REGRESI LINEAR SEDERHANA MENGGUNAKAN APLIKASI SPSS new

PENGUJIAN STATISTIK REGRESI LINEAR SEDERHANA

A. Pengertian

1. Regresi

Regresi adalah bentuk hubungan fungsional antara variabel respon dan prediktor.
Analisis regresi merupakan teknik statistik yang banyak penggunaannya serta
mempunyai manfaat yang cukup besar bagi pengambil keputusan. Secara umum,
dalam analisis regresi digunakan metode kuadrat terkecil (least sqaure method) untuk
mencari kecocokan garis regresi dengan data sampel yang diamati.

Bila terdapat suatu data yang terdiri atas dua atau lebih variabel, adalah
sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu saling
berhubungan dan saling mempengaruhi satu sama lain. Hubungan yang didapat pada
umumnya dinyatakan dalam bentuk persamaan matematik yang menyatakan hubungan
fungsional antara variabel-variabel. Studi yang menyangkut masalah ini dikenal
dengan analisis regresi (Tan, 2009).

Ada beberapa hal yang harus diperhatikan dalam menggunakan analisis regresi
yaitu:
• Representasi pemetaan dari karakteristik sistem kongkrit yang akan dipelajari.
• Abstraksi yang merupakan transformasi karakteristik sistem kongkrit yang akan

dipelajarikeadaan formula-formula matematika.
• Kesimpulan dalam analisis regresi diambil dengan mengambil dalih pada asumsi-

asumsi yang menyangkut parameter populasi, dan apabila asumsi-asumsi tersebut
dipenuhi maka prosedur kesimpulan parametriklah yang lazim paling sesuai untuk
dipergunakan, dan apabila asumsi-asumsi tersebut dilanggar, maka penerapan
prosedur paramterik bisa jadi akan menyebabkan hasil kesimpulan yang
menyesatkan
• Apabila kejadian tersebut terjadi dapat digunakan dengan pendekatan prosedur non
parametrik.

Jika ada satu variabel tak bebas atau variabel terikat (dependent variable)
tergantung pada satu atau lebih variabel bebas atau peubah bebas (independent

variable) hubungan antara kedua variabel tersebut dapat dicirikan melalui model
matematik (statistik) yang disebut sebagai model regresi.

2. Jenis Jenis Regresi
Terdapat empat jenis-jenis regresi dalam statiska, diantaranya:
1) Regresi Linier
Regresi linier dibedakan menjadi dua bagian berdasarkan banyaknya
variabel bebas yang terlibat dalam persamaan yang ikut mempengaruhi nilai
variabel terikat
2) Regresi Linier Sederhana
Apabila dalam diagram pencar terlihat bahwa titik titiknya mengikuti suatu
garis lurus, menunjukkan bahwa kedua peubah tersebut saling berhubungan sacara
linier. Bila hubungan linier demikian ini ada, maka kita berusaha menyatakan
secara matematik dengan sebuah persamaan garis lurus yang disebut garis regresi
linier. Untuk regresi linier sederhana, perlu ditaksir parameter . Jika ditaksir oleh a
dan b, maka regresi linier berdasarkan sampel dirumuskan sebagai berikut.
Y= a + bx
Keterangan :
Y= nilai yang diukur/dihitung pada variabel tidak bebas
x = nilai tertentu dari variabel bebas
a = intersep/ perpotongan garis regresi dengan sumbu y
b = koefisien regresi / kemiringan dari garis regresi / untuk mengukur kenaikan
atau penurunan y untuk setiap perubahan satu-satuan x / untuk mengukur
besarnya pengaruh x terhadap y kalau x naik satu unit.
• Peramalan Kuantitatif
Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data
kuantitatif masa lalu. Hasil peramalan yang dibuat sangat tergantung pada
metode yang dipergunakan dalam peramalan tersebut.

• Peramalan Kualitatif

Peramalan kualitatif biasanya digunakan bila tidak ada atau sedikit data
masa lalu tersedia.

3) Syarat Uji Regresi Linear Sederhana

• Valid dan Reliabel
• Normal dan Linear

4) Dasar Pengambilan Keputusan
Pengambilan keptusan dalam uji regresi linear sederhana dapat mengacu pada
dua hal, yakni :

5) Membandingkan nilai signifikansi dengan nilai probabilitas 0,05

• Jika nilai signifikansi < 0,05, artinya variabel X berpengaruh

terhadap variabel Y.

• Jika nilai signifikansi > 0,05, artinya variabel X tidak berpengaruh

terhadap variabel Y.

6) Membandingkan nilai t hitung dengan t tabel

• Jika nilai t hitung > t tabel, artinya variabel X berpengaruh terhadap variabel Y.
• Jika nilai t hitung < t tabel, artinya variabel X tidak berpengaruh

terhadap variabel Y.
B. Analisis Regresi Dengan Bantuan SPSS

Apakah software SPSS sudah terinstall di komputer anda? Kalau belum silahkan
download softwarenya, lalu install ke komputer anda.

Setelah software SPSS di install, langkah-langkah analisis regresi sederhana dengan
cara mengunakan aplikasi SPSS dapat kita lakukan dengan langkah-langkah sebagai berikut:
1. Langkah pertama kita mengunduh aplikasi spss versi 29

2. Setelah mengunduh dan menginstall aplikasinya, kita membuka aplikasi spss.
3. Kemudian kita memasukkan data yang sudah tersedia kedalam kolom dibagian data view.

4. Selanjutnya kita mengklik variable view yang ada disebelah data view.
5. Kemudian pada kolom name dikolom pertama kita ganti X dan dikolom kedua kita ganti

menjadi Y

6. Langkah selanjutnya pada kolom decimals, kita mengganti menjadi 0
7. Pada kolom label bagian kolom pertama diisi dengan variable Hari (X) sedangkan pada

kolom kedua kita isi IPK (Y)
8. Selanjutnya mengklik menu analyze kemudian kita pilih Regression dan kita klik linear

9. Setelah muncul format linear regression akan muncul tampilan seperti ini.

10. Untuk variable X (Hari) kita pindah ke kolom independent dan untuk variable Y (IPK)
kita pindahkan ke kolom dependent, kemudian klik OK.

11. Kemudian muncul output dari spss, tahap berikutnya menjelaskan atau menginterpretasi
dari output yang sudah muncul
• Yang pertama adalah output variables Entered/Removed

• Pada lingkaran merah merupakan poin-poin penting yang perlu kita pelajari dalam
uji regresi ini

• Tabel di atas menjelaskan tentang variabel yang dimasukkan serta metode yang
digunakan. Dalam hal ini variabel yang dimasukkan adalah variabel Hari sebagai
variabel Independent dan IPK sebagai variabel Dependen dan metode yang
digunakan adalah metode Enter

• Lalu output yang kedua (model summary)

• Tabel di atas menjelaskan besarnya nilai korelasi / hubungan (R) yaitu sebesar
0,983. Dari output tersebut diperoleh koefisien determinasi (R Square) sebesar
0,966, yang mengandung pengertian bahwa pengaruh variabel bebas(Hari)
terhadap variabel terikat (IPK) adalah sebesar 96,6%

• Lalu output yang ketiga (ANOVA)

• Dari output tersebut diketahui bahwa nilai F hitung = 516,919 dengan tingkat
signifikansi sebesar 0,001 < 0,05 maka model regresi dapat dipakai untuk
memprediksi variabel IPK atau dengan kata lain ada pengaruh variabel Hari
(X) terhadap variabel IPK (Y)

• Lalu output yang keempat (Coefficients)

• Diketahui nilai Constant (a) sebesar 4,580 sedang nilai Hari ( b / koefisien
regresi) sebesar -0,162 sehingga persamaan regresinya dapat ditulis:
Y = a + bX
Y = 4,580 + - 0,162 X
Persamaan tersebut dapat diterjemahkan :

• Kostanta sebesar 4,580 mengandung arti bahwa nilai konsisten variabel
IPK adalah sebesar 4,580

• Koefisien regresi X sebesar -0,162 menyatakan bahwa setiap penambahan 1%
nilai Hari, maka nilai IPK bertambah sebesar -0,162 Koefisien regresi tersebut
bernilai negatif, sehingga dapat dikatakan bahwa arah pengaruh variable X
terhadap Y adalah negatif.

C. Pengambilan Keputusan dalam Uji Regresi Sederhana
• Berdasarkan nilai signifikansi : dari tabel Coefficients diperoleh nilai
signifikansi sebesar 0,001 < 0,05 sehingga dapat disimpulkan bahwa variabel
Hari (X) berpengaruh terhadap variabel IPK (Y)
• Berdasarkan nilai t : diketahui nilai thitung sebesar 22,736 > ttabel 1,734
sehingga dapat disimpulkan bahwa variabel Hari (X) berpengaruh terhadap
variabel IPK (Y).

Catatan :
cara mencari ttabel
ttabel = (α/2 ; n-k-1)

= (0,05/2 ; 20-1-1)
= (0,025 ; 18) [Dilihat pada distribusi nilai ttabel]
= 1,734