Disusun oleh:
PENDAHULUAN
statisticum collegium (”dewan negara”) dan bahasa Italia statista (”negarawan” atau “politikus”).
Gottfried Achenwall (1749) menggunakanStatistik dalam bahasa Jerman untuk pertama kalinya
sebagai nama bagi kegiatan analisis data kenegaraan, dengan mengartikannya sebagai “ilmu
tentang negara (state)”. Di Indonesia, kajian statistika sebagian besar masuk dalam fakultas
Regresi artinya peramalan, penaksiran, atau pendugaan pertama kali di perkenalkan pada
tahun 1877 oleh Sir Francis Galton (1822 – 1911). Sehubungan dengan penelitiannya terhadap
tinggi manusia. Tujuan dari analisis regresi yaitu pertama untuk membuat perkiraan nilai suatu
variabel terikat jika nilai variabel bebas yang berhubungan dengannya sudah ditentukan dan yang
kedua untuk menguji hipotesis signifikansi pengaruh dari variabel bebas terhadap variabel terikat
1. Bagaimana menentukan pengaruh signifikansi dari variabel terikat dan variabel bebas.
1.3 Tujuan
LANDASAN TEORI
tahun 1877 oleh Sir Francis Galtoon (1822-1911). Analisis regresi digunakan untuk menentukan
bentuk dari hubungan antar variabel. Tujuan utama dalam penggunaan analisis itu adalah untuk
meramalkan atau memperkirakan nilai dari suatu variabel dalam hubungannya dengan variabel
yang lain. Disamping hubungan linear dua variabel, hubungan linear dari dua variabel bisa juga
terjadi misalnya; hubungan antara hasil penjualan dengan harga dan daya beli.
Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui pengaruh antara
satu atau beberapa variabel terhadap satu buah variabel. Variabel yang mempengaruhi sering
disebut variabel bebas, variabel independen atau variabel penjelas. Variabel yang dipengaruhi
sering disebut dengan variabel terikat atau variabel dependen. Regresi linear hanya dapat
buah variabel bebas terhadap satu buah variabel terikat. Persamaan umumnya adalah: Y = a + b
X.Dengan Y adalah variabel terikat dan X adalah variabel bebas. Koefisien a adalah konstanta
(intercept) yang merupakan titik potong antara garis regresi dengan sumbu Y pada koordinat
kartesius.
Y = a + bX
BAB III
PEMBAHASAN
Diambil sampel random sebanyak 12 siswa dalam suatu penelitian untuk menentukan
hubungan antara nilai prestasi matematika (X) dan nilai satu tes yaitu tes kemampuan geometri
(Y) Datanya adalah sebagai berikut.
Dimulai dengan melakukan deklarasi atau pembuatan variabel pada bagian variable view
Variabel yang dideklarasi ialah variabel Nilai Prestasi Matematika (x) dan Variabel Nilai
geometri (Y).
Selanjutnya melakukan inisiasi atau memasukkan nilai pada variabel X dan variabel Y
Setelah melakukan Deklarasi dan inisisan Variabel Selanjutnya Menjalankan tools Liniear pada
SPSS . Output dari langkah tersebut dengan menggunakan Sofware SPSS ialah seperti berikut
Notes
Output Created 31-JUL-2021 12:15:42
Comments
Input Active Dataset DataSet0
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data 12
File
Missing Value Handling Definition of Missing User-defined missing values
are treated as missing.
Cases Used Statistics are based on cases
with no missing values for
any variable used.
Syntax REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF
OUTS R ANOVA
/CRITERIA=PIN(.05)
POUT(.10)
/NOORIGIN
/DEPENDENT Y
/METHOD=ENTER X.
Resources Processor Time 00:00:00,05
Elapsed Time 00:00:00,10
Memory Required 2400 bytes
Additional Memory Required 0 bytes
for Residual Plots
Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 Nilai Prestasi . Enter
Matematikab
Output bagian pertama , Variables Entered/Removeda : Tabel diatas menjelaskan tentang variable
yang dimasukkan serta metode yang digunakan. Dalam hal ini variable yang dimaksud adalah
variable Nilai prestasi Matematika sebagai variable independent dan Nilai geometri sebagai
variable Dependen dan Metode yang digunakan adalah metode enter
Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .961a .924 .917 3,2463
a. Predictors: (Constant), Nilai Prestasi Matematika
Output bagian kedua Model Summary , Tabel diatas menjelaskan besarnya nilai korelasi / Hubungan (R)
yaitu sebesar 0,961. Dari output tersebut diperoleh koefisien determinasi (R Square ) yang sebesar
0,924, yang mengandung pengertian bahwa pengaruh variable bebas(Nilai Prestasi Matematika)
terhadap variable terikat (Kemampuan geometri) adalah sebesar 92,4%.
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 1286.349 1 1286.349 122.059 .000b
Residual 105.388 10 10.539
Total 1391.737 11
Output bagian ketiga (Anova) : Dari output tersebut diketahui bahwa nilai F hitung = 122,059 dengan
tingkat signifikasi sebesar 0,000 < 0,05, Maka model regresi dapat dipakai untuk memprediksi variabel
kemampuan geometri atau dengan kata lain ada pengaruh variabel Nilai prestasi Matematika (X)
Terhadap variable Nilai Geometri (Y)
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 22.766 4.502 5.057 .000
Nilai Prestasi Matematika 2.740 .248 .961 11.048 .000
Output Bagian Keempat Coefficients(a) Sebesar 22,766 , sedang nilai Trust (b / kofisien regresi )
sebesar 2,740 , sehingga persamaan regresi dapat ditulis
Y = a + bX
Y = 22,766 + 2,748
Persamaan tersebut dapat diterjemahkan :
1. Konstanta sebesar 22,766 mengandung arti bahwa nilai konsisten variable nilai geometri
adalah sebesar 22,766
2. Koefisien regresi X sebesar 2,748 menyatakan bahwa bahwa setiap penambahan 1% nilai
trust , maka nilai variabel nilai geometri bertambah sebesar 2,748 koefisien regresi
tersebut positif sehingga dapat dikatakan bahwa arah pengaruh variabel X Terhadap Y
adalah positif
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 22.766 4.502 5.057 .000
Nilai Prestasi Matematika 2.740 .248 .961 11.048 .000
1. Berdasarkan nilai signifikansi : dari tabel coefisient diperoleh nilai signifikasi sebesar
0,000 < 0,05 , sehingga dapat disimpulkan bahwa variabel Nilai Prestasi Matematika (X)
berpengaruh terhadap variabel nilai Geometri (Y).
BAB IV
PENUTUP
4.1 Kesimpulan
Regresi linear adalah alat statistik yang di gunakan untuk mengetahui pengaruh antara satu atau
beberapa variabel terhadap satu variabel. Analisis regresi membentuk persamaan garis lurus
(linear) dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction). Tujuan
dari analisis regresi yaitu untuk membuat perkiraan nilai suatu variabel terikat jika nilai variabel
bebas yang berhubungan dengannya sudah ditentukan dan untuk menguji hipotesis signifikansi
pengaruh dari variabel bebas (X) terhadap variabel terikat (Y).