REGRESI LINIER (REGRESI LINIER SEDERHANA DAN REGRESI LINEAR BERGANDA) SECARA TEORI DAN SPSS

 REGRESI LINIER (REGRESI LINIER SEDERHANA DAN REGRESI LINEAR BERGANDA) SECARA TEORI DAN SPSS

MAKALAH INI DISUSUN UNTUK MEMENUHI MATA KULIAH: STATISTIKA

DOSEN PENGAMPU: LISA DWI AFRI, M. Pd.

DISUSUN OLEH 

KELOMPOK 10:

SULASTRI NINGSIH (0601181057)

MAYALIANA (0601182113)

RONALDI (0601183152)

KELAS/SEMESTER: ILMU PERPUSTAKAAN-2/VI

 

PRODI ILMU PERPUSTAKAAN

FAKULTAS ILMU SOSIAL

UNIVERSITAS ISLAM NEGERI SUMATERA UTARA

TAHUN AKADEMIK 2021/2022 

 

KATA PENGANTAR

Puji dan syukur penulis ucapkan atas  bagi kehadirat Allah SWT karena berkat rahmat dan hidayah-Nya kami dapat menyelesaikan makalah kami tepat pada waktunya. Tak lupa, sholawat serta salam semoga senantiasa terlimpah kepada junjungan kita nabi Muhammad SAW.

Makalah ini dibuat untuk memenuhi tugas kelompok untuk mata kuliah Statistika pada semester VI dengan mengangkat tema “Regresi Linier (Regresi Linier Sederhana dan Regresi Linear Berganda) Secara Teori dan SPSS”. Diharapkan, makalah ini dapat menambah pengetahuan pembaca tentang Regresi Linier (Regresi Linier Sederhana dan Regresi Linear Berganda) Secara Teori dan SPSS.

Mungkin dalam penyusunan makalah ini, terdapat banyak kesalahan di dalamnya, maka dari itu kami harapkan kritik serta saran yang membangun sehingga di kemudian hari akan menjadi lebih baik. Kami berharap agar makalah ini akan bermanfaat bagi pembaca.

Medan, 27 Mei 2021

Disusun oleh,

Kelompok 10

 

DAFTAR ISI

KATA PENGANTAR i

DAFTAR ISI ii

DAFTAR ISI iii

BAB I 1

PENDAHULUAN 1

A. Latar Belakang 1

B. Rumusan Masalah 1

C. Tujuan 1

BAB II 2

REGRESI LINIER (REGRESI LINIER SEDERHANA DAN REGRESI LINEAR BERGANDA) SECARA TEORI DAN SPSS 2

A. Regresi Linier Sederhana 2

B. Regresi Linier Berganda 4

C. Regresi Sederhana Secara SPSS 4

D. Regresi Berganda Secara SPSS 10

BAB III 15

PENUTUP 15

a. Kesimpulan 15

b. Saran 15

DAFTAR PUSTAKA 16

 

 

BAB I 

PENDAHULUAN

Latar Belakang   

Penggunaan statistika dalam mengolah data penelitian berpengaruh terhadap tingkat analisis hasil penelitian. Penelitian-penelitian dalam bidang ilmu pengetahuan yang menggunakan perhitungan-perhitungan statistika, akan menghasilkan data yang mendekati benar jika memperhatikan tata cara analisis data yang digunakan. 

Analisis/uji regresi merupakan suatu kajian dari hubungan antara satu variabel, dengan satu atau lebih variabel. Apabila variabel bebasnya hanya satu, maka uji/analisis regresinya dikenal dengan regresi linier sederhana. Apabila variabel bebasnya lebih dari pada satu, maka uji/analisis regresinya dikenal dengan regresi linear berganda. Dikatakan linier berganda karena terdapat dua atau lebih variabel bebas yang mempengaruhi variabel tak bebas. 

Perhitungan-perhitungan hasil akhir untuk penulisan karya ilmiah/penelitian banyak menggunakan analisis/uji regresi. Hasil perhitungan analisis/uji regresi akan dimuat dalam kesimpulan penelitian dan akan menentukan apakah penelitian yang sedang dilakukan berhasil atau tidak. Hasil dari analisis/ uji regresi berupa suatu persamaan regresi. Persamaan regresi ini merupakan suatu fungsi prediksi variabel yang mempengaruhi variabel lain

Rumusan Masalah

1. Bagaimana konsep regresi linier sederhana?
2. Bagaimana konsep regresi linier berganda?
3. Bagaimana regresi linier sederhana secara SPSS?
4. Bagaimana regresi linier berganda secara SPSS?

Tujuan

1. Untuk mengetahui konsep regresi linier sederhana
2. Untuk mengetahui regresi linier berganda
3. Untuk mengetahui linier sederhana secara SPSS
4. Untuk mengetahui linier berganda secara SPSS

 

BAB II

REGRESI LINIER (REGRESI LINIER SEDERHANA DAN REGRESI LINEAR BERGANDA) SECARA TEORI DAN SPSS

Dalam statistika, regresi linear adalah sebuah pendekatan untuk memodelkan hubungan antara variable terikat Y dan satu atau lebih variable bebas yang disebut X. Salah satu kegunaan dari regresi linear adalah untuk melakukan prediksi berdasarkan data-data yang telah dimiliki sebelumnya. Hubungan di antara variabel-variabel tersebut disebut sebagai model regresi linear. Berdasarkan penggunaan variable bebas, maka regresi linear dapat dibagi menjadi dua, yaitu regresi linier sederhana dan regresi linear berganda. Tipe yang pertama adalah regresi linier sederhana yang berfungsi untuk mengetahui hubungan linier antara dua variabel, satu variabel dependen dan satu variabel independen. Tipe kedua adalah regresi linier berganda yang merupakan model regresi linier dengan satu variabel dependen dan lebih dari satu variabel indepen den. (Xin Yan, 2009).

Regresi Linier Sederhana

Istilah regresi pertama kali dalam konsep statistik digunakan oleh Sir Francis Galton pada tahun 1886 di mana yang bersangkutan melakukan kajian yang menunjukkan bahwa tinggi badan anak-anak yang dilahirkan dari para orang tua yang tinggi cenderung bergerak (regress) ke arah ketinggian rata-rata populasi secara keseluruhan. Galton memperkenalkan kata regresi (regression) sebagai nama proses umum untuk memprediksi satu variabel, yaitu tinggi badan anak dengan menggunakan variabel lain, yaitu tinggi badan orang tua (Watsono). 

Menurut Johan Harlan  (Harlan, 2018), Regresi linear (linear regression) adalah teknik yang digunakan untuk memperoleh model hubungan antara 1 variabel dependen dengan 1 atau lebih variabel independen. Jika hanya digunakan 1 variabel independen dalam model, maka teknik ini disebut sebagai regresi linear sederhana (simple linear regression), sedangkan jika yang digunakan adalah beberapa variabel independen, teknik ini disebut regresi linear ganda (multiple linear regression).

Analisis Regresi Linear Sederhana adalah Metode Statistik yang berfungsi untuk menguji sejauh mana hubungan sebab akibat antara Variabel Faktor Penyebab (X) terhadap Variabel Akibatnya. Faktor Penyebab pada umumnya dilambangkan dengan X atau disebut juga dengan Predictor sedangkan Variabel Akibat dilambangkan dengan Y atau disebut juga dengan Response. Regresi Linear Sederhana atau sering disingkat dengan SLR (Simple Linear Regression) juga merupakan salah satu Metode Statistik yang dipergunakan dalam produksi untuk melakukan peramalan ataupun prediksi tentang karakteristik kualitas maupun Kuantitas (Kho, 16).

Model Persamaan Regreasi Linear Sederhana adalah seperti berikut ini:

Keterangan:

Y =  Variabel Response atau Variabel Akibat (Dependent)

X =  Variabel Predictor atau Variabel Faktor Penyebab (Independent)

α =  Konstanta

β = Koefisien regresi (kemiringan); besaran Response yang ditimbulkan oleh Predictor.

Nilai-nilai a dan b dapat dihitung dengan menggunakan Rumus dibawah ini :

Berikut ini adalah Langkah-langkah dalam melakukan Analisis Regresi Linear Sederhana :

Tentukan Tujuan dari melakukan Analisis Regresi Linear Sederhana

Identifikasikan Variabel Faktor Penyebab (Predictor) dan Variabel Akibat (Response)

Lakukan Pengumpulan Data

Hitung  X², Y², XY dan total dari masing-masingnya

Hitung α dan β berdasarkan rumus diatas.

Buatkan Model Persamaan Regresi Linear Sederhana.

Lakukan Prediksi atau Peramalan terhadap Variabel Faktor Penyebab atau Variabel Akibat.

 

Regresi Linier Berganda

Regresi berganda adalah model regresi atau prediksi yang melibatkan lebih dari satu variabel bebas atau prediktor. Istilah regresi berganda dapat disebut juga dengan istilah multiple regression. Kata multiple berarti jamak atau lebih dari satu variabel. Regresi linear ganda adalah model regresi linear dengan 1 variabel dependen kontinu beserta k (dua atau lebih) variabel independen kontinu dan/atau kategorik (Harlan, 2018). 

Regresi linier berganda merupakan model persamaan yang menjelaskan hubungan satu variabel tak bebas/ response (Y) dengan dua atau lebih variabel bebas/ predictor (X1, X2,…Xn). Tujuan dari uji regresi linier berganda adalah untuk memprediksi nilai variable tak bebas/ response (Y) apabila nilai-nilai variabel bebasnya/ predictor (X1, X2,..., Xn) diketahui. Disamping itu juga untuk dapat mengetahui bagaimanakah arah hubungan variabel tak bebas dengan variabel - variabel bebasnya (Yuliara, 2016). 

Perbedaaan antara regresi sederhana dengan regresi berganda terletak pada jumlah variabel bebasnya. Jika dalam regresi sederhana jumlah variabel bebas yang digunakan untuk memprediksi variabel tergantung hanya satu, maka regresi berganda jumlah variabel bebas yang digunakan untuk memprediksi variabel tergantung lebih dari satu. Dalam regresi berganda seluruh variabel bebas dimasukkan kedalam perhitungan regresi serentak. 

Persamaan regresi linier berganda secara matematik dirumuskan secara berikut:

Keterangan:

Y = Variable tak bebas (nilai variabel yang akan diprediksi)

α = Konstanta

β = Nilai koefisien regresi

X = Variable bebas

𝞮 = Nilai Residu

Regresi Sederhana Secara SPSS

Contoh:

Berikut data tabulasi motivasi dan prestasi di kelas 6 SD Pertiwi. 

Motivasi Prestasi

80 80

70 70

75 75

65 65

70 70

75 75

77 77

80 80

70 70

75 70

60 70

70 70

75 75

77 77

Data di atas merupakan hasil motivasi dan prestasi siswa kelas 6 SD Pertiwi. Kemudian guru di kelas tersebut ingin mengetahui seberapa jauh motivasi berpengaruh terhadap prestasi atau seberapa besar hubungannya. Oleh karena itu dalam hal ini kita akan menggunakanj uji regresi sederhana, karena hanya ada satu variabel bebas (independent) yaitu motivasi dan satu variabel terikat (dependent) yaitu prestasi.

Berikut langkah-langkah menggunakan SPSS:

Pertama kita sediakan data tabulasi dalam ms. excel sebagai berikut.

 

Buka aplikasi SPSS yang telah di install sebelumnya sampai muncul area kerja berikut dan pastekan data excel tadi

 

Pada pojok kiri bawah dari gambar di atas klik Variable View dan buat variabel dari data seperti gambar berikut:

 

Selanjutnya kembali pada data view, lalu pilih menu Analyze --- > Compare Means---> Means

 

Bila sudah maka terlihat seperti gambar berikut:

 

Pindahkan variabel Hasil Motivasi ke dalam kotak Dependent dan pindahkan variabel Prestasi ke dalam kotak Independet. Jika sudah terlihat seperti gambar berikut:

 

Selanjutnya klik Options lalu centang pada Test for Linearity kemudian Kontinue lalu OK:

 

Maka akan muncul output seperti dibawah ini

 

Berdasarkan hasil test for linearity di atas, maka kita lihat di bagian anova table kita perhatikan deviation from linearity. Kita lihat nilai signifikasinya yaitu 0.014. Kembali pada dasar pengambilan keputusan. Jika nilai sig. deviation from linearity < 0.05, maka tidak terdapat hubungan yang linear antara variabel bebas dengan variabel terikat. Karena 0.014 < 0.05 jadi hubungan kedua data tidak linear.

 

Regresi Berganda Secara SPSS

Contoh: Diperoleh data hasil penelitian sebagai berikut: 

  

Langkah-Langkah:

Entri data pada tabel kedalam Data View dan Variable View format SPSS data viewer sebagai berikut: 

 

Pada pojok kiri bawah dari gambar di atas klik Variable View dan buat variabel dari data seperti gambar berikut:

 

Selanjutnya kembali pada data view, lalu pilih menu Analyze --- > Compare Means---> Means

 

Bila sudah maka terlihat seperti gambar berikut:

 

Pindahkan variabel Motivasi (X1) dan variable Minat (X2) ke kolom Independent list dan variabel Y ke kolom Dependent list.

 

Selanjutnya klik Options lalu centang pada Test for Linearity kemudian Kontinue lalu OK:

 

Maka akan keluar output seperti di bawah ini 

    Berdasarkan hasil test for linearity di atas, maka dapatr disimpulkan:

Kita lihat di bagian anova table yang pertama yaitu pengaruh motivasi terhadap prestasi kita perhatikan deviation from linearity. Kita lihat nilai signifikasinya yaitu 0.273. Kembali pada dasar pengambilan keputusan yaitu jika nilai sig. deviation from linearity > 0.05, maka terdapat hubungan yang linear antara variabel bebas dengan variabel terikat. Karena 0.273 < 0.05 jadi hubungan kedua data adalah linear.

Kita lihat di bagian anova table yang kedua yaitu pengaruh motivasi terhadap prestasi kita perhatikan deviation from linearity. Kita lihat nilai signifikasinya yaitu 0.014. Kembali pada dasar pengambilan keputusan yaitu. Jika nilai sig. deviation from linearity < 0.05, maka tidak terdapat hubungan yang linear antara variabel bebas dengan variabel terikat. Karena 0.014 < 0.05 jadi hubungan kedua data adalah tidak linear.

 

BAB III

PENUTUP

Kesimpulan

Regresi linear adalah sebuah pendekatan untuk memodelkan hubungan antara variable terikat Y dan satu atau lebih variable bebas yang disebut X. Salah satu kegunaan dari regresi linear adalah untuk melakukan prediksi berdasarkan data-data yang telah dimiliki sebelumnya. Hubungan di antara variabel-variabel tersebut disebut sebagai model regresi linear. Berdasarkan penggunaan variable bebas, maka regresi linear dapat dibagi menjadi dua, yaitu regresi linier sederhana dan regresi linear berganda. Tipe yang pertama adalah regresi linier sederhana yang berfungsi untuk mengetahui hubungan linier antara dua variabel, satu variabel dependen dan satu variabel independen. Tipe kedua adalah regresi linier berganda yang merupakan model regresi linier dengan satu variabel dependen dan lebih dari satu variabel independen.

Saran 

Berdasarkan kesimpulan di atas maka penulis menyarankan supaya pembaca mempelajari dengan teliti dan cermat bagaimana menganalisis regresi linear secara sederhan maupun berganda. Agar dapat membantu dalam melakukan penelitian di berbagai bidang ilmu pengetahuan terkhusus ilmu perpustakan.

 

DAFTAR PUSTAKA

Harlan, J. (2018). Analisis Regresi Linear. Depok: Gunadarma.

Kho, D. (16, April 2020). Analisis Linear Sederhana (Simple Linear Regreassion). Retrieved Mei 29, 2021, from teknikelektonika.com: https://teknikelektronika.com/analisis-regresi-linear-sederhana-simple-linear-regression/

Watsono, J. (n.d.). Mengenal Apa Itu Analisis Regresi. Retrieved mei 29, 2021, from http://www.jonathansarwono.info/regresi/regresi.htm

Xin Yan, X. G. (2009). Linear Regression Analysis. London: World Scientific Publishing.

Yuliara, I. M. (2016). Regresi Linier Berganda. Bali: FMIPA Universitas Udayana.