KELOMPOK VIII
Novriyanti Pateda (941420077)
Alfisander Walangadi (941420037)
Puji syukur kami ucapkan kehadirat Allah SWT atas segala rahmat-Nya
sehingga makalah ini dapat tersusun sampai dengan selesai. Tidak lupa
kami mengucapkan terima kasih terhadap bantuan dari pihak yang telah
berkontribusi dengan memberikan sumbangan baik pikiran maupun
materinya.
KATA PENGANTAR.....................................................................................(2)
DAFTAR ISI....................................................................................................(3)
BAB I PENDAHULUAN................................................................................(4)
1.1 LATAR BELAKANG...........................................................................(4)
1.2 RUMUSAN MASALAH.......................................................................(5)
1.3 TUJUAN PEMBAHASAN...................................................................(5)
BAB II PEMBAHASAN.................................................................................(6)
A. Regresi Linear Sederhana.........................................................................(6)
B. Regresi Ganda............................................................................................(9)
C. Analisis Jalur (Path Analysis)....................................................................(17)
BAB III PENUTUP.........................................................................................(22)
A. KESIMPULAN...........................................................................................(22)
DAFTAR PUSTAKA......................................................................................(23)
BAB I
PENDAHULUAN
Istilah regresi pertama kali dalam konsep statistik digunakan oleh SirFrancis
Galton pada tahun 1886 di mana yang bersangkutan melakukan kajian yang
menunjukkan bahwa tinggi badan anak-anak yang dilahirkan dari para orang tua
yang tinggi cenderung bergerak (regress) ke arah ketinggian rata-rata populasi
secara keseluruhan. Galton memperkenalkan kata regresi (regression) sebagai
nama proses umum untuk memprediksi satu variabel, yaitu tinggi badan anak
dengan menggunakan variabel lain, yaitu tinggi badan orang tua. Sehingga dapat
disimpulkan bahwa regresi linear sederhana (RLS) merupakan alat statistik yang
digunakan untuk mengetahui pengaruh antara satu variabel bebas terhadap satu
variabel terikat. Variabel bebas dapat pula disebut dengan istilah prediktor atau
variabel independen (x) dan variabel terikat sering disebut dengan istilah kriterium
atau variabel dependen (y)
Penerapan regresi linear sederhana dapat ditemukan secara luas di berbagai bidang
seperti bidang pertanian, ekonomi, medis dan pendidikan. Contoh penggunaan
regresi linear sederhana di berbagai bidang, antara lain:
1. Pengaruh jumlah pupuk terhadap produksi pertanian
2. Pengaruh daya beli masyarakat terhadap hasil penjualan saham
3. Pengaruh penghasil terhadap tingkat inflansi
4. Pengaruh citra perusahaan terhadap minat beli pelanggan
5. Pengaruh rokok terhadap kanker paru-paru
6. Pengaruh lamanya belajar terhadap nilai ujian
7. Pengaruh IQ terhadap IPK
8. Pengaruh berat badan terhadap tekanan darah
Analisis regresi juga dapat digunakan untuk memahami variabel – variabel bebas
mana saja yang dapat berhubungan dengan variabel terikat, serta untuk mengetahui
bentuk hubungan tersebut. Tujuan analisis regresi untuk mendapatkan pola
hubungan secara matematis dari variabel X dan variabel Y, dan untuk mengetahui
besarnya perubahan variabel X terhadap variabel Y, serta untuk memprediksi
variabel Y jika nilai variabel X diketahui. Prinsip dasar pada persamaan regresi
sederhana adalah bahwa antara variabel dependen (Y) dengan variable
independennya (Y) harus memiliki sifat hubungan sebab akibat atau hubungan
kausalitas, berdasarkan teori, dari hasil penelitian sebelumnya, atau juga yang
didasarkan dari penjelasan logis tertentu.
Analisis regresi linier sederhana adalah hubungan secara linear antara satu variabel
independen (X) dengan variabel dependen (Y). Analisis regresi sederhana dapat
digunakan untuk mengetahui arah dari hubungan antara variabel bebas dengan
variabel terikat, apakah memiliki hubungan positif atau negatif serta untuk
memprediksi nilai dari variabel terikat apabila nilai variabel bebas mengalami
kenaikan ataupun penurunan. Pada regresi sederhana biasanya data yang
digunakan memiliki skala interval atau rasio.
a = konstanta
b = koefisien regresi
Contoh untuk regresi sederhana adalah jumlah uang saku yang diterima mahasiswa
dipengaruhi dengan jarak tempuh dari rumah ke kampus. Apabila didasarkan dari
penjelasan logis maka semakin dekat jarak rumah dengan kampus maka akan
semakin kecil nilai uang saku mahasiswa, sebaliknya apabila semakin jauh jarak
tempuh dari rumah ke kampus maka akan semakin besar jumlah uang saku
mahasiswa, sehingga jarak tempuh dari rumah ke kampus (variabel X) akan
mempengaruhi nilai uang saku mahasiswa (variabel Y) secara positif.
Secara umum terdapat 4 (empat) tahap yang dilakukan dalam analisis regresi
dalam rangka memperoleh model yang baik, yaitu:
1. Identifikasi Model
Pada tahap ini dilakukan perumusan model secara umum termasuk pemilihan
variabel baik variabel independen maupun variabel dependen terhadap
permasalahan yang harus dipecahkan, serta menspesialisasikan hubungan
fungsional antar variabel (pilihan model sementara). Cara mudah yang dapat
dilakukan adalah dengan melihat diagram sebar (scatter diagram).
2. Estimasi /Penaksiran parameter
Langkah kedua adalah melakukan estimasi terhadap parameter-parameter dalam
model sementara. Ada dua metode yang biasa digunakan, yaitu metode kuadrat
terkecil dan metode maksimum likelihood.
3. Pengujian (Diagnostik Checking)
Pada tahap ini dilakukan pengujian-pengujian terhadap hasil-hasil, diantaranya uji
hipotesis terhadap koefisien-koefisien regresi. Jika hasil yang diperoleh tidak
sesuai yang diharapkan (tidak signifikan) maka tahapan analisis harus dimulai lagi
dari tahap pertama.
4. Penerapan
Tahap terakhir ini merupakan tujuan utama dari analisis regresi, yaitu melakukan
prediksi (perkiraan) yang dapat dipercaya, sehingga dapat dijadikan sebagai dasar
dalam pengambilan keputusan. Kemungkinan kesalahan adalah penggunaan yang
tidak pada tempatnya.
B. REGRESI GANDA
1. PENGERTIAN REGRESI GANDA
Dalam kajian ilmu sosial maupun kependidikan sering terjad sifat hubungan
berjenjang. Ini berarti bahwa variabel bebas dalam mempengaruhi variabel terikat
tidak terjadi secara langsung, tetapi melalui variavel lain. Variabel lain
menjembatani pengaruh variabel bebas terhadap variabel terikat tersebut dengan
variabel antara. Disamping itu, antar variabel bebas itu sendiri mempunyai pola
hubungan yang tidak tetap artinya bisa benar-benar bebas, berkorelasi tetapi tidak
signifikan, mempunyai hubungan yang tidak erat.
Pola hubungan-hubungan regresi ganda yang akan dibahas pada makalah ini
diantaranya:
1. Masing-masing variabel bebas berdiri sendiri dalam mempengaruhi variabel
terikat. Dalam kondisi ini antar variabel bebas tidak terdapat hubungan yang
signifikan. Jika kondisi ini yang dijumpai, maka hasil perhitungan kuadrat
koefisien merupakan jumlah sumbangan/kontribusi variabel bebas terhadap
variabel terikat. Besarnya kontribusi total variabel bebas terhadap variabel terikat
merupakan jumlah kontribusi masing-masing variabel bebas terhadap variabel
terikat.
2. Masing-masing variabel bebas tidak berdiri sendiri-sendir, tetapi antar mereka
mempunyai kebebasan dalam mempengaruhi variabel terikat. Walaupun unsure
kebersamaan tetapi masih adasifat mandirinya dalam memberikan kontribusi
terhadap variabel terikat. Kalau sifat mandirinya variabel tersebut tidak ada, maka
dengan menghilangkan variabel bebas tersebut tidak akan mempengaruhi besarnya
kontribusi. Hal ini disebabkan oleh karena kontribusi variabel bebas yang tidak
mempunyai sifat mandiri telah diwakili oleh variabel bebas lainnya. Jika korelasi
antar variabel bebas sangat besar, maka sifat mandiri variabel bebas dalam
memberikan kontribusi terhadap variabel terikat sangat kecil, demikian pula
sebaliknya.
3. Variabel bebas dalam mempengaruhi variabel terikat tidak langsung, sehingga ada
variabel antara yang menjembatani hubungan antara variabel bebas dan variabel
terikat. Dalam kasus ini peneliti hendaknya hati-hati, karena tanpa memperhatikan
variabel antara dapat memberikan keputusan yang salah dan tidak rasional. Kalau
variabel antara dilibatkan dalam analisis, maka analisisnya berjenjang. Mula-mula
menganalisis hubungan antara variabel bebas dengan variabel antara, baru
kemudian mencari hubungan variabel antara dengan variabel terikatnya.
Kalau satu variabel dependen Y perlu dijelaskan oleh lebih dari satu variabel
independen X, maka kita perlu membuat model yang sesuai dengan tujuan studi.
Model tersebut adalah regresi linier ganda (Multivariate Linear Regression). Selain
berguna untuk dapat menjelaskan hubungan p variabel X secara bersama terhadap
variabel Y, dengan analisis regresi ganda juga dapat diperoleh suatu penjelasan
tentang peranan atau kontribusi relatif setiap variabel X terhadap variabel Y.
Analisis regresi ganda mempunyai langkah yang sama dengan analisis regresi
sederhana, hanya di sini analisisnya lebih kompleks, karena melibatkan banyak
variabel bebas. Di samping itu, analisis regresi ganda lebih banyak didasarkan pada
asumsi, karena pengujian tentang terpenuhi tidaknya asumsi masih sukar
dilakukan. Sampai saat ini yang baru dapat dikembangkan secara mantap adalah
model linier, dan pengujian linieritas pada regresi ganda terlalu sukar dilakukan
sampai saat ini, lebih-lebih jika varabel bebasnya lebih dari 4 (empat). Oleh karena
itu, linieritas dalam regresi ganda terpaksa diasumsikan saja, sehingga jika bentuk
garis hubungan itu tidak linier maka hasilnya bisa menyesatkan. Oleh karena itu,
perlu hati-hati dalam menggunakan hasil analisis regresi ganda.
Bentuk persamaan regresi ganda :
1. Dua variabel bebas
Untuk menghitung koefisien regresinya menggunakan persamaan:
2. Tiga variabel bebas
Untuk menghitung koefisien regresinya menggunakan persamaan:
3. K buah variabel bebas
Untuk menghitung koefisien regresinya menggunakan persamaan sebanyak k+1
buah.
Selain langkah di atas sebenarnya koefisien regresi dapat dihitung dengan langkah
lain, yaitu jika kita mendasarkan perhitungan pada simpangan masing-masing nilai
variabel dengan nlai rata-ratanya. Apabila kita member notasi X (huruf besar)
untuk nilai asli dan nilai simpangan dengan x (huruf kecil), maka persamaan
regresi ganda yang disesuaikan adalah:
1. Dua variabel bebas
Nilai b dapat dihitung dengan persamaan:
Untuk menghitung koefisien regresi menggunakan persamaan
Untuk menghitung koefisien regresi menggunakan persamaan
Untuk menghitung koefisien regresi menggunakan persamaan
2. Tiga variabel bebas
Untuk menghitung koefisien regresi menggunakan persamaan
Untuk menghitung koefisien regresi menggunakan persamaan
3. K buah variabel bebas
Untuk menghitung koefisien regresi menggunakan persamaan
Untuk menghitung koefisien regresi menggunakan persamaan
Dengan perhitungan simpangan masing-masing (Y taksiran) akan dapat dihitung
besarnya variasi taksiran. Variasi taksiran ini akan memberi gambaran kepada
peneliti/pemakai tentang akurat tidaknya persamaan regresi ganda digunakan
sebagai alat prediksi. Apabila ternyata nilai variasi ini rendah/kecil maka
persamaan regresi itu digunakan untuk melakukan prediksi dengan baik, demikian
pila sebaliknya.
Variasi taksiran dapat dihitung dengan menggunakan rumus:
Keterangan:
k adalah banyaknya variabel bebas
4. KOEFISIEN KORELASI
Untuk mengetahui besarnya kontribusi variabel bebas terhadap variabel terikatnya
diperlukan perhitungan koefisien korelasi. Dalam regresi linier sederhana,
koefisien korelasi merupakan kuadrat korelasi antara X dan Y, tetapi dalam regresi
linier ganda koefisien korelasi merupakan sumbangan/kontribusi bersama dari
seluruh variabel bebas terhadap variabel terikatnya. Mengingat variabel bebas satu
dengan vaiabel bebasyang lain berkemungkinan besar tidak mandiri (masih ada
hubungan walaupun kecil), maka kontribusi seluruh variabel bebas terhadap
variabel terikatnya.
Koefisien korelasi regresi linier ganda dapat dihitung dengan rumus:
Keterangan:
adalah simpangan bakutaksiran Y untk nilai-nilai X
adalah simpangan baku Y
Apabila kita telah memperoleh nilai korelasi baik yang sederhana antar variabel,
maka koefisien korelasinya lebih mudah dihitung dengan rumus:
Apabila korelasi yang diketahui terbatas pada korelasi sederhana, maka koefisien
korelasi regres ganda akan lebih mudah dihitung dengan rumus:
Setela korelasi regresi linier ganda diperoleh, langkah selanjutnya adalah menguji
signifikansi koefisien korelasi tersebut. Apabila koefisien korelasi tersebut
memang signifikan, barulah dapat digunakan untuk menyatakan besarnya
kontribusi bersama dari variabel bebas terhadap variabel terikatnya. Pengujian
koefisien korelasi regresi linier ganda menggunakan F tes, sedangkan F hitung
diperoleh dengan rumus:
Apabila rencana penelitian melibatkan banyak variabel bebas, maka kontribusi
bersama variabel bebas terhadap variabel terikat dimungkinkan semakin besar
(tentunya dengan syarat bahwa antar variabel bebas tersebut benar-benar
independen).
5. KORELASI PARSIAL
Analisis Jalur (Path Analysis) adalah bagian dari model regresi yang dapat
digunakan untuk menganalisis hubungan sebab akibat antar satu variable dengan
variable lainnya. Sistem hubungan sebab akibat tersebut menyangkut dua jenis
variable, yaitu bariabel bebas atau yang lebih dikenal dengan variable eksogen
yang biasa disimbolkan dengan huruf x1, x2, variabel terikat atau variabel yang
dipengaruhi, yang dikenal dengan variabel endogen yang biasa disimbolkan
dengan huruf x Analisis jalur digunakan untuk menganalisis pola hubungan antara
variabel dengan tujuan untuk mengetahui pengaruh langsung maupun tidak
langsung seperangkat variabel bebas (eksogen) terhadap variabel terikat (endogen).
Melalui analisis jalur ini akan dapat ditemukan jalur mana yang paling tepat dan
singkat suatu variabel eksogen menuju variabel endogen yang terkait.
Dalam analisis jalur pengaruh variabel eksogen terhadap variabel endogen
dapat berupa pengaruh langsung dan tidak langsung (direct & indirect effect), atau
dengan kata lain analisis jalur memperhitungkan adanya pengaruh langsung dan
tidak langsung. Berbeda dengan model regresi biasa dimana pengaruh variable
independen terhadap variabel dependen hanya berbentuk pengaruh langsung.
Selain itu, analisis jalur merupakan suatu metode yang digunakan pada
model kausal yang telah dirumuskan peneliti atas dasar pertimbangan-
pertimbangan teoritis dan pengetahuan tertentu. Dengan kata lain analisis jalur
memiliki kegunaan untuk mengecek dan menguji model kausal yang diteorikan
dan bukan menurunkan teori kausal tersebut.
Defenisi lain mengatakan “Analisis jalur merupakan pengembangan langsung
bentuk regresi berganda dengan tujuan untuk memberikan estimasi tingkat
kepentingan (magnitude) dan signifikasi (significance) hubungan sebab akibat
hipotetikal dalam seperangkat variabel” (Paul Webley 1997 dikutip oleh Sarwono,
2007.
2. KARAKTERISTIK ANALYSIS JALUR
7. MODEL ANALISIS
a) Model Korelasi
Model korelasi yang sering digunakan dan dipakai oleh peneliti dan mahasiswa
yaitu Korelasi Pearson Product Moment(r). Kegunaan korelasi untuk
mengetahui derajat hubungan antar variabel eksogen dengan variabel endogen.
b) Model Regresi
Regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang
paling mungkin terjadi dimasa yang akan datang berdasarkan informasi masa
lalu dan sekarang yang dimiliki agar kesalahannya dapat diperkecil. Kegunaan
regresi dalam penelitian salah satunya adalah untuk meramalkan (memprediksi)
variabel endogen (Y) apabila variabel eksogen (X) diketahui. Regresi sederhana
dapat dianalisis karena didasari oleh hubungan fugsional atau hubungan sebab
akibat (kausal) variabel eksogen (X) terhadap variabel endogen (Y). Karena ada
perbedaan yang mendasar dari analisis korelasi dan analisis regresi. Setiap ada
analisis regresi otmatis ada analisis korelasinya, tetapi sebaliknya analisis
korelasi belum tentu diujii regresi atau diteruskan dengan analisis regresi.
c) Model Persamaan Struktur
Model persamaan struktur yaitu apabila setiap variabel endogen (Y) secara unik
keadaannya ditentukan oleh seperangkat variabel eksogen (X). Gambar yang
memperlihatkan struktur hubungan kausal antar variabel disebut diagram jalur
(Path Analysis). Koefisien jalur menunjukkan pengaruh langsung variabel
eksogen k terhadap variabel endogen i. Sedangkan e I menunjukkan variabel
atau faktor residual yang fungsinya menjelaskan pengaruh variabel lain yang
telah teridentifikasi oleh teori. Sebuah diagram jalur, tanda panah berujung
ganda menunjukkan hubungan korelasional dan tanda panah satu arah
menunjukkan hubungan kausal atau pengaruh langsung dari variabel eksogen
(X) terhadap variabel endogen (Y).
BAB III
PENUTUP
A. KESIMPULAN
Analisis regresi linear sederhana adalah analisis regresi yang hanya melibatkan
dua variabel, yaitu 1 (satu) variabel dependen atau variabel tergantung dan 1 (satu)
variabel independen atau bebas. Pada analisis regresi sederhana, hubungan antara
variabel bersifat linier, dimana perubahan pada variabel X akan diikuti oleh
perubahan pada variabel Y secara tetap. Selain itu, analisis regresi linear sederhana
bertujuan untuk forecast atau memprediksi nilai Y. Model regresi linear sederhana
yang baik harus memenuhi asumsi eksogenitas, linearitas, autokorelasi, dan varians
error.
Analisis regresi linear berganda atau multiple regression adalah analisis regresi
yang melibatkan lebih dari dua variabel, yaitu 1 (satu) variabel dependen atau
variabel terikat, dan lebih dari 1 (satu) variabel independen atau bebas. Model ini
disebut linear berganda, karena beberapa variabel independen ini akan berpengaruh
pada variabel dependen.
Analisis jalur adalah bagian dari model regresi yang dapat digunakan untuk
menganalisis hubungan sebab akibat antar satu variable dengan variable lainnya.
Analisis jalur bermanfaat untuk memberikan penjelasan (explanation) terhadap
fenomena yang dipelajari atau permasalahan yang diteliti, memprediksi nilai
variabel terikat (Y) berdasarkan nilai variabel bebas (X), dan prediksi dengan
analisis jalur ini bersifat kualitatif, dan menentukan faktor diterminan, yaitu
penentuan variabel bebas (X) mana yang berpengaruh dominan terhadap variabel
terikat (Y), juga dapat digunakan untuk menelusuri mekanisme (jalur-jalur)
pengaruh variabel bebas (X) terhadap variabel terikat (Y).
DAFTAR PUSTAKA