Analisis regresi linier sederhana

Analisis regresi linier sederhana

Kasus :

Seorang peneliti ingin mengetahui hubungan antara prokrastinasi akademik dengan prestasi belajar mata kuliah statistik. Selanjutnya diambil sebanyak 30 orang secara random dengan menggunakan instrument skala prokrastinasi dan tes hasil belajar, dan diperoleh data sebagai berikut

Kode	Prokrastinasi	Prestasi Belajar
Subyek
1	21	22
2	23	12
3	23	23
4	21	43
5	23	23
6	21	21
7	23	23
8	21	23
9	23	21
10	21	23
11	22	21
12	24	23
13	23	21
14	21	22
15	23	22
16	23	12
17	21	23
18	23	43
19	21	23
20	23	21
21	21	23
22	23	23
23	21	21
24	22	23
25	24	21
26	23	23
27	22	21
28	20	22
29	33	24
30	44	23

Dengan taraf signifikansi (galat/p) = 0,05 (5%), apakah ada pengaruh tingkat Prokrastinasi akademik terhadap Prestasi Belajar Statistik?

Solusi :

Hipotesis

·         Ho : Tidak ada pengaruh prokrastinasi akademik terhadap prestasi belajar statistik

·         Ha : Ada pengaruh prokrastinasi akademik  terhadap prestasi belajar statistik

Proses Analisis

1.    Data yang sudah diperoleh terlebih dahulu kita input (dikelola) ke dalam Ms. Excel

2.    Data yang sudah terinput kemudian di copy ke dalam program SPSS

3.    Pada tampilan variable view, pada kolom Name ditulis nama variabel yang akan diuji, yakni variabel prokrastinasi dan prestasi. Kemudian untuk kolom Label, diisi dengan Prokrastinasi dan Prestasi Belajar Statistik. Untuk kolom Width isilah dengan angka 8, dan pada kolom Decimals isikan angka 2 (dengan kondisi devault)

4.    Setelah pengisian selesai, klik data view.

5.    Simpan file yang sudah selesai diinput.

6.    Untuk mengolah data, klik Analyze?Regression?Linear

7.    Pada kotak dialog Linear Regression, klik variabel prokrastinasi dan pindahkan ke kotak Dependent dan prestasi  kotak Independent.

8.    Klik Statistic sehingga keluar kotak dialog Linear Regression : Statistics. Pada Regression Coefficients centang Estimate, Model Fit, dan Descriptives. Pada Residuals centang Durbin-Watson. Selanjutnya klik Continue.

9.    Setelah keluar kotak dialog Linear Regression lagi, pilih Plots?Normal probability plot?Continue?Ok

Dengan menggunakan program SPSS uji Linear Regression diperoleh data sebagai berikut

Residuals Statisticsa
	Minimum	Maximum	Mean	Std. Deviation	N
Predicted Value	22.9963	23.3631	23.2333	.07217	30
Residual	-3.24477	20.76706	.00000	4.52280	30
Std. Predicted Value	-3.284	1.798	.000	1.000	30
Std. Residual	-.705	4.512	.000	.983	30
a. Dependent Variable: Prokrastinasi

Interpretasi :

Descriptive Statistics
	Mean	Std. Deviation	N
Prokrastinasi	23.2333	4.52337	30
Prestasi Belajar Statistik	22.9667	6.09965	30

Ø  Pada tabel Descriptive Statistic, diperoleh informasi :

·         Mean (rata-rata) prokrastinasi (dengan jumlah subyek 30) adalah 23,233, dengan standar deviasi 4,52337

·         Mean prestasi belajar statistik adalah 22,9667, dengan satandar deviasi 6,09965

Correlations
		Prokrastinasi	Prestasi Belajar Statistik
Pearson Correlation	Prokrastinasi	1.000	-.016
	Prestasi Belajar Statistik	-.016	1.000
Sig. (1-tailed)	Prokrastinasi	.	.467
	Prestasi Belajar Statistik	.467	.
N	Prokrastinasi	30	30
	Prestasi Belajar Statistik	30	30

Ø  Pada tabel Correlation, memuat korelasi/hubungan antara variabel prokrastinasi dengan prestasi belajar statistik

·         Besarnya korelasi yang didapat adalah -0,016 dengan signifikansi 0,467. Karena signifikansi >0,05, maka Ho diterima, artinya tidak terdapat hubungan yang signifikan antara prokrastinasi dengan prestasi belajar statistik.

·         Dengan koefisien korelasi bernilai -0,016, maka arah hubungannya adalah negatif. Hal ini menunjukkan bahwa semakin tinggi tingkat prokrastinasi, maka prestasi belajar statistik akan semakin menurun (rendah), dan sebaliknya.

Variables Entered/Removedb
Model	Variables Entered	Variables Removed	Method
1	Prestasi Belajar Statistika	.	Enter
a. All requested variables entered.
b. Dependent Variable: Prokrastinasi

Ø  Pada tabel Variables Entered, menunjukkan variabel yang dimasukkan adalah variabel Prestasi Belajar Statistik dan tidak ada variabel yang dikeluarkan (removed), karena metode yang digunakan adalah metode enter.

Model Summaryb
Model	R	R Square	Adjusted R Square	Std. Error of the Estimate	Durbin-Watson
1	.016a	.000	-.035	4.60285	.631
a. Predictors: (Constant), Prestasi Belajar Statistik
b. Dependent Variable: Prokrastinasi

Ø  Pada table Model Summary, diperoleh hasil R Square (merupakan hasil pengkuadratan koefisien korelasi) sebesar 0,000, yang berarti bahwa prestasi belajar statistik tidak dipengaruhi oleh variabel prokrastinasi akademik.

ANOVAb
Model		Sum of Squares	df	Mean Square	F	Sig.
1	Regression	.151	1	.151	.007	.933a
	Residual	593.216	28	21.186
	Total	593.367	29
a. Predictors: (Constant), Prestasi Belajar Statistik
b. Dependent Variable: Prokrastinasi

Ø  Dari tabel ANOVA diperoleh nilai F hitung sebesar 593,367 dengan tingkat signifikansi 0,933>0,05 maka model regresi nantinya dapat digunakan untuk memprediksi prestasi belajar statistik.

Coefficientsa
Model		Unstandardized Coefficients		Standardized Coefficients	t	Sig.
		B	Std. Error	Beta
1	(Constant)	23.505	3.326		7.067	.000
	Prestasi Belajar Statistik	-.012	.140	-.016	-.084	.933
a. Dependent Variable: Prokrastinasi

Ø  Pada tabel Coefisient, diperoleh model regresi :

Y=23,505+(-0,012)X

Y= Prokrastinasi

X= Prestasi belajar

Ø  Atau dengan kata lain : Prokrastinasi= 23,505 +(-0,012)Prestasi belajar

·         Konstanta sebesar 23,505 menyatakan bahwa jika tidak ada prestasi belajar, maka prokrastinasi adalah 23,505

·         Koefisien regresi sebesar -0,012 menyatakan bahwa setiap pengurangan (karena bernilai negatif) 1 skor prestasi belajar, akan mengurangi prokrastinasi sebesar -0,012

·         Untuk analisis regresi linier sederhana, harga koefisien korelasi (-0,016) adalah juga harga Standardized Coefficient (beta).

Ø  Uji t digunakan untuk menguji kesignifikanan koefisien regresi

Hipotesis

Ø  Ho : Koefisien regresi tidak signifikan

Ø  Ha : Koefisien regresi signifikan

Keputusan 1 : Constant

Ø  Berdasarkan  data tersebut di atas maka dapat dilakukan pengujian hipotesis dengan dua cara sebagai  berikut :

a.    Dengan cara membandingkan nilai t hitung dengan t tabel

Pengujian:

·         Jika t hitung > t tabel, maka Ho ditolak

·         Jika t hitung < t tabel, maka Ho diterima

§  Dari jumlah subyek (N) sebanyak 30, maka berdasarkan diperoleh df sebesar 28. Jika taraf signifikansi (α) ditetapkan 0,05 (5%) sedangkan pengujian dilakukan dengan menggunakan uji dua pihak (Sig. 2-tailed), maka harga t table adalah 2,048.

§  Berdasarkan dari hasil analisis di atas diperoleh t hitung sebesar 7,067>2,048 maka Ho ditolak dan Ha diterima, jadi koefisien regresi Constant  signifikan

b.    Dengan membandingkan taraf signifikansi (p-value) dengan galatnya

·         Jika taraf signifikansi >0,05, maka Ho diterima

·         Jika taraf signifikansi<0,05, maka Ho ditolak

Berdasarkan analisis di atas, diperoleh signifikansi sebesar 0,000<0,05 maka Ho ditolak, Koefisien regresi Constant  signifikan.

Keputusan 2 : Variabel prestasi belajar

a. Dengan cara membandingkan nilai t hitung dengan t tabel.

·         Jika t hitung > t tabel, maka Ho ditolak

·         Jika t hitung < t table, maka Ho diterima

Berdasarkan hasil analisis diperoleh t hitung sebesar -0,084, maka t hitung < t table (-0,084<2,048) maka Ho diterima, jadi regresi prestasi belajar tidak signifikan.

b. Dengan cara membandingkan taraf signifikansi (p-value) dengan galatnya.

·         Jika signifikansi >0,05, maka Ho diterima

·         Jika signifikansi<0,05, maka Ho ditolak

Berdasarkan analisis di atas diperoleh signifikansi sebesar 0,933. Jadi signifikansi >0,05, maka Ho diterima yang berarti bahwa koefisien regresi prestasi belajar tidak signifikan

Kesimpulan :

1.    Tidak terdapat pengaruh yang signifikan antara prokrastinasi dengan prestasi belajar statistik

2.    Terdapat 0,02% variabel prokrastinasi dipengaruhi dijelaskan oleh variabel prestasi belajar, sisanya 99,98% dipengaruhi oleh variabel lain.

3.    Tidak terdapat pengaruh yang cukup kuat prokrastinasi terhadap prestasi belajar statistik