ANALISIS

REGRESI
Fadilah Gustin Khainingsih
1910247050
 Analisis Regresi

Untuk Penelitian
Asosiatif

mempelajari “pengaruh” variabel

bebas (predictor)
terhadap
variabel tak bebas (criterion).
 Analisis Regresi Sederhana
● Analisis regresi sederhana mempelajari apakah antara dua variabel atau lebih
mempunyai pengaruh/hubungan atau tidak, mengukur kekuatan
pengaruhnya, dan membuat ramalan yang didasarkan kepada kuat lemahnya
pengaruh/hubungan tersebut.

● Teknik analisis ini akan bermakna apabila pengaruh antar variabel-variabel

didasarkan pada kerangka teori yang terkuat.

● 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:

Model Regresi : 𝐘 = 𝛂 + 𝛃𝐗 + 𝐞 (populasi)

Fungsi Taksiran : 𝐘 = 𝐚 + 𝐛𝐗 (sampel)
● Dimana a = konstanta, b = koefisien (slope), yang nilainya dapat diperoleh
dari data sampel. Untuk memperoleh nilai a dan b dibutuhkan pasangan
data (X, Y) sebanyak n.
 Syarat data sampel X dan Y

Terpilih secara Berdistribusi

Homogen
random Normal
Perhitungan melalui pasangan data (X, Y) minimal
dapat ditentukan:

01 Persamaan atau model regresi Y atas X

02 Linearitas regresi dan signifikansi regresi Y atas X

03 Koefisien korelasi dan koefisien determinasi

 Perhitungan Analisis Regresi
Sederhana Secara Manual
Misalnya akan dianalisis pengaruh kompetensi (X) dan kinerja pegawai (Y).
Untuk keperluan tersebut telah diambil sampel acak sebanyak 15 pegawai sebagai
berikut:
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
X 40 55 32 55 50 52 61 44 30 22 40 64 58 48 44
Y 4 16 12 24 15 24 22 17 4 14 24 26 20 9 14

1. Tentukan Persamaan regresi Y atas X

2. Lakukan pengujian
a. Linearitas regresi Y atas X
b. Signifikasnsi/keberanian regresi Y atas X
3. Hitung koefisien korelasi dan koefisien determinasi Y dan X
Penyelesaian No
1
X
40
X²
1600
Y
4
Y²
16
XY
160
2 55 3025 16 256 880
3 32 1024 12 144 384
terlebih dahulu dibuat 4 55 3025 24 576 1320
tabel persiapan atau 5 50 2500 15 225 750
tabel kerja, sebagai 6 52 2704 24 576 1248
berikut: 7 61 3721 22 484 1342
8 44 1936 17 289 748
9 30 900 4 16 120
10 22 484 14 196 308
11 40 1600 24 576 960
12 64 4096 26 676 1664
13 58 3364 20 400 1160
14 48 2304 9 81 432
15 44 1936 14 196 616
Jumlah 𝟔𝟗𝟓 𝟑𝟒𝟐𝟏𝟗 𝟐𝟒𝟓 𝟒𝟕𝟎𝟕 𝟏𝟐𝟎𝟗𝟐
01
 No X X² Y Y² XY
1 40 1600 4 16 160
2 55 3025 16 256 880
Dari tabel, dapat ditentukan persamaan 3 32 1024 12 144 384
atau model regresi sebagai berikut: 4 55 3025 24 576 1320
5 50 2500 15 225 750
6 52 2704 24 576 1248
𝒀 = 𝐚 + 𝐛𝐗 7 61 3721 22 484 1342
𝒙𝒚 8 44 1936 17 289 748
𝐛= 𝐝𝐚𝐧 𝐚 = 𝒀 − 𝐛𝑿
𝒙𝟐 9 30 900 4 16 120
10 22 484 14 196 308
𝐗 = 𝟔𝟗𝟓 , 𝑿𝟐 = 𝟑𝟒𝟐𝟏𝟗 , 𝑿 = 𝟒𝟔, 𝟑𝟑 11 40 1600 24 576 960
12 64 4096 26 676 1664
𝐘 = 𝟐𝟒𝟓 , 𝒀𝟐 = 𝟒𝟕𝟎𝟕 , 𝒀 = 𝟏𝟔, 𝟑𝟑 , 𝑿𝒀 = 𝟏𝟐𝟎𝟗𝟐 13 58 3364 20 400 1160
( 𝐗)( 𝐘) (𝟔𝟗𝟓)(𝟐𝟒𝟓) 14 48 2304 9 81 432
𝒙𝒚 = 𝑿𝒀 − = 𝟏𝟐𝟎𝟗𝟐 − = 𝟕𝟒𝟎, 𝟑𝟑
𝒏 𝟏𝟓 15 44 1936 14 196 616
( 𝐗)² (𝟒𝟖𝟑𝟎𝟐𝟓)
𝒙𝟐 = 𝑿𝟐 − 𝒏
= 𝟑𝟒𝟐𝟏𝟗 − 𝟏𝟓
= 𝟐𝟎𝟏𝟕, 𝟑𝟑 Jlh 𝟔𝟗𝟓 𝟑𝟒𝟐𝟏𝟗 𝟐𝟒𝟓 𝟒𝟕𝟎𝟕 𝟏𝟐𝟎𝟗𝟐

( 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

𝐉𝐊 𝑻𝒄 = 𝐉𝐊 𝑺 − 𝐉𝐊 𝑮 = 𝟒𝟑𝟑, 𝟔𝟑𝟑 − 𝟐𝟑𝟔, 𝟓 = 𝟏𝟗𝟕, 𝟏𝟑𝟑

2) Menentukan derajat bebas (db)
beberapa sumber varians

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

Uji Linearitas Regresi Y atas X

H0 : Y = α + βX (regresi linear)
H1 : Y ≠ α + βX (regresi tak linear)
RJK(Tc) 19,713
Fhit Tc = = = 0,25
RJK(G) 78.83

Bandingkan dengan Ftab untuk 𝛼 = 0,05, db Tc = 10, dan bd G = 3 diperolah

Ftab(0.05: 10;3) = 8,79. Sehingga Fhit Tc < Ftab, hal ini berarti H0 diterima.
Dengan demikian, persamaan regresi Y atas X berbentuk garis linear.
 4) Menentukan Fhitung berkaitan dengan
linearitas dan signifikansi regresi
Uji Linearitas Regresi Y atas X
H0 : β = 0 (regresi tak berarti)
H1 : β ≠ 0 (regresi berarti)
RJK(b/a) 271,7
Fhit b/a = RJK(S)
= 33,3563 = 8,1453, bandingkan dengan Ftab untuk 𝛼 = 0,05, db b/a =

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.

Kesimpulan dari pengujian linearitas dan signifikansi regresi ini adalah

variabel X berpengaruh terhadap Y dan bersifat linear.
 5) Menyusun tabel ANOVA regresi

Tabel 8.2 Uji Linearitas dan Signifikansi

Ftabel
Sumber Varians db JK RJK Fhitung
𝛼 = 0.05
Total 15 4707 -

Regresi (a) 1 4001,667 4001,667

Regresi (b/a) 1 271,7 271,7 8,1453 4,67
Sisa 13 433,633 33,3563

Tuna Cocok 10 197,133 19,713

0,25 8,79
Galat 3 236,5 78.83

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

Tabel 8.2 Uji Linearitas dan Signifikansi

Ftabel
Sumber Varians db JK RJK Fhitung
𝛼 = 0.05
Total 15 4707 -

Regresi (a) 1 4001,667 4001,667

Regresi (b/a) 1 271,7 271,7 8,1453 4,67
Sisa 13 433,633 33,3563

Tuna Cocok 10 197,133 19,713

0,25 8,79
Galat 3 236,5 78.83

Dari hasil analisis seperti disajikan pada tabel diperoleh

Fhit b/a = 8,1453 > Ftab = 4,67 dan Fhit Tc = 0,25 < Ftab = 8,79. Dengan demikian
“Kompetensi berpengaruh terhadap kinerja pegawai dan pengaruhnya bersifat linear”
2b
1) Menghitung Galat Baku Taksiran
(standar error)

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

Hipotesis penelitian (verval) adalah “Kompetensi berpengaruh positif terhadap kinerja

pegawai”. Sedangkan hipotesisnya adalah:
H0 : β ≤ 0
H1 : β > 0
Statistika uji yang digunakan untuk menguji signifikansi dari koefisien a dan b pada
persamaan regresi Y = −0,67 + 0,367X adalah statistika uji-t
a −0,67
ta = = = −0,109
Sa 6,1416
b 0,367
tb = = = 2,8582
Sb 0,1284
Bandingkan t tab untuk α = 0,05 dan db S = 13, yaitu t tab(0,05;13) = 1,771 sehingga t a < t tab
atau H0 diterima, hal ini berarti konstanta persamaan regresi tidak signifikan. Sedangkan
t b > t tab atau H0 ditolak atau koefisien regresi bersifat signifikan.

Dengan demikian, “Kompetensi berpengaruh positif terhadap kinerja pegawai”.

3
1) Koefisien korelasi antara X dan Y

xy 740,33
rxy = = = 0,6206
( 𝑥 2) ( 𝑦2) (2017,33)(705,33)

Jadi, koefisien korelasi antara X dan Y sebesar 0,6206

2) Uji Signifikansi koefisien korelasi
X dan Y

H0 : ρ = 0
H1 : ρ ≠ 0

rxy 𝑛;2 0,6206 13

t hitung = = = 2,8535 Bandingkan t tabel untuk α = 0,05 dan
1;r²xy 1;0,3851

db = n − 2 = 13, diperoleh t tab(0,05;13) = 1,771 sehingga t hit > t tab atau H0

ditolak. Hal ini berarti bahwa korelasi antara X dengan Y signifikan. Karena
koefisien korelasi adalah positif, maka makin tinggi kompetensi makin tinggi
pula kinerja pegawai yang dapat dicapai
 3) Koefisien determinasi

 Koefisien determinasi adalah sebuah koefisien yang memperlihatkan

besarnya variansi yang ditimbulkan oleh variabel bebas (predector).
 Koefisien determinasi didefinisikan sebagai kuadrat dari koefisien korelasi
dikali 100%.
 Sehingga untuk analisis di atas, koefisien determinasi adalah
(r²xy × 100%) = 0,3851 × 100% = 38,51% .
 Koefisien ini mengandung makna bahwa 38,51% variansi variabel kinerja
pegawai dapat dijelaskan oleh variabel kompetensi.
 Dalam pengertian lain, bahwa dengan mengontrol predictor lain yang juga
berhubungan dengan variabel kinerja
 maka dapat disimpulkan bahwa pengaruh variabel kompentensi terhadap
variabel kinerja pegawai sebesar 38,51% .
TERIMAKASIH