Modul ke: 09Fakultas Psikologi Statistika Psikologi 2 Analisis Regresi Linier Sederhana Arie Suciyana S., S.Si, M.Si Program Studi Psikologi
Regresi Linier Sederhana (Simple Linear Regression) Uji (analisa) statistika yang digunakan untuk mengukur seberapa 1 IV dapat membuat prediksi terhadap 1 DV yang berhubungan secara linier 2
5 tahapan Regresi Linier Sederhana Tahap pertama: Tentukan H0; Ha; p; df total ; df regresi ; df residual ; serta nilai F tabel sebagai dasar pembuatan kesimpulan. Rumus df total : dftotal = n -1 Rumus df regresi atau df between : dfregresi k = jumlah prediktor atau Independent Variable (IV) Rumus df residual atau df within : = k dfresidual = n - k -1 k = jumlah prediktor atau Independent Variable (IV) n = jumlah sampel 3
Tahap kedua: Hitung nilai masing-masing varians (SS) SSX = (X - MX) 2 SSY = (Y - MY) 2 SP = (X - MX)(Y - MY) SP r = (SSX)(SSY) SSregresi = r 2 SSY SSresidual = (1- r 2 )SSY 4
Tahap ketiga Hitung nilai F untuk Analisis Regresi Sederhana MSregresi = SSregresi dfregresi MSresidual = SSresidual dfresidual F = MSregresi MSresidual 5
Tahap keempat: Bandingkan nilai F hasil perhitungan uji linieraitas dengan nilai F yang terdapat di dalam tabel distribusi F Jika F hitung > F tabel, maka peneliti dapat menolak H0 dan menerima Ha. variabel prediktor atau Independent Variable (IV) dapat digunakan untuk memprediksi perubahan nilai dari variable criterion atau Dependent Variable (DV) atau Independent Variable (IV) memilikii korelasi yang signifikan terhadap Dependent Variable (DV) Jika F hitung < F tabel, maka peneliti gagal menolak H0. variabel prediktor atau Independent Variable (IV) tidak dapat digunakan untuk memprediksi perubahan nilai dari variable criterion atau Independent Variable (IV) tidak memilikii korelasi yang signifikan terhadap Dependent Variable (DV) 6
Bandingkan besaran koefisien korelasinya (r xy ) hasil perhitungan terhadap r xy dari tabel korelasi Pearson. Jika r xy hitung > r xy tabel, maka peneliti dapat menolak H0 dan Ha. Independent Variable (IV) memiliki korelasi yang signifikan terhadap Dependent Variable (DV) Jika r xy hitung < r xy tabel, maka peneliti gagal menolak H0. Independent Variable (IV) tidak memilikii korelasi yang signifikan terhadap Dependent Variable (DV) 7
Tahap kelima Buat persamaan regresinya Rumus Persamaan Regresi: Y ' = bx + a b = SP SSX a = MY - bmx 8
CONTOH SOAL Dari suatu penelitian didapatkan data sebagai berikut: Lakukanlah Analisis Regresi Sederhana, dan buat kesimpulannya! 9
1. H0: variabel prediktor atau Independent Variable (IV) tidak dapat digunakan untuk memprediksi perubahan nilai dari variable criterion atau Independent Variable (IV) tidak memilikii korelasi yang signifikan terhadap Dependent Variable (DV) Ha/H1: variabel prediktor atau Independent Variable (IV) dapat digunakan untuk memprediksi perubahan nilai dari variable criterion atau Dependent Variable (DV) atau Independent Variable (IV) memilikii korelasi yang signifikan terhadap Dependent Variable (DV) p < 0,05 dftotal = N -1= 5-1 = 4 F tabel = 7,71 r tabel = 0,878 dfregresi = dfbetween = k = 1 dfresidual = dfwithin = n - k -1= 5-1-1= 3 10
2. SSX = (X - MX) 2 =10 SSY = (Y - MY) 2 = 40 SP = (X - MX)(Y - MY) =16 11
r = SP (SSX)(SSY) = 16 (10)(40) = 0,80 SSregresi = r 2 SSY = (0,80) 2 (40) = 25, 60 SSresidual = (1- r 2 )SSY = (1- (0,80) 2 )40 =14, 40 12
3. MSregresi = SSregresi dfregresi = 25,60 1 = 25, 60 MSresidual = SSresidual dfresidual = 14, 40 3 = 4,80 F = MSregresi MSresidual = 25, 60 4,80 = 5,33 13
4. F hitung < F tabel, maka peneliti gagal H0. variabel prediktor atau Independent Variable (IV) tidak dapat digunakan untuk memprediksi perubahan nilai dari variable criterion atau Independent Variable (IV) tidak memilikii korelasi yang signifikan terhadap Dependent Variable (DV) r xy hitung < r xy tabel, maka peneliti gagal menolak H0. Independent Variable (IV) tidak memilikii korelasi yang signifikan terhadap Dependent Variable (DV) 14
5. Buat persamaan regresinya Rumus Persamaan Regresi: b = SP SSX = 16 10 =1, 6 a = MY - bmx = 6-1, 6(5) = 6-8 = -2 Y ' =1,6X - 2 Pada partisipan yang memiliki nilai X (IV) = 5, maka diprediksi akan memiliki nilai Y (DV) sebesar: Y ' =1, 6X - 2 15
10 8 6 Y 4 2 0 3 4 5 6 7 X 16
SOAL LATIHAN Suatu penelitian dilakukan untuk melihat hubungan antara jumlah ketidakhadiran di kelas terhadap nilai ujian akhir semester. Data yang didapatkan sebagai berikut: Lakukanlah analisis dengan regresi linier tunggal, dan buat kesimpulan apakah jumlah ketidakhadiran siswa dalam kelas dapat memprediksi nilai ujian akhir? 17
SPSS untuk uji Regresi Linier Tunggal Pada penelitian untuk melihat pengaruh absensi sebagai IV (prediktor) terhadap Nilai_Ujian sebagai DV dilakukan analisa Regresi Linier Tunggal Analyze Regression Linear 18
19
Pilih absensi sebagai independent variable (prediktor) dan Nilai_Ujian sebagai dependent variable yang akan diprediksi OK 20
Hasil 21
22
Kesimpulan: Nilai Sig. = level of significancy = 0,002 < 0,05 Dengan demikian H0 dapat ditolak; Ha/H1 diterima, sehingga peneliti dapat membuat kesimpulan: jumlah ketidakhadiran di kelas bisa digunakan untuk memprediksi nilai ujian atau jumlah ketidakhadiran dalam kelas memiliki korelasi yang signifikan terhadap nilai ujian Nilai F hitung = 21,027 > F Tabel = 5,32 Dengan demikian H0 dapat ditolak; Ha/H1 diterima, sehingga peneliti dapat membuat kesimpulan: jumlah ketidakhadiran dalam kelas memiliki korelasi yang signifikan terhadap nilai ujian Persamaan Regresi: Y = 5,39X + 94,326 23
SOAL LATIHAN Dari data penelitian di bawah ini: Partisipan Jumlah Jam Belajar (X) Prestasi (Y) 1 1 3 2 2 3 3 3 7 4 4 8 5 5 10 6 5 7 7 4 6 8 3 6 9 2 6 10 1 8 Lakukanlah Analisis Regresi Sederhana, dan buat kesimpulannya! 24
Daftar Pustaka Aron, A., Coups, E.J., & Aron, E.N. (2013). Statistics for psychology. 6th ed. New Jersey: Pearson Education, Inc. Field, A. (2009). Discovering Statistics Using SPSS: Third Edition. SAGE Publications Ltd. Gravetter, F.J. & Wallnau, L.B. (2009). Statistics for the Behavioral Sciences. Hinton, P.R. (2004). Statistics Explained, 2nd ed. London: Routledge. Howell, D.C. (2012). Statistical Method for Psychology. Australia: Wadsworth, Cengage Learning. Nolan, S.A. & Heinzen, T.E, (2012). Statistics for the Behavioral Sciences. Second Edition. New York: Worth Publishers. Sulistiyono, S. (2009). Statistika Psikologi 2. Jakarta: Fakultas Psikologi Universitas Mercu Buana. 25
Terima Kasih Arie Suciyana S., S.Si, M.Si