- 1. Contoh Soal Analisis Regresi
- 2. Langkah-langkah Analisis Regresi Sederhana
- 3. Persamaan Garis Regresi
- 4. Asumsi Dasar Analisis Regresi Sederhana
- 5. Uji Signifikansi
- 6. Uji Asumsi Dasar Analisis Regresi Sederhana
- 7. Kesimpulan
- 8. FAQ
- 8.1 1. Apa itu analisis regresi?
- 8.2 2. Apa saja asumsi dasar analisis regresi sederhana?
- 8.3 3. Bagaimana cara mengetahui apakah ada hubungan antara variabel independen dan variabel dependen dalam analisis regresi sederhana?
- 8.4 4. Apa yang dilakukan jika terdapat lebih dari satu variabel independen dalam analisis regresi?
Hallo Teman-Teman Semua, pada kesempatan kali ini admin akan membahas mengenai contoh soal analisis regresi. Analisis regresi merupakan salah satu metode statistik yang digunakan untuk mengetahui hubungan antara satu variabel independen dengan satu variabel dependen. Melalui artikel ini, admin akan memberikan contoh soal analisis regresi beserta langkah-langkahnya. Yuk simak artikel berikut ini!
Contoh Soal Analisis Regresi
Seorang peneliti ingin mengetahui apakah ada hubungan antara jumlah jam belajar dengan nilai ujian mahasiswa. Mahasiswa yang diperiksa sebanyak 30 orang, dengan data sebagai berikut:
No. | Jumlah Jam Belajar | Nilai Ujian |
---|---|---|
1 | 2 | 60 |
2 | 3 | 75 |
3 | 4 | 85 |
4 | 5 | 90 |
5 | 6 | 92 |
6 | 7 | 95 |
7 | 8 | 98 |
8 | 9 | 100 |
9 | 10 | 105 |
10 | 11 | 110 |
11 | 12 | 115 |
12 | 13 | 120 |
13 | 14 | 125 |
14 | 15 | 130 |
15 | 16 | 135 |
16 | 17 | 140 |
17 | 18 | 145 |
18 | 19 | 150 |
19 | 20 | 155 |
20 | 21 | 160 |
21 | 22 | 165 |
22 | 23 | 170 |
23 | 24 | 172 |
24 | 25 | 175 |
25 | 26 | 178 |
26 | 27 | 180 |
27 | 28 | 182 |
28 | 29 | 185 |
29 | 30 | 190 |
30 | 31 | 195 |
Dari data di atas, admin akan mencoba melakukan analisis regresi sederhana untuk mengetahui apakah jumlah jam belajar berpengaruh terhadap nilai ujian mahasiswa.
Langkah-langkah Analisis Regresi Sederhana
Berikut adalah langkah-langkah analisis regresi sederhana:
- Membuat scatter plot untuk melihat hubungan antara variabel independen dan variabel dependen.
- Mencari persamaan garis regresi.
- Memeriksa asumsi dasar analisis regresi sederhana, yaitu:
- Normalitas data.
- Homogenitas varian.
- Independensi data.
- Melakukan uji signifikansi untuk mengetahui apakah ada hubungan antara variabel independen dan variabel dependen.
- Melakukan uji asumsi dasar analisis regresi sederhana, yaitu:
- Uji normalitas residual.
- Uji homogenitas residual.
- Melakukan analisis multikolinearitas (apabila terdapat lebih dari satu variabel independen).
Persamaan Garis Regresi
Setelah membuat scatter plot, didapatkan persamaan garis regresi sebagai berikut:
Artinya, nilai ujian mahasiswa diprediksi sebesar 52.732 + 5.215 * jumlah jam belajar. Jadi, setiap peningkatan satu jam belajar akan meningkatkan nilai ujian sebesar 5.215.
Asumsi Dasar Analisis Regresi Sederhana
Normalitas Data
Untuk memeriksa normalitas data, dapat dilakukan dengan melihat histogram dan normal probability plot dari residual. Berikut adalah hasil dari histogram dan normal probability plot dari residual:
Dari hasil tersebut, dapat dilihat bahwa residual memiliki distribusi yang cukup normal.
Homogenitas Varian
Untuk memeriksa homogenitas varian, dapat dilakukan dengan melihat plot residual vs. predicted values. Berikut adalah plot residual vs. predicted values:
Dari plot tersebut, dapat dilihat bahwa varian residual cukup konstan untuk semua nilai predicted values.
Independensi Data
Untuk memeriksa independensi data, dapat dilakukan dengan melihat plot residual vs. time. Berikut adalah plot residual vs. time:
Dari plot tersebut, dapat dilihat bahwa residual tidak memiliki pola tertentu yang mengindikasikan adanya pengaruh dari waktu. Sehingga dapat disimpulkan bahwa data cukup independen.
Uji Signifikansi
Untuk mengetahui apakah ada hubungan antara variabel independen dan variabel dependen, dapat dilakukan uji signifikansi. Berikut adalah hasil dari uji signifikansi:
Dari hasil tersebut, dapat dilihat bahwa p-value sebesar 6.37E-08, yang berarti variabel jumlah jam belajar signifikan berpengaruh terhadap variabel nilai ujian mahasiswa.
Uji Asumsi Dasar Analisis Regresi Sederhana
Uji Normalitas Residual
Untuk memeriksa normalitas residual, dapat dilakukan dengan menggunakan uji normalitas, seperti Shapiro-Wilk test. Berikut adalah hasil dari Shapiro-Wilk test pada residual:
Dari hasil tersebut, dapat dilihat bahwa p-value sebesar 0.163, yang berarti residual memiliki distribusi yang cukup normal.
Uji Homogenitas Residual
Untuk memeriksa homogenitas residual, dapat dilakukan dengan menggunakan uji homogenitas, seperti Levene’s test. Berikut adalah hasil dari Levene’s test pada residual:
Dari hasil tersebut, dapat dilihat bahwa p-value sebesar 0.810, yang berarti varian residual cukup homogen untuk semua nilai predicted values.
Kesimpulan
Berdasarkan analisis regresi sederhana yang telah dilakukan, dapat disimpulkan bahwa terdapat hubungan positif yang signifikan antara jumlah jam belajar dengan nilai ujian mahasiswa. Setiap peningkatan satu jam belajar akan meningkatkan nilai ujian sebesar 5.215. Selain itu, dapat juga dikatakan bahwa data yang digunakan dalam analisis ini cukup memenuhi asumsi dasar analisis regresi sederhana.
Sampai Jumpa Kembali di Artikel Menarik Lainnya!
FAQ
1. Apa itu analisis regresi?
Analisis regresi merupakan salah satu metode statistik yang digunakan untuk mengetahui hubungan antara satu variabel independen dengan satu variabel dependen.
2. Apa saja asumsi dasar analisis regresi sederhana?
Asumi dasar analisis regresi sederhana adalah normalitas data, homogenitas varian, dan independensi data.
3. Bagaimana cara mengetahui apakah ada hubungan antara variabel independen dan variabel dependen dalam analisis regresi sederhana?
Untuk mengetahui apakah ada hubungan antara variabel independen dan variabel dependen dalam analisis regresi sederhana, dapat dilakukan uji signifikansi.
4. Apa yang dilakukan jika terdapat lebih dari satu variabel independen dalam analisis regresi?
Jika terdapat lebih dari satu variabel independen dalam analisis regresi, maka dilakukan analisis regresi berganda.