Tugas Kelompok 1 Mata Kuliah Manajemen Teknologi Pendidikan

1. Citra Ayu
2. Dede Kurniawan
3. Norlela
4. Nurliani
5. Rustam Effendi

ANALISIS REGRESI

Korelasi dan regresi keduanya mempunyai hubungan yang sangat erat.

Setiap regresi pasti ada korelasinya, tetapi korelasi belum tentu dilanjutkan
dengan regresi. Korelasi yang tidak dilanjutkan dengan regresi adalah
korelasi antara dua variabel yang tidak mempunyai hubungan kasual/sebab
akibat, atau hubungan fungsional. Untuk menetapkan kedua variabel
mempunyai hubungan kausal atau tidak, maka harus didasarkan pada teori
atau konsep-konsep tentang dua variabel tersebut.
Hubungan antara panas dengan tingkat muai panjang, dapat dikatakan
sebagai yang kausal, hubungan antara kepemimpinan dengan kepuasan
kerja dosen dapat dikatakan hubungan yang fungsional, hubungan antara
tinggi badan dengan banyaknya kematian bukan merupakan hubungan
kausal maupun fungsional.
Analisis regresi digunakan untuk mengetahui besarnya pengaruh satu
variable bebas atau lebih terhadap suatu variabel tidak bebas. Data yang
dianalisis dengan regresi merupakan data kuantitatif yang memiliki skala
pengukuran minimal interval. Berdasarkan jumlah variabel bebas dan
pangkat dari variabel bebas, analisa regresi terdiri dari:
 Multipel
(Berganda)

Regresi Non
Linier
Regresi Non Linier
Sederhana

REGRESI
Regresi Linier
Sederhana
Regresi Non Linier
Regresi Multipel (Berganda)
Linier
Regresi Linier

A. Regresi Linear Sederhana

Regresi linear sederhana didasarkan pada hubungan fungsional
ataupun kausal satu variabel independen dengan satu variabel dependen.
Persamaan umum regresi linear sederhana adalah :
Ŷ = a + bX
Keterangan Rumus:
Ŷ = subyek dalam variabel dependen yang diprediksikan
a = harga Y ketika harga X = 0 (harga konstan)
b = Koefesien regresi yang menunjukan besarnya pengaruh X terhadap Y,
secara grafik menunjukan slope (kemiringan garis regresi).
X = Subyek pada variabel independen yang memiliki nilai
tertentu.

Judul Penelitian :
Pengaruh Motivasi Belajar dan Minat Belajar Terhadap Hasil Belajar
Matematika Siswa Kelas 8 SMPS BEQURANIC Tahun Ajaran 2020/2021

Penelitian bertujuan untuk mengetahui, mendeskripsikan dan

menganalisis hubungan motivasi belajar dan minat belajar terhadap hasil
belajar matematika SMPS BEQURANIC kelas 8.
Penelitian ini memiliki dua variabel bebas yaitu motivasi belajar dan
minat belajar serta satu variabel terikat yaitu hasil belajar Matematika.

A. Rumusan Masalah
1. Apakah terdapat pengaruh motivasi belajar terhadap hasil belajar mata
pelajaran Matematika Tahun Ajaran 2021/2022?
2. Apakah terdapat pengaruh minat belajar terhadap hasil belajar siswa
mata pelajaran Matematika Tahun Ajaran 2021/2022?
3. Apakah terdapat pengaruh motivasi belajar dan minat belajar terhadap
hasil belajar siswa mata pelajaran Matematika Tahun Ajaran
2021/2022?

B. Hipotesis Penelitian
1. Terdapat pengaruh motivasi belajar terhadap hasil belajar mata
 pelajaran matematika tahun ajaran 2021/2022
2. Terdapat pengaruh minat belajar terhadap hasil belajar siswa mata
pelajaran matematika tahun ajaran 2021/2022
3. Terdapat pengaruh motivasi belajar dan minat belajar terhadap hasil
belajar siswa mata pelajaran matematika tahun ajaran 2021/2022
Data
NO Motivasi Belajar (X1) Minat Belajar (X2) Prestasi Belajar

1 47 29 89

2 52 27 82

3 36 31 80

4 52 31 87

5 48 32 76

6 60 40 71

7 43 30 80

8 52 32 77

9 39 28 88

10 46 27 84

11 49 37 76

12 45 34 69

13 39 32 88

14 43 28 89

15 37 29 77

16 47 26 90

17 47 41 71
 18 46 30 84

19 48 31 69

20 36 32 76

21 47 24 78

22 58 27 85

23 37 23 76

24 50 39 84

25 43 29 79

26 50 33 78

27 45 37 86

28 42 26 70

29 52 33 75

30 46 28 80

N = 30
SIGMA X 1 = 1.382
SIGMA X 2 = 926
Prestasi belajar = 2.394

B. Regresi Linear Berganda (multipel)

Uji regresi ganda merupakan bagian dari pengembangan regresi
sederhana. Kegunaannya adalah untuk meramalkan nilai variabel terikat (Y)
jika terdapat 2 variabel bebas (X) atau lebih.
Persamaan regresi untuk dua prediktor:
Y = a + b1 X1 + b2 X2

Persamaan regresi untuk tiga predictor:

Y = a + b1 X1 + b2 X2 + b3 X3

Persamaan regresi untuk n predictor:

Y = a + b1 X1 = b2 X2 …. + bn Xn