P. 1
regresi

regresi

|Views: 215|Likes:
Published by Sari Kurniati

More info:

Published by: Sari Kurniati on Sep 20, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

02/14/2014

pdf

text

original

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.

Pilih tools>data analysis. 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 regression lalu pilih OK. Beri tanda centang pada Labels. Untuk lebih jelasnya perhatikan gambar berikut.2. Pada output options ketikan output sebagai worksheet hasil analisis. residual dan Normal Probabilitas Plots untuk melihat plot normal. 3. .

Pilih OK maka hasilnya adalah sebagai berikut.4. 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.

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

000 . Pilih continue Lalu OK sehingga hasilnya dapat dilihat sebagai berikut.000 . All requested variables entered.870 .001 10 10 Matematika .60 Std.001 . b.4. (1-tailed) N Statistika Matematika Statistika Matematika Statistika Matematika Statistika 1. Method Enter a. Descriptive Statistics Statistika Matematika Mean 68. .879 N 10 10 Correlations Pearson Correlation Sig. Dependent Variable: Statistika . 10 10 b Variables Entered/Removed Model 1 Variables Entered Matematik a a Variables Removed . Deviation 15.10 66.870 1.947 14.

Dependent Variable: Statistika Sig.870 4. Matematika b.287 .757 Adjusted R Square .964 Sig.870 . Model B Beta t Error 1 (Constant) 5.900 df 1 8 9 Mean Square 1733.333 a.b Model Summary Model 1 R R Square .328 35.025) sehingga kita menolak hipotesis nol dan berkesimpulan bahwa ada hubungan antara nilai matematika dengan nilai statistika.979 12.870 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.363 Correlations Zero-order Partial .001a Regression Residual Total a.436 F 24. . Predictors: (Constant).001) < /2 (0. Kriteria uji Tolak hipotesis nol jika r > rtabel pada taraf saat nilai P < (untuk contoh ini menggunakan - Kesimpulan Nilai P (0.651 . Dependent Variable: Statistika ANOVAb Model 1 Sum of Squares 1733. Selanjutnya yaitu kita mendapatkan persamaan regresi dari output yang dihasilkan untuk memprediksi variabel Y yaitu: = 5.979 + 0.412 555. .001 95% Confidence Interval for B Lower Upper Bound Bound -23.709 .727 Std.412 69.502 1.870a . Predictors: (Constant).488 2288.933 .470 Matematika .996 a. Error of the Estimate 8.870 Part .933 X Dapat pula ditulis: . Dependent Variable: Statistika a Coefficients Unstandardized Standardized Coefficients Coefficients Std.187 .

Nilai statistika = 5. Adapun tingkat keeratannya yaitu dengan melihat nilai R-Square yakni sebanyak 75.979 + 0. Sedangkan arti koefisien b1 yaitu apabila nilai matematika naik sebanyak satu satuan (nilai matematika = 1). atau tolak H0 jika nilai P < .933 satuan.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. maka nilai statistika akan bertambah sebanyak 0.979 + 0.5% nilai matematika mampu menerangkan nilai statistika. Kesimpulan Nilai P (0.001) < /2 (0.933(55) = 57.933 X dengan hasil .933 nilai matematika Arti koefisien b0 yaitu apabila nilai matematika sama dengan nol maka nilai statistika sama dengan 5.979 + 0.933 x nilai matematika = 5.979.294 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 . = 5.025) sehingga kita menolak hipotesis nol dan berkesimpulan bahwa koefisien b1 adalah signifikan. Ini menunjukkan bahwa nilai matematika berpengaruh secara signifikan terhadap nilai statistika mahasiswa. Memprediksi/manaksir nilai statistika (Y) Apabila kita mengetahui nilai matematika seorang mahasiswa yaitu 55.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->