Anda di halaman 1dari 10

JAWABAN

1. a.
1. b.
No.
Subjek
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Jumlah
Rata-Rata
Slope

X
(Sumbangan
Pendidikan)
5
9
3
8
4
7
9
5
3
7
6
7
5
6
3
4
8
6
4
8
117
5,85

Y
(Kinerja
Guru SD)
8
15
9
16
8
13
19
12
7
14
10
11
10
14
7
10
14
13
9
15
234
11,7
=

X2

XY

25
81
9
64
16
49
81
25
9
49
36
49
25
36
9
16
64
36
16
64
759

40
135
27
128
32
91
171
60
21
98
60
77
50
84
21
40
112
78
36
120
1481

1,503688799=1,504


Intercept =
= 11,7 1,504(5,85)
= 2,9016
= 2,902
Persamaan Regresi

1. c.
20
18
16
14
Y

12
10
8
6
4
2
0
0

10

10

1. d.
20
18
16
14
Y

12
10
8
6
4
2
0
0

4
X

1.e. Persamaan Regresi

Dari persamaan regresi ini dapat diprediksikan Y berdasarkan X. Penafsirannya sebagai


berikut:
- Jika sumbangan pendidikan (X) naik satu satuan, maka kinerja guru SD (Y) naik 1,504
- Jika sumbangan pendidikan (X) sama dengan nol, maka kinerja guru SD (Y) bertanda
positif.

1.f.
Menghitung simpangan baku X
No.
Subjek
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Jumlah

X
5
9
3
8
4
7
9
5
3
7
6
7
5
6
3
4
8
6
4
8
117

X-

-0.85
3.15
-2.85
2.15
-1.85
1.15
3.15
-0.85
-2.85
1.15
0.15
1.15
-0.85
0.15
-2.85
-1.85
2.15
0.15
-1.85
2.15
0.00

0.7225
9.9225
8.1225
4.6225
3.4225
1.3225
9.9225
0.7225
8.1225
1.3225
0.0225
1.3225
0.7225
0.0225
8.1225
3.4225
4.6225
0.0225
3.4225
4.6225
74.55

5.85

Menghitung simpangan baku Y


No.
Subjek

1
2
3
4
5
6

8
15
9
16
8
13

-3.70
3.30
-2.70
4.30
-3.70
1.30

13.69
10.89
7.29
18.49
13.69
1.69
3

7
8
9
10
11
12
13
14
15
16
17
18
19
20
Jumlah

19
12
7
14
10
11
10
14
7
10
14
13
9
15
234

7.30
0.30
-4.70
2.30
-1.70
-0.70
-1.70
2.30
-4.70
-1.70
2.30
1.30
-2.70
3.30

53.29
0.09
22.09
5.29
2.89
0.49
2.89
5.29
22.09
2.89
5.29
1.69
7.29
10.89
208.2

0.00

11.7

No. Subjek

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

5
9
3
8
4
7
9
5
3
7
6
7
5
6
3
4
8
6
4

8
15
9
16
8
13
19
12
7
14
10
11
10
14
7
10
14
13
9

Skor Simpangan
x
y
-0.85
-3.70
3.15
3.30
-2.85
-2.70
2.15
4.30
-1.85
-3.70
1.15
1.30
3.15
7.30
-0.85
0.30
-2.85
-4.70
1.15
2.30
0.15
-1.70
1.15
-0.70
-0.85
-1.70
0.15
2.30
-2.85
-4.70
-1.85
-1.70
2.15
2.30
0.15
1.30
-1.85
-2.70

Skor Baku
x
y
-0.43
-1.12
1.59
1.00
-1.44
-0.82
1.09
1.30
-0.93
-1.12
0.58
0.39
1.59
2.21
-0.43
0.09
-1.44
-1.42
0.58
0.69
0.08
-0.51
0.58
-0.21
-0.43
-0.51
0.08
0.69
-1.44
-1.42
-0.93
-0.51
1.09
0.69
0.08
0.39
-0.93
-0.82
4

20
Jumlah

8
117

15
234

Rata-Rata

5.85

11.7

Simpangan
Baku (s)

1.98

3.31

2.15
0

3.30
0

1.09
0

1.00
0

1.98

3.31

Ket:
-

Untuk data X skor baku dihitung menggunakan rumus skor baku:

Untuk data Y skor baku dihitung menggunakan rumus skor baku:

X
-0.43
1.59
-1.44
1.09
-0.93
0.58
1.59
-0.43
-1.44
0.58
0.08
0.58
-0.43
0.08
-1.44
-0.93
1.09
0.08
-0.93
1.09
0

Slope

Skor Baku
Y
X2
-1.12
0.18
1.00
2.53
-0.82
2.07
1.30
1.18
-1.12
0.87
0.39
0.34
2.21
2.53
0.09
0.18
-1.42
2.07
0.69
0.34
-0.51
0.01
-0.21
0.34
-0.51
0.18
0.69
0.01
-1.42
2.07
-0.51
0.87
0.69
1.18
0.39
0.01
-0.82
0.87
1.00
1.18
0
19

XY
0.48
1.59
1.17
1.41
1.04
0.23
3.51
-0.04
2.04
0.40
-0.04
-0.12
0.22
0.05
2.04
0.48
0.75
0.03
0.76
1.08
17

0,894736 = 0,895


Intercept =
= 0 0,895 (0)
=0
5

Persamaan Regresi menggunakan skor baku

1.g. Koefisien regrei pada 1.b. sebesar 1,504 berdasarkan skor mentah (raw skor) yang berasal
dari hasil pengukuran terhadap sekelompok subjek, sedangkan koefisien regresi pada 1.f.
sebesar 0,895 berdasarkan skor baku
1. h.
Kinerja Guru yang diprediksikan untuk latar belakang pendidikannya sama dengan 4, 6, & 9.

= 2,902 + 1,504(4)
= 8,918

= 2,902 + 1,504(6)
= 11,926

= 2,902 + 1,504(9)
= 16,438
2.
No.
Subjek
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

5
9
3
8
4
7
9
5
3
7
6
7
5
6
3
4
8
6

8
15
9
16
8
13
19
12
7
14
10
11
10
14
7
10
14
13

10.42
16.44
7.41
14.93
8.92
13.43
16.44
10.42
7.41
13.43
11.93
13.43
10.42
11.93
7.41
8.92
14.93
11.93

-2.42
-1.44
1.59
1.07
-0.92
-0.43
2.56
1.58
-0.41
0.57
-1.93
-2.43
-0.42
2.07
-0.41
1.08
-0.93
1.07
6

19
20
Jumlah
RataRata

4
8
117

9
15
234

5.85

11.7

8.92
14.93
234.01

0.08
0.07
0

Ket:
- Y =
- Kekeliruan prediksi atau galat prediksi: e = Y Y
Prediksi pada subjek no. 6 yang paling akurat. Karena memiliki galat prediksi -0,43, nilainya
paling mendekati nol. Jika nilai galat prediksi sama dengan nol berarti nilai Y dengan Y sama,
hal ini berarti semakin besar galat prediksi (selisih antara Y dengan Y) maka prediksi semakin
tidak akurat.
5. Model regresi linier adalah satu model dimana setiap nilai pada peubah Y merupakah jumlah
dari tiga komponen: intercept, koefisien regresi kali nilai pada peubah X, dan galat prediksi.
Galat prediksi merupakan variasi nilai pada peubah Y yang tidak dapat dijelaskan melalui
persamaan regresi linier. Model regresi linier sederhana disebut juga observed atau hasil yang
kita peroleh. Sedangkan persamaan regresi linier adalah satu bentuk persamaan dimana setiap
nilai pada peubah Y merupakan jymlah dari 2 komponen yaitu: intercept dan koefisien regresi
kali nilai pada peubah X. Persamaan regresi linier disebut juga predicted atau
memprediksikan.

6.
No.
Subjek
1
2
3

10.42

-2.42

9
3

15
9

4
5

8
4

16
8

13

19

8
9

5
3

12
7

10
11
12

7
6
7

14
10
11

16.44
7.41
14.93
8.92
13.43
16.44
10.42
7.41
13.43
11.93
13.43

-1.44
1.59
1.07
-0.92
-0.43
2.56
1.58
-0.41
0.57
-1.93
-2.43

Ket
Diatas
rata-rata
Diatas
rata-rata
Diatas
rata-rata
Diatas
rata-rata
Diatas
rata-rata
Diatas
rata-rata

10.42

13

10

14
15
16

6
3
4

14
7
10

17

14

18
19

6
4

13
9

20
Jumlah
RataRata

8
117

15
234

234.01

5.85

11.7

11,7

11.93
7.41
8.92
14.93
11.93
8.92
14.93

-0.42
2.07
-0.41
1.08
-0.93
1.07
0.08
0.07
0,01

Diatas
rata-rata

Diatas
rata-rata
Diatas
rata-rata
Diatas
rata-rata

Ket:
- Y =
- Residu: e = Y Y

Pelajaran yang dapat diambil adalah nilai subjek yang memiliki nilai Y di atas rata-rata, maka
nilai residunya (e) cenderung memiliki nilai positif. Sebaliknya subjek yang nilai Y di bawah
rata-rata, maka nilai residunya (e) cenderung negatif. Jumlah residu (e) yang nilai subjeknya
diatas rata-rata bernilai positif (6,19) dan jumlah residu (e) yang nilai subjeknya dibawah ratarata bernilai negatif (-6,20). Sehingga jumlah residu (e) akan selalu bernilai nol atau mendekati
nol.

8. a
18
16
14
12
10
Series1

8
6
4
2
0
0

10

12

Jika nilai X naik satu satuan maka nilai Y naik 1,5


8.b.
9
8
7
6
5
4

Series1

3
2
1
0
-1 0

10

12

-2

Jika nilai X naik satu satuan maka nilai Y naik 1

8.c.
10
9
8
7
6
5

Series1

4
3
2
1
0
0

10

12

Jika nilai X naik satu satuan maka nilai Y naik 0,5


Kesimpulan dari persamaan regresi a, b, dan c:
Ketiga persamaan garis lurus tersebut menunjukkan regresi linier positif yang berarti setiap
kenaikan skor pada peubah X sebesar satu satuan akan diikuti oleh kenaikan skor pada peubah Y
(1,5; 1; dan 0,5 satuan).

10