SISTEMATIKA MATERI

1. PENDAHULUAN
2. TABEL & GRAFIK
3. UKURAN GEJALA PUSAT
4. UKURAN DISPERSI & VARIASI
5. ANALISIS REGRESI
1. Linear sederhana
2. Linear Berganda
3. Uji F dan Uji t
6. POPULASI DAN SAMPLING
7. DISTRIBUSI NORMAL
5.1 Regresi Linear Sederhana

 Istilah ini digunakan untuk analisis regresi yang melibatkan sebuah

peubah bebas (X) dan sebuah peubah terikat (Y) . Pemahaman atas
regresi linier sederhana ini merupakan dasar untuk memahami
regresi linier jamak (multiple linier regretion) dan model regresi
lainnya.

 Model Regresi sederhana mengatakan pada kita bahwa setiap nilai

pada peubah Y merupakan jumlah dari tiga komponen, yaitu
Intercept, koefesien regresi kali nilai pada peubah X, dan galat
prediksi ( R )

Y = a  bX
a = Intercept
b = koefisien regresi
 Analisis regresi
• Regresi adalah cara untuk memperoleh hubungan
fungsional antara peubah acak.
• Secara analitis tidak mungkin untuk mendapatkan
hubungan fungsional yang unik dari pasangan perubah
yang banyak
• Tetapi dengan memperhatikan bahwa nilai variabel Y
untuk suatu variabel X yang tetap akan berada
disekitar nilai rata ratanya maka hubungan fungsional
antara nilai rata rata X dan nilai Y dapat dicari.
 varians
Y
Nilai rata2

Regresi linier sederhana hanya terdapat satu peubah bebas-x

berasumsi bahwa varian adalah konstan bukan fungsi-x
 Bentuk korelasi

Tidak berkorelasi Berkorelasi positif Berkorelasi negatif

Korelasi antara variabel independen (x) dg variabel
dependen (y)
Y= a+bX
Menemukan Harga a dan b

a = Y  bX
n xy   x  y 
b=
n x 2   x 
2

No X Y X2 XY

1 8 10 64 80
2 7 8 49 56
3 7 9 49 63
4 5 6 25 30
5 4 5 16 20
6 3 2 9 6
7 2 2 4 4

Kolom tabel yang diperlukan untuk menemukan koefesien b

dengan menggunakan rumus
 x y x2 xy y2
8 10 64 80 100
7 8 49 56 64
7 9 49 63 81
5 6 25 30 36
4 5 16 20 25
3 2 9 6 4
2 2 4 4 4
36 42 216 259 314
5.142857 6
43.16667 301 216 b= 1.393519
36 -5.14286 0
52.33333 a= -1.16667

11
10 y = 1.3935x - 1.1667
9 R² = 0.9665
8
7
6 Series1
Linear (Series1)
5 Linear (Series1)
4
3
2
1
0
0 1 2 3 4 5 6 7 8 9
• Koefisien Korelasi ( r )

 1,00  r  1,00  xy
r = n 1
x 2
y 2

n 1 n 1

Interval (r) Tingkat hubungan

0,00 – 0,199 Sangat rendah
0,20 – 0,399 Rendah
0,40 – 0,599 Sedang
0,60 – 0,799 Kuat
0,80 – 1,00 Sangat kuat
5.2 Regresi Linier Berganda

Analisis ini ditujukan untuk mengetahui jenis dan kekuatan

hubungan antara variabel terikat (dependent variable) dan
variabel bebas (independent variable).

Persamaan regresi untuk n predikator adalah :

Y = a + b1X1 + b2X2 + b3X3 + b4X4

Dimana (misal) :
Y = Persepsi Masyarakat thd Pembangunan Bendungan
b1,2,3,4 = Koefisien Regresi dari variabel bebas
X1 = Tingkat Pendidikan
X2 = Kebutuhan Infrastruktur
X3 = Manfaat Bendungan
X4 = Kegiatan Sosialisasi
a = Konstanta
 Metode penyelesaian

• Menggunakan Matrik  Excell

• Menggunakan Software  SPSS
 Contoh penyelesaian penyelesaian matrix dengan excell:

Y=b0+b1.X
Dihasilkan Y= 58,558 – 0,0395 X

Gamma0 56.66460
Gamma1 -0.03797
patient Xi Yi Yi-Fitted Values Yi-fitted Delt=(Yi)-(Yi-fitted) Delt2 Matriks D(0) Values dari D(0) Matriks D(0)T
1 2 54 52.5208 52.5208 1.4792 2.1880 0.92687 105.04164 0.92687 105.04164 0.92687 0.82708 0.76660 0.68407
2 5 50 46.8663 46.8663 3.1337 9.8198 0.82708 234.33169 0.82708 234.33169 105.04164 234.33169 304.07361 387.62360
3 7 45 43.4391 43.4391 1.5609 2.4364 0.76660 304.07361 0.76660 304.07361
4 10 37 38.7624 38.7624 -1.7624 3.1059 0.68407 387.62360 0.68407 387.62360
5 14 35 33.3004 33.3004 1.6996 2.8886 0.58768 466.20573 0.58768 466.20573 Matriks D(0)T x Matriks D(0)
6 19 25 27.5422 27.5422 -2.5422 6.4628 0.48606 523.30196 0.48606 523.30196 3.63328 2,211.28095
7 26 20 21.1139 21.1139 -1.1139 1.2407 0.37261 548.96035 0.37261 548.96035 2,211.28095 2,694,343.69899
8 31 16 17.4629 17.4629 -1.4629 2.1401 0.30818 541.35047 0.30818 541.35047
9 34 18 15.5828 15.5828 2.4172 5.8427 0.27500 529.81623 0.27500 529.81623 Matriks D(0)T x Delt
10 38 13 13.3871 13.3871 -0.3871 0.1498 0.23625 508.70884 0.23625 508.70884 3.42289
11 45 8 10.2625 10.2625 -2.2625 5.1191 0.18111 461.81398 0.18111 461.81398 -24.21581
12 52 11 7.8673 7.8673 3.1327 9.8141 0.13884 409.09745 0.13884 409.09745

13 53 8 7.5741 7.5741 0.4259 0.1814 0.13367 401.42937 0.13367 401.42937 b(0)= [matriksD(0)T.MatriksD(0)]-1xMatriksD(0)TxDelt
14 60 4 5.8063 5.8063 -1.8063 3.2628 0.10247 348.38014 0.10247 348.38014 [Matriks D(0)T x Matriks D(0)]-1
15 65 6 4.8023 4.8023 1.1977 1.4344 0.08475 312.15097 0.08475 312.15097 0.54991896 -0.000451325
SSE= 56.0867 -0.000451325 7.41556E-07

b(0)
1.893243996
-0.001562796

g(1) =g(0)+b(0)
gamma0 = 58.55784
gamma1 = -0.03953
Pada kotak Models, anda dapat menentukan model regresi untuk menyusun data anda. Berikut
adalah 11 pilihan model yang tersedia dengan bentuk persamaan regresinya besarta
transformasi linier untuk 6 model terakhir:
Model Persamaan Bentuk Linier
Linier Y=b0+b1t
Logarithmic Y=b0+b1 ln(t)
Inverse Y=bo+b1/t
Quadratic Y=bo+b1t+b2t2
Cubic Y= bo+b1t+b2t2+b3t3
Compound Y=bo b1t ln(Y)= ln(b0) +t ln(b1)
Power Y=b0 (tb1) ln(Y)= ln(b0) + b1 ln(t)
S Y=eb0+b1 /t ln(Y)= b0 + b1 / t
Growth Y=eb0+b1 t ln(Y)= b0 + b1 t
Exponensial Y=b0(eb1 t) ln(Y)= ln(b0 )+ b1 t
Logistic Y=(1/u+b0 b1 t)-1 ln(1/Y-1/u)= ln(b0 )+t ln (b1 )
 Contoh soal ttg Kinerja
Berdasarkan nilai koefisien masing-masing variabel dapat
dibuat model regresi linier berganda sebagai berikut:

Y = 1,351 + 0,480 X1 + 0,370 X2 + 0,196 X3

Dimana :
Y = Variabel kinerja tugas OP Irigasi
X1 = Variabel sumber daya manusia,
X2 = Variabel sarana dan prasarana operasi
dan pemeliharaan,
X3 = Variabel organisasi operasi dan
pemeliharaan.
5.3 Uji Serentak & Uji Parsial

 Uji Serentak (F – Test)

• UJI F DIGUNAKAN UNTUK MENGETAHUI PENGARUH VARIABEL BEBAS

(INDEPENDENT VARIABLE) TERHADAP VARIABEL TERIKAT (DEPENDENT
VARIABLE) SECARA BERSAMA-SAMA ATAU SERENTAK.
• UNTUK MENGETAHUI APAKAH VARIABEL BEBAS (INDEPENDENT
VARIABLE) BERPENGARUH NYATA SECARA SERENTAK TERHADAP
VARIABEL TERIKAT (DEPENDENT VARIABLE) YAITU MEMBANDINGKAN
NILAI F HITUNG DENGAN F TABEL PADA TARAF NYATA 5 % , DENGAN
KRITERIA SEBAGAI BERIKUT:
– JIKA F-HITUNG LEBIH BESAR DARI F-TABEL BERARTI VARIABEL BEBAS
(INDEPENDENT VARIABLE) SECARA SERENTAK BERPENGARUH NYATA
TERHADAP VARIABEL TERIKAT (DEPENDENT VARIABLE)
– JIKA F HITUNG SAMA ATAU LEBIH KECIL DARI F TABEL BERARTI VARIABEL
BEBAS (INDEPENDENT VARIABLE) SECARA SERENTAK TIDAK BERPENGARUH
BERARTI TERHADAP VARIABEL TERIKAT (DEPENDENT VARIABLE).
Langkah-langkahnya sebagai berikut :

 K reg / K
Fhit =
 K sisa / n  k  1

Ftab = F k , n  k  1

Dimana :

K(Reg) = Jumlah kuadrat regresi

K(Sisa) = Jumlah kuadrat sisa

k = Jumlah variabel bebas X

N = Jumlah responden

F hit > F tabel

artinya model yang terbentuk signifikan.

 Hasil Analisis
Sum of Mean F Sig.
Model Squares df Square

1 Regression 0,845 3 0,282 4,873 0,007

Residual 1,791 31 0,05778
Total 2,636 34

- nilai signifikansi (level of

significant) sebesar 0,007 < 0,05.
Artinya berkolerasi signifikan.
- Serta nilai F hitung (4,873) > F tabel (3,2759), berarti variabel sumber daya
manusia, sarana dan prasarana, serta organisasi operasi dan pemeliharaan
jaringan irigasi secara serentak berpengaruh nyata (significant) terhadap
kinerja tugas OP Irigasi
 t - Test
• Uji t dimaksudkan untuk mengetahui seberapa besar pengaruh
variabel bebas (independent variable) terhadap variabel terikat
(dependent variable) secara sendiri-sendiri atau parsial.
• UNTUK MENGETAHUI APAKAH VARIABEL BEBAS BERPENGARUH NYATA SECARA
PARSIAL TERHADAP VARIABEL TERIKAT YAITU DENGAN MEMBANDINGKAN NILAI T
HITUNG DENGAN T TABEL PADA TARAF NYATA 5 % , DENGAN KRITERIA SEBAGAI
BERIKUT:
• JIKA T HITUNG LEBIH BESAR DARI T TABEL BERARTI VARIABEL BEBAS
(INDEPENDENT VARIABLE) SECARA PARSIAL BERPENGARUH BERARTI TERHADAP
VARIABEL TERIKAT (DEPENDENT VARIABLE)
• JIKA T HITUNG SAMA ATAU LEBIH KECIL DARI T TABEL BERARTI VARIABEL BEBAS
(INDEPENDENT VARIABEL) SECARA PARSIAL TIDAK BERPENGARUH BERARTI
TERHADAP VARIABEL TERIKAT (DEPENDENT VARIABLE)
Langkah-langkah perhitungan :

bi
Thit =
Se(bi)


Ttab = t (n-k–I)
2

Keterangan :

bi = koefisien regresi ke–i

Se(bi) = Varian bi

Karena nilai t hit > t tabel , maka artinya koefisien regresi signifikan.
 Contoh soal

No Variabel T Hasil T tabel Sig. Keterangan

1 Sumber daya manusia 2,217 1,6924 0,034 Berpengaruh

2 Sarana dan prasarana 2,477 1,6924 0,040 Berpengaruh

3 Organisasi 2,607 1,6924 0,045 Berpengaruh

• Berdasarkan Tabel, terlihat bahwa t hasil untuk variabel bebas

(sumber daya manusia = 2,217, sarana dan prasarana = 2,477,
serta organisasi = 2,607) lebih besar dari t tabel (1,6924).
• Serta nilai signifikansi semua variabel tersebut (sumber daya
manusia = 0,034, sarana dan prasarana = 0,040, serta organisasi =
0,045) kurang dari 0,05.
• Sehingga variabel sumber daya manusia, sarana dan prasarana,
serta organisasi operasi dan pemeliharaan jaringan irigasi secara
parsial berpengaruh signifikan terhadap kinerja tugas
pembantuan operasi dan pemeliharaan jaringan irigasi
 Tugas 3 Soal Regresi
• Pilih dua variabel yang berkorelasi
• Tentukan 10 nilai kedua variabel tersebut
• Buat tabelnya
• Hitung persamaan regresi Y= a+bx
• Tentukan koefisien korelasinya (r)
• Tulis interprestasinya
• Dikumpulkan bersama jawaban ujian
 Referensi
• Furqon, ph.D. , 2001, Statistika terapan untuk
penelitian, ISBN 979-8433-13-0, CV Alfabeta,
Bandung, 230p
• Sugiono, 2002, Statistik Untuk Penelitian, ISBN 979-
8433-10-6, Alfabeta, Bandung, 306p.
• Sugiono, Dr. & Eri ibowo S.Pd., Statistika penelitian
dan Aplikasi dengan SPSS 10.0 for Window, ISBN
979-8433-50-3, CV Alfabeta, Bandung, 238p