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.

Pada output options ketikan output sebagai worksheet hasil analisis. . 3. pilih regression lalu pilih OK.2. residual dan Normal Probabilitas Plots untuk melihat plot normal. Beri tanda centang pada Labels. 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. 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.

.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. Menyelesaikan kasus dengan SPSS 13 Langkah-langkah analisisnya yaitu: 1.

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

4. .10 66.870 1.947 14.001 10 10 Matematika . b. Pilih continue Lalu OK sehingga hasilnya dapat dilihat sebagai berikut.000 .001 . Method Enter a.879 N 10 10 Correlations Pearson Correlation Sig.870 . (1-tailed) N Statistika Matematika Statistika Matematika Statistika Matematika Statistika 1.000 . Deviation 15. Dependent Variable: Statistika . All requested variables entered. Descriptive Statistics Statistika Matematika Mean 68.60 Std. 10 10 b Variables Entered/Removed Model 1 Variables Entered Matematik a a Variables Removed .

001a Regression Residual Total a.870 .187 . Selanjutnya yaitu kita mendapatkan persamaan regresi dari output yang dihasilkan untuk memprediksi variabel Y yaitu: = 5.933 .001 95% Confidence Interval for B Lower Upper Bound Bound -23.900 df 1 8 9 Mean Square 1733.412 555.979 12. Predictors: (Constant). Dependent Variable: Statistika Sig.470 Matematika .502 1.025) sehingga kita menolak hipotesis nol dan berkesimpulan bahwa ada hubungan antara nilai matematika dengan nilai statistika.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%).709 . Matematika b.001) < /2 (0. . Error of the Estimate 8.964 Sig.436 F 24.996 a. Dependent Variable: Statistika ANOVAb Model 1 Sum of Squares 1733.870a .363 Correlations Zero-order Partial .870 Part .727 Std.488 2288.979 + 0.412 69. Matematika b.933 X Dapat pula ditulis: .870 4.b Model Summary Model 1 R R Square .328 35.757 Adjusted R Square .651 . Dependent Variable: Statistika a Coefficients Unstandardized Standardized Coefficients Coefficients Std.333 a. . Model B Beta t Error 1 (Constant) 5. Predictors: (Constant). Kriteria uji Tolak hipotesis nol jika r > rtabel pada taraf saat nilai P < (untuk contoh ini menggunakan - Kesimpulan Nilai P (0.287 .

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(55) = 57. Ini menunjukkan bahwa nilai matematika berpengaruh secara signifikan terhadap nilai statistika mahasiswa.979 + 0. Memprediksi/manaksir nilai statistika (Y) Apabila kita mengetahui nilai matematika seorang mahasiswa yaitu 55.933 satuan.933 nilai matematika Arti koefisien b0 yaitu apabila nilai matematika sama dengan nol maka nilai statistika sama dengan 5. atau tolak H0 jika nilai P < .001) < /2 (0.933 x nilai matematika = 5. Sedangkan arti koefisien b1 yaitu apabila nilai matematika naik sebanyak satu satuan (nilai matematika = 1).979 + 0.Nilai statistika = 5.025) sehingga kita menolak hipotesis nol dan berkesimpulan bahwa koefisien b1 adalah signifikan.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 + 0.979. Adapun tingkat keeratannya yaitu dengan melihat nilai R-Square yakni sebanyak 75. = 5.5% nilai matematika mampu menerangkan nilai statistika. Kesimpulan Nilai P (0. maka nilai statistika akan bertambah sebanyak 0.933 X dengan hasil .

Sign up to vote on this title
UsefulNot useful