BAB 7

UJI REGRESI LINIER SEDERHANA

Analisis Regresi digunakan sebagai alat untuk melihat pengaruh

fungsional variabel untuk tujuan peramalan, dimana dalam model tersebut ada
satu variabel dependen (Y) dan variabel Independen (X).
Analisis Regresi linier terdiri dari Regresi linier sederhana dan regresi
linier berganda. Regresi Linear sederhana atau disebut dengan simple linear
regression, adalah regresi linear dengan satu variabel bebas dan satu variabel
terikat. Sedangkan regresi linear berganda atau disebut juga dengan multiple
linear regression adalah regresi linear dengan satu variabel terikat dan
beberapa variabel bebas.
Uji Regresi linier sederhana ataupun regresi linier berganda pada intinya
memiliki beberapa tujuan, yaitu:
1. Menghitung nilai estimasi rata-rata dan nilai variabel terikat
berdasarkan pada nilai variabel bebas.
2. Menguji hipotesis karakteristik depedensi.
3. Meramalkan nilai rata-rata variabel bebas dengan didasarkan pada
nilai variabel bebas diluar jangkauan sampel.
Analisis Regresi Sederhana dapat digunakan untuk mengetahui arah dari
pengaruh antara variabel bebas dengan variabel terikat, apakah memiliki
pengaruh positif atau negatif serta untuk memprediksi nilai dari variabel terikat
apabila nilai variabel bebas mengalami kenaikan maupun penurunan.
Sifat pengaruh antara variabel X dan Y, yaitu:
 Apabila sifat pengaruhnya positif, artinya jika variabel X naik, maka
Variabel Y juga naik
 Apabila sifat pengaruhnya negatif, artinya variabel X naik maka Variabel
Y turun. Jadi kebalikannya atau memiliki arah yang berlawanan
 Apabila kedua variabel tidak memiliki pengaruh, maka nilainya akan
menunjukkan angka 0 (nol).
 Bentuk Persamaan pada Regresi linier sederhana adalah:
Ŷ = a + bX
Keterangan:
Ŷ = Menunjukkan nilai persamaan dari variabel Y (dependen/terikat)
berdasarkan nilai tertentu dari variabel X (independen/bebas)
a = Nilai Intercept atau merupakan nilai konstanta yang menunjukkan
Ŷ pada saat nilai variabel X sama dengan nol.
b = Menunjukkan slope atau merupakan perubahaan rata-rata nilai Ŷ
untuk setiap perubahan nilai variabel X.
X = Menunjukkan nilai tertentu dari variabel independen yang dipilih
untuk menaksir nilai dari variabel dependen.

Sehingga persamaan diatas dapat di artikan bahwa setiap pertambahan

variabel X sebesar 1 poin akan menambah nilai variabel Y sebesar b poin.

Secara manual, nilai a dan b dapat dicari dengan menggunakan formula:

n . (∑ XY)- (∑ X)(∑ Y)
𝑎 = Ȳ − 𝑏𝑋̅ Dan b=
n . (∑ X 2 )- (∑ X)2

Bentuk Hipotesis untuk regresi linier sederhana adalah:

H0 ∶ 𝛽 = 0, artinya tidak terdapat pengaruh signifikan antara variabel bebas
dengan variabel terikat.
H1 ∶ 𝑖. 𝛽 > 0, artinya terdapat pengaruh positif antara variabel bebas dengan
variabel terikat.
𝑖𝑖. 𝛽 < 0, artinya terdapat pengaruh negatif antara variabel bebas dengan
variabel terikat.
iii. 𝛽 ≠ 0, artinya terdapat pengaruh antara variabel bebas dengan variabel
terikat.
Dasar pengambilan keputusan pada Regresi linier sederhana
Pengambilan keputusan pada uji regresi linier sederhana mengacu pada
dua hal yaitu dengan membandingkan nilai t hitung dengan t tabel, atau dengan
membandingkan nilai signifikansi dengan nilai probabilitas.
1. Membandingkan nilai t hitung dengan t tabel
 Jika nilai t hitung lebih besar dari nilai t tabel (t hitung > t tabel), artinya
variabel bebas berpengaruh terhadap variabel terikat.
 Jika nilai t hitung lebih kecil dari nilai t tabel (t hitung < t tabel), artinya
variabel bebas tidak berpengaruh terhadap variabel terikat.

2. Membandingkan nilai signifikansi dengan nilai probabilitas

 Jika nilai signifikansi kurang dari nilai probabilitas (Nilai sig < 0,05),
artinya variabel bebas berpengaruh terhadap variabel terikat
 Jika nilai signifikansi lebih dari nilai probabilitas (Nilai sig > 0,05),
artinya variabel bebas tidak berpengaruh terhadap variabel terikat.

Uji Asumsi Klasik Pada Regresi Linear Sederhana

Pada Pengolahan data melelaui SPSS terdapat syarat sebelum
melalukan uji regresi sederhana. Syarat yang harus dipenuhi yaitu pengujian
asumsi klasik. Uji asumsi klasik ini merupakan uji prasyarat yang dilakukan
sebelum melakukan analisis lebih lanjut terhadap data yang telah
dikumpulkan. Pengujian asumsi klasik ini ditujukan agar dapat menghasilkan
model regresi yang memenuhi kriteria. Uji asumsi klasik pada uji regresi linier
sederhana antara lain: uji Linearitas, uji Normalitas, uji Heteroskedastisitas,
Autokorelasi (Hanya untuk data time series atau runtut waktu).
CONTOH KASUS:
Seorang peneliti melakukan penelitian dengan tujuan menganalisis pengaruh
Stress Kerja terhadap Kinerja Pegawai. Pada kasus ini variabel penelitian
diukur menggunakan skala 0 sampai 100. Untuk keperluan tersebut sampel
diambil secara acak sebanyak 15 perusahaan. Data yang berhasil dikumpulkan
adalah sebagai berikut:

Stress Kinerja
No. Kerja Pegawai

X Y
1 50 56
2 47 57
3 50 55
4 50 51
5 37 48
6 54 55
7 37 50
8 54 54
9 47 49
10 45 58
11 51 57
12 49 56
13 48 49
14 39 41
15 44 46

Berdasarkan data di atas, pada taraf nyata 5% apakah terdapat pengaruh

signifikan antara stress kerja terhadap kinerja pegawai ? analisis hasil-hasil
perhitungannya !
Penyelesaian :
1. Buka software SPSS, kemudian copy-paste data yang sudah dibuat ke
dalam Data View, Selanjutnya lakukan pengaturan pada Variabel View
sampai tampilannya seperti berikut:

2. Kembali ke data view dan data akan menjadi seperti berikut:

3. Langkah selanjutnya, klik menu Analyze, kemudian klik Regression – lalu

klik Linear.
4. Setelah muncul kotak dialog Linear Regression, input variabel Stress Kerja
(X) ke kotak Independent(s), dan input variabel Kinerja Pegawai (Y) ke
kotak Dependent, caranya dengan mengklik tanda panah yang tersedia.
Selanjutnya pada bagian Method: pilih Enter (abaikan pilihan yang lainnya)

5. Langkah terakhir adalah klik Ok, maka akan keluar output SPSS regresi
linier sederhana sebagai berikut:

Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 Stress Kerjab . Enter
a. Dependent Variable: Kinerja Pegawai
b. All requested variables entered.

Tabel Variables Entered menunjukkan variabel independent yang dimasukkan

ke dalam model dan metode yang digunakan.
 Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 ,617a ,381 ,333 3,999
a. Predictors: (Constant), Stress Kerja

Nilai R Square pada Tabel Model Summary adalah persentase

kecocokan model, atau nilai yang menunjukkan seberapa besar variabel
independent menjelaskan variabel dependent, R2 pada persamaan regresi
rentan terhadap penambahan variabel independent, dimana semakin banyak
variabel Independent yang terlibat. Pada gambar output Model Summary
terlihat nilai R2 sebesar 0,381, artinya variabel independent dapat menjelaskan
variabel dependent sebesar 38,1 %, sedangkan 61,9% dijelaskan oleh faktor
lain yang tidak terdapat dalam model. Nilai R = 0,617 ini berarti bahwa korelasi
antara variabel independent dengan dependent adalah 0,617 yang berarti
bahwa derajat hubungan antara kedua variabel kuat.

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 127,864 1 127,864 7,997 ,014b
Residual 207,869 13 15,990
Total 335,733 14
a. Dependent Variable: Kinerja Pegawai
b. Predictors: (Constant), Stress Kerja

Uji F dalam analisis regresi linier sederhana bertujuan untuk mengetahui

pengaruh variabel independent, yang ditunjukkan oleh dalam tabel ANOVAa
Berdasarkan hasil data di atas, terlihat bahwa f hitung sebesar 7,997
dengan Nilai Sig, yaitu sebesar 0,014, artinya nilai signifikansi kurang dari nilai
probabilitas (0,014 < 0,05) sehingga dapat disimpulkan bahwa Stress Kerja
berpengaruh signifikan terhadap Kinerja Pegawai.
 Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 26,384 9,164 2,879 ,013
Stress Kerja ,550 ,195 ,617 2,828 ,014
a. Dependent Variable: Kinerja Pegawai

Persamaan pada Regresi linier sederhana adalah:

Ŷ = a + Bx
Sementara untuk mengetahui nilai koefisien regresi tersebut dapat dilihat
melalui output pada tabel Coefficientsa.

a = angka konstan dari unstandardized coefficients. Dalam kasus ini nilainya

sebesar 26,384. Angka ini merupakan konstan yang mempunyai arti bahwa
jika tidak ada Stress Kerja (X) maka nilai konsistensi Kinerja Pegawai (Y)
adalah sebesar 26,384.

b = angka koefisien regresi. Nilainya sebesar 0,550. Angka ini mengandung arti
bahwa setiap penambahan 1% tingkat Stress Kerja (X), maka Kinerja Pegawai
(Y) akan meningkat sebesar 0,550.

Sehingga persamaan regresi nya adalah:

Ŷ = 26,384 + 0,550x
Uji t digunakan untuk mengetahui apakah ada pengaruh nyata antara variabel
X atau variabel bebas dengan Variabel Y atau variabel terikat.

Rumusan Hipotesis yang digunakan adalah:

Ho variabel Stress Kerja tidak berpengaruh signifikan terhadap variabel
Kinerja Pegawai
H1 variabel Stress Kerja berpengaruh signifikan terhadap variabel Kinerja
Pegawai
 Berdasarkan hasil data di atas, terlihat bahwa t hitung sebesar 2,828
dengan Nilai Sig, yaitu sebesar 0,014, artinya nilai signifikansi kurang dari nilai
probabilitas (0,014 < 0,05) sehingga dapat disimpulkan bahwa Ho ditolak yang
artinya Stress Kerja berpengaruh signifikan terhadap Kinerja Pegawai (H1
diterima). Karena hasil nya positif maka pengaruh stress kerja terhadap kinerja
pegawai memiliki pengaruh positif, artinya Jika variabel X naik, maka Variabel
Y juga naik.

TUGAS:
Buatlah pengolahan data dengan ketentuan sebagai berikut:

a. Jumlah data 60 untuk variabel bebas dan 60 untuk variabel terikat

b. Jumlah variabel bebas 1 dan variabel terikat 1 (Nama variabel nya jangan
sama dengan variabel yang ada di latihan)
c. Ujilah data tersebut menggunakan Uji Regresi Linier Sederhana
d. Analisis hasil output Nya.