M10-STATISTIKA

Analisis Regresi Linear Sederhana

Menggunakan Software Ms. Excel dan SPSS

Oleh : Ernawati, M.Stat.

Contoh Analisis Regresi Linear Sederhana
• Berikut Data 10 Siswa. Lama belajar (X), dan nilai ujian (Y).
No X Y
1 1 5
2 1 4
3 2 7
4 2 6
5 3 6
6 3 8
7 4 7
8 4 6
9 5 7
10 5 8
2
Analisis Regresi Linear Sederhana
Menggunakan Software SPSS
ANALISIS REGRESI
Buka File yang akan diolah atau input data pada SPSS

Analyze → Regression → Linear....

 Regression Coefficients, pilih
→Estimates
→Model fit
2

1
Masukkan
variabel Y →Dependent
variabel X →Independent(s)
 OUTPUT SPSS → Analisis Regresi
Hasil Perhitungan Manual M11

𝟏𝟐 𝟐 144
𝑅2 = = = 𝟎, 𝟓𝟎 = 𝟓𝟎%
𝟐𝟎 𝟏𝟒, 𝟒 288

Bandingkan dengan hasil hitung manual.

Hasilnya sama.

Interpretasi

Kontribusi/sumbangan pengaruh yang diberikan variabel lama belajar (X) terhadap

variabel nilai ujian (Y) untuk membentuk model regresi yaitu sebesar 50 %. Sedangkan
50% sisanya dipengaruhi oleh variabel lain di luar model persamaan regresi tersebut.
 OUTPUT SPSS → Analisis Regresi (lanjutan)
Uji Signifikansi Proporsi Varian (F) Perhitungan Manual M11

Bandingkan dengan hasil hitung manual.

Hasilnya sama.

• Keputusan • Kesimpulan
Berdasarkan perhitungan diperoleh Karena Tolak 𝑯𝟎 maka Variabel Lama Belajar (X)
𝐹𝐻𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑇𝑎𝑏𝑒𝑙(0,05;1;8) yaitu 8 > 5,32, sehingga Tolak 𝑯𝟎 . signifikan mempengaruhi nilai ujian (Y)
***Lihat proses pengujian hipotesis di Pertemuan M11
 OUTPUT SPSS → Analisis Regresi (lanjutan)

Output Coefficients→
Untuk Membuat Model Regresi

Ingat Model Persamaan Regresi Linear Sederhana

෡ = 𝒂 + 𝒃𝑿
𝒀
Nilai B untuk Constant → menunjukkan intersep (a), yaitu 4,6 Sehingga diperoleh model persamaan regresi nya yaitu :
Nilai B untuk X → menunjukkan koefisien regresi (b), yaitu 0,6
෡ = 𝟒, 𝟔 + 𝟎, 𝟔𝑿
𝒀

Bandingkan dengan hasil hitung manual.

Hasilnya sama.
Analisis Regresi Linear Sederhana
Menggunakan Software Ms. Excel
Untuk melakukan Regresi Sederhana dengan Ms. Excel maka dapat dengan menggunakan menu
DATA → Data Analysis

Jika tools “Data Analysis “ belum ada, maka tambahkan tool tersebut, pada menu “Options”.
Caranya yaitu pilih File → Options
Pilih File 1
2 Pilih Options
Untuk mengaktifkan tools “Data Analysis” maka tambahkan lewat “Add-Ins”
3
Pilih Add-ins
Pilih Analysis Tool/Data Analysis
Ketika proses “Add-Ins” berhasil, maka tools dapat dilihat pada menu
DATA→ Data Anaysis
Cara melakukan Regresi Linear Sederhana pada Ms. Excel.
DATA→ Data Anaysis→ Regression
Masukkan variabel Y
dengan mengklik kolom yang berisi variabel Y pada
Input Y Range
Masukkan variabel Y
dengan mengklik kolom yang berisi variabel Y pada
Input Y Range
 Pilih hasil output options
• New Worksheet Ply (hasil output ada di sheet
baru tapi masih dalam satu file excel

Pilih output yang diinginkan

• Residuals menunjukkan selisih antara Y_data asli dengan Y_prediksi
• Normal Probability Plots menunjukkan plot probabilitas normal dari data Y
Hasilnya ada di sheet lain, tetapi masih dalam satu file Ms. Excel
 OUTPUT→ Analisis Regresi dengan Ms. Excel
SUMMARY
OUTPUT
Hasil Perhitungan Manual M11
Regression Statistics
𝟏𝟐 𝟐 144
Multiple R 0,707107
𝑅2 = = = 𝟎, 𝟓𝟎 = 𝟓𝟎%
R Square 0,5 𝟐𝟎 𝟏𝟒, 𝟒 288
Adjusted R
Square 0,4375 Bandingkan dengan hasil hitung manual.
Standard Error 0,948683 Hasilnya sama.
Observations 10

Interpretasi

Kontribusi/sumbangan pengaruh yang diberikan variabel lama belajar (X) terhadap

variabel nilai ujian (Y) untuk membentuk model regresi yaitu sebesar 50 %. Sedangkan
50% sisanya dipengaruhi oleh variabel lain di luar model persamaan regresi tersebut.
 OUTPUT→ Analisis Regresi dengan Ms. Excel
ANOVA
Significance
df SS MS F F
Regression 1 7,2 7,2 8 0,022203904
Residual 8 7,2 0,9
Total 9 14,4

Bandingkan dengan hasil hitung manual.

Hasilnya sama.

• Keputusan • Kesimpulan
Berdasarkan perhitungan diperoleh Karena Tolak 𝑯𝟎 maka Variabel Lama Belajar (X)
𝐹𝐻𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑇𝑎𝑏𝑒𝑙(0,05;1;8) yaitu 8 > 5,32, sehingga Tolak 𝑯𝟎 . signifikan mempengaruhi nilai ujian (Y)
***Lihat proses pengujian hipotesis di Pertemuan M11
 OUTPUT→ Analisis Regresi dengan Ms. Excel
Upper
Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95,0% 95,0%
6,22241772 6,2224177
Intercept 4,6 0,703562364 6,538155 0,000180705 2,977582279 1 2,977582279 21
1,08917734 1,0891773
X Variable 1 0,6 0,212132034 2,828427 0,022203904 0,110822652 8 0,110822652 48

Untuk Membuat Model Regresi

Ingat Model Persamaan Regresi Linear Sederhana

෡ = 𝒂 + 𝒃𝑿
𝒀
Nilai B untuk Constant → menunjukkan intersep (a), yaitu 4,6 Sehingga diperoleh model persamaan regresi nya yaitu :
Nilai B untuk X → menunjukkan koefisien regresi (b), yaitu 0,6
෡ = 𝟒, 𝟔 + 𝟎, 𝟔𝑿
𝒀

Bandingkan dengan hasil hitung manual maupun SPSS

Hasilnya sama.
Output Residual
RESIDUAL
OUTPUT Y data asli
Y Prediksi Residual (Selisih Y data asli
Y
Observation Predicted Y Residuals dengan Y prediksi)
1 5,2 -0,2 5 (5,2 -5 ) = -0,2
2 5,2 -1,2 4 (4-5,2) = 1,2
3 5,8 1,2 7 (7-5,8)=1,2
4 5,8 0,2 6 (6-5,8)=0,2
5 6,4 -0,4 6 (6-6,4)=-0,4
6 6,4 1,6 8 (8-6,4)=1,6
7 7 0 7 (7-7)=0
8 7 -1 6 (6-7)=-1
9 7,6 -0,6 7 (7-7,6)=-0,6
10 7,6 0,4 8 (8-7,6)=0,4