada hubungan antara waktu lama belajar terhadap IPK ( hasil belajar )mahasiswa
pendidikan matematika UNIB )
Pada hasil output bagian anova diketahui nilai signifikansi untuk pengaruh X1 dan
X2 terhadap Y adalah sebesar 0,163. Nilai ini > dari 0,05 , H0 diterima. sehingga
dapat disimpulkan bahwa tidak ada pengaruh yang siginifikan antara motivasi dan
lama waktu belajar terhadap IPK ( hasil belajar )mahasiswa pendidikan matematika
UNIB )
Pada hasil output bagian model summary diketahui besarnya nilai korelasi yaitu
0,281. Dari output tersebut diperoleh koefisien determinasi atau R square sebesar
0,079, yang mengandung arti bahwa pengaruh motivasi dan lama waktu belajar secara
simultan terhadap IPK ( hasil belajar )mahasiswa pendidikan matematika UNIB )
adalah sebesar 7,9%
Persamaan regresi linear berganda : y = ᾱ + ẞ1X1 + ẞ2X2
Pada hasil output bagian coefficient dapat dilihat nilai konstanta sebesar 3,681.
Dan untuk X1 nilai ẞ nya adalah 0,014. Dan untuk X2 nilai ẞ2 nya adalah 0,023.
Jadi diperoleh persamaan regresinya adalah Y = 3,681 + 0,014 X1 +0,023 X2
15
PENUTUP
A. Kesimpulan
Uji regresi berganda sangat membantu untuk mengetahui pengaruh secara serempak baik
kualitas maupun kuantitas dari variabel-variabel bebas terhadap variabel tak bebas. Hasil
model persamaan regresi dapat di pergunakan sbagai pedoman untuk memprediksi
hubungan antara variabel diluar data yang di jadikan sampel dalam suatu populasi.
Dan berdasarkan penelitian dan hasil perhitungan manual dan SPSS yang kami
lakukan bahwa:
a. tidak ada hubungan antara motivasi(X1) terhadap IPK ( hasil belajar)(Y)
mahasiswa pendidikan matematika UNIB )
b. tidak ada hubungan antara waktu lama belajar(X2) terhadap IPK ( hasil belajar )
(Y)mahasiswa pendidikan matematika UNIB )
c. H0 diterima, sehingga dapat disimpulkan bahwa tidak ada pengaruh yang
siginifikan antara motivasi dan lama waktu belajar terhadap IPK ( hasil belajar )
mahasiswa pendidikan matematika UNIB )
d. persamaan regresi perhitungan manual adalah Y = 3,639 + 0,032 X1 + 0,0183 X2
dan untuk perhitungan SPSS adalah Y = 3,681 + 0,014 X1 +0,023 X2
e. pengaruh motivasi dan waktu lama belajar terhadap IPK ( hasil belajar ) adalah
sebesar 12,04 % dan untuk SPSS adalah sebesar 7,9%
B. Saran
Penelitian diatas dapat mempermudah peneliti dalam menentukan hubungan antar
variabel. Maka peneliti harus lebih teliti dalam melakukan perhitungan manual. Dan juga
tentunya terhadap penulis sudah menyadari jika dalam penyusunan laporan di atas masih
banyak ada kesalahan serta jauh dari kata sempurna. Adapun nantinya penulis akan
segera melakukan perbaikan susunan makalah itu dengan menggunakan pedoman dari
beberapa sumber dan kritik yang bisa membangun dari para pembaca.
16
DAFTAR PUSTAKA
Nashar. (2004). Peranan Motivasi dan Kemampuan Awal dalam Kegiatan Pembelajaran.
Jakarta: Delia Press.
Lestari, Indah. Pengaruh Waktu Belajar dan Minat Belajar Terhadap Hasil Belajar
Matematika. Jurnal Formatif, 3(2), 115 – 125.
http://tktugas.blogspot.com/2017/08/laporan-praktikum-statistika-analisis.html
17