ANALISIS REGRESI GANDA

(dua prediktor)

..PENDAHULUAN
Analisis regresi dua prediktor adalah sebuah teknik
analisis yang digunakan untuk mengetahui hubungan
antara dua prediktor (X1 dan X2) dengan kriterium.
Hubungan ini digunakan sebagai suatu model regresi
yang digunakan untuk meramalkan atau meprediksi
nilai (Y) berdasarkan nilai (X) tertentu. Dengan
analisis regresi akan diketahui prediktor yang benarbenar signifikan mempengaruhi kriterium dan
dengan variabel yang signifikan tadi dapat digunakan
untuk memprediksi nilai kriterium.

PERSAMAAN REGRESI:

Y = a + bX1 + cX2
Y = Kriterium
X1,2 = Prediktor 1,2
a = konstanta
b ,c = koefisien regresi

CONTOH:
1. Dari data di samping buatlah
persamaan regresi antara Bakat (X1)
dan Minat (X2) dengan prestasi
belajar siswa!
2. Apakah persamaan regresi yang
diperoleh dapat dijadikan sebagai
dasar prediksi terhadap prestasi
belajar siswa berdasarkan Bakat dan
Minatnya?
3. Apakah ada korelasi Bakat (X1) dan
Minat (X2) dengan prestasi belajar
siswa (Y)?
4. Jika ya, prediktor mana yang lebih
dominan
dalam
memprediksi
prestasi siswa?

X1
9
11
10
12
10
8
9
12
11
10
12
15
12
11
13

X2
10
12
11
13
14
10
12
11
13
11
17
12
15
14
15

Y
5
8
7
6
7
5
5
7
7
6
8
6
7
7
8

Selesaikan tabel sebagaimana berikut:

X1
9
11
10
12
10
8
9
12
11
10
12
15
12
11
13

X2
10
12
11
13
14
10
12
11
13
11
17
12
15
14
15

Y
5
8
7
6
7
5
5
7
7
6
8
6
7
7
8

X1

X2

X1X2

X1Y

X2Y

Selesaikan tabel sebagaimana berikut:

X1
9
11
10
12
10
8
9
12
11
10
12
15
12
11
13
165

X2
10
12
11
13
14
10
12
11
13
11
17
12
15
14
15
190

Y
5
8
7
6
7
5
5
7
7
6
8
6
7
7
8
99

X1
81
121
100
144
100
64
81
144
121
100
144
225
144
121
169
1859

X2
100
144
121
169
196
100
144
121
169
121
289
144
225
196
225
2464

Y
25
64
49
36
49
25
25
49
49
36
64
36
49
49
64
669

X1X2
90
132
110
156
140
80
108
132
143
110
204
180
180
154
195
2114

X1Y
45
88
70
72
70
40
45
84
77
60
96
90
84
77
104
1102

X2Y
50
96
77
78
98
50
60
77
91
66
136
72
105
98
120
1274

Langkah-langkah perhitungan:
1. Menghitung rata-rata

X1

X2

nx1

nx 2

165

11,000
15
190

12,667
15

Y 99

6,600
ny

15

Langkah-langkah perhitungan:
2. Menghitung deviasi
2
(

Y)
y 2 Y 2
N

(X1 )(Y)
x1 y X1Y
N

2
(

X
)
2
2
1
x1 X1
N

(X 2 )(Y)
x 2 y X 2 Y
N

x 2

2
(

X
)
2
2
X 2 N

(X1 )(X 2 )
x 1 x 2 X1 X 2
N

.. Menghitung deviasi

(Y)
y Y
N
2

(99) 2
669
15
9801
669
15
669 653,4
15,6

.. Menghitung deviasi

(X1 )
x 1 X 1
N
2

(165) 2
1859
15
27225
1859
15
1859 1815
44

.. Menghitung deviasi

x 2

( X 2 )
X 2 N
2

(190) 2
2464
15
36100
2464
15
2464 2406,667
57,333

.. Menghitung deviasi

(X1 )(Y)
x 1 y X 1 Y
N
(165)(99)
1102
15
16335
1102
15
1102 1089
13

.. Menghitung deviasi

(X 2 )(Y)
x 2 y X 2 Y
N
(190)(99)
1274
15
18819
1274
15
1274 1254
20

.. Menghitung deviasi

( X 1 ) ( X 2 )
x 1 x 2 X1 X 2
N
(165)(190)
2114
15
31350
2114
15
2114 2090
24

Langkah-langkah Perhitungan:
3. Menghitung koefisien regresi
2

(x 2 )(x1 y) - (x1x 2 )(x 2 y)

b
2
2
2
(x1 )(x 2 ) - (x1x 2 )
2

(x1 )(x 2 y) - (x1x 2 )(x1 y)

c
2
2
2
(x1 )(x 2 ) - (x1x 2 )
a Y (b.X1 ) - (c.X 2 )

..3. Menghitung koefisien regresi

2

(x 2 )(x1 y) - (x1x 2 )(x 2 y)

b
2
2
2
(x1 )(x 2 ) - (x1x 2 )
(57,333)(13) - (24)(20)

(44)(57,333) - (24) 2
745,329 480

2522,652 576
265,329

1946,625
0,136

..3. Menghitung koefisien regresi

2

(x1 )(x 2 y) - (x1x 2 )(x1 y)

c
2
2
2
(x1 )(x 2 ) - (x1x 2 )
(44)(20) - (24)(13)

2
(44)(57,333) - (24)
880 312

2522,652 576
568

1946,625
0,292

..3. Menghitung koefisien regresi

a Y (b.X1 ) - (c.X 2 )
6,6 (0,136.11) (0,292.12,667)
6,6 1,496 3,699
1,405

Langkah-langkah Perhitungan:
4. Membuat Persamaan Regresi

Y = a + bX1 + cX2
=1,405 + 0,136X1 + 0,292X2

Langkah-langkah Perhitungan:
5. Menguji Signifikansi Persamaan Regresi

JK reg b.x1 y c.x 2 y

0,136.13 0,292.20
1,768 5,84
7,608

JK res y JK reg
2

15,6 7,608
7,992

.5. Menguji Signifikansi Persamaan

Regresi

Freg

JK reg / m
JK res /( N - m - 1)

7,608 / 2

7,992 /(15 - 2 - 1)
3,804

0,666
5,712

m = banyaknya prediktor

.5. Menguji Signifikansi Persamaan

Regresi
Untuk F5%(tabel alpha = 0,05)
Lihat baris pada angka 12 (sesuai dbres) dan kolom
pada angka 2 (sesuai dbreg) diperoleh F5% = 3,885
Untuk F1%(tabel alpha = 0,01)
Lihat baris pada angka 12 (sesuai dbres) dan kolom
pada angka 2 (sesuai dbreg) diperoleh F1% = 6,927

.5. Menguji Signifikansi Persamaan Regresi

Dari hasil perhitungan diperoleh Freg = 5,712 >
F5% = 3,885 berarti persamaan regresi tersebut
secara signifikan dapat digunakan sebagai dasar
prediksi terhadap prestasi siswa berdasarkan
bakat dan minatnya.

Langkah-langkah Perhitungan:
6. Menghitung taraf korelasi

R
2

JK reg
y 2

7,608

0,487
15,60

R R 0,487 0,698
2

Langkah-langkah Perhitungan:
7. Menguji signifikansi taraf korelasi

R2 / m
F
2
(1 R ) /( N - m - 1)
0,487 / 2

(1 0,487) /(15 - 2 - 1)
0,2435

(0,513) / 12
0,2435

0,04275
5,696

Untuk F5%(tabel alpha = 0,05)

Lihat baris pada angka 12
(sesuai dbres) dan kolom pada
angka
2
(sesuai
dbreg)
diperoleh F5% = 3,885
Untuk F1%(tabel alpha = 0,01)
Lihat baris pada angka 12
(sesuai dbres) dan kolom pada
angka
2
(sesuai
dbreg)
diperoleh F1% = 6,927

.7. Menguji Signifikansi Taraf Korelasi

Dari hasil perhitungan diperoleh Freg =
5,712 > F5% = 3,885 berarti ada korelasi
yang signifikan antara bakat dan minat
dengan prestasi siswa.

Langkah-langkah Perhitungan:
8. Menghitung Sumbangan Relatif (SR)

SR x1

b.x1 y

x100%
JK reg
0,136.13

x100%
7,608
1,768

x100%
7,608
0,232 x100%
23,2%
100%

SR x 2

c.x 2 y

x100%
JK reg
0,292.20

x100%
7,608
5,84

x100%
7,608
0,768 x100%
76,8%

Langkah-langkah Perhitungan:
9. Menghitung Sumbangan Efektif (SE)

SE x1 SRx 1.R 2 23,2%.0,487 11,3%

SE x 2 SRx 2 .R 2 76,8%.0,487 37,4%
Dari perhitungan di atas, diketahui bahwa Bakat (X2)
mempunyai sumbangan efektif sebesar 11,3% terhadap
prestasi siswa dan Minat (X2) mempunyai sumbangan
efektif sebesar 37,4% . Dengan demikian Minat
merupakan prediktor yang lebih dominan dalam
memprediksi prestasi siswa dibandingkan Bakat.