BAB I

PENDAHULUAN

1.1 Latar Belakang

Penggunaan statistika dalam mengolah data penelitian berpengaruh terhadap
tingkat analisis hasil penelitian. Penelitian-penelitian dalam bidang ilmu
pengetahuan alam (IPA), khususnya bidang olahraga yang menggunakan
perhitungan-perhitungan statistika, akan menghasilkan data yang mendekati benar
jika memperhatikan tata cara analisis data yang digunakan. Dalam memprediksi
dan mengukur nilai dari pengaruh satu variabel (bebas/independent/ predictor)
terhadap variabel lain (tak bebas/dependent/response)dapat digunakan uji regresi.

Analisis/uji regresi merupakan suatu kajian dari hubungan antara satu

variabel, dengan satu atau lebih variabel. Apabila variabel bebasnya hanya satu,
maka uji/analisis regresinya dikenal dengan regresi linier sederhana. Apabila
variabel bebasnya lebih dari pada satu, maka uji/analisis regresinya dikenal dengan
regresi linear berganda. Dikatakan linier berganda karena terdapat dua atau lebih
variabel bebas yang mempengaruhi variabel tak bebas.

Perhitungan-perhitungan hasil akhir untuk penulisan karya ilmiah/penelitian

banyak menggunakan analisis/uji regresi. Hasil perhitungan analisis/uji regresi
akan dimuat dalam kesimpulan penelitian dan akan menentukan apakah penelitian
yang sedang dilakukan berhasil atau tidak. Analisis perhitungan pada uji regresi
menyangkut beberapa perhitungan statistika seperti uji signifikansi (uji-t, uji-F),
anova dan penentuan hipotesis. Hasil dari analisis/ uji regresi berupa suatu
persamaan regresi. Persamaan regresi ini merupakan suatu fungsi prediksi variabel
yang mempengaruhi variabel lain. Dalam makalah ini dibahas regresi linier
berganda. Pengujian signifikansi hipotesis akan menggunakan Uji-F.

Oleh karena itu, penulis membuat makalah yang berjudul “Regresi

Berganda dan Uji Lanjut” untuk menjelaskan dan mengungkap implementasinya
dalam Pendidikan Olahraga.

1
1.2 Rumusan Masalah
Rumusan masalah dalam makalah ini ialah :
1. Apa yang dimaksud dengan regresi berganda?
2. Bagaimana regresi berganda ini diterapkan?
3. Bagaimana uji lanjut diimplementasikan pada regresi berganda?

1.3 Tujuan

Tujuan dari makalah ini adalah :

1. Untuk mengetahui regresi berganda?

2. Untuk mengetahui penerapan regresi berganda
3. Untuk mengetahui implementasi uji lanjut pada regresi berganda?

2
 BAB II

KAJIAN TEORI

2.1 Regresi Berganda

Regresi linier berganda merupakan model persamaan yang menjelaskan

hubungan satu variabel tak bebas/ response (Y) dengan dua atau lebih variabel
bebas/ predictor (X₁, X₂,…Xn). Tujuan dari uji regresi linier berganda adalah untuk
memprediksi nilai variable tak bebas/ response (Y) apabila nilai-nilai variabel
bebasnya/ predictor (X₁, X₂,..., Xn) diketahui. Disamping itu juga untuk dapat
mengetahui bagaimanakah arah hubungan variabel tak bebas dengan variabel -
variabel bebasnya.

Persamaan regresi linier berganda secara matematik diekspresikan oleh :

Y = a + b₁ X₁ + b₂ X₂ + … + bn Xn

yang mana :

Y = variable tak bebas/variabel dependen (nilai variabel yang akan diprediksi)

X₁, X₂,…, Xn = variable bebas/variabel independen

a = konstanta (nilai Y apabila X₁, X₂,..., Xn = 0)

b = nilai koefisien regresi (b₁, b₂,…, bn)

Bila terdapat 2 variable bebas, yaitu X₁ dan X₂, maka bentuk persamaan
regresinya adalah :

Y = a + b₁ X₁ + b₂ X₂

Keadaan-keadaan bila koefisien-koefisien regresi, yaitu b₁ dan b₂ mempunyai nilai

:

 Nilai=0. Dalam hal ini variabel Y tidak dipengaruh oleh X₁ dan X₂

3
  Nilainya negative. Disini terjadi hubungan dengan arah terbalik antara variabel
tak bebas Y dengan variabel-variabel X₁ dan X₂

 Nilainya positif. Disni terjadi hubungan yang searah antara variabel tak bebas Y
dengan variabel bebas X₁ dan X₂

Koefisien-koefisien regresi b1 dan b2 serta konstanta a dapat dihitung dengan

menggunakan rumus :

( ∑ Y )−(b ₁.∑ x ₁)−(b ₂. ∑ x ₂)

a=
n

[ ( ∑ x ₂². ∑ x ₁ y )−(∑ x ₂ y . ∑ x ₁ x ₂)]

b ₁=
[ ( ∑ x ₁².∑ x ₂² )−(∑ x ₁. x ₂)² ]

[ ( ∑ x ₁². ∑ x ₂ y )−(∑ x ₁ y . ∑ x ₁ x ₂)]

b ₂=
[ ( ∑ x ₁².∑ x ₂² )−(∑ x ₁. x ₂)² ]

yang mana :

(∑ X ₁)²
∑ x ₁² = ∑ X ₁² -
n
(∑ X ₂)²
∑ x ₂² = ∑ X ₂² -
n
(∑ Y ) ²
∑ y ² = ∑Y ² -
n

∑ X ₁.∑ Y
∑x ₁ y = ∑X ₁ Y -
n
∑ X ₂.∑ Y
∑x ₂ y = ∑X ₂ Y -
n
∑ X ₁.∑ X ₂
∑x ₁ x ₂ = ∑X ₁ X ₂ -
n

2.2 Koefisien Determinasi (r² )

Untuk mengetahui presentase pengaruh variabel-variable X₁ dan X₂ terhadap

variabel Y digunakan koefisien determinasi

4
  Besarnya r² dihitung dengan rumus :

r² =
 Apabila r² bernilai 0 , maka dalam model persamaan regresi yang terbentuk,
( b ₁.∑ x ₁ y ) +(b ₂.∑ x ₂ y )
variasi variabel tak bebas/variabel dependen Y tidak sedikitpun dapat dijelaskan
∑y²
oleh variasi variabel-variabel bebas X₁ dan X₂
 Apabila r² bernilai 1, maka dalam model persamaan regresi yang terbentuk,
variabel tak bebas Y secara sempurna dapat dijelaskan oleh variasi variabel -
variabel bebas X₁dan X₂.

2.3 Koefisien Korelasi Ganda

Untuk mengetahui seberapa besar korelasi secara serentak/ simultan antara

variable-variable X₁, X₂,..., Xn dengan variabel Y dapat digunakan koefisien
korelasi ganda.

 Besarnya nilai koefisien korelasi ganda dapat dihitung dengan rumus :

r=√ r ² =

√ ( b ₁. ∑ x ₁ y ) +(b ₂.∑ x ₂ y )
∑y²
 Nilai r : -1 ≤ r ≤ +1. Apabila nilai r mendekati nilai +1 atau – 1, maka dapat
dikatakan bhawa semakin kuatnya hubungan/korelasi yang terjadi. Sebaliknya,
apabila nilai r mendekati 0, maka semakin lemahnya hubungan/korelasi yang
terjadi.

2.4 Korelasi Parsial

Merupakan suatu korelasi yang menjelaskan korelasi antara 1 variable dengan 1

variable dan variable lainnya dianggap konstan. Terdapat 3 macam bentuk korelasi
parsial, yaitu :

1) korelasi antara X₁ dengan X₂ yang mana Y dianggap konstan ¿)

r 12+(r Y 1 r Y 2)
¿) =
√(1−r 2
Y1 )( 1−r 2Y 1)

5
2) korelasi antara Y dengan X₁ yang mana X₂ dianggap konstan (r Y 1.2)

r Y 1+(r Y 2 r 12 )
¿) =
√(1−r 2
Y2 )( 1−r 12)
2

3) korelasi antara Y dengan X₂ yang mana X₁ dianggap konstan (r Y 2.1)

r Y 2−(r Y 1 r 12)
¿) =
√(1−r 2
Y1 )( 1−r 212)

X₁
r Y 1.2

r 12. Y
Y

r Y 2.1
X₂

Yang mana

n .∑ X ₁ Y −(∑Y . ∑ X ₁)
rY 1 =
√ [ ( n . ∑Y ) −( ∑Y ) ] . ¿ ¿ ¿
2 2

n .∑ X ₂ Y −(∑ Y . ∑ X ₂)
rY 2 =
√ [ ( n . ∑Y 2
) −( ∑ Y 2 ) ] . ¿ ¿ ¿
n .∑ X ₁ X ₂−(∑ X ₁ .∑ X ₂)
r 12 =
√ [ ( n . ∑ X ₁ ) −( ∑ X ₁ ) ] . ¿ ¿¿
2 2

6
2.5 Kesalahan Baku Estimasi (Standard Error Estimate)
Kesalahan baku estimasi digunakan untuk melihat apakah persamaan regresi
yang terbentuk tepat/ kurang tepat dipakai untuk mengestimasi/ memprediksi
variabel response Y. Jika kesalahan bakunya besar, maka persamaan regresi yang
dibentuk kurang tepat dipakai untuk mengestimasi. Hal ini disebabkan karena selisih
nilai antara variable response Y estimasi dengan Y kenyataan akan besar. Secara
matematika kesalahan baku estimasi diekspresikan oleh :
3
Se ( S yx ) 4 =

√ ∑ Y 2−( a ∑Y )−(b1 ∑ X ₁Y )−(b2 ∑ X ₂Y )

N −3

2.6 Pengujian Hipotesis Menggunakan Uji-F

Pengujian hipotesis dimaksudkan untuk melihat apakah suatu hipotesis yang
diajukan ditolak atau dapat diterima Hipotesis merupakan asumsi atau pernyataan
yang mungkin benar atau salah mengenai suatu populasi. Dengan mengamati seluruh
populasi, maka suatu hipotesis akan dapat diketahui apakah suatu penelitian itu benar
atau salah. Untuk keperluan praktis, pengambilan sampel secara acak dari populasi
akan sangat membantu. Dalam pengujian hipotesis terdapat asumsi/ pernyataan
istilah hipotesis nol. Hipotesis nol merupakan hipotesis yang akan diuji, dinyatakan
oleh H 0 dan penolakan H 0 dimaknai dengan penerimaan hipotesis lainnya/ hipotesis
alternatif yang dinyatakan oleh H 1. Jika telah ditentukan Koefisien Determinasi (r² ),
maka selanjutnya dilakukan uji signifikan hipotesis yang diajukan. Dengan uji
signifikansi ini dapat diketahui apakah variable bebas/ predictor/ independent (X)
berpengaruh secara signifikan terhadap variable tak bebas/ response/ dependent (Y).
Arti dari signifikan adalah bahwa pengaruh antar varible berlaku bagi seluruh
populasi. Dalam makalah ini akan membahas uji signifikansi menggunakan Uji-F.
Penggunaan Uji-F bertujuan mengetahui apakah variabel-variabel bebas (X₁
dan X₂ )secara signifikan bersama-sama berpengaruh terhadap variable tak bebas Y.

7
Tahapan yang dilakukan dalam Uji - F adalah:

1) Menentukan Hipotesis

H 0 : β 1 = β 2= 0; (variable X₁ dan X₂ tidak berpengaruh terhadap Y)

H 1 : β 1 ≠ β 2 ≠ 0; (variabel X₁ dan X₂ berpengaruh terhadap Y)

2) Menentukan Taraf/tingkat Signifikansi (α)

Nilai yang sering digunakan untuk adalah α = 5%

3) Menentukan F hitung

Rumus F hitung :

4) Menentukan F table (mempergunakan table Uji-F)

Tabel Uji-F untuk α = 5% dengan derajat kebebasan pembilang (Numerator, df)

= k - 1; dan untuk penyebut (Denominator, df ) = n – k. n = jumlah sample/
pengukuran, k= jumlah variable bebas dan terikat).

5) Kriteria Pengujian nilai Fhit dan ttab

Apabila nilai Fhit < Ftab, maka hipotesis H 1 ditolak dan H 0 diterima.

Apabila nilai Fhit > Ftab, maka hipotesis H 1 diterima dan H 0 ditolak.

6) Kesimpulan : akan disimpulkan apakah ada/ tidak pengaruh variable-variable

bebas ( X₁ dan X₂ ) terhadap variable tak bebas (Y)

8
 BAB III

PEMBAHASAN

3.1 Contoh Soal

Sebuah penelitian dilakukan

no X₁ X₂ Y
untuk mengetahui apakah ada
1 9 17,05 48
2 8 7,23 22
pengaruh Kekuatan otot lengan (X₁)
3 12 9,27 37 dan keseimbangan badan (X₂)
4 4 23,39 39 kemampuan servis atas permainan
5 8 3,57 27 Bola Voli (Y) pada siswa berjumlah
6 6 7 46 10 orang.
7 2 3,89 26
Langkah awal sebelum melakukan
8 10 12,38 48
9 4 7,89 25
analisis regresi adalah
10 2 5,13 28 mengumpukan data variabel
penelitian

Untuk mendapatkan koefisien regresi, perlu dihitung : Y, X1, X2, X1Y,
X12, X1 X2, X2Y, X22

no X₁ X₂ Y X₁² X₂² Y² X₁Y X₂Y X₁X₂

1 9 17,05 48 81 290,70 2304 432 818,4 153,45

9
 2 8 7,23 22 64 52,27 484 176 159,06 57,84
3 12 9,27 37 144 85,93 1369 444 342,99 111,24
4 4 23,39 39 16 547,09 1521 156 912,21 93,56
5 8 3,57 27 64 12,74 729 216 96,39 28,56
6 6 7 46 36 49,00 2116 276 322 42
7 2 3,89 26 4 15,13 676 52 101,14 7,78
8 10 12,38 48 100 153,26 2304 480 594,24 123,8
9 4 7,89 25 16 62,25 625 100 197,25 31,56
10 2 5,13 28 4 26,32 784 56 143,64 10,26

65 96,8 346 529 1294,711 12912 2388 3687,32 660,05

Lalu Dicari:
n 10,00
∑x₁² 106,50
∑x₂² 357,69
∑y² 940,40
∑x₁y 139,00
∑x₂y 338,04
∑x₁x₂ 30,85

Menggunakan rumus:

Langkah selanjutnya mencari konstanta b₁, b₂, a dengan cara :

10
Hasilnya :

a = 19,45
b₁ = 1,05
b₂ = 0,85
Interpretasi:

a=19,45

artinya tanpa dipengaruhi oleh variabel apapun, kemampuan servis atas bola voli
adalah sebesar 19,45

b₁=1,05

artinya setiap kenaikan kekuatan otot lengan, maka nilai kemampuan servis atas bola
voli akan naik sebesar 1,05 , dengan variabel keseimbangan badan dianggap konstan

b₂=0,85

artinya setiap kenaikan keseimbangan badan, maka nilai kemampuan servis atas bola
voli akan naik sebesar 0,85 , Jika variabel kekuatan otot lengan dianggap konstan.

Lalu dapat dimasukan dalam persamaan: Y = a + b₁ X₁ + b₂ X₂

Y = 19,45 + 1,05 X₁ + 0,85 X₂

11
 BAB IV

PENUTUP

4.1 Kesimpulan
Uji regresi berganda sangat membantu untuk mengetahui pengaruh secara
serempak (simultan) baik kualitas maupun kuantitas dari variable-variabel bebas
terhadap variable tak bebas. Hasil model persamaan regresi dapat dipergunakan
sebagai pedoman untuk memprediksi hubungan antar variabel diluar data yang
dijadikan sampel dalam suatu populasi.
4.2 Saran
Dari pembahasan mengenai uji regresi berganda dan uji lanjut membuat
penulis merasakan bahwa pentingnya mengetahui uji regresi berganda dan uji
lanjut dalam implementasinya di sebuah penelitian. Selain itu lebih
mengembangkannya dalam penelitian olahraga di Indonesia.

12
 DAFTAR PUSTAKA

M Nazir, 1983, Metode Statistika Dasar I , GramediaPustaka Utama ;Jakarta.

Sudijono, Anas. 1996. Pengantar Statistik Pendidikan. Jakarta: Rajawali
Spiegel. Murray. R. 2004. Statistika. Jakarta :Erlangga
Supranto. J. 2001. Statistika Teori dan Aplikasi Edisi Ke-6 Jilid 2. Jakarta : Erlangga
Walpole. R.,.E. 1995. Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuawan.
Bandung : ITB

13