Disusun Oleh:
Nurul Rasyidah Ripuji Mattengnga
B. TINJAUAN PUSTAKA
1. Analisis Regresi
Analisis regresi merupakan suatu metode atau teknik analisis hipotesis penelitian untuk
menguji ada tidaknya pengaruh antara variabel satu dengan variabel lain, yang dinyatakan
dalam bentuk persamaan regresi. Terdapat dua jenis dasar regresi yaitu, regresi linear
sederhana dan regresi linear berganda. Kalau regresi linear sederhana menggunakan satu
variabel independen untuk menjelaskan atau memprediksi hasil dari variabel dependen Y.
Sedangkan regresi linear multipel atau berganda berfungsi untuk mencari pengaruh dari dua
atau lebih variabel independent (variabel bebas atau X) terhadap variabel dependent (variabel
terikat Y). Dengan demikian secara sederhana dapat dikatakan bahwa, apabila kita ingin
mengetahui ada tidaknya pengaruh satu variabel X terhadap variabel Y maka digunakan
analisis regresi sederhana. Sementara apabila kita ingin mengetahui pengaruh dua variabel X
atau lebih terhadap variabel Y maka digunakan analisis regresi linear ganda (multiples).
Bentuk Umum Regresi Liner
Y = β0 + β 1 X 1 +…+ β n X n +ε
dengan:
Y = variabel terikat (dependen)
X = variabel bebas (independen)
ε = error/galat
β = parameter
i=1
i=1 i=1
Misalkan,
n
S=∑ ε 2i
i=1
∂S ∂S
=0 dan =0
∂ β0 ∂ β1
maka,
{∑ ( }
n
∂ Y i−β 0−β 1 X i )2
∂S i=1 ¿0
=
∂ β0 ∂ β0
n
−2 ∑ ( Y i−β 0 −β1 X i ) ¿0
i=1
∑ ( Y i−β 0−β 1 X i ) ¿0
i=1
n n
∑ Y i−n β 0−β 1 ∑ X i ¿0
i=1 i=1
n n
β 1 ∑ X i + n β 0− ∑ Y i ¿0 (1)
i=1 i=1
{ }
n
∂ ∑ ( Y i−β 0−β 1 X i )2 ¿0
∂S i=1
=
∂ β1 ∂ β1
n
−2 ∑ X i ( Y i−β 0− β1 X i ) ¿0
i=1
∑ X i ( Y i−β 0−β 1 X i ) ¿0
i=1
∑ ( X i Y i−β 0 X i−β 1 X 2i ) ¿0
i=1
∑ ( X i Y i−β 0 X i−β 1 X 2i ) ¿0
i=1
n n n
∑ X i Y i −β 0 ∑ X i−β 1 ∑ X 2i ¿0
i=1 i=1 i=1
n n n
β 1 ∑ X 2i + β 0 ∑ X i−∑ X i Y i ¿0 (2)
i=1 i=1 i=1
n n
∑ Y i−β 1 ∑ X i (3)
β 0= i=1 i=1
n
n n
−β 0 ∑ X i+ ∑ X i Y i
i=1 i=1
β 1= n
∑ X 2i
i =1
( )
n n
∑ Y i−β 1 ∑ X i n n
−
i=1
n
i=1
∑ X i +∑ X i Y i
i=1 i=1
β 1= n
∑ X 2i
i=1
( ( ))
n n n 2 n
−∑ Y i ∑ X i + β 1 ∑ Xi n∑ Xi Y i
i=1 i=1 i=1 i=1
+
n n
β 1= n
∑ X 2i
i=1
( )
n n n 2 n
−∑ Y i ∑ X i + β 1 ∑ Xi + n∑ XiY i
i=1 i=1 i=1 i=1
β 1= n
n ∑ X 2i
i =1
(∑ )
n n 2 n n n
n β 1 ∑ X −β 1 2
i X i =−∑ Y i ∑ X i +n ∑ X i Y i
i=1 i=1 i=1 i=1 i=1
( (∑ ) )
n n 2 n n n
β1 n ∑ X − =−∑ Y i ∑ X i + n ∑ X i Y i
2
i Xi
i=1 i=1 i=1 i=1 i=1
n n n
n ∑ X i Y i−∑ X i ∑ Y i
i=1 i=1 i=1
β 1=
(∑ )
n n 2
n ∑ X 2i − Xi
i=1 i=1
( )
n n n
n n ∑ X i Y i−∑ X i ∑ Y i n
( (∑ ) ∑
)
n n n 2 n
n
n ∑ X i ∑ X i Y i− Xi Yi
∑ Y i−
i=1 i=1 i=1 i=1
(∑ )
n n 2
i=1
n∑ X −
2
i Xi
i=1 i=1
β 0=
n
( (∑ ) ∑
)
n n n n 2 n
∑ Yi n ∑ X i ∑ X i Y i− Xi Yi
i=1 i=1 i=1 i=1 i=1
β 0= −
( (∑ ) )
n n n 2
n n∑ X −
2
i Xi
i=1 i=1
( (∑ ) ) ∑ ∑ (∑ ) ∑
n n n 2 n n n 2 n
∑ Y i n ∑ Xi − 2
Xi −n Xi X i Y i+ Xi Yi
i=1 i=1 i=1 i =1 i=1 i=1 i=1
β 0=
( ∑ (∑ ) )
n n 2
n n X 2i − Xi
i=1 i=1
( ) ( )
n n n 2 n n n n 2 n
n∑ X 2
i ∑ Y i− ∑ X i ∑ Y i−n ∑ X i ∑ X i Y i + ∑ X i ∑ Y i
i=1 i=1 i=1 i =1 i=1 i=1 i=1 i=1
β 0=
( ( ))
n n 2
n n∑ Xi − ∑ Xi
2
i=1 i=1
n n n n
n ∑ X 2i ∑ Y i−n ∑ X i ∑ X i Y i
i=1 i=1 i=1 i=1
β 0=
( ( ))
n n 2
n n ∑ X 2i − ∑ Xi
i=1 i=1
n n n n
∑ X 2i ∑ Y i−∑ X i ∑ X i Y i
β 0= i=1 i=1 i=1 i=1
(∑ )
n n 2
n ∑ X 2i − Xi
i=1 i=1
(∑ )
n n 2
n ∑ X 2i − Xi
i=1 i=1
n n n n
∑ X ∑ Y i−∑ X i ∑ X i Y i
2
i
β 0= i=1 i=1 i=1 i=1
(∑ )
n n 2
n ∑ X 2i − Xi
i=1 i=1
2. Koefisien Korelasi r dan Koefisien Determinasi r 2
Untuk mengukur kekuatan hubungan antar variabel X dan Y, dilakukan analisis korelasi
yang hasilnya dinyatakan oleh suatu bilangan yang dikenal dengan koefisien korelasi.
Biasanya analisis regresi dilakukan bersama-sama dengan analisis korelasi. Persamaan
koefisien korelasi (r) diekspresikan oleh:
n n n
n ∑ X i Y i−∑ X i ∑ Y i
i=1 i=1 i=1
r=
√[ (∑ ) ][ (∑ ) (∑ ) ]
n n 2 n n 2
n∑ X −
2 2
i Xi n Y − i Yi
i=1 i=1 i=1 i=1
( √[ )
n n n 2
n ∑ X i Y i−∑ X i ∑ Y i
2 i=1 i=1 i=1
r=
( ) ][ ( ) ( ) ]
n n 2 n n 2
n ∑ X 2i − ∑ Xi n ∑ Y 2i − ∑Yi
i=1 i=1 i=1 i =1
Tabel 1. Data Hasil Nilai Ulangan Matemtika dan Jumlah Waktu Belajar
Siswa SDN 24 Temmalebba
No Nama (Kode) Jumlah Waktu Belajar (X) Nilai (Y)
1 Siswa 1 30 22
2 Siswa 2 30 31
3 Siswa 3 25 45
4 Siswa 4 30 37
5 Siswa 5 75 40
6 Siswa 6 25 40
7 Siswa 7 45 58
8 Siswa 8 100 56
9 Siswa 9 60 49
10 Siswa 10 45 48
11 Siswa 11 75 57
12 Siswa 12 90 62
13 Siswa 13 45 39
14 Siswa 14 60 40
15 Siswa 15 105 60
16 Siswa 16 90 62
17 Siswa 17 25 10
18 Siswa 18 0 15
19 Siswa 19 30 6
20 Siswa 20 0 0
21 Siswa 21 120 70
22 Siswa 22 60 20
23 Siswa 23 0 25
24 Siswa 24 105 62
25 Siswa 25 60 60
26 Siswa 26 90 65
27 Siswa 27 25 47
28 Siswa 28 60 49
29 Siswa 29 75 67
30 Siswa 30 100 80
31 Siswa 31 45 60
32 Siswa 32 100 61
33 Siswa 33 75 72
34 Siswa 34 30 75
35 Siswa 35 45 48
36 Siswa 36 120 100
37 Siswa 37 90 50
38 Siswa 38 75 76
39 Siswa 39 60 78
40 Siswa 40 120 84
Hipotesis
H0 : tidak ada pengaruh antara jumlah jam belajar siswa (X) terhadap nilai ulangan harian
Matematika Siswa SDN 24 Temmalebba (Y)
H1 : ada pengaruh antara jumlah jam belajar siswa (X) terhadap nilai ulangan harian
Matematika Siswa SDN 24 Temmalebba (Y)
Scatterplot Hubungan antara Jumlah Waktu Belajar dan Nilai Ulangan
120
100
Nilai Ulangan (Y)
80
60
40
20
0
0 20 40 60 80 100 120 140
Jumlah waktu belajar (X)
Gambar 1. Scatterplot Hubungan antara Jumlah Waktu Belajar dan Nilai Ulangan
Tabel bantu
No X Y X2 Y2 XY
1 30 22 900 484 660
2 30 31 900 961 930
3 25 45 625 2.025 1.125
4 30 37 900 1.369 1.110
5 75 40 5.625 1.600 3.000
6 25 40 625 1.600 1.000
7 45 58 2.025 3.364 2.610
8 100 56 10.000 3.136 5.600
9 60 49 3.600 2.401 2.940
10 45 48 2.025 2.304 2.160
11 75 57 5.625 3.249 4.275
12 90 62 8.100 3.844 5.580
13 45 39 2.025 1.521 1.755
14 60 40 3.600 1.600 2.400
15 105 60 11.025 3.600 6.300
16 90 62 8.100 3.844 5.580
17 25 10 625 100 250
18 0 15 0 225 0
19 30 6 900 36 180
20 0 0 0 0 0
21 120 70 14.400 4.900 8.400
22 60 20 3.600 400 1.200
23 0 25 0 625 0
24 105 62 11.025 3.844 6.510
25 60 60 3.600 3.600 3.600
26 90 65 8.100 4.225 5.850
27 25 47 625 2.209 1.175
28 60 49 3.600 2.401 2.940
29 75 67 5.625 4.489 5.025
30 100 80 10.000 6.400 8.000
31 45 60 2.025 3.600 2.700
32 100 61 10.000 3.721 6.100
33 75 72 5.625 5.184 5.400
34 30 75 900 5.625 2.250
35 45 48 2.025 2.304 2.160
36 120 100 14.400 10.000 12.000
37 90 50 8.100 2.500 4.500
38 75 76 5.625 5.776 5.700
39 60 78 3.600 6.084 4.680
40 120 84 14.400 7.056 10.080
JUMLAH 2.440 2.026 194.500 122.206 145.725
∑ X i=2.440
i=1
∑ Y i=2.026
i=1
n
∑ X 2i =194.500
i=1
∑ Y 2i =122.206
i=1
∑ X i Y i =145.725
i=1
( )
n 2
∑ X i =2.4402=5.953 .600
i=1
(∑ )
n 2
Y i =2.026 2=4.104 .676
i=1
maka, nilai β 0
n n n n
∑ X 2i ∑ Y i−∑ X i ∑ X i Y i
β 0= i=1 i=1 i=1 i=1
(∑ )
n n 2
n ∑ X 2i − Xi
i=1 i=1
(∑ )
n n 2
n ∑ X 2i − Xi
i=1 i=1
n n n
n ∑ X i Y i−∑ X i ∑ Y i
i=1 i=1 i=1
r=
√[ ( ) ][ ( ) ( ) ]
n n 2 n n 2
n ∑ Xi − ∑ Xi ∑Yi − ∑Yi
2 2
n
i=1 i=1 i=1 i=1
Uji (F)
2
r /k
F hit = 2
(1−r )/( n−k−1)
Dengan:
F hit = Nilai uji F
2
r = koefisien determinasi
k = jumlah variabel bebas
n = jumlah data
2
r (n−k−1)
F hit =
k (1−r 2)
0,548(40−1−1)
F hit =
1 (1−0,548)
0,548(38)
F hit = =46,067
1 (1−0,548)
LAMPIRAN