STATISTIKA PENDIDIKAN
ANALISIS REGRESI
DISUSUN OLEH :
KELOMPOK
ELSA OKTAVIANI 40130
M.NANDA PUTRA PRATAMA 4013026
RAPY HARIYANI 40130
LINGGA PRATAMA RANDU 40130
WAHONO 40130
PROGRAM STUDI : PENDIDIKAN MATEMATIKA / V A
DOSEN PENGAMPU : NOVIANTI MANDASARI , M.Pd
SEKOLAH TINGGI KEGURUAN DAN ILMU PENDIDIKAN
PERSATUAN GURU REPUBLIK INDONESIA
( STKIP – PGRI ) LUBUKLINGGAU
TAHUN AKADEMIK
2015 / 2016
ANALISIS REGRESI
Pengertian Analisis Regresi
Analisis regresi merupakan metode statistika yang amat banyak
digunakan dalam peneltian. Istilah regresi pertama kali diperkenalkan oleh
Sir Francis Galton pada tahun 1886. Galton menemukan adanya hubungan bahwa
orang tua yang memeliki tubuh tinggi memiliki anak-anak yang tinggi pula,
orang tua yang pendek memiliki anak-anak yang pendek pula. Kendati demikian
ia mengamati bahwa adanya kecenderungan tinggi anak, cenderung bergerak
menuju rata-rata tinggi populasi secara menyeluruh. Dengan kata lain,
ketinggian anak yang amat tinggi atau orang tua yang amat pendek cenderung
bergerak kearah tinggi populasi.
Secara umum regresi adalah studi mengenai ketergantungan satu variabel
(variabel tak bebas/ variabel respon) dengan satu atau lebih variabel
bebas/ variabel penjelas. Hasil dari analisi regresi merupakan suatu
persamaan, yaitu persamaan matematika. Persamaan tersebut digunakan sebagai
prediksi. Dengan demikian analisis regresi sering disebut dengan analisis
prediksi. Karena merupakan prediksi, maka nilai prediksi tidak selalu tepat
dengan nilai realnya, semakin kecil tingkat penyimpangannya antar prediksi
dengan nilai riilnya, maka semakin tepat persamaan regresi yang dibentuk.
Persamaan regresi adalah suatu persamaan matematika yang
mendefinisikan hubungan antara dua variabel yaitu hubungan keterkaitan
antara satu atau beberapa variabel yang nilainya sudah diketahui dengan
satu variabel yang nilainya belum diketahui, sifat hubungan antara dalam
persamaan meruoakan hubungan sebab akibat. Oleh karena itu, sebelum
menggunakan persamaan regresi dalam menjelaskan hubungan antara dua atau
lebih variabel, perlu diyakini terlebih dahulu bahwa secara teoritis atau
perkiraan sebelumnya, bahwa variabel-variabel tersebut memiliki hubungan
sebab akibat. Variabel yang nilainya akan mempengaruhi variabel tersebut
disebut variabel bebas (X). sedangkan variabel yang nilainya dipengaruhi
oleh variabel lain adalah variabel tergantung (Y).
Analisis regresi dikelompokkan menjadi dua bagian yaitu analisis
regresi sederhana (analisis regresi tunggal) dan analisis regresi ganda.
Regresi sederhana dimaksudkan untuk menganalisis hubungan antara satu
variabel bebas (X) dengan satu variabel terikat (Y). Regresi berganda
digunakan untuk analisis hubungan dua atau lebih variabel bebas (misalnya
X1 dan X2) dengan satu variabel terikat (Y).
A. Regresi Linier Sederhana
Sebagaimana diketahui, banyaknya kejadian didunia ini yang merupakan
kejadian yang saling menyebabkan. Kejadian yang saling menyebabkan adalah
suatu kejadian yang keterjadiannya akan menyebabkan keterjadian kejadian
yang lain. Contoh yang kongkrit adalah penggunaan metode belajar think pair
share meningkatkan hasil belajar siswa.
Untuk mencari suatu pengaruh variabel terhadap variabel lain, alat
analisis yang kita gunakan adalah analisis regresi. Hasil analisis regresi
berupa persamaan regresi yang merupakan fungsi prediksi suatu variabel
dengan menggunakan variabel lain.
Model regresi linier sederhana merupakan persamaan yang menyatakan
hubungan antara satu variabel predictor (X) dan satu variabel respon (Y),
yang biasanya digambarkan dalam suatu garis lurus.
Persamaan regresi linier sederhana :
Keterangan: regresi (dibaca Y topi)
a = konstanta
b = koefisien regresi
Y = Variabel dependen/ variabel terikat/ variabel tak bebas
(kejadian)
X = Variabel independen/ variabel bebas/ variabel predictor
(penyebab)
Koefisien-koefisen regresi dapat dihitung dengan rumus:
B. Langkah-langkah Melakukan Analisis Regresi Sederhana
Langkah langkah yang ditempuh dalam melakukan analisis regresi
sederhana adalah:
1. Membuat Tabel Belanja Statistik
2. Menghitung Jumlah Kuadrat (JK) dan Jumlah Produk (JP) dan Korelasi
3. Mencari Persamaan Garis Regresi
4. Mencari f Regresi dan Menguji Taraf Signifikansi
Untuk contoh akan dibahas tentang hubungan penguasaan Dasar Manajemen
dengan Keterampilan Manajerial.
X = Dasar Manajemen
Y = Keterampilan Manajerial
Data disajikan sebagai Berikut:
Penyelesaian :
1. Membuat tabel belanja statistik
2. Mencari JK (Jumlah Kuadrat) dan JP (Jumlah Produk) dan Korelasi
Jumlah Kuadrat (JK):
Jumlah Produk (JP):
Korelasi:
3. Mencari Persamaan Garis Regresi
Persamaan garis regresinya adalah: = a + bX
= 76,79 + 0,13 X
4. Mencari F Regresi dan Menguji Taraf Signifikansi
JK (total) =
JK (a) =
JK residu = JK (total) –JK (a) – JK regresi
= 90.707 – 89.960,083 – 6,7379
= 740,1791
dk regresi = m = 1
dk residu = n – m – 1 = 12 – 1 – 1 = 10
Hipotesis diuji dengan uji F :
dk pembilang 1 dan dk penyebut 10 maka F tabel (1,10) pada p = 0,05 atau
F(1,10)(0,05) = 4,96
Berdasarkan data tersebut dapat disusun tabel rangkuman analisis regresi
untuk persamaan garis sebagai berikut :
Hipotesis:
Ho = Koefisien arah regresi tidak berarti
Ha = Koefisien arah regresi berarti
Dari hasil perhitungan ternyata Fh (0,09) < Ft (4,96)
Hasil pengujian : Ho diterima
Kesimpulan : Tidak terdapat hubungan yang signifikan antara Penguasaan
Dasar-dasar Manajemen dengan Keterampilan Manajerial pada taraf
signifikansi 5 persen.
DAFTAR PUSTAKA
Abdurrahman, Maman dan Muhibbin, Sambas Ali, Analisis Korelasi, Regresi,
dan Jalur dalam Penelitian, Bandung : CV Pustaka Setia, 2007.
Ari Pujiati, S.1997. Analisis Regresi Linier Berganda Untuk Mengetahui
Hubungan Antara Beberapa Aktifitas Promosi dengan Penjualan Produk.
Skripsi.Surabaya:Jurusan Statistika Institut Teknoligi Sepuluh
Nopember.
-----------------------