Analisis regresi berguna untuk mengetahui pengaruh antara variable bebas (yang juga dikenal dengan prediktor) yang disimbolkan dengan X dan variable terikat (yang juga dikenal dengan kriterium) yang disimbolkan dengan Y.
Istilah variable bebas dan variable terikat berasal dari matematika. Dalam penelitian, variable bebas adalah variable yang dimanipulasikan oleh peneliti. Misalnya seorang peneliti di bidang pendidikan yang mengkaji akibat dari berbagai metode pengajaran. Peneliti dapat menentukan metode (sebagai variable bebas) dengan menggunakan berbagai macam metode. Dalam bahasa yang lebih lugas, variable bebas adalah variable yang meramalkan sedangkan variable terikat adalah variable yang diramalkan. Variable terikat adalah akibat yang di duga mengikuti perubahan dari variable bebas.
Sebagai contoh, misalnya kita mengkaji tentang hubungan antara kecerdasan dan prestasi sekolah, maka kecerdasan adalah variable bebas dan prestasi sekolah adalah variable terikat. Jika kita meneliti hubungan antara merokok dan penyakit kanker, maka merokok adalah variable bebas dan penyakit kanker adalah variable terikat.
Dalam melakukan penentuan variable bebas dan variable terikat harus dilandasi dengan teori yang kuat. Hal ini karena statistic tidak dapat membedakan data yang memiliki teori dengan data yang tidak berteori. Jika data yang kita gunakan tidak memiliki landasan teori yang kuat, maka kesimpulan yang kita ambil akan sangat menyesatkan. Misalnya, kita memprediksi prestasi belajar dengan hasil panen padi. Secara statistic, bisa jadi prestasi belajar dipengaruhi oleh panen padi. Akan tetapi dalam kenyataannya, hasil analisis ini tidak dapat dibuktikan.
β0 = intersep Y untuk populasi
β0 = slope untuk populasi
ε = random error dalam Y untuk observasi ke-i
Dalam menentukan persamaan model regresi linear sederhana diperlukan metode tertentu. Metode yang paling sering digunakan adalah metode kuadrat terkecil (Least Square method). Pada dasarnya, least square method adalah metode meminimasi persamaan kuadrat. Dengan meminimasi persamaan kuadrat tersebut, maka akan didapatkan nilai untuk slope dan nilai untuk intersep yang akan membuat persamaan itu menjadi yang paling baik.
Misalnya, jika kita ingin meramal hubungan antara intelejensi dan prestasi belajar. Dengan menggunakan metode regresi linear sederhana, kita mendapatkan persamaan sebagai berikut:
Y = 2,55 + 0,93 (X) Maka -12,77 disebut intersep dan 0,93 disebut slope. Slope sebesar 0,93 berarti bahwa setiap peningkan 1 unit X (intelejensi), maka diperkirakan akan terjadi peningkatan sebesar 0,93 pada prestasi belajar. Nilai 2,55 melambangkan prestasi belajar. Kita bias gunakan model regresi yang telah kita hasilkan tersebut untuk memprediksi prestasi belajar seorang anak apabila dia memiliki intelejensi tertentu.
Pada postingan berikut insya Allah saya akan mendemonstrasikan bagaimana melakukan perhitungan untuk menemukan model persamaan regresi linear sederhana.
Share
8 komentar:
thanks
untuk artikelnya
sekarang edu gak meramalkan....
datanya da ada fakta 10 hari sebelum kejadian dan 10 hari setelah kejadian....
edu pengen liat pengaruh yang terjadi apakah signifikan atau enggak....
binggungg,,,,
mohon balasannya gan.
untuk meliat pengaruh dua variabel itu bisa gunakan uji t. kalo di spss, pake uji paired sample t test.
Saya mau meneliti perbedaan persepsi dan sikap pada masyarakat perdesaan dan perkotaan, uji analisisnya gimana pak?mohon balasannya
Assalamu Alaikum wr-wb, perkenalkan nama saya ibu Rosnida zainab asal Kalimantan Timur, saya ingin mempublikasikan KISAH KESUKSESAN saya menjadi seorang PNS. saya ingin berbagi kesuksesan keseluruh pegawai honorer di instansi pemerintahan manapun, saya mengabdikan diri sebagai guru disebuah desa terpencil, dan disini daerah tempat saya mengajar hanya dialiri listrik tenaga surya, saya melakukan ini demi kepentingan anak murid saya yang ingin menggapai cita-cita, Sudah 9 tahun saya jadi tenaga honor belum diangkat jadi PNS Bahkan saya sudah 4 kali mengikuti ujian, dan membayar 70 jt namun hailnya nol uang pun tidak kembali, bahkan saya sempat putus asah, pada suatu hari sekolah tempat saya mengajar mendapat tamu istimewa dari salah seorang pejabat tinggi dari kantor BKN pusat karena saya sendiri mendapat penghargaan pengawai honorer teladan, disinilah awal perkenalan saya dengan beliau, dan secara kebetulan beliau menitipkan nomor hp pribadinya dan 3 bln kemudian saya pun coba menghubungi beliau dan beliau menyuruh saya mengirim berkas saya melalui email, Satu minggu kemudian saya sudah ada panggilan ke jakarta untuk ujian, alhamdulillah berkat bantuan beliau saya pun bisa lulus dan SK saya akhirnya bisa keluar,dan saya sangat berterimah kasih ke pada beliau dan sudah mau membantu saya, itu adalah kisah nyata dari saya, jika anda ingin seperti saya, anda bisa Hubungi Bpk Drs Tauhid SH Msi No Hp 0853-1144-2258. siapa tau beliau masih bisa membantu anda, Wassalamu Alaikum Wr Wr ..
permisi pak mau tanya?
kegunaan analisis regresi untuk analisis data penelitian dan
karakteristik dan mamfaat analisis jalur (path analysis) untuk penelitian
terima kasih
Saya mau bertanya mas, saya mahasiswa jurusan pendidikan.kebetulan mengangkat judul pengaruh model pembelajarn (...)terhadap hasil belajar. Apakah setiap judul pengaruh itu kita diwajibkan pake analisis regresi??
Saya mau meneliti tentang pengaruh model pembelajaran terhadap berpikir kreatif dengan uji regresi tapi saya merasa bingung bagaimana cara menentukan nilai x nya? Mohon bantuannya 🙏
Posting Komentar