ANALISIS REGRESI

SEDERHANA DAN
BERGANDA

OLEH KELOMPOK 8 : BIMA LINTANG RAMADHAN (164)

: A’AN YAHDI NANDA (165)
: MANDA YOGA PRADANA (153)
PENGERTIAN ANALISIS REGRESI

Analisis regresi adalah suatu analisis statistik yang digunakan untuk

mengetahui apakah suatu variabel dapat digunakan untuk memprediksi variabel-
variabel lain. Analisis regresi hanya dapat dilakukan bila telah diketahui bahwa
ada hubungan yang signifikan antar variabel yang bersangkutan. Analisis regresi
umumnya digunakan dengan tujuan mengidentifikasi variabel-variabel bebas
mana saja yang signifikan dalam memengaruhi variabel terikat dan seberapa
besar perubahan terhadap variabel terikatnya dengan menghitung koefisien
variabel-variabel bebasnya.
 Analisis regresi terbagi menjadi dua yaitu regresi linier dan non linier. Analisis
regresi linier terdiri dari analisis regresi sederhana dan analisis regresi linier
berganda. Perbedaan antara keduanya terletak pada jumlah variabel
independennya. Pada analisis regresi linier sederhana hanya memiliki satu
variabel independen, sedangkan pada analisis regresi linier berganda memiliki
lebih dari satu variabel independen. Analisis regresi non linier adalah regresi
eksponensial.
 ANALISIS REGRESI
SEDERHANA
Jika suatu variabel terikat (dependent variable) bila tergantung pada satu variable bebas
(independent variable) maka hubungan antara kedua variabel disebut regresi sederhana. Analisis
ini digunakan untuk mengetahui arah hubungan antara variabel independen dengan dependen
apakah positif atau negatif serta untuk memprediksi nilai dari variabel dependen apabila nilai
variabel mengalami kenaikan atau penurunan nilai. Data yang digunakan biasanya interval atau
rasio.
 ANALISIS REGRESI
BERGANDA
Adalah hubungan secara linier antara dua atau lebih variabel independen dengan variabel
dependen. Analisis ini digunakan untuk mengetahui arah hubungan antara variabel independen
dengan variabel dependen apakah masing-masing variabel independen berhubungan positif atau
negatif dan untuk memperediksi nilai dari variabel dependen apabila nilai variabel independen
mengalami kenaikan atau penurunan.
 LANGKAH – LANGKAH MELAKUKAN UJI ANALISIS
REGRESI SEDERHANA DENGAN MENGGUNAKAN SPSS
Berat Badan Ibu (Kg) X Berat Badan Bayi (Kg)  Y
Data penelitian dengan judul pengaruh berat No.
badan ibu terhadap berat badan bayi yang
1. 49,4 3,515
dilahirkannya sebagai berikut :
2. 63,5 3,742

3. 68 3,629

Persamaan analisis regresi linear sederhana 4. 52,2 2,880

sebagai berikut : 5. 54,4 3,008

Y = a + bx 6. 70,3 4,068
Ket : 7. 50,8 3,373

Y = variabel dependen 8. 73,9 4,124

X = variabel independen 9. 65,8 3,572
A = titik potong (intercept)
10. 54,4 3,359
B = koefisien regresi (slope)
 Pada lembar kerja SPSS, klik variable view,
selanjutnya pada kolom name untuk baris
pertama tulis X, baris kedua Y. Lalu pada kolom
label baris pertama tulis berat badan ibu dan
baris kedua tulis berat badan bayi.
Klik data view, masukkan data penelitian
dengan ketentuan X untuk data berat badan ibu
dan Y untuk data berat badan bayi.

Data View
Variabel
View
 Selanjutnya akan muncul kotak dialog linear regression,
masukkan variabel berat badan ibu (X) ke kotak independent(s)
Jika data yang diinput sudah benar, langkah
dan masukkan variabel berat badan bayi (Y) ke kotak dependent
selanjutnya, klik analyze – regression –
dengan cara mengklik tanda panah yang tersedia. Pada bagian
linear.
method pilih enter (abaikan pilihan yang lainnya). Klik OK.
Proses terakhir setelah mengklik OK, maka akan keluar output SPSS regresi linear sederhana sebagai berikut :
a. Variables entered/removed
Keterangan : menjelaskan tentang variabel yang dimasukkan
serta metode yang digunakan dalam analisis regresi linear.

b. Model summary

Keterangan : berfungsi untuk uji F dalam analisis regresi

linear berganda
 c. Coefficients

Keterangan : untuk dilanjutkan ke dalam persamaan regresi

linear sederhana.

d. Membuat persamaan regresi linear sederhana. Secara umum rumus persamaan regresi linear sederhana
adalah Y = a + bx. Sedangkan untuk mengetahui nilai koefisien regresi tersebut dapat melihat pada output
yang berada pada table coefficient diatas.

A = angka konstan dari unstandardized coefficients. B = angka koefisien regresi.

Dalam kasus ini nilainya sebesar 1.366. Angka ini merupakan
angka konstan yang mempunyai arti bahwa jika tidak diketahui
berat badan ibu (X) maka nilai konsisten berat badan bayi (Y)
adalah sebesar 1.366.
Dalam kasus ini nilainya sebesar 0,036. Angka ini mengandung arti
bahwa setiap penambahan 1% berat badan ibu (X) maka berat badan
bayi akan meningkat sebesar 0.036.
Nilai koefisien regresi bernilai positif maka dapat dikatakan bahwa berat
badan ibu (x) berpengaruh positif terhadap berat badan bayi (y).
*Sehingga persamaan regresinya adalah Y = 1,366 + 0,036X.
e. Uji hipotesis dalam analisis regresi linear sederhana
• Uji hipotesis atau uji pengaruh berfungsi untuk mengetahui apakah koefisien regresi tersebut signifikan atau tidak.
• H0 = tidak ada pengaruh berat badan ibu (x) terhadap berat badan bayi yang dilahirkannya(y)
• Ha = ada pengaruh berat badan ibu (X) terhadap berat badan bayi yang dilahirkannya (Y)

• Untuk membuktikan hipotesis tersebut maka dilakukan uji hipotesis dengan membandingkan nilai signifikansi (sig.) Dengan
probabilitas 0,05.
• Dasar pengambilan keputusan dalam analisis regresi adalah :
1) Jika nilai signifikansi (sig.) Lebih kecil < dari probabilitas 0,05 mengandung arti bahwa ada pengaruh berat badan ibu (X)
terhadap berat badan bayi yang dilahirkannya (Y).
2) Jika nilai signifikansi (sig.) Lebih besar > dari probabilitas 0,05 mengandung arti bahwa tidak ada pengaruh berat badan ibu
(X) terhadap berat badan bayi yang dilahirkannya (Y).
Dari hasil ouput SPSS (Coefficient) di atas diketahui bahwa
nilai signifikansi (Sig.) sebesar 0,005 lebih kecil dari <
probabilitas 0,05, sehingga dapat disimpulkan bahwa H0
ditolak dan Ha diterima yang artinya “Ada Pengaruh Berat
Badan Ibu (X) terhadap Bayi yang Dilahirkannya (Y)”.
Melihat besarnya pengaruh variabel X terhadap Y.
Untuk mengetahui besarnya pengaruh berat badan ibu (X) terhadap bayi yang dilahirkannya (Y) dalam analisis
regresi linear sederhana, dapat dengan melihat nilai R square atau R2 yang terdapat pada output SPSS di table model
summary Dari output di atas diketahui nilai R square sebesar 0,647. Nilai ini mengandung Arti bahwa pengaruh berat
badan ibu (X) terhadap berat badan bayi yang dilahirkannya sebesar 64,7%. Sedangkan 35,3% berat badan bayi dapat
dipengaruhi oleh hal – hal lain yang tidak diteliti / diuji.

Kesimpulan dari Uji Analisis Regresi Linear Sederhana :

Merujuk pada uraian di atas, maka dapat disimpulkan
bahwa Berat badan Ibu (X) berpengaruh positif terhadap berat
badan bayi yang dilahirkannya sebesar 64,7% . Pengaruh positif
ini bermakna bahwa semakin meningkatnya berat badan Ibu
maka akan berpengaruh terhadap peningkatan berat badan bayi
yang dilahirkannya.
 LANGKAH – LANGKAH MELAKUKAN UJI ANALISIS REGRESI
BERGANDA DENGAN MENGGUNAKAN SPSS

Variabel penelitian terdiri dari lebih dari 2 variabel penelitian degan

catatan variabel independent lebih dari 1 dan variable dependent hanya
satu, persamaan regresinya adalah :

Y= a + b1 . x1 + b2 . x2 Contoh suatu studi ingin melihat hubungan

Y adalah variabel dependen yang diteliti
a adalah konstanta
b adalah koefisien regresi
x1 adalah variabel independent pertama
x2 adalah variabel idependent kedua
skor kecedasan dan frekuensi membolos terhadap
nilai ujian. Dari contoh soal dapa dijelaskan
bahwa variabel independent X1 skor kecedasan
dan x2 frekuensi membolos serta variabel
dependent Y adalah nilai ujian.
 Cara mendapatkan nilai regeresi linear berganda lewat SPSS

1. Input data terlebih dahulu ke SPSS

2, Mulailah menganalisis dengan memilih menu Analyze-Reggression-Linear

3
2
 3. Masukkan variable nilai ujian ke kekolom
dependent dan masukkan variable skor tes kecerdasan
dan frekuensi membolos ke kolom independent

Description
box
4. Pada Method pilih metode Stepwise 5. Klik Statistic, klik pilihan Estimates, Model Fit dan
Deskriptive, kemudian klik Continue dan OK untuk
mengakhiri perintah.

Maka akan muncul output sebagai berikut :

1. Pada bagian ini merupakan tabel yang
menyajikan deskriptif masing-masing variabel
yang meliputi mean, standar deviasi dan jumlah
data

2. Pada bagian ini merupakan matrik korelasi antara variabel skor

tes kecerdasan dengan nilai ujian diperoleh r = 0,86 dengan
probabilitas 0,000 < 0,05, maka Ho ditolak, yang berarti bahwa ada
hubungan atau korelasi yang signifikan antara skor tes kecerdasan
dengan nilai ujian. Variabel frekuensi membolos dengan nilai ujian
r = - 0,848, tanda negatif menggambarkan hubungan yang
berlawanan yang artinya semakin sering membolos, maka akan
semakin kecil nilai yang diperoleh.
3. Tabel tersebut menjelaskan tentang variabel yang
dimasukkan atau dibuang dan metode yang
digunakan. Dalam hal ini variabel yang dimasukkan
adalah variabel skor tes kecerdasan dan frekuensi
membolos sebagai predictor dan metode yang
digunakan adalah stepwise.
4. Tabel tersebut pada model (1) untuk menjelaskan besarnya
nilai korelasi atau hubungan (R) antara skor tes kecerdasan
(X1) dengan nilai ujian (Y) yaitu sebesar 0,860 dan penjelasan
besarnya prosentase pengaruh variabel skor kecerdasan
terhadap nilai ujian yang disebut koeefisien determinasi yang
merupakan hasil pengukuran dari R. Dari output tersebut
diperoleh koeefsien determinasi (R2) pada model (1) sebesar
0,740, yang mengandung pengertian bahwa pengaruh variabel
bebas (Skor tes kecerdasan) terhadap variabel terikat (Nilai
ujian) adalah sebesar 74%.
Pada model (2) untuk menjelaskan besarnya
nilai korelasi atau hubungan (R) antara skor tes
kecerdasan (X1) Dan frekuensi membolos (X2) yaitu
sebesar 0,936 dan menjelasan besarnya prosentase
pengaruh variabel skor kecerdasan dan frekuensi
membolos terhadap nilai ujian yaitu sebesar 0,876
atau 87,6% sehingga dapat disimpulkan besarnya
pegaruh skor tes kecerdasan (X1) terhadap nilai ujian
(Y) sebesar 74% dan pengaruh frekuensi membolos
(X2) terhadap nilai ujian Y = 13,6 % (87,6% - 74%).
5. Pada bagian ini menjelaskan apakah ada pengaruh yang nyata (signifikan) variabel skor tes kecerdasan (X1)
dan frekuensi membolos (X2) secara bersama-sama terhadap nilai ujian (Y). Dari output pada model yang kedua
bahwa Fhitung = 31,853 dengan tingkat signifikansi/probabilitas 0,000 < 0,05, maka regresi dapat dipakai untuk
memprediksi nilai ujian.

7. KESIMPULAN
Skor tes kecerdasan nilai thitung = 3,371
dengan probabilitas = 0,008 < 0,05, artinya
ada pengaruh yang signifikan. Untuk
variabel frekuensi membolos nilai thitung = -
3,147 dengan probabilitas = 0,012 < 0,05
yang berarti ada pengaruh yang signifikan.
6. Pada tabel coeficien, pada kolom B kolom pada
konstanta (a) adalah 55,780, skor tes kecerdasan (b1)
adalah 0,527 dan frekuensi membolos (b2) adalah -2,344.
Berdasarkan data diatas dapat dikatakan bahwa konstanta
sebesar 55,780 ,koefisien regresi X1 sebesar 0,527 dan
koefisien regresi X2 sebesar -2,344.
 KESIMPULAN & PENUTUP
Berdasarkan uraian di atas, maka dapat disimpulkan bahwa regresi linear
merupaka uji statistic yang digunakan untuk mengetahui/mempelajari
‘pengaruh’ variable bebas teradap variable tidak bebas. Analisis regresi linear
terbagi dua yakni analisis regresi sederhana dan analisis regeresi berganda,
dimana perbedaan dua uji ini terletak pada perbedaan jumlah variabel bebas
yang di uji. Uji regresi digunakan jika data telah melalui uji normalitas dan data
yang ada berdistribusi normal.

SEKIAN DAN
TERIMAKASI