LAPORAN PRAKTIKUM STATISTIKA | ANALISIS REGRESI
BAB I
PENDAHULUAN
A.
Latar
Belakang
Regresi
merupakan suatu teknik statistika yang dapat digunakan untuk menggambarkan
hubungan fungsional antara suatu variabel tak bebas dengan satu atau beberapa
variabel bebas. Regresi merupakan suatu alat ukur yang digunakan untuk
mengukur ada atau tidaknya korelasi antarvariabel. Analisis
regresi merupakan teknik statistik yang banyak penggunanya serta mempunyai
manfaat yang cukup besar bagi pengambil keputusan.
Hampir
semua kejadian, baik kejadian ekonomi maupun kejadian sosial lainnya, saling
berhubungan dan saling mempengaruhi. Kejadian-kejadian tersebut dapat
dinyatakan sebagai perubahan nilai variabel, katakan variabel X dan Y.
Tiap-tiap variabel tersebut itu disebut variabel bebas (independent) dan tidak bebas
(dependent).
Variabel
bebas (independent) adalah variabel
yang nilai-nilainya tidak bergantung pada variabel lainnya, biasanya
disimbolkan dengan X. Variabel itu digunakan untuk meramalkan/ menerangkan
nilai variabel yang lain. Variabel tidak bebas (dependent) adalah variabel yang nilainya bergantung pada variabel
lainnya, biasanya disimbolkan dengan Y. Variabel itu merupakan variabel yang
diramalkan atau diterangkan nilainya.
Di dalam praktikum statistika tidak hanya praktek-praktek latihan
menyelesaikan masalah yang kemudian diselesaikan dengan metode statistik,
tetapi meliputi: Proses pengambilan data, mengolah data dengan bantuan
perangkat lunak komputer, menganalisis data dan mengambil kesimpulan
berdasarkan analisis data. Laporan statistika analisis regresi ini dibuat untuk
mengetahui hubungan antar setiap kejadian. Maka fungsi dari laporan ini adalah
untuk mengetahui hubungan antara rata-rata nilai UN SMA dengan lama belajar,
jarak tempat tinggal, organisasi yang diikuti dan IPK mahasiswa.
B.
Rumusan
Masalah
1.
Bagaimana
cara mengolah dan menganalisis data menggunakan analisis data regresi linier
berganda?
2.
Bagaimana
hubungan antara rata-rata nilai UN SMA dengan lama belajar, jarak tempat
tinggal, organisasi yang diikuti dan IPK?
C.
Tujuan
Praktikum
Adapun tujuan dari praktikum ini adalah untuk mengetahui beberapa hal di bawah ini:
1.
Untuk
mengetahui cara mengolah dan menganalisis data menggunakan analisis data
regresi linier berganda.
2.
Untuk
mengetahui hubungan antara rata-rata nilai UN SMA dengan lama belajar, jarak
tempat tinggal, organisasi yang diikuti dan IPK.
D. Struktur Isi Laporan Praktikum
BAB
I PENDAHULUAN
Berisi tentang latar belakang masalah, rumusan masalah, tujuan
praktikum, dan struktur isi laporan praktikum statistika.
BAB
II TINJAUAN PUSTAKA
Berisi tentang dasar-dasar teori yang mendasari praktek statistika
dan bahasan mengenai materi yang sekiranya memiliki
kaitan dengan rumusan masalah yang akan dibahas.
BAB
III METODOLOGI
Berisi metodologi praktikum yang menerangkan tentang alat dan
bahan, sumber data, metode pengambilan sampel, dan alur pengolahan data yang
digunakan dalam penyusunan laporan.
BAB
IV DATA DAN ANALISIS DATA
Berisi
hasil pengolahan data dan analisis hasil pengolahan data tersebut.
BAB
V KESIMPULAN
Berisi kesimpulan dari seluruh hasil praktikum dalam menganalisis
data menggunakan statistika deskriptif dari laporan keuangan bank tahun 2012.
DAFTAR PUSTAKA
Berisi
referensi-referensi yang berasal dari internet dan buku.
BAB
II
TINJAUAN PUSTAKA
Perubahan nilai suatu variabel tidak selalu terjadi dengan
sendirinya, namun perubahan nilai itu dapat pula disebabkan oleh berubahnya
variabel lain yang berhubungan dengan variable tersebut. Dalam persamaan
regresi terdapat dua macam variabel, yaitu variabel dependen (y) dan variabel
independen (x). Variabel dependen adalah variabel yang nilainya
tergantung dengan variabel lain dan variabel indepen adalah variabel yang
nilainya tidak bergantung pada variabel lain.
Sifat
hubungan antarvariabel dalam persamaan regresi merupakan hubungan sebab akibat.
Oleh karena itu, sebelum menggunakan persamaan regresi dalam menjelaskan
hubungan antara dua atau lebih variabel, maka perlu diyakini bahwa secara
perkiraan sebelumnya dua atau lebih variabel tersebut memang memiliki hubungan
sebab akibat. Seperti hubungan antara nilai Ujian Nasional SMA dengan lama
belajar per hari, jarak tempat tinggal dengan kampus, jumlah organisasi yang
diikuti dan Indeks Prestasi Kumulatif (IPK). Hubungan
linier ini secara matematis digambarkan dalam rumus sebagai berikut.
Y=
b0+b1X1+b2X2+b3X3+...bnXn+e
Langkah
awal analisis regresi adalah pemeriksaan terhadap asumsi yang meliputi
pengujian normalitas residual, tidak adanya problem heteroskedastisitas pada
residual dan tidak adanya problem autokorelasi pada residual. Dalam analisis
regresi ada beberapa metode dalam menguji data output, ialah uji Asumsi Klasik,
Uji Normalitas, Uji Autokorelasi, Uji Heterokedastisitas, Uji Kolinearitas.
Yang kesemuanya untuk mengetahui pengambilan keputusan.
BAB III
METODOLOGI
A.
Alat
dan Bahan
1.
Software
IBM SPSS 20.
2.
Data
kuisioner dari mahasiswa jurusan tafsir hadis IAIN Surakarta angkatan 2014.
B.
Sumber
Data
Data
ini merupakan data pimer yang bersumber dari pembagian kuisioner pada mahasiswa
jurusan tafsir hadis IAIN Surakarta angkatan 2014.
C.
Metode
Pengambilan Sampel
Dalam
pengambilan sampel data penulis menggunakan metode dokumentasi data dan
literature.
D.
Alur
Pengolahan Data
1.
Pengumpulan
Data
Pengumpulan data berasal dari pembagian kuisioner pada mahasiswa jurusan tafsir hadis IAIN
Surakarta angkatan 2014 kemudian data yang diperlukan dimasukkan
ke lembar kerja program SPSS.
2.
Penganalisaan Data
a.
Analisis regresi
·
Pilih
Analize > Regression > Linier. Masukkan y ke dalam Dependent
dan x1, x2 dan x3 ke
dalam Independent(s).
Pilih
Analize > Regression > Linier. Masukkan y ke dalam Dependent
dan x1, x2 dan x3 ke
dalam Independent(s).
Gambar 1-1: Kotak Dialog
“Linier Regression”
·
Pilih Statistics.
Di dalam Regression Coefficient pilih Estimates. Kemudian pilih Model
Fit, R squared change, Part and partial correlations, Collinearrity
diagnostics.
·
Pilih Durbin-Watson di
dalam Residual. Klik Continue.
Gambar1-2: Kotak Dialog
“Linier Regression: Statistics”
·
Selanjutnya pilih Plots.
Pilih Normal probability plot, kemudian klik Continue.
Gambar 1-3: Kotak Dialog
“Linier Regression: Plots”
·
Pilih Save. Kemudian
di dalam Predicted Values pilih Unstandardized, kemudian pilih Unstandardized
di dalam Residuals. Klik Ok.
Gambar 1-4: Kotak Dialog
“Linier Regression: Save”
b.
Membuat grafik
· Di
dalam tabel akan nampak nilai residual dan prediksi (y). Maka dari itu
hitung kuadrat dari residual melalui menu Transform.
· Pilih
Compute Variable. Beri nama hasil kuadrat dengan ResSq pada
target variable.
· Pada
numeric expression ketik Res_1*Res_1. Kemudian klik OK.
Gambar 1-5: Kotak Dialog
“Compute Variable”
· Pilih
Graphs > Chart Builder > Scatter/Dot.
· Pilih
grafik yang berada di pojok kiri atas.
· Selanjutnya
masukkan ResSq ke dalam y-axis dan PRED1 ke dalam x-axis.
Kemudian klik Ok.
Gambar 1-6: Kotak Dialog
“Chart Builder”
BAB
IV
DATA
DAN ANALISIS DATA
A.
Data
|
No
|
NEM UN
SMA
|
Lama
Belajar/hari (dalam menit)
|
Jarak
Tempat Tinggal (dalam km)
|
Jumlah
Organisasi Yang Diikuti
|
IPK
semt.2
|
|
1
|
8,7
|
30
|
45
|
0
|
3,53
|
|
2
|
7,8
|
60
|
1
|
0
|
3,19
|
|
3
|
6
|
90
|
5
|
1
|
3,24
|
|
4
|
8
|
60
|
2
|
0
|
3,35
|
|
5
|
8
|
50
|
2
|
0
|
3,35
|
|
6
|
8
|
60
|
15
|
1
|
3,41
|
|
7
|
8,03
|
90
|
256
|
1
|
3,3
|
|
8
|
7,26
|
30
|
8
|
1
|
3,2
|
|
9
|
7
|
40
|
15
|
1
|
3,42
|
|
10
|
7,7
|
20
|
10
|
1
|
3,3
|
|
11
|
7
|
90
|
1
|
1
|
3,29
|
|
12
|
8,5
|
90
|
1
|
1
|
3,49
|
|
13
|
7
|
120
|
100
|
1
|
2,98
|
|
14
|
8,25
|
120
|
7
|
3
|
3,37
|
|
15
|
8
|
60
|
3
|
2
|
3,33
|
|
16
|
8,5
|
0
|
3
|
3
|
3,65
|
|
17
|
7,2
|
14
|
12
|
0
|
3,3
|
|
18
|
8
|
120
|
68
|
0
|
3,09
|
|
19
|
8
|
60
|
20
|
2
|
3,15
|
|
20
|
8
|
90
|
350
|
1
|
3
|
|
21
|
8
|
60
|
0,1
|
1
|
3,38
|
|
22
|
6,24
|
45
|
20
|
1
|
3,15
|
|
23
|
8,3
|
60
|
45
|
1
|
3,38
|
|
24
|
7,5
|
60
|
40
|
3
|
3,45
|
|
25
|
7,2
|
48
|
9
|
1
|
3,35
|
|
26
|
8
|
90
|
286
|
1
|
3,42
|
|
27
|
8,3
|
120
|
0,2
|
4
|
3,27
|
|
28
|
8
|
120
|
11
|
1
|
3,38
|
|
29
|
8
|
60
|
3
|
1
|
3,48
|
|
30
|
9
|
15
|
15
|
0
|
3,52
|
B.
Analisis Data
|
Variables
Entered/Removeda
|
|||
|
Model
|
Variables
Entered
|
Variables
Removed
|
Method
|
|
1
|
Jumlah Organisasi Yang Diikuti, Jarak
Tempat Tinggal (dalam km), NEM UN SLTA, Lama Belajar/hari (dalam menit)b
|
.
|
Enter
|
|
a. Dependent Variable: IPK semt.2
|
|||
|
b. All requested variables entered.
|
|||
|
Model Summaryb
|
||||||||||
|
Model
|
R
|
R
Square
|
Adjusted
R Square
|
Std.
Error of the Estimate
|
Change
Statistics
|
Durbin-Watson
|
||||
|
R
Square Change
|
F
Change
|
df1
|
df2
|
Sig.
F Change
|
||||||
|
1
|
,695a
|
,483
|
,400
|
,11850
|
,483
|
5,840
|
4
|
25
|
,002
|
2,146
|
|
a. Predictors: (Constant), Jumlah
Organisasi Yang Diikuti, Jarak Tempat Tinggal (dalam km), NEM UN SLTA, Lama
Belajar/hari (dalam menit)
|
||||||||||
|
b. Dependent Variable: IPK semt.2
|
||||||||||
|
ANOVAa
|
||||||||||||||||||
|
Model
|
Sum
of Squares
|
df
|
Mean
Square
|
F
|
Sig.
|
|||||||||||||
|
1
|
Regression
|
,328
|
4
|
,082
|
5,840
|
,002b
|
||||||||||||
|
Residual
|
,351
|
25
|
,014
|
|
|
|||||||||||||
|
Total
|
,679
|
29
|
|
|
|
|||||||||||||
|
a. Dependent Variable: IPK semt.2
|
||||||||||||||||||
|
b. Predictors: (Constant), Jumlah
Organisasi Yang Diikuti, Jarak Tempat Tinggal (dalam km), NEM UN SLTA, Lama
Belajar/hari (dalam menit)
|
||||||||||||||||||
|
Coefficient
|
||||||||||||||||||
|
Model
|
Unstandardized
Coefficients
|
Standardized
Coefficients
|
t
|
Sig.
|
Correlations
|
Collinearity
Statistics
|
||||||||||||
|
B
|
Std.
Error
|
Beta
|
Zero-order
|
Partial
|
Part
|
Tolerance
|
VIF
|
|||||||||||
|
1
|
(Constant)
|
2,604
|
,263
|
|
9,890
|
,000
|
|
|
|
|
|
|||||||
|
NEM UN SLTA
|
,105
|
,033
|
,464
|
3,180
|
,004
|
,474
|
,537
|
,457
|
,973
|
1,028
|
||||||||
|
Lama Belajar/hari (dalam menit)
|
-,002
|
,001
|
-,381
|
-2,432
|
,023
|
-,435
|
-,437
|
-,350
|
,841
|
1,189
|
||||||||
|
Jarak Tempat Tinggal (dalam km)
|
,000
|
,000
|
-,235
|
-1,532
|
,138
|
-,318
|
-,293
|
-,220
|
,877
|
1,140
|
||||||||
|
Jumlah Organisasi Yang Diikuti
|
,025
|
,023
|
,166
|
1,105
|
,280
|
,135
|
,216
|
,159
|
,914
|
1,094
|
||||||||
|
a. Dependent
Variable: IPK semt.2
|
||||||||||||||||||
|
Collinearity
Diagnosticsa
|
||||||||||||||||||||||||||||||||||||||||||||||||||
|
Model
|
Dimension
|
Eigenvalue
|
Condition
Index
|
Variance
Proportions
|
||||||||||||||||||||||||||||||||||||||||||||||
|
(Constant)
|
NEM
UN SLTA
|
Lama
Belajar/hari (dalam menit)
|
Jarak
Tempat Tinggal (dalam km)
|
Jumlah
Organisasi Yang Diikuti
|
||||||||||||||||||||||||||||||||||||||||||||||
|
1
|
1
|
3,791
|
1,000
|
,00
|
,00
|
,01
|
,02
|
,02
|
||||||||||||||||||||||||||||||||||||||||||
|
2
|
,759
|
2,234
|
,00
|
,00
|
,00
|
,77
|
,07
|
|||||||||||||||||||||||||||||||||||||||||||
|
3
|
,307
|
3,514
|
,00
|
,00
|
,01
|
,11
|
,88
|
|||||||||||||||||||||||||||||||||||||||||||
|
4
|
,139
|
5,226
|
,00
|
,01
|
,95
|
,09
|
,03
|
|||||||||||||||||||||||||||||||||||||||||||
|
5
|
,003
|
33,104
|
,99
|
,99
|
,03
|
,02
|
,01
|
|||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||
Analisis:
1.
Adjusted R2 sebesar 0,400 atau
40% yang artinya hubungan y, x1, x2, dan x3
dapat dijelaskan 40%. Dengan kata lain, nilai Ujian Nasional SMA, jarak tempat
tinggal ke kampus dan organisasi yang diikuti memberi pengaruh bersama sekitar
40% terhadap IPK.
2.
Dari Tabel ANOVA
dapat dilihat bahwa nilai p-value (sig.)
adalah 0,002 atau lebih kecil dari nilai α
(0,05), maka hal ini menunjukkan bahwa H0 ditolak dan berarti
bahwa model yang sudah dibuat sudah layak.
3.
Dari hasil regresi ini diperoleh model
regresi sebagai berikut:
y = 2,604 + 0,105 x1
+ 0,002 x2 + 0,025 x4
·
Konstanta
sebesar 2,604 menyatakan bahwa jika variabel independen dianggap konstan,
rata-rata nilai IPK yang akan diperoleh adalah 2,604.
·
Koefisien
regresi UN SMA (x1)
sebesar 0,105 menyatakan bahwa setiap penambahan nilai UN sebesar 1, maka akan meningkatkan
nilai IPK sebesar 0,105.
·Koefisien regresi Lama Belajar (x2)
sebesar 
menyatakan bahwa setiap penambahan waktu belajar sebesar 1 menit, maka
akan menambah nilai IPK sebesar 0,002.
menyatakan bahwa setiap penambahan waktu belajar sebesar 1 menit, maka
akan menambah nilai IPK sebesar 0,002.
·
Koefisien
regresi Jarak Tempat Tinggal (x3)
sebesar 0 menyatakan bahwa tidak ada
pengaruh sama sekali Jarak Tempat Tinggal terhadap besarnya nilai IPK yang di
dapat.
·
Koefisien
regresi Jumlah Organisasi (x4)
sebesar 0,025 menyatakan bahwa setiap penambahan
organisasi yang diikuti sebanyak 1, maka akan meningkatkan nilai IPK sebesar
0,025.
4.
Asumsi Klasik
·
Uji Normalitas
Dari Grafik Normal
P-P Plot diketahui bahwa titik-titiknya hampir mengikutigaris lurus, hal
ini berarti dapat diambil kesimpulan sementara bahwa residual telah mengikuti distribusi normal.
·
Uji
Autokorelasi
Dari Tabel Model
Summary dapat kita ketahui bahwa nilai Durbin-Watson
(d) adalah sebesar 2,146. Sedangkan
dari nilai Durbin-Watson tabel
diketahui untuk n = 30 dan k = 4 adalah dL = 1,1426 dan dU
= 1,7386. Hal itu menyatakan nilai d
berada di antara dU
(=1,7386) dan 4 – dU
(=2,2614) berarti bahwa tidak ada autokorelasi positif atau negatif.
5.
Uji
Heteroskedastisitas
Dari grafik
yang kedua dapat diketahui bahwa tidak ada pola yang jelas (titik-titik
menyebar), hal ini berarti bahwa tidak terjadi Heteroskedastisitas.
6.
Uji Kolinieritas
·
Dari Tabel Coefficients
dapat dilihat bahwa nilai VIF untuk variabel UN SMA, Lama Belajar, Jarak
Tempat Tinggal, dan Jumlah Organisasi adalah 1,028; 1,189; 1,140; 1,094. Semua
itu masih di bawah 10, jadi dapat disimpulkan bahwa tidak ada
multikolinearitas antar variabel independen.
·
Tollerance yang
ditampilkan di dalam tabel Coefficients. Adapun Tollerance untuk variabel
UN SMA, Lama Belajar, Jarak Tempat Tinggal, dan Jumlah Organisasi adalah 0,
973; 0,841; 0,877; 0,914. Dari semua variabel tersebut, nilainya masih di atas
0,1. Jadi dapat disimpulkan bahwa tidak ada
multikolinieritas antar variabel independen.
·
Condition Index
(CI) yang ditampilkan di dalam tabel Coefficients. Adapun tollerance
untuk variabel UN SMA, Lama Belajar, Jarak Tempat Tinggal, dan Jumlah
Organisasi adalah 2,234; 3,514; 5,226; 33,104. Dari keempat variabel tersebut,
nilainya ada yang diatas 30. Sehingga ada
multikolinieritas antar variabel independen kuat.
Tetapi karena nilai VIF dan Tollerance tidak terjadi multikolinieritas
dan nilai CI multikolinieritas kuat. Jadi, dapat disimpulkan bahwa tidak ada multikolinieritas antar
variabel independen.
BAB V
KESIMPULAN
Dari analisis yang telah dilakukan dapat
disimpulkan bahwa nilai Ujian Nasional SMA, jarak tempat tinggal
ke kampus dan organisasi yang diikuti memberi pengaruh bersama sekitar 40%
terhadap IPK. Dan model yang dibuat ini sudah layak. Rata-rata
memang ada pengaruhnya antara nilai UN semasa sekolah, lamanya waktu belajar
dan jumlah organisasi yang diikuti terhadap prestasi seseorang yang ditunjukkan
melalui nilai IPK. Sedangkan secara
umum jarak
tempat tinggal dengan kampus tidak memberikan pengaruh apa-apa terhadap
prestasi seseorang.
DAFTAR PUSTAKA
Algifari. 2013. Analisis Regresi:
Teori, Kasus, dan Solusi. Yogyakarta: Fakultas Ekonomi dan Bisnis UGM.
Astuti, Septian Puji. 2015. Modul
Praktikum Statistika. Surakarta: Fakultas Ekonomi dan Bisnis Islam IAIN
Surakarta.
Oteny, Ayi. 2014. “Laporan Regresi
Berganda” (online), (otenyayie.blogspot.com, diakses tanggal 27 Desember 2015
jam 18.07).
Komentar
Posting Komentar