Ali Rokhman, Statistika untuk Administrasi Publik
Regresi Linear Sederhana (Tunggal) Analislah variabel X1 dan Y dengan menggunakan teknik Regresi Linear Sederhana, dengan langkah-langkah: No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
X1 12 10 10 12 12 12 8 11 12 8 7 9 9 12 11 10 11 12 9 11
X2 10 12 9 12 14 15 10 12 13 12 9 7 14 11 10 13 13 12 9 12
Y 16 15 16 17 18 19 16 18 18 15 12 12 20 11 13 21 19 15 12 15
No. 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
X1 11 13 10 12 13 13 14 13 12 11 11 12 12 8 6 11 10 12 13 11
X2 12 14 9 11 10 14 15 14 15 12 15 13 11 13 14 10 14 13 15 14
Y 15 16 9 14 16 15 20 18 18 20 20 16 12 20 20 10 18 15 18 17
1. Entry data di atas (sama dengan data korelasi product moment pada pertemuan minggu yang lalu) 2. Klik Analyze Regression Linear
3. Masukkan variabel X1 sebagai Independent dan variabel Y sebagai Dependent
Ali Rokhman, Statistika untuk Administrasi Publik
4. Klik Statistics… 5. Pilih Estimates, dan Model fit
6. Tekan Continue OK
Output dan Interpretasi Regresi Sederhana Model Summary
Model 1
R ,054a
R Square ,003
Adjusted R Square -,023
St d. Error of the Estimate 3,084
a. Predictors: (Constant), Kemampuan Kerja
Koefisien korelasi product moment adalah 0,054 [sama dengan ketika analisis product moment], R Square adalah koefisien determinasi dimana didapat hasil sebesar 0,003 artinya kontribusi variabel X1 terhadap Y sangat kecil atau hanya 0,3% saja (0,003 dikalikan 100).
Ali Rokhman, Statistika untuk Administrasi Publik
ANOVAb
Model 1
Regression Residual Total
Sum of Squares 1,053 361,322 362,375
df 1 38 39
Mean Square 1,053 9,508
F ,111
Sig. ,741a
a. Predictors: (Const ant), Kemampuan Kerja b. Dependent Variable: Produktiv itas Kerja
Seperti halnya korelasi product moment, nilai P atau Sig. regresi tunggal antara X1 terhadap Y ini juga didapat hasil tidak signifikan. Nilai Sig. sebesar 0,741 yang berarti lebih besar dari patokan tingkat kesalahan kita yakni sebesar 5% atau 0,05. Coeffici entsa
Model 1
(Constant) Kemampuan Kerja
Unstandardized Coef f icients B Std. Error 15,127 3,038 9,156E-02 ,275
Standardized Coef f icients Beta ,054
t 4,979 ,333
Sig. ,000 ,741
a. Dependent Variable: Produktiv itas Kerja
Berdasarkan tabel di atas, maka dapat disusun persamaan regresinya yaitu: Y = 15,127 + 0,09156X1 Nilai 0,091 adalah slope perubahan garis regresi. Hal ini berarti setiap perubahan satu satuan dari X1 akan diikuti perubahan Y sebesar 0,091. Sehingga jika kita masukkan ke dalam grafik regresi dapat dilihat pada gambar di bawah ini.
Ali Rokhman, Statistika untuk Administrasi Publik
Regresi Linear Ganda Kita lanjutkan dengan menganalisis ketiga variabel tersebut dengan teknik regresi linear ganda (multiple linear regression). Langkah-langkahny sebagai berikut. 1. Klik Analyze Regression Linear
2. Masukkan variabel Y sebagai Dependent dan variabel X1 dan X2 sebagai Independent Variabel
3. Pada Method, pilih ENTER 4. Lalu Klik Statistics 5. Pilih (beri tanda √ ): a. Estimates b. Model Fit c. Descriptive
6. Klik Continue OK
Ali Rokhman, Statistika untuk Administrasi Publik
Output dan Interpretasi Regresi Liner Ganda Model Summary
Model 1
R ,761a
R Square ,579
Adjusted R Square ,556
St d. Error of the Estimate 2,032
a. Predictors: (Constant), Motiv asi Kerja, Kemampuan Kerja
ANOVAb
Model 1
Regression Residual Total
Sum of Squares 209,639 152,736 362,375
df 2 37 39
Mean Square 104,820 4,128
F 25,392
Sig. ,000a
a. Predictors: (Const ant), Motiv asi Kerja, Kemampuan Kerja b. Dependent Variable: Produktiv itas Kerja
Berdasarkan tabel di atas dapat diketahui bahwa koefisien korelasi majemuk (bersama-sama) antara variabel X1 + X2 terhadap Y adalah sebesar 0,761. Korelasi ini terbukti signifikan karena berdasarkan tabel Anova diperoleh nilai F hitung sebesar 25,392 dengan nilai P atau Sig. sebesar 0,000 [lebih rendah dari 0,05]. Sehingga dapat dikatakan bahwa terdapat korelasi bersama yang positif dan signifikan antara variabel kemampuan kerja dan motivasi kerja dengan variabel produktivitas kerja. Koefisien determinasi X1 dan X2 terhadap Y adalah 57,9%, artinya kontribusi variabel X1 dan X2 terhadap Y adalah sebesar 57,9%. Coeffici entsa
Model 1
(Constant) Kemampuan Kerja Motiv asi Kerja
Unstandardized Coef f icients B Std. Error 5,733 2,399 -,381 ,193 1,195 ,168
Standardized Coef f icients Beta -,224 ,808
t 2,390 -1,974 7,108
Sig. ,022 ,056 ,000
a. Dependent Variable: Produktiv itas Kerja
Tabel di atas diperoleh persamaan regresi sebagai berikut: Prod_Kerja = 5,733 – 0,381KemampuanKerja + 1,195MotivasiKerja Tabel di atas juga menunjukkan bahwa jika diuji secara sendiri-sendiri variabel kemampuan kerja ternyata tidak mempunyai pengaruh yang signifikan terhadap produktivitas kerja, karena nilai P atau Sig. sebesar 0,056 masih lebih besar dari patokan kita yakni 0,050. Tetapi untuk variabel motivasi kerja kita dapat mengatakan ada pengaruh yang signifikan antara motivasi kerja terhadap produktivitas kerja karena nilai P atau Sig. sebesar 0,00 yang berarti lebih kecil dari 0,05. Kesimpulan akhir dari penelitian tersebut, untuk mendapatkan produktivitas kerja karyawan yang semakin baik, maka yang lebih penting harus ditingkatkan adalah
Ali Rokhman, Statistika untuk Administrasi Publik faktor motivasi kerjanya. Walaupun seorang karyawan mempunyai kemampuan kerja yang sangat tinggi, namun tanpa didukung oleh motivasi yang baik maka tidak akan tercapai produktivitas kerjanya.
SELANJUTNYA Dari data tentang kinerja kelas kita, analisislah dengan regresi linear ganda pengaruh variabel X1, X2, X3, X4, X5 terhadap Y Jelaskan hasilnya, dan kirim ke
[email protected] Info penting…!!!! Penggunaan teknik analisis regresi linear harus melalui sejumlah persyaratan yang dikenal dengan Uji Asumsi Klasik Regresi Linear. Untuk mendalami sumber bacaannya dapat download di http://arokhman.blog.unsoed.ac.id/statistik/
