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.

Beri tanda centang pada Labels. residual dan Normal Probabilitas Plots untuk melihat plot normal. . Untuk lebih jelasnya perhatikan gambar berikut. 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. Pada output options ketikan output sebagai worksheet hasil analisis. Pilih tools>data analysis. 3.2. pilih regression lalu pilih OK.

4. 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 .

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

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

000 . 10 10 b Variables Entered/Removed Model 1 Variables Entered Matematik a a Variables Removed . All requested variables entered. Method Enter a.001 10 10 Matematika .870 . (1-tailed) N Statistika Matematika Statistika Matematika Statistika Matematika Statistika 1. Dependent Variable: Statistika .60 Std.10 66. . Descriptive Statistics Statistika Matematika Mean 68. Pilih continue Lalu OK sehingga hasilnya dapat dilihat sebagai berikut.879 N 10 10 Correlations Pearson Correlation Sig.870 1.947 14. Deviation 15.000 .4. b.001 .

979 12. Error of the Estimate 8.870 Part .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%).363 Correlations Zero-order Partial . Predictors: (Constant). Model B Beta t Error 1 (Constant) 5. Matematika b.488 2288.933 .001a Regression Residual Total a. .727 Std.187 .979 + 0.870 .333 a. Dependent Variable: Statistika a Coefficients Unstandardized Standardized Coefficients Coefficients Std.470 Matematika .709 .b Model Summary Model 1 R R Square .001 95% Confidence Interval for B Lower Upper Bound Bound -23.757 Adjusted R Square .328 35.025) sehingga kita menolak hipotesis nol dan berkesimpulan bahwa ada hubungan antara nilai matematika dengan nilai statistika. Dependent Variable: Statistika Sig.870a .287 . Dependent Variable: Statistika ANOVAb Model 1 Sum of Squares 1733.502 1. Selanjutnya yaitu kita mendapatkan persamaan regresi dari output yang dihasilkan untuk memprediksi variabel Y yaitu: = 5. Predictors: (Constant).651 .436 F 24.900 df 1 8 9 Mean Square 1733.870 4. Kriteria uji Tolak hipotesis nol jika r > rtabel pada taraf saat nilai P < (untuk contoh ini menggunakan - Kesimpulan Nilai P (0. . Matematika b.996 a.933 X Dapat pula ditulis: .412 69.964 Sig.001) < /2 (0.412 555.

atau tolak H0 jika nilai P < . Kesimpulan Nilai P (0. Memprediksi/manaksir nilai statistika (Y) Apabila kita mengetahui nilai matematika seorang mahasiswa yaitu 55. Adapun tingkat keeratannya yaitu dengan melihat nilai R-Square yakni sebanyak 75.001) < /2 (0.979 + 0.933 nilai matematika Arti koefisien b0 yaitu apabila nilai matematika sama dengan nol maka nilai statistika sama dengan 5.933 X dengan hasil .979.5% nilai matematika mampu menerangkan nilai statistika.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 .Nilai statistika = 5. Ini menunjukkan bahwa nilai matematika berpengaruh secara signifikan terhadap nilai statistika mahasiswa.933 satuan. maka nilai statistika akan bertambah sebanyak 0. Sedangkan arti koefisien b1 yaitu apabila nilai matematika naik sebanyak satu satuan (nilai matematika = 1). = 5.979 + 0.979 + 0.979 + 0. maka berapakah nilai statistikanya apabila kita menggunakan persamaan di atas? Maka jawabannya adalah dengan menghitung manual dengan rumus sebagai berikut: Nilai statistika = 5.933 x nilai matematika = 5.025) sehingga kita menolak hipotesis nol dan berkesimpulan bahwa koefisien b1 adalah signifikan.933(55) = 57.

Sign up to vote on this title
UsefulNot useful