Disusun Oleh:
2022
ANALISIS REGRESI SEDERHANA
A. Pengertian
Istilah regredi pertama kali gunakan oleh Sir. Francis Galton pada tahun 1886 di
mana yang bersangkutan melakukan kajian yang menunjukan bahwa tinggi badan anak
anak yang dilahirkan dari orangtua tinggi cenderung bergerak kea rah ketinggian rata rata
populasi secara keselutuhan. Galton memperkenalkan kata regresi sebagai nama proses
umum untuk mendeskripsikan satu variabel, yaitu tinggi badan anak dengan
menggunakan variabal lain yaitu tinggi badan orang tua.
Secara umum, regresi merupakan ketergantungan antara satu variabel (variabel
tak bebas) dengan satu atau lebih variabel bebas. Hasil dari analisis regresi ini nantinya
berbentuk persamaan matematika. Hasil analisis regresi ini bisa disebut juga sebagai
analisis prediksi. Karena merupakan sebuah prediksi, nilainya tidak selalu tepat tapi
semakin kecil penyimpangan nilainya akan semakin tepat. Analisis regresi dikelompokan
menjadi dua yaitu analisis regresi sederhana dan analisis regresi berganda.
Analisis regresi sederhana adalah sebuah metode untuk memodelkan hubungan
antara satu variabel bebas dan variabel terikat. Variabel bebas dapat disebut variabel
independen (X) serta vaiabel terikat disebut variabel dependen (Y). Analisis regresi
sederhana digunakan untuk mengetahui berapa besar perubahan dari variabel independen
akan dapat mempengaruhi variabel dependen
Y^ =a+bx
Keterangan
Y^ = regresi
a = konstanta
b = koefisien regresi
x = variabel bebas
Koefisien koefisien regresi dapat dihitung dengan rumus
SK = Sumber Keragaman
JK = Jumlah Kuadrat
Db = Derajat Bebas
KT = Kuadrat Tengah
E. Contoh soal Serta penggunaan Analisis Regresi secara Manual dan SPSS
Seorang mahasiswa ingin melakukan analisis regresi terhadap data hasil penelitiannya
yang berjudul “Hubungan Antara Motivasi dan Hasil Belajar KKPI di SMA X.”
Data Penelitian
Dari tabel data penelitian di atas carilah nilai nilai berikut dan didapati
∑ X =1105
∑ Y =1000
∑ XY =37056
2
∑ X =41029
∑ Y 2=33528
Dari hasil diatas dapat dibuat persamaan garis regresinya adalah Y = 8,3 + 0,68X
Sehingga didapati grafik
Hipotesis yang diuji adalah
H0 = Harga F regresi non signifikan atau tidak bermakna
H1 = Harga F regresi signifikan atau bermakna
H0 = Regresi Linear
H1 = Regresi non linear
Langkah Langkah :
1. Urutkan data X dari yang terkecil sampai terbesar diikuti oleh data Y
6. Membuat kesimpulan
1. Apakah ada hubungan antara motivasi dan hasil belajar siswa?
a. Aturan pengambilan kesimpulan
Jika F hitung regresi > F tabel maka harga F hitung signifikan yang artinya
koefisien regresi adalah berarti atau bermakna.
b. Dalam perhitungan diperoleh
F hitung regresi 98,01 sedangkan Ftabel untuk dk 1:28 pada taraf
signifikan 5 % adalah 4,20. Ini berarti F hitung > F tabel sehingga H0 ditolak
dan H1 diterima, sehingga F regresi adalah sigifikan. Dengan demikan
terdapat hubungan yang signifikan antara variabel motivasi dan hasil belajar
siswa.
2. Apakah hubungan keduanya linear?
a. Aturan pengambilan keputusan
Jika Fhitung (tuna cocok) < F tabel, maka H0 diterima dan H1 diolak sehingga
regresi Y atas X adalag linear.
b. Dalam perhitungan diperoleh :
F hitung 0,27 sedangkan Ftabel untuk taraf signifikan 5% adalah 2,42. Ini berarti
Ftuna cocok < Ftabel uang sehingga H0 diterima dan H1 ditolak berarti
nonsignifikan. Dengan Demikian, hubungan antara variabel motivasi dan hasil
belajar KKPI adalah linear.
7. Menghitung kadar hubungan antara X dan Y (koefisien korelasi)
Kesimpulan dari penelitian adalah
Terdapat hubungan yang signifikan antara motivasi dan hasil belajar KKPI serta
motivasi dapat memprediksi prestasi belajar sebesar 77,8%. Sedangkan sisanya
sebesar 22,2% dijelaskan oleh variabel lain yang tidak diteliti.
3. Klik Analyze pilih Regression pilih Linear, sebagaimana gambar di bawah ini:
4. Destinasikan variabel dependen pada kolom yang ada di bawah Dependent,
demikian juga variabel independen ke kolom Independent(s), sebagaimana
gambar di bawah ini.
Selanjutnya klik Statistics… Setelah keluar gambar seperti berikut ini aktifkan
juga Descriptive untuk mendeskripsikan data, Aktifkan DubinWatson pada
Residuals untuk mengetahui ada tidaknya autokorelasi. Selanjutnya klik Continue
untuk kembali pada tampilan sebelumnya.
5. Lalu klik Plots… Destinasikan ZPRED pada kolom X dan SRESID pada kolom
Y untuk mengetahui terpenuhi tidaknya Homoskedastisitas atau sering juga disebut
homogenitas. Selanjutnya aktifkan juga Histogram dan Normal Probability Plot
untuk mengetahui normalitas distribusi data, lalu klik Continue dan selanjutnya
klik Ok.
6. Berikut ini adalah Output analisis regresi linear di atas..
Anwar, A. (2009). Statistika untuk Penelitian Pendidikan dan Aplikasnya dengan SPSS dan
Excel. Kediri: IAIT Press.
Mardanti, D. (2017, Juli). Analisis Regresi Linier Sederhana. Retrieved from slideshare:
https://www.slideshare.net/dWaay/analisa-regresi-linier-sederhana
Raharjo, S. (n.d.). Panduan Lengkap Uji Analisis Regresi Linear Sederhana dengan SPSS.
Retrieved from spssindonesia.com: http://www.spssindonesia.com/2017/03/uji-analisis-
regresi-linear-sederhana.html
Wufron. (n.d.). Analisis Regresi Linier dengan IBM SPSS Statistics. 1-10.
YQ. (n.d.). Retrieved from staffnew.uny.ac.id:
http://staffnew.uny.ac.id/upload/198401312014042002/pendidikan/ANALISIS
%20REGRESI-YQ.pdf