ANALISIS REGRESI SEDERHANA (Pengolahan data dengan Ms.

Excel dan SPSS 13) Majiddin

Laboratorium Komputasi Jurusan Matematika FMIPA Universitas Haluoleo Kendari majidstatistics@gmail.com

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:

Yi01 X i i
Dengan, Yi adalah peubah tidak bebas yang berdistribusi ~ normal Xi adalah peubah bebas dengan i 1, 2, n

(0, )
2

0 (intersep) dan1 (slop) adalah parameter-parameter yang tidak diketahui i adalah Disturbance error yang berdistribusi ~ normal (0, 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. Pilih tools>data analysis, pilih regression lalu pilih OK.

3. 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. Beri tanda centang pada Labels, residual dan Normal Probabilitas Plots untuk melihat plot normal. Pada output options ketikan output sebagai worksheet hasil analisis. Untuk lebih jelasnya perhatikan gambar berikut.

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

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. Masukkan data pada data view SPSS 13 seperti gambar berikut.

2. Pilih analyze> regression> linear... sehingga muncul kotak dialog berikut.

3. Masukkan statistika(Y) ke dalam kotak entri dependent dan matematika (X) ke dalam kotak entri independent(s). Kemudian pilih tombol statistics... kemudian beri tanda centang pada estimates, confidence intervalas, model fit, descriptives dan part and partial correlations seperti gambar berikut.

4. Pilih continue Lalu OK sehingga hasilnya dapat dilihat sebagai berikut.

Descriptive Statistics

Statistika Matematika

Mean 68.10 66.60

Std. Deviation 15.947 14.879 Correlations

N 10 10

Pearson Correlation Statistika Matematika Sig. (1-tailed) N Statistika Matematika Statistika Matematika Variables Entered/Removedb Model 1 Variables Entered Matematik a a Variables Removed .

Statistika 1.000 .870 . .001 10 10

Matematika .870 1.000 .001 . 10 10

Method Enter

a. All requested variables entered. b. Dependent Variable: Statistika

Model Summaryb Model 1 R .870 a R Square .757 Adjusted R Square .727 Std. Error of the Estimate 8.333

a. Predictors: (Constant), Matematika b. Dependent Variable: Statistika ANOVAb Model 1 Regression Residual Total Sum of Squares 1733.412 555.488 2288.900 df 1 8 9 Mean Square 1733.412 69.436 F 24.964 Sig. .001 a

a. Predictors: (Constant), Matematika b. Dependent Variable: Statistika

Coefficientsa Unstandardized Coefficients Model 1 (Constant) Matematika B 5.979 .933 Std. Error 12.709 .187 Standardized Coefficients Beta .870 t .470 4.996 Sig. .651 .001 95% Confidence Interval for B Lower Bound -23.328 .502 Upper Bound 35.287 1.363

Correlations Zero-order .870 Partial .870 Part .870

a. Dependent Variable: Statistika

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%).

Kriteria uji Tolak hipotesis nol jika r > rtabel pada taraf saat nilai P < (untuk contoh ini menggunakan

Kesimpulan Nilai P (0,001) < /2 (0,025) sehingga kita menolak hipotesis nol dan berkesimpulan bahwa ada hubungan antara nilai matematika dengan nilai statistika. Selanjutnya yaitu kita mendapatkan persamaan regresi dari output yang dihasilkan untuk memprediksi

variabel Y yaitu: = 5,979 + 0,933 X Dapat pula ditulis:

Nilai statistika = 5,979 + 0,933 nilai matematika Arti koefisien b0 yaitu apabila nilai matematika sama dengan nol maka nilai statistika sama dengan 5,979. Sedangkan arti koefisien b1 yaitu apabila nilai matematika naik sebanyak satu satuan (nilai matematika = 1), maka nilai statistika akan bertambah sebanyak 0,933 satuan. Memprediksi/manaksir nilai statistika (Y) Apabila kita mengetahui nilai matematika seorang mahasiswa yaitu 55, maka berapakah nilai statistikanya apabila kita menggunakan persamaan di atas? Maka jawabannya adalah dengan menghitung manual dengan rumus sebagai berikut: Nilai statistika = 5,979 + 0,933 x nilai matematika = 5,979 + 0,933(55) = 57,294 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 , atau tolak H0 jika nilai P < . Kesimpulan Nilai P (0,001) < /2 (0,025) sehingga kita menolak hipotesis nol dan berkesimpulan bahwa koefisien b1 adalah signifikan. Ini menunjukkan bahwa nilai matematika berpengaruh secara signifikan terhadap nilai statistika mahasiswa. Adapun tingkat keeratannya yaitu dengan melihat nilai R-Square yakni sebanyak 75,5% nilai matematika mampu menerangkan nilai statistika. = 5,979 + 0,933 X dengan hasil