ANALISIS REGRESI SEDERHANA

HITUNG MANUAL

Ratih Widiastuti,. S.Psi , M.A

STATISTIK 2
Pertemuan 12
2022
 Prosedur Analisis Manual Anareg
2
Sederhana
A. Uji Linearitas
B. Menghitung Persamaan Regresi
C. Menghitung Residu
D. Menghitung r dan
 A. Uji Linieritas
3

 Uji linieritas digunakan untuk melihat apakah hubungan antara X dan

Y berupa garis lurus.
 Apabila hasil menunjukkan hubungan yang non linier, maka data
tidak dapat dianalisis dengan menggunakan Anareg Linier.
 Hasil uji F yang tidak signifikan (F hitung < F Tabel) menunjukkan
adanya hubungan linier
 Untuk Latihan kali ini kita akan gunakan contoh yang terdapat pada
buku Winarsunu (2021) hal 168, mengenai peranan Motivasi kerja
(Prediktor) dengan Produktivitas kerja (Kriterium), dengan hipotesis:
 H0: Bentuk hubungan model sama dengan bentuk hubungan linier
 Ha: Bentuk hubungan model tidak sama dengan bentuk hubungan
linier
 A. Uji Linieritas
4
5

X Y
4 4
5 4
5 5
6 6
6 5
 1. Menghitung: (1) jumlah kuadrat total (JKt), (2) regresi a
(JKa), (3) regresi b (JKb), (4) residu (JKres), (5) galat/
kesalahan (JKg), (6) ketidakcocokan (JKtc)

(1) Jumlah kuadrat total (JKt) JKt = ΣY2 JKt = 352


[ Y ] 2 [58]2
(2) Regresi a (JKa)  JK a  JK a  JK a  336,4
N 10

(3) Regresi b (JKb)  JK b  b( XY 

 X . Y ) b
10.380  63.58
b  0,91
N 10.413  (63) 2
𝑁 . Σ 𝑋𝑌 − Σ 𝑋 . Σ 𝑌
𝑏= 2 JK b  0,91(380 
63.58
) JK b  13,3
𝑁 .Σ 𝑋 −¿¿ 10

(4) Residu (JKres)  JK res  JK t  JK a  JK b

JK res  352  336,4  13,3 JK res  2,3

6
 ( Y ) 2
(5) Galat/ kesalahan (JKg)  JK g  ( Y ) 
2

ni

2 (4) 2 2 2 (4  5) 2 2 2 (6  5) 2
JK g  [( 4 )  ]  [( 4  5 )  ]  [(6  5 )  ]
1 2 2
2 2 (6  7  6) 2
2 2 2 (7  8) 2
 [6  7  6 )  ]  [(7  8 )  ]
3 2
JK g  0  0,5  0,5  0,67  0,5
JK g  2,17

(6) Ketidakcocokan (JKtc)  JK tc  JK res  JK g

JK tc  2,3  2,17

JK tc  0,13

7
 2. Menghitung: (1) derajat kebebasan galat (dbg) dan (2)
ketidakcocokkan (dbtc).
(1) dbg= N-k dbg= 10-5 dbg= 5  (Penyebut)

(2) dbt= K-2 dbt= 5-2 dbt= 3  (Pembilang)

3. Menghitung: jumlah rata-rata kuadrat ketidakcocokkan (RKtc)

dan galat (RKg)
JK tc 0,13
(1) RK tc  RK tc  RK tc  0,043
dbtc 3

(2) RK  JK g RK g 
2,17 RK g  0,434
g
dbg 5

8
 4. Menghitung rasio F

Rk tc 0,043
F  F F  0,10
Rk g 0,434

5. Membandingkan F empirik dengan F teoretik yang terdapat

dalam tabel F.

db =3 dan 5 diperoleh:
Harga F teoretik= 5,41 pada taraf 5% dan 12,06 pada taraf 1%.
Prosedur keputusan: Hasil uji F yang tidak signifikan (F hitung < F Tabel)
menunjukkan adanya hubungan linier

 F empirik= 0,10 < F teoretik= 5,41.

 Jadi distribusi data penelitian ini berbentuk linier.
9  Dengan demikian data dapat dianalisis menggunakan Anareg linier.
 B. Menghitung Persamaan Regresi
10

Rumus persamaan regresi: Y= a + bX

Y= Kriterium
a= Intersep (konstanta regresi) atau harga yang memotong
sumbu Y
b= Koefisien regresi atau sering disebut slope, gradien, atau
kemiringan garis.

    X . XY
Y . X 2
N . XY   X . Y
a b
N . X 2  ( X ) 2 N . X 2  ( X ) 2
 Respo Motivas Produk
nden i Kerja tivitas X2 Y2 XY
(X) Kerja
a
 Y . X   X . XY
2

(Y) N . X  ( X )
2 2

1 7 6 49 36 42
58.413  63.380
2 6 5 36 25 30 a 2
a  0,1
10.413  (63)
3 7 7 49 49 49
4 8 7 64 49 56
5 5 5 25 25 25 N . XY   X . Y
b
6 6 6 36 36 36 N . X 2  ( X ) 2
7 7 6 49 36 42
10.380  63.58
8 8 8 64 64 64 b 2
b  0,91
10.413  (63)
9 4 4 16 16 16
10 5 4 25 16 20
Y= a + bX
Jumlah 63 58 413 352 380
Y= 0,1 + 0,91X
11
 Penambahan Nilai motivasi kerja (X) 2 point.
Berapa Nilai produktivitas Kerja (Y)? 
Y= 0,1 + 0,91X Y = 0,1 + 0,91 (2)  Y= 1,92

Penafsirannya seperti berikut:

1. Persamaan ini dapat diprediksikan bahwa variabel
kriterium (Y) rata-rata akan berubah sebesar 0,91
untuk setiap unit perubahan yang terjadi pada variabel
prediktor (X).
2. Terdapat hubungan positif antara motivasi kerja dengan
produktivitas kerja
3. Intercept: 0,1
4. Slope: 0,91

12
 C. Residu
13

 Residu adalah selisih antara nilai Y yang diprediksi

(dari model regresi) dengan nilai Y actual (dari data)
 Nilai residu mengindikasikan ketepatan peramalam
garis regresi
 Nilai residu yang besar mengindikasikan bahwa garis
persamaan regresi tidak dapat digunakan untuk
peramalan
 Untuk menentukan residu dapat dilakukan 2 cara:
1). Menggunakan Tabel residu
2). Rumus Residu
 Menghitung Residu (rumus)
14

( XY ) 2
Re s   Y 2 
X 2

( Y ) 2 (58) 2
Y  Y 
2 2

N Y 2
 352 
10 Y 2
 15,6

( X ) 2 (63) 2
X X
2 2

N
 X  413  10
2
X 2
 16,1

 X . Y 58.63
 XY   XY  N
 XY  380  10
 XY  14,6
( XY ) 2 (14,6) 2
Re s   Y  2
Re s  15,6  Re s  2,36  2,4
X 2
16,1
 Menghitung Signifikansi Persamaan
15
Regresi
 Digunakan untuk melihat apakah persamaan regresi
dapat digunakan untuk peramalan

1. Menghitung jumlah kuadrat regresi (JKreg) dan residu

(JKres)
*Angka2 yg digunakan dari hasil menghitung residu, slide 14

( XY ) 2 (14,6) 2
JK reg  JK reg  JK reg  13,24
X 2
16,1

( XY ) 2 (14,6) 2 JK res  2,36

JK res   Y 
2 JK res  15,6 
X 2
16,1
 2. Menghitung derajat kebebasan regresi (dbreg) dan residu (dbres)

dbreg= m (a prediktor) dbres= N – 2

= 1  pembilang = 10-2
= 8  penyebut

3. Menghitung rata-rata kuadrat regresi (RKreg) dan residu

(RKres)
JK reg 13,24
RK reg  RK reg  RK reg  13,24
dbreg 1

JK res 2,36
RK res  RK res  RK res  0,3
dbres 8

16
 4. Menghitung harga F regresi

RK reg 13,24
Freg  Freg  Freg  44,13
RK reg 0,3

Db= 1 dan 8 diperoleh harga F teoretis= 5,32 (5%) dan 11,26

(1%)
F empirik= 44,13 > F teoretik = 5,32 (5%) dan 11,26 (1%),
artinya F regresi adalah signifikan  Persamaan regresi dapat
dipergunakan untuk memprediksi besarnya variabel
kriterium (Y) berdasarkan variabel prediktor (X).

17
 D. Menghitung nilai r dan R²
18

 Digunakan untuk mengetahui apakah terdapat hubungan

antara model (Prediktor) dengan Kriterium
 Untuk mengetahui besar sumbangan Prediktor terhadap
Kriterium
N . XY   X . Y
r
{( N . X 2  ( X ) 2 )( N . Y 2  ( Y ) 2 }

10.380  63.58
r
{(10.413  (63) 2 )(10.352  (58) 2 ) }

r  0,92

R²= 84,64
 D. Menghitung nilai r dan R²
19

 Lihatlah Tabel r (product moment) dengan N=10, r

teoretik= 0,632 (5%) dan 0,765 (1%)
 r empirik = 0,92 > r teoretik= 0,632 (5%) dan 0,765 (1%),
artinya bahwa korelasi antara prediktor dan kriterium
sangat signifikan. Maka dapat disimpulkan bahwa,
motivasi kerja merupakan prediktor signifikan terhadap
produktivitas kerja.
 R²= 84,64  Motivasi kerja berperan sebsar 84,64%
Terhadap nilai produktivitas kerja, sebesar 15,36% varian
Produktivitas disumbang oleh variable lain yang tidak
diteliti.