𝑌 = 𝑎 + 𝑏𝑋
Yang mana:
𝑌 = garis regresi (variable response)
𝑎 = konstanta (intersept), perpotongan dengan sumbu vertikal
𝑏 = konstanta regresi (slope)
𝑋 = variabel bebas (predictor)
3. Langkah-langkah Analisis Regresi Linear Sederhana
Regresi linier sederhana digunakan untuk menguji signifikan atau
tidaknya hubungan dua variabel melaui koefisien regresinya. Uji dapat
dilakukan dengan menggunakan Uji F, dengan prosedur statistiknya sebagai
berikut :
1. Menetukan formulasi hipotesis
H0 : tidak ada pengaruh antara X dan Y
H1 : ada pengaruh antara X dan Y
2. Menentukan taraf nyata dan F table
Menggunakan taraf nyata 0.05 dan memiliki derajat bebas 𝑣 1 = 1 dan 𝑣 2=
n-2
3. Menentukan kriteria pengujian
𝐻 0 diterima apabila 𝐹 0 ≤ 𝐹 𝑡 𝑎 𝑏 𝑒 𝑙
𝐻 0 ditolak apabila 𝐹 0 > 𝐹 𝑡 𝑎 𝑏 𝑒 𝑙
4. Menentukan nilai uji statistic
5. Membuat kesimpulan H0 ditolak atau diterima
𝑦 = 5 + 3𝑥
Bila:
Sig. (2-
tailed) .000
N 12 12
SKORTES Pearson
Correlation **
.862 1
Sig. (2-
tailed) .000
N 12 12
Tabel 6. Coeficients
Unstandardized Standardized
Coefficients Coefficients
Model t Sig.
Std.
B Beta
Error
1 (Constant)
30.043 10.137 2.964 .014
SKORTES
.897 .167 .862 5.389 .000
a. Dependent Variable: NILAI
7.821
= 0.862. Nilai beta ini merupakan nilai koefisien arah regresi terbaku
8.137
Data LMS didapatkan dari penyebaran angket yang terdiri dari 20 butir
pernyataan dengan menggunakan skala likert dan data hasil belajar
diperoleh dari nilai UAS yang diperoleh siswa pada semester gasal tahun
ajaran 2020/2021 pada mata pelajaran simulasi digital. Didapatkan hasil
data pada tabel berikut.
Tabel 7. Data variabel hasil LMS (X) dan data variabel hasil belajar (Y)
Nilai R yang merupakan simbol dari koefisien. Pada tabel diatas nilai
kolerasi adalah 0,765. Nilai ini dapat diinterpretasikan bahwa hubungan
kedua variabel penelitian berada pada kategori kuat. Melalui tabel diatas
juga diperoleh nilai R Square atau Koefisien Determinasi (KD) yang
menunjukkan seberapa bagus model regresi yang dibentuk oleh interaksi
variabel bebas dan variabel terikat. Nilai KD yang diperoleh adalah
58,5%. Sehingga dapat ditafsirkan bahwa variabel bebas X memiliki
pengaruh kontribusi sebesar 58,5% terhadap variabel Y.