ANALISIS REGRESI SEDERHANA (Pengolahan data dengan Ms.

Excel dan SPSS 13)
Laboratorium Komputasi Jurusan Matematika FMIPA Universitas Haluoleo Kendari majidstatistics@gmail.com

Majiddin

Ringkasan Teori Dalam kehidupan sehari-hari kita sering melihat suatu peristiwa atau keadaan yang terjadi akibat peristiwa yang lain. Untuk mengetahui hubungan antara kejadian tersebut, terutama untuk menelusuri pola hubungan yang modelnya belum diketahui maka analisis regresi dapat dijadikan alat untuk membantu menganalisis hubungan tersebut. Analisis regresi memiliki 3 kegunaan yaitu, deskripsi, kendali, dan prediksi (peramalan). Tetapi manfaat utama dari kebanyakan penyelidikan statistik dalam dunia bisnis dan ekonomi adalah mengadakan prediksi atau peramalan. Dalam analisis regresi dikenal dua macam variabel atau peubah yaitu variabel bebas X (independent variabel) adalah dan variabel tidak bebas Y (dependent variabel). Variabel bebas (independent variabel) adalah suatau variabel yang nilainya telah diketahui, sedangkan variabel tidak bebas (dependent variabel) adalah variabel yang nilainya belum diketahui dan yang akan diramalkan. Secara sistematis rumus dari regresi linier sederhana dapat dituliskan dengan model persamaan sebagai berikut:

Yi = β 0 + β1 X i + ε i
Dengan, Yi adalah peubah tidak bebas yang berdistribusi ~ normal (0, σ )
2

Xi adalah peubah bebas dengan i = 1, 2, L n

β 0 (intersep) dan β1 (slop) adalah parameter-parameter yang tidak diketahui ε i adalah Disturbance error yang berdistribusi ~ normal (0, σ 2 )
Contoh kasus: Misalkan kita ingin melihat pengaruh nilai matematika mahasiswa terhadap nilai statistikanya. Matematika (X) Statistika (Y) 70 81 50 55 93 86 65 72 60 55 75 82 68 80 40 35 65 65 80 70

*) sumber : Surjadi, P.A., Pendahuluan Teori Kemungkinan dan Statistika: 191.

Menyelesaikan kasus dengan Ms. Excel Langkah untuk menganalisis data tersebut yaitu: 1. Masukkan data-data tersebut ke dalam kolom worksheet excel seperti di bawah ini.

2. Pada output options ketikan output sebagai worksheet hasil analisis. Beri tanda centang pada Labels. . Sorot data variabel Y untuk dimasukkan ke dalam kotak entri Input Y Range sedangkan untuk kotak entri Input X Range kita menyorot data variabel X. Pilih tools>data analysis. 3. residual dan Normal Probabilitas Plots untuk melihat plot normal. pilih regression lalu pilih OK. Untuk lebih jelasnya perhatikan gambar berikut.

Pilih OK maka hasilnya adalah sebagai berikut. Normal Probability Plot 100 80 60 40 20 0 0 20 40 60 80 100 Sample Percentile Matematika Plot probabilitas .4.

. Masukkan data pada data view SPSS 13 seperti gambar berikut.Output analisis regresi Adapun pengujian dan interpretasinya akan dijelaskan pada penyelesaian kasus dengan SPSS 13. Menyelesaikan kasus dengan SPSS 13 Langkah-langkah analisisnya yaitu: 1.

Kemudian pilih tombol statistics.2. kemudian beri tanda centang pada estimates. model fit. 3. Pilih analyze> regression> linear. descriptives dan part and partial correlations seperti gambar berikut. Masukkan statistika(Y) ke dalam kotak entri dependent dan matematika (X) ke dalam kotak entri independent(s).. ... confidence intervalas. sehingga muncul kotak dialog berikut..

b.870 .4.001 10 10 Matematika .10 66. Descriptive Statistics Statistika Matematika Mean 68.879 N 10 10 Correlations Pearson Correlation Sig. Dependent Variable: Statistika .870 1.947 14.60 Std.001 .000 . Deviation 15. Pilih continue Lalu OK sehingga hasilnya dapat dilihat sebagai berikut. All requested variables entered. 10 10 b Variables Entered/Removed Model 1 Variables Entered Matematik a a Variables Removed . Method Enter a. .000 . (1-tailed) N Statistika Matematika Statistika Matematika Statistika Matematika Statistika 1.

900 df 1 8 9 Mean Square 1733. Model B Beta t Error 1 (Constant) 5.187 .363 Correlations Zero-order Partial . .470 Matematika .001a Regression Residual Total a.870 .502 1. Dependent Variable: Statistika ANOVAb Model 1 Sum of Squares 1733.709 . Matematika b.436 F 24. .933 .412 69. Dependent Variable: Statistika Sig.870a .b Model Summary Model 1 R R Square .333 a.488 2288.727 Std.001) < /2 (0. Selanjutnya yaitu kita mendapatkan persamaan regresi dari output yang dihasilkan untuk memprediksi variabel Y yaitu: = 5. Predictors: (Constant).757 Adjusted R Square . Predictors: (Constant).870 Uji korelasi: Hipotesis kasus (uji 2 pihak): H0: H1: = 0 (tidak ada hubungan saling mempengaruhi antara nilai matematika dengan nilai statistika) 0 (ada hubungan saling mempengaruhi antara nilai matematika dengan nilai statistika) atau dengan melihat nilai P dengan kriteria tolak H0 pada = 5%). Matematika b. Kriteria uji Tolak hipotesis nol jika r > rtabel pada taraf saat nilai P < (untuk contoh ini menggunakan - Kesimpulan Nilai P (0.001 95% Confidence Interval for B Lower Upper Bound Bound -23.979 + 0.870 Part .979 12.287 .933 X Dapat pula ditulis: .870 4.412 555. Dependent Variable: Statistika a Coefficients Unstandardized Standardized Coefficients Coefficients Std. Error of the Estimate 8.964 Sig.996 a.025) sehingga kita menolak hipotesis nol dan berkesimpulan bahwa ada hubungan antara nilai matematika dengan nilai statistika.328 35.651 .

025) sehingga kita menolak hipotesis nol dan berkesimpulan bahwa koefisien b1 adalah signifikan.933 x nilai matematika = 5.933 nilai matematika Arti koefisien b0 yaitu apabila nilai matematika sama dengan nol maka nilai statistika sama dengan 5. Memprediksi/manaksir nilai statistika (Y) Apabila kita mengetahui nilai matematika seorang mahasiswa yaitu 55.979 + 0.933 satuan. maka nilai statistika akan bertambah sebanyak 0. = 5. Adapun tingkat keeratannya yaitu dengan melihat nilai R-Square yakni sebanyak 75.979.979 + 0.979 + 0.933 X dengan hasil .001) < /2 (0. Kesimpulan Nilai P (0. Sedangkan arti koefisien b1 yaitu apabila nilai matematika naik sebanyak satu satuan (nilai matematika = 1).5% nilai matematika mampu menerangkan nilai statistika.Nilai statistika = 5.933(55) = 57. atau tolak H0 jika nilai P < .294 Uji koefisien b1 Hipotesis kasus H0: b1 = 0 (koefisien b1 tidak signifikan) H1: b1 0 (koefisien b1 signifikan) Kriteria uji Tolak H0 jika thitung > ttabel pada taraf .979 + 0. maka berapakah nilai statistikanya apabila kita menggunakan persamaan di atas? Maka jawabannya adalah dengan menghitung manual dengan rumus sebagai berikut: Nilai statistika = 5. Ini menunjukkan bahwa nilai matematika berpengaruh secara signifikan terhadap nilai statistika mahasiswa.