Nama : Ihsan Ismail

Nim : 1907015204
Statistika pendidikan 6F

QUIZ REGRESI LINEAR SEDERHANA

Sepuluh orang siswa mengerjakan soal Matematika (X) dan soal Statistika (Y). Skor matematika
sebagai variabel bebas dan skor Statistika sebagai variabel terikat. Skor sebagai berikut.

NO X Y
A 15 27
B 25 40
C 16 29
D 23 26
E 16 26
F 24 35
G 15 29
H 16 30
I 23 22
J 24 39

1. Bagaimana persamaan regresinya?

2. Apakah regresi signifikan, dan apakah regresi linier?
3. Berapa koefisien korelasinya? Koefisien korelasi positif atau negatif?
4. Apakah koefisien korelasi signifikan?
5. Berapa koefisien determinasi?
1. Model Regresi linier sederhana: 𝒀̂ = a + bX
Cara 1 (rumus 1)
Skor dibuat urut dari besar ke kecil berdasarkan skor X

Siswa X Y .x= X- x2 y= Y- y2 xy

B 25 40 5,3 28,9 9,7 94,09 51,41

J 24 39 4,3 18,49 8,7 75,69 37,41
F 24 35 4,3 18,49 4,7 22,09 20,21
D 23 26 3,3 10,89 -4,3 18,49 -14,19
I 23 22 3,3 10,89 -8,3 68,89 -27,39
H 16 30 -3,7 13,69 -0,3 0,09 1,11
C 16 29 -3,7 13,69 -1,3 1,69 4,81
E 16 26 -3,7 13,69 -4,3 18,49 15,91

G 15 29 -4,7 22,09 -1,3 1,69 6,11

A 15 27 -4,7 22,09 -3,3 10,89 15,51

 197 303 0 172,91 0 312,1 110,9

Rerata 19,7 30,3

∑xy
b=
∑x2
.b = (110,9)/172,91 = 0,64

.a = Y – b X = 30,3 – (0,64)(19,7) = 17,69

Model Regresi : 𝒀̂ = 17,69 + 0,64X
Mencari harga koefisien b rumus lain :

Siswa X Y Kelompok XY X2 Y2
B 25 40 K=1 1000 625 1600
 J 24 39 K=2 936 576 1521
F 24 35 K=2 840 576 1225

D 23 26 K=3 598 529 676

I 23 22 K=3 506 529 484
H 16 30 K=4 480 256 900
C 16 29 K=4 464 256 841
E 16 26 K=4 416 256 676
G 15 29 K=5 435 225 841
A 15 27 K=5 405 225 729

 197 303 K=5 6080 4053 9493

Rerata 19,7 30,3

n(∑XY) – (∑X)( ∑Y) 10 (6080) – (197)(303) 1109

b= = = = 0,64

n∑X2 - ( ∑X)2 10 (4053) – (197)2 1721

.a = Y – b X = 30,3 – (0,64)19,7 = 17,69

Model Regresi : 𝒀̂ = 17,69 + 0,64X

2. UJI sigifikansi regresi dan linieritas

regresi Jumlah Kuadrat:

a. JK Total: JK(T) = Y2 = 9493

(Y)2
b. JK Regresi a: Jk(a) =-----------= (303)2 : 10 = 91809 : 10 = 9180,9
n
c. JK Total Direduksi/Dikoreksi: JK(R) = JK(T) - JK(a) (a-b)

= y2 = 9493 – 9180,9 = 311,1

 d. JK Regresi b: JK(b) = JK(reg b) = bxy = (0,64) (110,9) = 70,976

e. JK Sisa: JK(S) = JK(R) - JK(reg b) = (312,1) – (70,976) = 241,124 (c-d)

f. JK Galat: JK(G) = (Y 2k) =

(40)2 (39+35)2 (26+22)2

{402 – --------} + {392 + 352 – -------------} + {262 + 222 – ------------} +
1 2 2

(30+29+26) 2 (29+27) 2
{302 + 292 + 262 – ------------------} + {292+272 – -------------} = 0+8+8+8,6+2 = 26,7
3 2

g. JK Tuna Cocok: JK(TC) = JK(S) - JK(G) = 241,124 - 26,6 = 214,424 (e-f)

Tabel ANAVA Untuk Regresi Linear Sederhana:

Sumber RJK =
Db JK Fh Ft
variasi Jk/db
Total N= 10 9493 (a)

3920,4
Reg. a 1 9180,9 (b) Regresi
70,976
Reg. b 1 70,976 (d) 2,35 Ft(0,05; 1/8)
241,124/8 =5,32
Sisa (N-2) 10-2=8 241,124 (e)
=30,14

214,424/3
Linier
Tu. Cocok (K-2) 5-2=3 214,424 (g) = 74,47
0,55 Ft(0,05; 3/5) =
Galat (N-K) 10-5=5 26,7 (f) 24,67/5 =
5,41
5,34
 a. Uji Signiflkansi Regresi

H0 :  = 0  regresi tidak signifikan

H1 :  > 0  regresi signifikan

 = Koefisien regresi populasi

Kriteria: Fh > Ft, regresi signifikan

Karena Fh = 5,41 > 5,32 = Ft, maka regresi signifikan

Artinya besarnya koefisien regresi (arah regresi) signifikan.

b. Uji Linearitas Regresi:

H0 : Y =  + X  regresi linier

H1 : Y   + X  regresi tidak linier

Kriteria; Fh < Ft, regresi linear

Karena Fh = 0,55 < 5,41 = Ft, maka regresi linear (bukan yang lain, misalnya kuadratik
dsb).

Karena (model) regresi signifikan dan linier, maka persamaan regresi : 𝒀̂ = 17,69 + 0,64X
dapat dipergunakan untuk prediksi.
Apabila X = skor matematika bertambah dengan satu skor , maka hasil belajar statistika
bertambah dengan 0,89. Misalnya rerata skor matematika 80, maka prediksi rerata skor
statistika = 17,69 + 0,64 x 80 = 68,89
Jika regresi signifikan diteruskan untuk mencari apakah ada korelasi.
antara hasil belajar matematika dengan hasil belajar statistika.

3. Koefisen Korelasi
Besarnya koefisien korelasi sampel (r) memprediksi ada tidaknya atau berapa kuat
hubungan antara variabel bebas (X) dengan variabel terikat (Y).
Nilai/besar koefisien korelasi (r) antara 1<r<-1. Untuk r = 1 dikatakan terdapat hubungan
positif sempurna. Untuk r = -1 terdapat hubungan negatif sempurna. Untuk r = 0 tidak
terdapat hubungan antar variabel.
 Y= skor stat. * 20;16
* 20; 12

Ŷ = a + bX *12;10
*12;8

*8;4
.b=0,64  X= skor matem
17,69
Apakah ada korelasi antara hasil belajar matematika dengan hasil belajar statistika (dengan
data di atas).
Besarnya koefisien korelasi antara X (variabel bebas=skor matematika dan Y= (variabel terikat =
skor statistika). Dapat dicari dengan 2 (dua) rumus.
(1) ∑xy 110,9 110,9
.rxy = = = = 0,47

(∑x2) (∑y2) √(172,91)(312,1) 232,3

(2)
n(∑XY) – (∑X)( ∑Y) 10 (6080) – (197)(303)
r= = =

{n∑X2 - ( ∑X)2} {n∑Y2 - ( ∑Y)2} {10(4053)-1972)}{10(9493)-3032}

= 1109 / 2317 = 0,47

4. Uji Signifikansi Korelasi:

. H0 :  = 0  = rho = koefisien korelasi populasi

H1 :  > 0 r = koefisien korelasi sampel

 = 0 berati tidak ada korelasi antara hasil matematika dan hasil statistika untuk
populasi
  > 0 ada korelasi positif antara hasil belajar matematika dengan hasil belajar statistika.

.Kriteria : Rumus t hitung untuk menguji koefisien korelasi.

.r (n-2) 0,47 3

.th = = = 0,92

(1-r2) 0,78

Apabila t hitung lebih kecil dari t tabel dengan dk = n - 2, maka korelasi signifikan. Harga t
tabel untuk  = 0,05 adalah dk = 10 -2 = 8 adalah 1,85
Karena th = 0,92 < 1,85 = tt, maka korelasi tidak signifikan.

5. Koefisien determinasi
Diperoleh r = 0,47 atau r2 = 0,22. Koefisien determinasi 22%. Artinya 22%. dalam
kecenderungan hasil belajar Statistika dapat dijelaskan oleh hasil belajar Matematika melalui
persamaan regresi Ŷ = 17,69 + 0,64 X.

Koefisien determinasi = r2 = 0,47 = 0,22. Artinya besarnya variasi yang terjadi dalam
kecenderungan variabel terikat (Y = skor statistika) dapat dijelaskan oleh variabel bebas
(X/skor matematika ) sebesar 22% melalui persamaan regresi = 17,69 + 0,64X.