ANALISIS REGRESI LINEAR DAN KORELASI

.Analisis Regresi Linear Sederhana

Regresi adalah bentuk hubungan fungsional antara variabel respon dan prediktor.
Guna regresi adalah untuk prediksi. Dalam hal ini, regresi linear sederhana Y atas X.
Misalnya, apakah prestasi belajar (Y) dapat diprediksi dari motivasi (X)? Atau apakah
terdapat hubungan fungsional antara motivasi dan prestasi belajar? Konstelasi masalahnya
dapat digambarkan sebagai berikut.
X

Gambar 2.1. Hubungan antara Variabel Bebas dan Variabel Terikat

Variabel X = variabel prediktor (bebas, independen)

Variabel Y = variabel kriterium (respon, terikat, tergantung, dependen)

Persamaam regresi linear sederhana: Rumus: = a + bX

Keterangan: a = konstanta (bilangan konstan)
b = koefisien arah regresi

( Y )( X ) ( X )( XY )
Rumus: a =
n X ( X )
2

b=

n XY ( X )( Y )
n X 2 ( X )

1. Contoh analisis regresi sederhana

Tabel 2.1. Skor Motivasi (X) dan Skor Prestasi belajar (Y)
Responden
1
2
3
4
5
6
7
8
9
10
11
12

X
34
38
34
40
30
40
40
34
35
39
33
32

Y
32
35
31
38
29
35
33
30
32
36
31
31

XY
1088
1368
1054
1520
870
1400
1320
1020
1120
1404
1023
992

X2
1156
1444
1156
160
900
1600
1600
1156
1225
1521
1089
1024

Y2
1024
1296
961
1444
841
1225
1089
900
1024
1296
961
961

13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Jumlah ()

42
40
42
42
41
32
34
36
37
36
37
39
40
33
34
36
37
38
1105

36
37
35
38
37
30
30
30
33
32
34
35
36
32
32
34
32
34
1001

1512
1480
1470
1596
1517
960
1020
1080
1221
1152
1258
1365
1440
1056
1088
1224
1184
1292
37094

1764
1600
1764
1764
1681
1024
1156
1296
1369
1296
1369
1521
1600
1089
1156
1296
1369
1444
41029

2. Langkah-langkah Perhitungan
Diketahui:X = 1105
Y

= 1001

XY = 37094
X2 = 41029
Y2 = 33599
a=

(1001)( 41029) (1105)( 37094)

2
30( 41029 ) (1105)

b=

30(37094) (1105)(1001)
= 0,68
30(41029) (1105) 2

= 8,24

Dengan demikian, persamaan garis regresinya: = 8,24 + 0,68X

Jika X=32, maka = 8,24+0,68 * 32 = 28,64

-30,00...........
= 8,24 + 0,68X
-8,24
30

32

34

36

1296
1369
1225
1444
1369
900
900
900
1089
1024
1156
1225
1296
1024
1024
1156
1024
1156
33599

Gambar 2.2. Gambar Persamaan Garis Regresi

3. Uji Kelinearan dan Keberartian Regresi

Hipotesis yang diuji adalah sebagai berikut.
(1) H0: Regresi linear
H1: Regresi non linear
(2) H0: Harga F regresi non signifikan/tidak bermakna/tidak berarti
H1: Harga F regresi signifikan/bermakna/berarti
Langkah-langkahmengerjakan adalah sebagai berikut.
(1) Urutkan data X dari terkecil hingga data terbesar, diikuti oleh data Y
Tabel 2.2. Pengelompokan data Skor Motivasi dan Prestasi Belajar
X
30
32
32
33
33
34
34
34
34
34
35
36
36
36
37
37
37
38
38
39
39
40
40
40
40
40
41
42
42
42

Kelompok
1
2

ni
1
2

5
6

1
3

10

11
12

1
3

Y
29
31
30
31
32
32
31
30
30
32
32
30
32
34
33
34
32
36
34
36
35
38
35
33
37
36
37
36
35
38

Dengan demikian, terdapat 12 kelompok

(2) Hitung berturut-turut Jumlah Kuadrat (JK)= Sum Square (SS)dengan rumus berikut.
JK(T) = Y2
JK(a) = (Y)2
N

JK(ba) = bXY

(X )(Y )
N

JK(S) = JK(T) JK(a) JK(ba)

(Y ) 2

JK(G) = Y
n

JK(TC) = JK(S) JK(G)

Perhitungan:
JK(T) = Y2 = 33599
JK(a) = (Y)2 = (1001)2 : 30 = 33400,03
N

JK(ba) = b XY

(X )(Y ) = (0,68)37094 (1105)(1001) = 152,21

N

30

JK(S) = JK(T) JK(a) JK(ba) = 33599 33400,03 152,21 = 46,76

( Y ) 2 2 (29) 2 2
(31 + 30) 2

2
2
= 29
+ 31 + 30
+
JK(G) = Y
n
1
2

2
(31 + 32) 2 2
(32 + 31 + 30 + 30 + 32) 2
2
2
2
2
2
31 + 32
+ 32 + 31 + 30 + 30 + 32
+
2
5

2
2
2 (32) 2
(30 + 32 + 34) 2
(33 + 34 + 32) 2
2
2
2
2
32

+
30
+
32
+
34

+
33
+
34
+
32

+
1
3
3

2
2
2
(36 + 34) 2
(36 + 35)
2
2
36 + 34
+ 36 + 35
+
2
2

(38 + 35 + 33 + 37 + 36) 2 (37) 2

2
2
2
2
2
38
+
35
+
33
+
37
+
36

+ 37

5
1

(36 + 35 + 38) 2
+ 36 2 + 35 2 + 38 2
= 37,67
3

JK (G) = 37,67
JK(TC) = JK(S) JK(G) = 46,76 37,67 = 9,09
(3) Hitung derajat kebebasan (dk) sebagai berikut.
dk (a) = 1 dk = derajat kebebasan = degree of freedom (df)
dk (b|a) = 1 jumlah prediktor 1
dk sisa = n-2 = 30-2 = 28

dk tuna cocok = k-2 = 12-2 = 10 k= jumlah pengelompokan data X = 12

dk galat = n-k = 30-12 =18
(4) Hitung Rerata Jumlah Kuadrat (RJK) sebagai berikut.
RJK(T) = JK(T) : n = 33599 : 30 =1119,97
RJK(S) = JK(S) : dk(S) = n-2 = 46,76: 28 = 1,67
RJK(Reg) = JK(Reg) : dk(reg) = 152,21 : 1 = 152,21
RJK(TC) = JK(TC) : db(TC) = 9,09 : 10 = 0,91.
(5) Hitung harga F regresi dan F tuna cocok sebagai berikut.
F (Reg) = RJK(Reg) : RJK(Sisa) = 152,21 : 1,67 = 91,14
F(TC) = RJK(TC) : RJK(G) = 0,91 : 2,09 = 0,44
(5) Masukkan ke dalam tabel F (ANAVA) untuk Regresi Linear berikut
Tabel 2.3. Tabel Ringkasan Anava Untuk Menguji Keberartian dan Linearitas Regresi
Sumber Variasi
Total
Koefisien (a)

JK (SS)
33599
33400,03

dk (df)
30
1

RJK (MS)
1119,97
-

F hitung
-

F tabel
-

Regresi (ba)

152,21

152,21

91,14*)

4,20

Sisa(residu)
Tuna Cocok

46,76
9,09

28
10

1,67
0,91

0,44ns

2,42

Galat (error)

37,67

18

2,09

*) signifikan pada taraf signifikansi 5%

ns = non signifikan
Keterangan:
JK (T) = Jumlah Kuadrat Total
JK(a) = Jumlah kuadrat (a) koefisien (a) = konstanta, X=0
JK(ba) = Jumlah kuadrat (ba) koefisien regresi
JK(S) = Jumlah Kuadrat Sisa (residu)
JK(G) = Jumlah kuadrat Galat (error)
JK(TC) = Jumlah Kuadrat Tuna Cocok (penyimpangan linearitas)
RJK = Rerata Jumlah Kuadrat = Sum Square (SS) = Rerata Jumlah Kudrat (RJK)

(6) Aturan keputusan (kesimpulan):

Jika F hitung (regresi) lebih besar dari harga F tabel pada taraf signifikansi 5% (
0,05), maka harga F hitung (regresi) signifikan, yang berarti bahwa koefisien regresi adalah
berarti (bermakna). Dalam hal ini, F hitung (regresi) = 91,14, sedangkan F tabel untuk dk
1:28 (pembilang = 1; dan penyebut = 18) untuk taraf signifikansi 5% = 4,20. Ini berarti, harga
F regresi > dari harga F tabel, sehingga hipotesis nol ditolak dan hipotesis alternatif diterima,
sehingga harga F regresi adalah signifikan. Dengan demikian, terdapat hubungan fungsional
yang signifikan antara variabel motivasi dan prestasi belajar.
Jika harga F hitung (tuna cocok) lebih kecil dari harga F tabel, maka harga F hitung
(tuna cocok) non signifikan, yang berarti bahwa hipotesis nol diterima dan hipotesis altenatif
ditolak, sehingga regresi Y atas X adalah linear. Dalam hal ini, F hitung (tuna cocok) = 0,44,
sedangkan F tabel untuk taraf signifikansi 5% = 2,42, dengan demikian harga F tuna cocok <
dari harga F tabel. Ini berarti, H0 diterima sehingga harga F tuna cocok adalah non signifikan.
Dengan demikian, hubungan antara variabel motivasi dan prestasi belajar adalah linear.
Atas dasar analisis regresi, dapat dihitung kadar hubungan antara X dan Y atau kadar
kontribusi X terhadap Y. Koefisien korelasi (r) dapat dihitung dengan rumus berikut:
r2 =

JK (TD ) JK ( S )
, dimana JK(TD) = jumlah kuadrat total dikoreksi.
JK (TD)

JK(TD) = JK(T) JK(a) = 33599 - 33400,03 = 198,97. Jadi r2 =

Koefisien korelasinya (r) =

0,765 =

198,97 46,76
= 0,765
198,97

0,875.

Dengan rumus korelasi produk moment, juga dapat dihitung koefisien korelasinya, yaitu
sebagai berikut:
Telah diketahui (telah dihitung di atas):
X = 1105
Y

= 1001

XY = 37094
X2 = 41029
Y2 = 33599
rxy =

rxy =

N XY ( X )( Y )

{N X

( X )

}{N Y

( Y )

(30 x37094) (1105 x1001)

{(30 x41029) (1105) }{(30 x33599) (1001) }

2

= 0,875

Untuk uji signifikansi koefisien korelasi, digunakan table nilai-nilai r Product

Moment untuk n = 30 pada taraf siginifikansi 5%. Nilai r table untuk n = 30 pada taraf
signifikansi 5% = 0,361; dan untuk taraf signifikansi 1% = 0,463. Dengan demikian, nilai r
hitung = 0,875 lebih besar dari nilai r table, baik pada taraf signifikansi 1% maupun 5%. Ini
berarti, bahwa nilai r hitung adalah signifikan pada taraf signifikansi 5% maupun 1%.
Kesimpulan: H0 ditolak, dan H1 diterima, yang berarti bahwa terdapat korelasi positif antara
motivasi dan prestasi belajar.
Catatan: Selain pengujian signifikansi menggunakan tabel r, dapat juga
menggunakan uji-t, dengan rumus berikut (jika tidak ada tabel nilai-nilai r product moment)
t=

r n 2
1r

0,875 30 2
1 (0,875)

4,630064794
= 9,564
0,484122918

Selanjutnya, harga t hitung tersebut dibandingkan dengan harga t tabel. Untuk uji dua
pihak pada taraf signifikan 5%, dk = n-2 = 30-2 = 28, maka harga t tabel = 2,048. Ternyata
harga t hitung lebih besar dari harga t tabel, sehingga H 0 ditolak, dan H1 diterima. Ini berarti,
harga t hitung adalah signifikan, sehingga disimpulkan bahwa terdapat korelasi positif dan
signifikan antara motivasi dan prestasi belajar. Untuk mengetahui kontribusi variabel
prediktor terhadap kriterium, nilai koefisien korelasinya dikuadratkan (r2). Koefisien
determinasi (r2) = (0,875)2 = 0,765 atau 76,5%; ini berarti sumbangan atau kontribusi
motivasi terhadap prestasi belajar adalah sebesar 76,5%, sedangkan residunya sebesar 23,5%
dijelaskan oleh variabel lain yang tidak diteliti.

B. Analisis Regresi Linear Ganda Dua Prediktor (Multiple Regression)

1. Konstelasi Masalah

X1
Y
X2
Gambar 2.3. Hubungan antara Variabel Prediktor dan Kriterium

Keterangan:
X1 = Kemampuan kerja karyawan
X2 = Kepemimpinan direktif
Y = Produktivitas kerja
Rumus persamaan regresi: = b0 + b1X1+ b2X2
= prediksi atau ramalan kriterium
b0 = a = (konstan)
b1 = beta prediktor X1
b2 = beta prediktor X2
2. Tabel Data
Tabel 2.4. Data Skor Kemampuan kerja, Kepemimpinan direktif,
dan Produktivitas kerja
Respon-den
1
2
3
4
5
6
7
8
9
10

X1
10
2
4
6
8
7
4
6
7
6
60

X2
7
3
2
4
6
5
3
3
4
3
40

Y
23
7
15
17
23
22
10
14
20
19
170

X12
100
4
16
36
64
49
16
36
49
36
406

X22
49
9
4
16
36
25
9
9
16
9
182

X1 X2
70
6
8
24
48
35
12
18
28
18
267

X1Y
230
14
60
102
184
154
40
84
140
114
1122

X2Y
161
21
30
68
38
110
30
42
80
57
737

Y2
529
49
225
289
529
484
100
196
400
361
3162

Hasil perhitungan pada tabel di atas adalah:

X1

= 60

X2= 40
Y

= 170

X12 = 406
X22 = 182
X1X2 = 267
X1Y = 1122
X2Y = 737
Y2

= 3162

3. Menghitung beta
Menghitung harga-harga : b0; b1, b2dengan menggunakan persamaan berikut, dengan
menggunakan skor angka kasar:
(1) Y

= nb0

+ b1X1 + b2X2

(2) X1Y

= b0X1 + b1X12

(3) X2Y

= b0X2 + b1X1X2+ b2X22

+ b2X1X2

Masukkan harga-harga di atas dimasukkan ke dalam persamaan tersebut sehingga menjadi:

(1) 170

= 10 b0

+ 60 b1 + 40 b2

(2) 1122

= 60 b0+ 406 b1+ 267 b2

(3) 737

= 40 b0 + 267 b1 + 182 b2

Untuk menyelesaikan persamaan tersebut untuk memperoleh koefisien b0, b1, dan b2,
dapat digunakan metode eliminasi berikut.
Persamaan (1) dikalikan 6, persamaan (2) dikalikan 1, kemudian dikurangkan sehingga
menjadi sebagai berikut.
1020

= 60 b0

+ 360 b1

+ 240 b2

1122

= 60 b0

+ 406 b1

+ 267 b2

______________________________________ - 102 = 0
(4)

-46 b1 +

-27 b2

- 102 = -46 b1 - 27 b2

Persamaan (1) dikalikan dengan 4, persamaan (3) dikalikan dengan 1, hingga hasilnya
menjadi sebagai berikut:
680

= 40 b0 + 240 b1 +

160 b2

737

= 40 b0 + 267 b1 +

182 b2

________________________________
(5)

-57

= 0 + - 27 b1

-57

- 27 b1

- 22 b2
- 22 b2

Persamaan (4) dikalikan dengan 27, persamaan (5) dikalikan dengan 46, sehingga hasilnya
menjadi:
-2754 = -1242 b1 - 729 b2
-2622 = -1242 b1 - 1012b2
_____________________________
-132

0 b1+ 283 b2

b2 = -132 : 283 = - 0,466

Harga b2 dimasukkan ke dalam salah satu persamaan (4) atau (5). Dalam hal ini, dimasukkan
ke dalam persamaan (4), sehingga menjadi:

-102

= -46b1 27 (-0,466)

-102

= -46b1 +12,582

46b1

= 114,582 b1 = 2,4909 = 2,491

Harga b1dan b2 dimasukkan dalam persamaan (1), sehingga menjadi:

170

= 10 b0

+ 60 (2,4909) + 40 (-0,466)

170

= 10 b0+ 149,454

- 18,640

10 b0 = 170 149,454+ 18,640

b0

= 39,186 : 10 = 3,9186 =3,919

Jadi, persamaan regresi linear ganda untuk dua prediktor:
= 3,919 + 2,491X1 - 0,466X2
Ini berarti produktivitas kerja pegawai akan naik, jika kemampuan pegawai

ditingkatkan, dan akan turun jika kepemimpinan direktif (otoriter) ditingkatkan. Jika
kemampuan pegawai ditingkatan menjadi 10, dan tingkat kepemimpinan direktif sampi 10,
maka produktivitas kerja pegawai menjadi: = 3,9186 + 2,4909X1 - 0,466X2= 3,9186 +
(2,4909 x 10) (0,466 x 10) = 24,1676 Jadi diprediksi produktivitas kerja pegawai
= 24,1676.
4. Menghitung beta dengan rumus deviasi
Cara perhitungan koefisien-koefisien b0, b1, danb2di atas sangat panjang dan rumit.
Untuk mengatasi hal tersebut, dapat digunakan cara lain yang lebih sederhana, yaitu hanya
dengan dua persamaan, tetapi harus diubah menjadi skor deviasi terlebih dahulu. Dengan
demikian, persamaannya menjadi:
= b0+b1x1 + b2x2
b1, b2 dapat dihitung dari persamaan berikut

x y = b
x y = b
1

x1 + b2 x1 x2
2

x1 x2 + b2 x2

Sedangkan b0 dapat dihitung menggunakan b1, danb2 serta rata-rata X 1 , X 2 , danY

5. Menghitung skor deviasi

Selanjutnya, koefisien regresi dapat dihitung menggunakan rumus berikut.

b0 = Y b1 X 1 b2 X 2

( x 2 )( x1 y ) ( x1 x 2 )( x 2 y )
2

b1 =

( x1 )( x 2 ) ( x1 x 2 ) 2
2

( x1 )( x 2 y ) ( x1 x 2 )( x1 y )
2

b2 =

( x1 )( x 2 ) ( x1 x 2 ) 2
2

Untuk menghitung skor simpangan (deviasi), digunakan rumus-rumus berikut.

y 2 = Y 2
x

= X 2

(Y ) 2

n
( X ) 2

x y = X Y
i

x x
i

( X i )(Y )

= X i X j

n
( X i )( X j )
n

Skor rata-rata X 1 = 6, X 2 = 4, danY = 17 (lihat tabel di atas, rata-rata = X dibagi n).

Telah diketahui (lihat tabel data di atas):
N = 10
X1

= 60

X2 = 40
Y

= 170

X12 = 406
X22 = 182
X1X2 = 267
X1Y = 1122
X2Y = 737
Y2

= 3162
Selanjutnya dapat dihitung harga-harga skor deviasi (menggunakan lambang huruf

kecil)sebagai berikut.

= Y

= X1

2
2

(Y ) 2

= X 2
2

( X 1 ) 2

n
( X 2 ) 2

y = X 1Y

y = X 2Y

= 3162 (1702 : 10) = 272

= 406- (602 : 10) = 46

= 182 (402 : 10) = 22

( X 1 )(Y )

n
( X 2 )(Y )

= 1122 ((60x170) : 10) = 102

= 737 ((40x170) : 10) = 57

n
( X 1 )( X 2 )
= 267 ((60x40) : 10) = 27
x1 x 2 = X 1 X 2
n
2

Dengan menggunakan rumus deviasi, dapat dihitung harga b1, danb2 sebagai berikut.
(22)(102) ( 27)(57)
= 705 : 283 = 2,491
( 46)(22) (27) 2
( 46)(57) (27)(102)
b2 =
= -0,466
(46)(22) (27) 2
b0 = 17 (2,491x6) ( 0,466 x 4) = 3,918
b1 =

Dibandingkan dengan perhitungan menggunakan rumus panjang, tampak adanya

perbedaan hasil yang praktis dapat diabaikan (sangat kecil perbedaannya, karena adanya
pembulatan). Persamaan garis regesinya: = 3,918 + 2,491X1 - 0,466X2
Cara menghitung beta dapat juga dilakukan dengan metode Selisih Produk Diagonal
(SPD) sebagai berikut.
Persamaan:
(1)
(2)

x y = b
x y = b
1

x1 + b2 x1 x2
2

x1 x2 + b2 x2

Masukkan skor deviasi ke dalam persamaan tersebut sehingga menjadi sebagai berikut.
(1) 102 = 46 b1 + 27 b2
(2) 57 = 27 b1 + 22 b2
--------------------------(3) 705 = 283 b1 b1 = 705/283 = 2,491
Cara menghitung:
(102*22) (57*27) = 705
(46*22) (27*27) = 283 b1
Masukkan b1 ke salah satu persamaan di atas, misalnya dimasukkan ke persamaan (2)
sehingga menjadi:

57 = 27 (2,491) + 22 b2
57 = 67,257 + 22 b2
= 57 67,257 = 22 b2
= - 10,257 = 22 b2 b2 = -10,257/22 = -,466
Hasilnya sama dengan cara penyelesaian pertama di atas.
Dibandingkan dengan perhitungan menggunakan rumus panjang, tampak adanya
perbedaan hasil yang praktis dapat diabaikan (sangat kecil perbedaannya, karena adanya
pembulatan). Persamaan garis regesinya: = 3,918 + 2,491X1 - 0,466X2
6. Keberartian Regresi Ganda
Setelah diperoleh koefisien arah regresi, dilanjutkan dengan menghitung korelasi
ganda untuk 2 prediktor, dengan rumus berikut.
b1 x1 y + b2 x 2 y

Ry (1,2) =

( 2,491 * 102) + (0,466 * 57)

= 0,912
272

Koefisien determinasi (R2) = 0,832; ini artinya bahwa sebesar 83,20% produktivitas
kerja karyawan dapat dijelaskan oleh variabel kemampuan kerja dan kepemimpinan direktif.
7. Uji Keberartian Regresi
Untuk Uji signifikansi regresi, menggunakan uji F regresi: F =

JK (reg ) / k
JK ( sisa ) /( n k 1)

JK(reg) = b1 x1 y + b2 x 2 y
= (2,491)(102)+(-0,466)(57)= 227,52
JK(T) = y2 = 272
JK(sisa) = JK(T) =y2 JK(reg) = 272 227,52 = 44,48
dk reg = k (prediktor = 2)
RJK (reg) = JK(reg)/dk reg = 227,52 : 2 = 113,76
dk (sisa) = n k 1 = 10-2-1 = 7
RJK(sisa) = JK(sisa)/dk sisa = 44,48 : 7 = 6,354
F reg = RJK(reg)/RJK(sisa) = 113,76 : 6,354 = 17,90
Tabel 2.5. Ringkasan Anava untuk Menguji Keberartian Regresi
Sumber
Variasi
Regresi

JK

dk

RJK

F hitung

227,52

113,76

17,90

F tabel
0,05
0,01
4,74
9,55

Sisa
Total

44,48
272

7
9

6,354
-

Harga F hitung selanjutnya dikonsultasikan dengan F tabel dengan derajat kebebasan

(dk) pembilang = 2 dan dk penyebut = 7 untuk taraf signifikansi 5%, diperoleh F tabel = 4,74
dan untuk taraf signifikansi 1% = 9,55. Dengan demikian, harga F hitung = 17,90 > dari
harga F tabel pada ts. 5% = 4,74; sehingga hipotesis nol ditolak dan hipotesis alternatif,
diterima.

Ini

berarti

bahwa

koefisien

regresi

ganda

yang

diperoleh

adalah

bermakna/berarti/signifikan.
Setelah diketahui harga R bermakna, maka dapat disimpulkan bahwa sebesar 83,20%
variasi

yang

terjadi

pada

produktivitas

kerja

karyawan

(Y)

dapat

dijelaskan/dikontribusi/diprediksi oleh variabel kemampuan kerja (X1) dan kepemimpinan

direktif (X2) melalui persamaan regresi = 3,918 + 2,491X1 - 0,466X2.
8. Uji Keberartian Koefisien Regresi Linear Ganda
Meskipun ternyata regresi ini berarti, untuk menilai ketepatan ramalan (prediksi),
perli dilihat galat baku taksiran (simpangan baku taksiran) yang diberi lambang s 2y.12, dapat
dihitung dengan rumus berikut.
s 2 y.12 =

JK ( Sisa )
44,48
44,48
=
=
= 6,354
( n k 1) (10 2 1)
7

Dengan demikian galat baku taksiran, sy.12 = 6,354 = 2,521. Dengan galat baku
taksiran ini, dapat dihitung galat baku koefisien b1 dan b2yang diberi lambang sbi , dapat
dihitung dengan rumus:

bi

s 2 y.12
=
x 2 ij (1 R 2 i )

Selanjutnya, uji keberatian koefisien regresi, digunakan statistik:

t = bi / sbi

dengan dk = (n-k-1) = 10-2-1 = 7

Dengan persamaan regresi = 3,918 + 2,491X1 - 0,466X2,apakah koefisien-koefisien 2,4909

dan 0,466 bermakna atau tidak. Untuk itu, perlu dihitung galat baku b1 dan b2.
Selanjutnya, dihitung harga-harga:

s 2 y .12 =

JK ( Sisa )
44,48
44,48
=
=
= 6,354.
(n k 1) (10 2 1)
7

= 46; x 2

= 22; dan y 2 = 272.....(lihat .. perhitungan..diatas )

Korelasi antara X1 dan X2 = rxy =

= rxy =

N XY ( X )( Y )

{N X

10(267) (60)( 40)

{10(406 (60) }{10(182 (40) }

2

( X )

} {N Y

( Y )

270
270
=
= 0,849
101200 318,119

r2 = 0,721.
Dengan demikian, dapat dihitung varians galat baku berikut:

s 2 b1 =

s 2 y .12
6,354
6,354
=
=
= 0,495...sb1 = 0,495 = 0,704
2
2
x 1 (1 R 1 ) 46(1 0,721) 12,834

s 2b2 =

6,354
6,354
=
= 1,035.....sb 2 = 1,035 = 1,017
22(1 0,721) 6,138

t = b1 / sb1 = 2,491/ 0,704 = 3,538 tt 0,05 =1,895; jadi t hitung lebih besar dari t tabel; ini
berarti bahwa koefisien arah yang berkaitan dengan X1 adalah berarti.
t = b2 / sb2 = - 0,466 / 1,017 = 0,458 t hitung lebih kecil dari t tabel sehingga koefisien arah
yang berkaitan dengan X2 tidak berarti.
Dari pengujian tersebut di atas dapat disimpulkan bahwa daya ramal prediktor
kemampuan kerja terhadap produktivitas kerja adalah berarti/bermakna; sedangkan daya
ramal prediktor kepemimpinan direktif terhadap produktivitas kerja, tidak bermakna.
C. Analisis Regresi Tiga Prediktor
1. Konstelasi Masalah:
X1

X2

X3

Gambar:3.1. Hubungan antar Variabel Prediktor dan Kriterium

Keterangan:
X1 = Kemampuan kerja
X2 = Pemahaman Tugas
X3 = Motivasi kerja
Y = Produktivitas kerja
2. Contoh data
Tabel 2.6.Tabel Data Skor Kemampuan kerja, Pemahaman kerja, Motivasi kerja,
dan Produktivitas kerja
N
o
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

X1

X2

X3

X12

X22

X32

Y2

X1Y

X 2Y

X3Y

X1X2

X1X3

X2X3

60
31
70
69
50
30
40
55
58
26
78
45
47
34
57
75
0

59
33
70
69
48
29
48
54
61
34
76
43
56
42
58
78
0

67
41
71
70
49
33
51
60
59
31
75
43
46
43
56
79
5

56
36
71
68
47
34
50
60
61
29
77
46
50
39
56
78
0

3600
961
4900
4761
2500
900
1600
3025
3364
676
6084
2025
2209
1156
3249
4101
0

3481
1089
4900
4761
2304
841
2304
2916
3721
1156
5776
1849
3136
1764
3364
4336
2

4489
1681
5041
4900
2401
1089
2601
3600
3481
961
5625
1849
2116
1849
3136
4481
9

3136
1296
5041
4624
2209
1156
2500
3600
3721
841
5929
2116
2500
1521
3136
4332
6

3360
1116
4970
4692
2350
1020
2000
3300
3538
754
6006
2070
2350
1326
3192
4204
4

3304
1188
4970
4692
2256
986
2400
3240
3721
986
5852
1978
2800
1638
3248
4325
9

3752
1476
5041
4760
2303
1122
2550
3600
3599
899
5775
1978
2300
1677
3136
4396
8

3540
1023
4900
4761
2400
870
1920
2970
3538
884
5928
1935
2632
1428
3306
4203
6

4020
1271
4970
4830
2450
990
2040
3300
3422
806
5850
1935
2162
1462
3192
4270
0

3953
1353
4970
4830
2352
957
2448
3240
3599
1054
5700
1849
2576
1806
3248
4393
5

Dari tabel tersebut diperoleh harga-harga berikut:

X1

= 750

X2

= 780

X3

= 795

= 780

X12

= 41010

X22

= 43362

X32

= 44819

Y2

= 43326

X1Y

= 42044

X2Y

= 43259

X3Y

= 43968

X1X2 = 42035
X1X3

= 42700

X2X3

= 43935

X 1 = 50
X 2 = 52
X 3 = 53
Y = 52

3. Persamaan garis regresi

Persamaan regresi: = b0 + b1X1+ b2X2 + b3X3
b0 = Y b1 X 1 b2 X 2 b3 X 3

4. Menghitung koefisien regresi

Untuk menghitung koefisien regresi, digunakan skor deviasi berikut.

= Y 2

= X1

x
x

2
2

2
3

(Y ) 2

= X2
2

= X3
2

( X 1 ) 2

n
( X 2 ) 2

n
( X 3 ) 2

y = X 1Y

y = X 2Y

= 43326 (7802 : 15) = 2766

y = X 3Y

= 41010- (7502 : 15) = 3410

= 43362 (7802 : 15) = 2802
= 44819 (7952 : 15) = 2684

( X 1 )(Y )

n
( X 2 )(Y )

n
( X 3 )(Y )

= 42044 ((750x780) : 15) = 3044

= 43259 ((780x 780) : 15) = 2699

= 43968 (795x780) : 15) = 2628

n
( X 1 )( X 2 )
= 42035 ((750x780) : 15) = 3035
x1 x 2 = X 1 X 2
n
( X 1 )( X 3 )
= 42700 ((750x795) : 15) = 2950
x1 x3 = X 1 X 3
n
( X 2 )( X 3 )
= 43935 ((780x795) : 15) = 2595
x 2 x3 = X 2 X 3
n
3

Persamaan regresi untuk menghitung b0, b1, b2, danb3 digunakan persamaan sebagai
berikut.

x y = b
x y = b
1

x1 + b2 x1 x2 + b3 x1 x3
2

x1 x2 + b2 x2 + b3 x2 x3
2

y =b1 x1 x3 +b2 x2 x3 +b3 x3

b0 = Y b1 X 1 b2 X 2 b3 X 3

Skor deviasi di atas dimasukkan ke dalam persamaan tersebut, menjadi:

(1)

3044 = 3410 b1 + 3035 b2 + 2950 b3

(2)

2699 = 3035 b1 + 2802 b2

+ 2595 b3

(3)

2628 = 2950 b1 + 2595 b2

+ 2684b3

Untuk menyelesaikan persamaan tersebut digunakan metode eliminasi dengan jalan:

persamaan (1) sama-sama dibagi 2950, persamaan (2) dibagi 2595, dan persamaan (3) dibagi
2684, supaya b menjadi habis.
(1a) 1,032 = 1,190 b1 + 1,029 b2 + b3 (pembulatan)
(2a) 1,040 = 1,170 b1 + 1,080 b2 + b3(pembulatan)
(3a) 0,979= 1,099 b1+ 0,967 b2 + b3 (pembulatan)
---------------------------------------------------------------(4) 1a 2a = -0,008 = 0,020 b1 + ( -0,051) b

(dibagi -0,051)

(5) 2a 3a = 0,061 = 0,071 b1 + 0,113 b2

(dibagi 0,113)

--------------------------------------------------------------(4a)
(5a)

0,157 = -0,392 b1 + b2
0,540 = 0,628b1 + b2

--------------------------------------------------------------- (6) 4a 5a = -0,383 = -1,020 b1

b1 = (-0,383) : (-1,020) = 0,375 (pembulatan)
(5a) 0,540 = (0,628) (0,375) + b2
0,540 = 0,236 + b2
b2 = 0,540 - 0,236 = 0,304
(3a) 0,979 = 1,099 b1 + 0,967 b2 + b3
0,979 = (1,099)(0,375) + (0,967)(0,304) + b3

0,979 = 0,412 + 0,294 + b3

0,979 = 0,706 + b3
b3 = 0,979 0,706 = 0,273
b0 = Y b1 X 1 b2 X 2 b3 X 3

= 52 (0,375) (50) - (0,304)(50) (0,273(53) = 3,581

Persamaan regresi = = b0 + b1X1+ b2X2 + b3X3
= 3,581 + 0,375X1+ 0,304X2 + 0,273X3
Di samping cara tersebut di atas, koefsien beta dapat juga dicari dengan metode
Selisih Produk Diagonal (SPD) sebagai berikut.
Persamaan:
(1)

3044 = 3410 b1 + 3035 b2 + 2950 b3

(2)

2699 = 3035 b1 + 2802 b2

+ 2595 b3

(3)

2628 = 2950 b1 + 2595 b2

+ 2684b3

Ambil persamaan (1) dan (2) :

(1)
3044 = 3410 b1 + 3035 b2 + 2950 b3
(2)
2699 = 3035 b1 + 2802 b2 + 2595 b3
---------------------------------------------------------- SPD
(4)
-62870 = -104300 b1 + (-390075) b2 + 0
Ambil persamaan (2) dan (3):
(3)
(4)

2699 = 3035 b1 + 2802 b2

2628 = 2950 b1 + 2595 b2

+ 2595 b3
+ 2684b3

-----------------------------------------------------------SPD
(5)

424456 = 490690 b1 + 786543 b2 + 0

Ambil persamaan (4) dan (5):

(4) -62870 = -104300 b1 + (-390075) b2
(5) 424456 = 490690 b1 + 786543 b2
--------------------------------------------------------SPD
1,16119715811 = 2,73442336711 b1 + 0
b1 = 1,16119715811 / 2,73442336711 = 0,375
Masukkan ke persamaan (5):
424456 = (0,375)(490690) + 786543 b2
424456 = 184008,75 + 786543 b2
424456 184008,75 = 786543 b2
240447,25 = 786543 b2

b2 = 240447,25 / 786543 = 0,304

Masukkan ke persamaan (3)
(3) 2628 = 2950 b1 + 2595 b2

+ 2684b3

2628 = 2950 (0,375) + 2595 (0,304)

+ 2684b3

2628 = 1106,25 + 788,88 + 2684b3

2628-1106,25 78888 = 2684b3
732,87 = 2684b3 b3 = 732,87 / 2684 = 0,273
Ternyata cara pertama dan ke dua menghasilkan loefisien beta yang sama.

5. Menghitung harga korelasi ganda (jamak), dengan rumus berikut.

Ry (1,2,3) =
=

b1 x1 y + b2 x 2 y + b3 x 3 y

(0,375 x3044) + (0,304 x 2699) + (0,273 x 2628)

= 0,98423
2766

Koefisien determinasi (R2) = 0,9687; ini artinya bahwa sebesar 96,87% produktivitas
kerja karyawan dapat dijelaskan/diprediksi oleh variabel kemampuan kerja, pemahaman
kerja, dan motivasi kerja.
6. Menguji Signifikansi Regresi
Untuk Uji signifikansi regresi, menggunakan uji F regresi: F =
JK(reg) = b1 x1 y + b2 x2 y +b3x3 y

JK (reg ) / k
JK ( sisa ) /( n k 1)

= (0,375)(3044)+(0,304)(2699)+(0,273)(2628)= 2679,44
= y2 = 2766

JK(T)
JK(sisa)

= JK(T) =y2 JK(reg) = 2766 2679,44 = 86,56

dk reg

= k (prediktor = 3)

RJK (reg)

= JK(reg)/dk reg = 2679,44 : 3 = 893,147

dk (sisa)

= n k 1 = 15-3-1 = 11

RJKK(sisa)

= JK(sisa)/dk sisa = 86,56 : 11 = 7,869

F reg

= RJK(reg)/RJK(sisa) = 893,147 : 7,869 = 113,500

Tabel 2.7. Ringkasan Anava untuk Menguji Keberartian Regresi

Sumber

JK

dk

RJK

F hitung

F tabel

Variasi
Regresi
Sisa
Total

2679,44
86,56
2766,00

3
11
14

893,147
7,869
-

113,500*)
-

3,59

Harga F hitung selanjutnya dikonsultasikan dengan F tabel dengan derajat kebebasan

(dk) pembilang = 3 dan dk penyebut = 11 untuk taraf signifikansi 5%, diperoleh F tabel= 3,59
dan untuk taraf signifikansi 1% = 6,22. Dengan demikian, harga F hitung = 113,500 > dari
harga F tabel pada ts. 5% = 3,59; sehingga hipotesis nol ditolak dan hipotesis alternatif,
diterima. Ini berarti bahwa koefisien regresi ganda yang diperoleh adalah bermakna/berarti.
7. Uji Keberartian Koefisien Regresi Linear Ganda
Meskipun ternyata regresi ini berarti, untuk menilai ketepatan ramalan (prediksi),
perlu dilihat galat baku taksiran (simpangan baku taksiran) yang diberi lambang s y.123, dapat
dihitung dengan rumus berikut.
s 2 y .123 =

JK ( Sisa )
86,56
86,56
=
=
= 7,8691
(n k 1) (15 3 1)
11

Dengan demikian galat baku taksiran, sy.123 = 7,8691 = 2,805. Dengan galat baku
taksiran ini, dapat dihitung galat baku koefisien b1, b2 dan b3yang diberi lambang sbi , dapat
dihitung dengan rumus:

s 2 bi =

s 2 y.123
x 2 ij (1 R 2 i )

Selanjutnya, uji keberatian koefisien regresi, digunakan statistik:

t = bi / sbi

dengan dk = (n-k-1) = 15-3-1 = 11

Dengan persamaan regresi

= 3,581 + 0,375X1+ 0,304X2 + 0,273X3,apakah

koefisien-koefisien 0,375; 0,304 dan 0,273 bermakna atau tidak. Untuk itu, perlu dihitung
galat baku b1, b2 dan b3.
Selanjutnya, dihitung harga-harga:

s 2 y .123 =

JK ( Sisa )
86,56
86,56
=
=
= 7,8691
(n k 1) (15 3 1)
11

= 3410; x 2

= 2802; x3 = 2684; dan y 2 = 2766.....(lihat.. perhitungan..diatas )

2

Korelasi antara X1, X2 dan X3 = rxy =

N XY ( X )( Y )

{N X

( X )

} {N Y

( Y )

Tabel 2.8. Matrik Korelasi Antar Variabel (dihitung dengan kalkulator)

X
X1
X2

X1
1,00

X2
0,968
1,00

X3
0,961
0,946

Y
0,977
0,969

r12 =0,968 r2 = 0,937

r13 = 0,961 r2 = 0,924
r23 =0,946 r2 = 0,895

b1

s 2 y .123
7,8691
7,8691
=
=
=
= 0,037...sb1 = 0,037 = 0,192
2
2
x 1 (1 R 1 ) 3410(1 0,937) 214,83
7,8691
7,8691
=
= 0,037....sb 2 = 0,037 = 0,1923
2802(1 0,924) 212,952
7,8691
7,8691
=
=
= 0,0279...sb 3 = 0,0279 = 0,167
2684(1 0,895) 281,82

s 2b2 =
s 2b3

t = b1 / sb1 = 0,375/ 0,192 = 1,953 tt 0,05 = 1,80; jadi t hitung lebih besar dari t tabel; ini
berarti bahwa koefisien arah regresi yang berkaitan dengan X1 adalah berarti/bermakna.
t = b2 / sb2 = 0,304 / 0,1923 = 1,581 t hitung lebih kecil dari t tabel sehingga koefisien arah
yang berkaitan dengan X2 tidak berarti.
t = b3 / sb3 = 0,273 / 0,167 = 1,635 t hitung lebih kecil dari t tabel sehingga koefisien arah
yang berkaitan dengan X2 tidak berarti.
Dari pengujian tersebut di atas dapat disimpulkan bahwa daya ramal prediktor
kemampuan kerja terhadap produktivitas kerja adalah berarti/bermakna; sedangkan daya
ramal prediktor pemahaman tugas dan motivasi kerja terhadap produktivitas kerja, tidak
bermakna.

8. Menghitung sumbangan efektif masing-masing prediktor terhadap kriterium,

dikerjakan dengan langkah berikut
(1) Efektivitas regresinya = JK(reg) berbanding JK(T) dikalikan 100%. Telah
diketahui, JK(reg) = 2679,44 ; JK(T) = 2766, maka efektivitas regresi = (2679,44 : 2766) x
100% =
96,87%. Ini sama dengan koefisien determinasinya.
(2) Hitung sumbangan relatif dalam persen (SR%) tiap prediktor (dihitung harga
mutlaknya):
JK(reg) = b1 x1 y + b2 x 2 y + b3 x3 y
= (0,375)(3044)+(0,304)(2699)+(0,273)(2628)
= 1141,5 + 820,496 + 717,444 = 2679,44
JK(reg) tersebut tersusun dari:
b1 x1 y = (0,375)(3044) =1141,5

b2 x 2 y = (0,304)(2699) = 820,496
b3 x3 y = 0,273)(2628) = 717,444

-------------------------------------------- +
Total (JKreg)
= 2679,44
1141,5

Prdiktor X1 : SR% = 2679,44 x100% = 42,602

820,496

Prediktor X2: SR% = 2679,44 x100% = 30,622

717,444

Prediktor X2: SR% = 2679,44 x100% = 26,776

--------------------------------------------------------------Total

= 100%

(3) Menghitung Sumbangan Efektif dalam persen (SE%):

SE% X1 =

b1 x1 y

JK (reg )

(efektivitas ) =

1141,5
(96,87%) = 41,27%
2679,44

SE% X2 =

b2 x2 y

(efektivitas ) =

820,496
(96,87%) = 29,66%
2679,44

SE% X3 =

b3 x3 y

(efektivitas ) =

717,444
(96,87%) = 25,94%
2679,44

JK (reg )

JK ( reg )

------------------------------------------------------------------------------Total
= 96,87%
Kesimpulan:
Prediktor X1 (kemampuan kerja) dapat memberikan kontribusi terhadap kriterium
(produktivitas kerja) sebesar 41,27%; prediktor X2 (pemahaman tugas) dapat memberikan
kontribusi terhadap produktivitas kerja sebesar 29,66%; dan prediktor X3(motivasi kerja)
dapat memberikan kontribusi terhadap produktivitas kerja sebesar 25,94%. Dengan perkataan
lain bahwa produktivitas kerja karyawan dapat diprediksi oleh kemampuan kerja sebesar
41,27%, pemahaman tugas sebesar 29,66%, dan motivasi kerja sebesar 25,94%.
D. Korelasi Parsial
Untuk menghitung korelasi parsial, terlebih dahulu harus dihitung korelasi sederhana
antara variabel prediktor dengan variabel kriterium. Korelasi parsial bertujuan untuk
mengetahui besaran koefisien korelasi antara variabel prediktor dengan variabel kriterium
dengan mengendalikan variabel prediktor yang lain.
Korelasi antar variabel setelah dihitung dengan kalkulator, diperoleh koefisien
korelasi sebagai matrik berikut.

Tabel 2.9. Matrik Korelasi Antar Variabel (dihitung dengan kalkulator)

X
X1
X2
X3
Y

X1
1,00

X2
0,968
1,00

X3
0,961
0,946
1,00

(1) Korelasi parsial dengan dua prediktor (X1dan X2) sebagai berikut:

Y
0,977
0,969
0,964
1,00

ry1..2 =

ry 2.1 =

ry1 ry 2 ry12
(1 r 2 y 2 )(1 r 212 )
ry 2 ry1 ry12
(1 r 2 y1 )(1 r 212 )

(2) Korelasi parsial dengan tiga prediktor (X1, X2 dan X3) sebagai berikut

ry1..23 =
ry 2..31 =
ry 3.12 =

ry1.2 ry 3.2 r13.2

(1 r 2 y 3.2 )(1 r 213.2 )
ry 2.3 ry1.3 r21.3
(1 r 2 y1..3 )(1 r 2 21..3 )
ry 3.1 ry 2.1 r32.1
(1 r 2 y 2.1 )(1 r 2 32.1 )

(3) Korelasi parsial 3 prediktor berdasarkan matrik korelasi di atas adalah sebagai berikut.
Telah diketahui (dihitung):korelasi jenjang nihil (sederhana): ry1 = 0,977;
r y2 = 0,969; r y3 = 0,964; r12 = 0,968; r13 = 0,961; dan r23 = 0,946.

(4) Korelasi parsial jenjang pertama untuk 3 prediktor:

r12.3 =

r12. y =

r13.2 =

r13. y =

r12 (r13 )(r23 )

(1 r 213 )(1 r 2 23 )
r12 (r1 y )(r2 y )
(1 r 21 y )(1 r 2 2 y )

r13 (r12 )(r23 )

(1 r 212 )(1 r 2 23 )
r13 (r1 y )(r3 y )
(1 r 21 y )(1 r 2 3 y )

0,968 (0,961)(0,946)
(1 0,9612 )(1 0,946 2 )
0,968 (0,977)(0,969)
(1 0,977 2 )(1 0,969 2 )

0,961 (0,968)(0,946)
(1 0,968 2 )(1 0,946 2 )
0,961 (0,977)(0,964 2 )
(1 0,977 2 )(1 0,964 2 )

0,058894
= 0,657
0,08964775

0,021287
= 0,404
0,052683055

0,045272
= 0,557
0,081349677

0,019172
= 0,338
0,056700807

r23.1 =

r23. y =

r1 y ..2 =
r2 y .1 =

r3 y .2 =

r13..2 =

r21.3 =

r32.1 =

r2 y ..3 =
r3 y .1 =

r1 y..3 =

r23 (r12 )(r13 )

(1 r 212 )(1 r 213 )
r23 (r2 y )(r3 y )
(1 r 2 2 y )(1 r 2 3 y )

r1 y ( r12 )(r2 y )
(1 r 212 )(1 r 2 2 y )
r2. y (r12 )(r1 y )
(1 r 21 y )(1 r 212 )

(1 r 2 23 )(1 r 2 2 y )

(1 r 212 )(1 r 2 32 )
r21 (r23 )(r13 )
(1 r 2 23 )(1 r 213 )
r32 (r12 )(r13 )
(1 r 212 )(1 r 213 )
r2 y (r23 )(r3 y )
(1 r 2 23 )(1 r 2 3 y )
r3 y (r13 )(r1 y )
(1 r 213 )(1 r 21 y )
r1 y (r13 )(r3 y )

(1 r 213 )(1 r 2 3 y )

0,946 (0,969)(0,964)
(1 0,969 2 )(1 0,964 2 )

0,977 (0,968)(0,969)
(1 0,968 2 )(1 0,969 2 )
0,969 (0,968)(0,977)

(1 0,977 2 )(1 0,968 2 )

=
=

ry1 = 0,977;
r y2 = 0,969;
r y3 = 0,964;
r12 = 0,968;

0,011884
= 0,181
0,065693998

0,039008
= 0,629
0,061999936

0,023264
= 0,435
0,053512444

(1 0,946 2 )(1 0,969 2 )

0,961 (0,968)(0,946)

0,045272
= 0,556
0,081349677

0,058894
= 0,657
0,08964775

0,015752
= 0,227
0,069399866

0,968 (0,946)(0,961)
(1 0,946 2 )(1 0,9612 )

(1 0,968 2 )(1 0,9612 )

0,969 (0,946)(0,964)

(1 0,946 2 )(1 0,964 2 )

0,964 (0,961)(0,977)
(1 0,9612 )(1 0,977 2 )

0,977 (0,961)(0,964)
(1 0,9612 )(1 0,964 2 )

0,047326
= 0,591
0,08008839

(1 0,968 2 )(1 0,946 2 )

(5) Korelasi parsial jenjang kedua(untuk 3 prediktor):

Telah dihitung di atas:

0,964 (0,946)(0,969)

0,946 (0,968)(0,961)

0,015752
= 0,227
0,069399866

(1 0,968 2 )(1 0,9612 )

r3 y (r23 )(r2 y )

r13 (r12 )(r32 )

0,946 (0,968)(0,961)

0,057056
= 0,662
0,08619663

0,025103
= 0,426
0,058970981

0,050596
= 0,688
0,073554829

r13 = 0,961;
r23 = 0,946.
r12.3 = 0,657
r12. y = 0,404

r13.2 = 0,557
r13. y = 0,338

r23.1 = 0,227
r23. y = 0,181

r1 y ..2 = 0,629
r2 y .1 = 0,435

r3 y .2 = 0,591

r13..2 = 0,556

r21.3 = 0,657
r32.1 = 0,227
r2 y ..3 = 0,662
r3 y .1 = 0,426

r1 y ..3 = 0,688

ry1..23 =

ry 2..31 =
ry 3.12 =

ry1..2 ry 3.2 r13.2

(1 r 2 y 3.2 )(1 r 213.2 )

ry 2..3 ry1..3 r21..3
(1 r y1..3 )(1 r
ry 3.1 ry 2.1 r32.1
2

(1 r

y 2 .1

)(1 r

21..3

32.1

0,629 (0,591)(0,556)

(1 0,5912 )(1 0,556 2 )

0,662 (0,688)(0,657)
(1 0,688 )(1 0,657 )
2

0,426 (0,435)(0,227)
(1 0,435 )(1 0,227 )
2

0,300404
= 0,448
0,670491112

0,209984
= 0,384
0,547106446

0,327255
= 0,373
0,876924497

Kesimpulan:
(1) Terdapat korelasi positif dan signifikan antara variabel kemampuan kerja dengan
variabel produktivitas kerja setelah dikendalikan dengan variabel pemahaman tugas
dan motivasi kerja (r1y-23 = 0,448; r2 = 0,2007 = 20,07%; ini berarti bahwa variabel
kemampuan kerja memberikan kontribusi terhadap variabel produktivitas kerja
sebesar 20,07%).
(2) Terdapat korelasi positif dan signifikan antara variabel pemahaman tugas dengan
variabel produktivitas kerja setelah dikendalikan dengan variabel kemampuan kerja
dan motivasi kerja (r2y-31 = 0,384; r2 = 0,1475 = 14,75%; ini berarti bahwa variabel

pemahaman tugas memberikan kontribusi terhadap variabel produktivitas kerja

sebesar 14,75%).
(3) Terdapat korelasi positif dan signifikan antara variabel motivasi kerja dengan
produktivitas kerja setelah dikendalikan dengan variabel kemampuan kerja dan
pemahaman tugas (r3y-12 = 0,373; r2 = 0,1391 = 13,91%; ini berarti bahwa variabel
kemampuan kerja memberikan kontribusi terhadap variabel produktivitas kerja
sebesar 13,91%).
Tugas Latihan
Seorang peneliti ingin mengetahui hubungan antara inteligensi, minat belajar, dan
konsep diri dengan prestasi belajar IPA di SMA. Untuk itu, dikumpulkan data pada 60 orang
siswa yang diambil secara random. Data yang diperoleh berbentuk angka puluhan (data fiktif
dibuat sendiri).

1. Buat konstelasi masalahnya

2. Rumuskan hipotesisnya
3. Hitung regresi sederhana masing-masing prediktor terhadap kriterium
4. Uji hipotesis itu dengan analisis regresi tiga prediktor
5. Hitung koefisien determinasinya secara bersama-sama
6. Hitung sumbangan efektif masing-masing prediktor terhadap kretirium