Analisi Regresi
Analisi Regresi
REGRESI
Fadilah Gustin Khainingsih
1910247050
Analisis Regresi
Untuk Penelitian
Asosiatif
● Jika skala pengukuran data dari dua variabel yang dianalisis merupakan skala
interval atau rasio maka untuk menjelaskan pengaruh antara kedua variabel
tersebut dapat dilakukan dengan menggunakan regresi sederhana.
Analisis Regresi Sederhana
● Misalkan kedua variabel tersebut adalah X dan Y,
● maka pengaruh X terhadap Y dianalisis melalui regresi sederhana Y atas X.
● Variabel X disebut variabel bebas (predictor) dan variabel Y disebut
variabel tak bebas (criterion).
● Asosiasi antara variabel X dan Y dinyatakan dalam suatu persamaan atau
model matematika sebagai berikut:
( 𝐘)² (𝟔𝟎𝟎𝟐𝟓)
𝒚𝟐 = 𝒀𝟐 − 𝒏 = 𝟒𝟕𝟎𝟕 − 𝟏𝟓 = 𝟕𝟎𝟓, 𝟑𝟑
𝟕𝟒𝟎, 𝟑𝟑
𝐛= = 𝟎, 𝟑𝟔𝟔𝟗, 𝐝𝐚𝐧 𝐚 = 𝟏𝟔, 𝟑𝟑 − 𝟎, 𝟑𝟔𝟔𝟗 𝟒𝟔, 𝟑𝟑 = −𝟎, 𝟔𝟕
𝟐𝟎𝟏𝟕, 𝟑𝟑
Persamaan regresi Y dan X adalah : 𝒀 = −𝟎, 𝟔𝟕 + 𝟎, 𝟑𝟔𝟕𝐗
2a
1) Menghitung jumlah kuadrat (JK)
beberapa sumber varians
𝐉𝐊 𝑻 = 𝒀𝟐 = 𝟒𝟕𝟎𝟕
( 𝐘)𝟐 𝟔𝟎𝟎𝟐𝟓
𝐉𝐊 𝒂 = = = 𝟒𝟎𝟎𝟏, 𝟔𝟔𝟕
𝒏 𝟏𝟓
𝒃
𝐉𝐊 =𝐛 𝒙𝒚 = (𝟎, 𝟑𝟔𝟕)(𝟕𝟒𝟎, 𝟑𝟑) = 𝟐𝟕𝟏, 𝟕
𝒂
𝒃
𝐉𝐊 𝑺 = 𝐉𝐊 𝑻 − 𝐉𝐊 𝒂 − 𝐉𝐊
𝒂
= 𝟒𝟕𝟎𝟕 − 𝟒𝟎𝟎𝟏, 𝟔𝟔𝟕 − 𝟐𝟕𝟏, 𝟕 = 𝟒𝟑𝟑, 𝟔𝟑𝟑
1) Menghitung jumlah kuadrat (JK)
beberapa sumber varians
𝒊<𝟏𝟐
𝟐 ( 𝒀𝒊 )𝟐
𝐉𝐊 𝑮 = 𝒀𝒊 −
𝒏𝒊
𝒊<𝟏
Untuk itu data terlebih dahulu diurutkan menurut variabel X
No 1 2 3 4 5 6 7 8 9 10 11 12
X 22 30 32 40 40 44 44 48 50 52 55 55 58 61 64
Y 14 4 12 4 24 17 14 9 15 24 16 24 20 22 26
Selanjutnya dihitung jumlah kuadrat galat untuk data variabel Y khusus untuk variabel X yang sama
(kelompok sama) saja, karena variabel X yang tidak sama akan bernilai nol. Perhitungannya sebagai
berikut.
𝟏𝟒𝟐 𝟒𝟐 𝟏𝟐𝟐 𝟒:𝟐𝟒 𝟐 𝟏𝟕:𝟏𝟒 𝟐 𝟗𝟐
𝐉𝐊 𝑮 = 𝟏𝟒𝟐 − + 𝟒𝟐 − + 𝟏𝟐 𝟐
− + 𝟒𝟐 + 𝟐𝟒𝟐 − + 𝟏𝟕𝟐 + 𝟏𝟒𝟐 − + 𝟗𝟐 − +
𝟏 𝟏 𝟏 𝟐 𝟐 𝟏
𝟏𝟓𝟐 𝟐𝟒𝟐 𝟏𝟔:𝟐𝟒 𝟐 𝟐𝟎𝟐 𝟐𝟐𝟐 𝟐𝟔𝟐
𝟏𝟓𝟐 − + 𝟐𝟒𝟐 − + 𝟏𝟔𝟐 + 𝟐𝟒𝟐 − + 𝟐𝟎𝟐 − + 𝟐𝟐𝟐 − + 𝟐𝟔𝟐 −
𝟏 𝟏 𝟐 𝟏 𝟏 𝟏
= 𝟎 + 𝟎 + 𝟎 + 𝟓𝟗𝟐 − 𝟑𝟗𝟐 + 𝟒𝟖𝟓 − 𝟒𝟖𝟎, 𝟓 + 𝟎 + 𝟎 + 𝟎 + 𝟖𝟑𝟐 − 𝟖𝟎𝟎 + 𝟎 + 𝟎 + 𝟎
= 𝟐𝟎𝟎 + 𝟒, 𝟓 + 𝟑𝟐 = 𝟐𝟑𝟔, 𝟓
𝐝𝐛 𝑻 = 𝐧 = 𝟏𝟓
𝐝𝐛 𝒂 = 𝟏
𝒃
𝐝𝐛 =𝟏
𝒂
𝐝𝐛 𝑺 = 𝒏 − 𝟐 = 𝟏𝟓 − 𝟐 = 𝟏𝟑
𝐝𝐛 𝑮 = 𝒏 − 𝐤 = 𝟏𝟓 − 𝟏𝟐 = 𝟑 (kelompok: k = 12)
𝐝𝐛 𝑻𝒄 = 𝒌 − 𝟐 = 𝟏𝟐 − 𝟐 = 𝟏𝟎
3) Menghitung Rata-rata Jumlah Kuadrat
(RJK)
JK(a) 4001,667
RJK a = db(a) = 1
= 4001,667
JK(b/a) 271,7
RJK b/a = db(b/a) = 1
= 271,7
JK(S) 433,633
RJK S = db(S) = 13
= 33,3563
JK(G) 236,5
RJK G = db(G) = = 78.83
3
JK(Tc) 197,133
RJK Tc = db(Tc) = = 19,713
10
4) Menentukan Fhitung berkaitan dengan
linearitas dan signifikansi regresi
1, dan db S = 13 diperolah Ftab(0.05:1;13) = 4,67. Sehingga Fhit b/a > Ftab . Hal ini berarti
H0 ditolak.
Dengan demikian, regresi Y atas X adalah signifikan.
Keterangan
* = regresi signifikan (Fhit = 8,1453 > Ftab = 4,67) JK = Jumlah Kuadrat
ns = non signifikan atau regresi RJK = Rata-rata Jumlah Kuadrat
(Fhit = 0,25 < Ftab = 8,79) Fhit = Fhitung
db = derajat bebas Ftab = Ftabel
5) Menyusun tabel ANOVA regresi
2
𝑆𝑒 = RKJ S = 33,3563
2) Menghitung Penduga untuk 𝛼 dan 𝛽
2 X2 34219
𝑆𝛼 = 𝑆𝑒 2 = 15(2017,33) 33,3563 = 37,7204 ⇔ 𝑆𝛼 = 6,1416
𝑛 𝑥2
2 𝑆𝑒 2 33,3563
𝑆𝑏 = 𝑥2
= 2017,33 = 0,0165 ⇔ 𝑆𝑏 = 0,1284
3) Menghitung Statistik Uji-t
xy 740,33
rxy = = = 0,6206
( 𝑥 2) ( 𝑦2) (2017,33)(705,33)
H0 : ρ = 0
H1 : ρ ≠ 0