Escolar Documentos
Profissional Documentos
Cultura Documentos
PENDAHULUAN
Sepanjang sejarah umat manusia, orang melakukan penelitian tentang ada tidaknya hubungan antara
dua hal, fenomena, kejadian atau lainnya. Dan ada tidaknya pengaruh antara satu kejadian dengan
kejadian yang lainnya. Karena itu untuk mempermudah dalam melakukan penghitungan suatu
kejadian maka digunakan korelasi dan regresi dalam ilmu statistika Korelasi merupakan teknik
analisis yang termasuk dalam salah satu teknik pengukuran asosiasi/hubungan (Measures of
association). Teknik ini berguna untuk mengukur kekuatan hubungan antara dua variabel (kadang
lebih dari dua variabel) dengan skala-skala tertentu.
Regresi merupakan salah satu analisis yang bertujuan untuk mengetahui pengaruh suatu variabel
terhadap variabel lain .Dalam analisis regresi, variabel yang mempengaruhi disebut independent
variabel (variable bebas) dan variabel yang dipengaruhi disebut dependent variabel (variabel terikat).
e. Uji hipotesis
Maksud dari pembuatan makalah ini adalah untuk memberikan gambaran dan pengetahuan
mengenai hubungan suatu kejadian atau lebih kita kenal dengan istilah korelasi ,dan seberapa besar
pengaruh suatu kejadian dengan lingkungan sekitar atau kita kenal dengan istilah regresi kepada
para pembaca. Seperti yang kita ketahui bahwa suatu kejadian/fenomena pasti mempunyai
keterkaitan satu sama lain dan pengaruh bagi lingkungan sekitar.tapi tidak semua kejadian bisa
dikaitkan dengan yang lain tergantung unsur-unsur atau criteria-kriteria apa saja yang mempunyai
keterkaitan dan yang mempengaruhinya. Misalkan jumlah stok beras mempunyai pengaruh
terhadap harga beras dan peningkatan emisi co2 mempunyai pengaruh tethadap pemanasan global.
Tujuan dari pembuatan makalah :
Metode yang digunakan penulis adalah metode kepustakaan yaitu memberikan gambaran tentang
materi-materi yang berhubungan dengan permasalahan melalui literatur buku-buku yang tersedia,
tidak lupa juga penulis ambil sedikit dari media massa/internet. Dan diskusi mengenai masalah yang
dibahas dengan teman-teman.
BAB II
PEMBAHASAN
ANALISIS REGRESI
Analisis regresi adalah kajian terhadap hubungan satu variable yang disebut dengan variable
yang diterangkan (the explained variable) dengan satu atau dua variable yang menerangkan (the
explanatory). Variabel pertama disebut juga sebagai variable tergantung dan variable kedua disebut
juga sebagai variable bebas.[1] Analisis regresi merupakan salah satu analisis yang bertujuan untuk
mengetahui pengaruh suatu variabel terhadap variabel lain.[2] Sir Francis Galton (1822 1911),
memperkenalkan model peramalan, penaksiran, atau pendugaan, yang selanjutnya dinamakan
regresi, sehubungan dengan penelitiannya terhadap tinggi badan manusia. Penelitian tersebut
membandingkan antara tinggi anak laki-laki dan tinggi badan ayahnya. Galton menunjukkan bahwa
tinggi badan anak laki-laki dari ayah yang tinggi setelah beberapa generasi cenderung mundur
(regressed) mendekati nilai tengah populasi. Dengan kata lain, anak laki-laki dari ayah yang badannya
sangat tinggi cenderung lebih pendek dari pada ayahnya, sedangkan anak laki-laki dari ayah yang
badannya sangat pendek cenderung lebih tinggi dari ayahnya. (Ronal E. Walpole).
Hubungan antar variabel dapat berupa hubungan linier ataupun hubungan tidak linier.
Misalnya, berat badan orang dewasa sampai pada tahap tertentu bergantung pada tinggi badan,
keliling lingkaran bergantung pada diameternya, dan tekanan gas bergantung pada suhu dan
volumenya. Atau dalam ilmu pemasaran, nilai penjualan akan bergantung pada biaya promosi.
Hubungan-hubungan itu bila dinyatakan dalam bentuk matematis akan memberikan persamaan-
persamaan tertentu. Untuk dua variabel, hubungan liniernya dapat dinyatakan dalam bentuk
persamaan linier, yakni: Y = a + bX. Hubungan antara dua variabel pada persamaan linier jika
digambarkan secara (scatter diagram), semua nilai Y dan X akan berada pada suatu garis lurus. Dan
dalam ilmu ekonomi, garis itu dinamakan garis regresi.
Berkaitan dengan analisis regresi ini, setidaknya ada empat kegiatan yang lazim dilaksanakan
yakni :
2. Menguji berapa besar variasi variabel dependen dapat diterangkan oleh variasi independen.
4. Melihat apakah tanda magnitude dari estimasi parameter cocok dengan teori.
a. Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasari pada nilai variabel
bebas.
c. Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai variabel bebas
diluar jangkauan sample.[4]
1. Model regresi dikatakan layak jika angka signifikansi pada ANOVA sebesar < 0.05.
2. Predictor yang digunakan sebagai variabel bebas harus layak. Kelayakan ini diketahui jika angka
Standard Error of Estimate < Standard Deviation.
3. Koefesien regresi harus signifikan. Pengujian dilakukan dengan Uji T. Koefesien regresi signifikan
jika T hitung > T tabel (nilai kritis).
4. Tidak boleh terjadi multikolinieritas, artinya tidak boleh terjadi korelasi yang sangat tinggi atau
sangat rendah antar variabel bebas. Syarat ini hanya berlaku untuk regresi linier berganda dengan
variabel bebas lebih dari satu.
5. Tidak terjadi otokorelasi. Terjadi otokorelasi jika angka Durbin dan Watson (DB) sebesar < 1 dan
> 3.
6. Keselerasan model regresi dapat diterangkan dengan menggunakan nilai r2 semakin besar nilai
tersebut maka model semakin baik. Jika nilai mendekati 1 maka model regresi semakin baik. Nilai r2
mempunyai karakteristik diantaranya: 1) selalu positif, 2) Nilai r2 maksimal sebesar 1. Jika Nilai r2
sebesar 1 akan mempunyai arti kesesuaian yang sempurna. Maksudnya seluruh variasi dalam
variabel Y dapat diterangkan oleh model regresi. Sebaliknya jika r2 sama dengan 0, maka tidak ada
hubungan linier antara X dan Y.
7. Terdapat hubungan linier antara variabel bebas (X) dan variabel tergantung (Y)
8. Data harus berdistribusi normal
10. Kedua variabel bersifat dependen, artinya satu variabel merupakan variabel bebas (disebut juga
sebagai variabel predictor) sedang variabel lainnya variabel tergantung (disebut juga sebagai variabel
response).[5]
Variabel moderating adalah variabel yang memperkuat atau memperlemah hubungan antara satu
variabel dengan variabel lain. Sebagai contoh: seorang suami menyayangi istrinya. Dengan hadirnya
seorang anak, maka rasa sayang tersebut bertambah. Berarti variabel anak merupakan moderating
antara rasa saya suami terhadap istri. Contoh lain: kompensasi memperkuat pengaruh antara
kepuasan kerja terhadap kinerja. Artinya kepuasan kerja berpengaruh terhadap kinerja, dan adanya
kompensasi yang tinggi maka pengaruh antara kepuasan kerja terhadap kinerja menjadi lebih
meningkat. Dalam hal ini, kompensasi bisa saja berpengaruh terhadap kinerja bisa saja tidak.[6]
Metode analisis regresi linear dengan variabel moderating antara lain:
Metode ini dilakukan dengan menambahkan variabel perkalian antara variabel bebas dengan
variabel moderatingnya, sehingga persamaan umumnya adalah sebagai berikut: Y = a + b1 X1 + b2 X2
+ b3 X1 X2 dengan Y adalah kinerja, X1 adalah kepuasan kerja, X2 kompensasi dan X1 X2 adalah
perkalian antara kepuasan kerja dengan kompensasi. Hipotesis moderating diterima jika variabel X1
X2 mempunyai pengaruh signifikan terhadap Y, tidak tergantung apakah X1 dan X2 mempunyai
pengaruh terhadap Y atau tidak. Model ini biasanya menyalahi asumsi multikolinearitas atau adanya
korelasi yang tinggi antara variabel bebas dalam model regresi, sehingga menyalahi asumsi klasik.
Hampir tidak ada model MRA yang terbebas dari masalah multikolinearitas, sehingga sebenarnya
model ini tidak disarankan untuk dipergunakan.
2. Absolut residual
Model ini mirip dengan MRA, tetapi variabel moderating didekati dengan selisih mutlak (absolut
residual) antara variabel bebas dengan variabel moderatingnya. Penerimaan hipotesis juga sama, dan
model ini masih riskan terhadap gangguan multikolinearitas meskipun risiko itu lebih kecil dari pada
dengan metode MRA.
3. Residual
Model ini menggunakan konsep lack of fit yaitu hipotesis moderating diterima terjadi jika terdapat
ketidakcocokan dari deviasi hubungan linear antara variabel independen. Langkahnya adalah dengan
meregresikan antara kepuasan kerja terhadap kompensasi dan dihitung nilai residualnya. Pada
program SPSS dengan klik Save pada regreesion, lalu klik pada usntandardized residual. Nilai residual
kemudian diambil nilai absolutnya lalu diregresikan antara kinerja terhadap absolut residual.
2.4 Uji Hipotesis
Pengujian hipotesis dapat didasarkan dengan menggunakan dua hal, yaitu; tingkat signifikan
atau probabilitas dan tingkat kepercayaan atau confidence interval. Didasarkan tingkat signifikansi
pada umumnya orang menggunakan 0,05. Kisaran tingkat signifikan mulai dari 0,01 sampai dengan
0,1. Yang dimaksud dengan tingkat signifikan adalah probabilitas melakukan kesalahan tipe 1, yaitu
kesalahan menolak hipotesis ketika hipotesis tersebut benar. Tingkat kepercayaan pada umumnya
ialah sebesar 95%, yang dimaksud dengan tingkat kepercayaan ialah tingkat dimana sebesar 95% nilai
semple akan mewakili nilai populasi dimana sample berasal. Dalam melakukan uji hipotesis terdapat
dua hipotesis, yaitu:
Contoh uji hipotesis misalnya rata-rata produktivitas pegawai sama dengan 10 (x = 10), maka bunyi
hipotesisnya ialah:
b. Dalam pengujian akan menghasilkan dua kemungkinan, yaitu pengujian signifikan secara
statistic jika kita menolak HO dan pengujian tidak signifikan secara statistic jika kita menerima H0.
c. Jika kita menggunakan nilai t, maka jika nilai t yang semakin besar atau menajuhi 0, kita akan
cenderung menolak H0, sebaliknya jika nilai t semakin kecil atau mendekati 0 kita akan cenderung
menerima H0.[7]
BAB III
PENUTUP
3.1 Simpulan
Analisis regresi berbeda dengan analisis korelasi. Jika analisis korelasi digunakan untuk melihat
hubungan dua variable; maka analisis regresi digunakan untuk melihat pengaruh variable bebas
terhadap variable tergantung serta memprediksi nilai variable tergantung dengan menggunakan
variable bebas. Dalam analisis regresi variable bebas berfungsi untuk menerangkan (explanatory)
sedang variable tergantung berfungsi sebagai yang diterangkan (the explained). Dalam analisis
regresi data harus berskala interval atau rasio. Hubungan dua variable bersifat dependensi. Untuk
menggunakan analisis regresi diperlukan beberapa persyaratan yang harus dipenuhi.
Ada dua macam linieritas dalam analisis regresi, yaitu linieritas dalam variabel dan linieritas dalam
parameter. Yang pertama, linier dalam variabel merupakan nilai rata-rata kondisional variabel
tergantung yang merupakan fungsi linier dari variabel (variabel) bebas. Sedang yang kedua, linier
dalam parameter merupakan fungsi linier parameter dan dapat tidak linier dalam variabel.
[1] Arnita, Pengantar Statistika, Bandung: Citapustaka Media Perintis, 2013, hal: 142
[3] Sunardi Nur, Pengantar Statistika, Jakarta: Bumi Aksara, 2009, hal: 121
[4] Arnita, Pengantar Statistika, Bandung: Citapustaka Media Perintis, 2013, hal: 142
[6] Sunardi Nur, Pengantar Statistika, Jakarta: Bumi Aksara, 2009, hal: 123
[7] Arnita, Pengantar Statistika, Bandung: Citapustaka Media Perintis, 2013, hal: 144-145