Puji syukur kehadirat Tuhan Yang Maha Esa yang telah melimpahkan rahmat dan hidayahnya sehingga penulis dapat menyelesaikan tugas bab buku materi analisis korelasi berganda dan regresi linier berganda tepat pada waktunya. Bab buku ini merupakan upaya pemenuhan tugas Mata Kuliah Statistika Ilmu Data pada Program Doktor Program Studi Pendidikan Matematika Universitas Pendidikan Indonesia (UPI). Kami berharap dengan penyusunan materi ini dapat menambah wawasan para pembaca untuk lebih memahami tentang Analisis Korelasi Berganda dan Regresi Linier Berganda.
Dadang Juandi M.Si selaku Dosen Pendidikan Matematika Program Pascasarjana Statistika Ilmu Data UPI memimpin dan mengarahkan proses penyusunan bab buku ini sehingga dapat menambah pengetahuan dan wawasan sesuai materi yang dijelaskan dalam bab buku ini. . Penulis menyadari bahwa dalam penulisan materi analisis korelasi dan regresi linier berganda masih jauh dari sempurna. Oleh karena itu, ada pengembangan analisis korelasi yang bertujuan untuk mengetahui hubungan antar variabel yang akan diuji.
Berdasarkan banyaknya variabel bebas yang diteliti, analisis korelasi dibedakan menjadi dua, yaitu analisis korelasi linier sederhana dan analisis korelasi linier berganda. Dalam penulisan bab buku ini, penekanannya akan lebih pada pembahasan analisis korelasi linier berganda dan regresi linier berganda yang berguna untuk memperkirakan nilai variabel terikat.
Korelasi Ganda
Setelah diperoleh nilai koefisien korelasi berganda, maka perlu diketahui apakah koefisien tersebut signifikan atau tidak. H0 : Tidak terdapat hubungan antara minat siswa dengan hasil belajar siswa Ha : Terdapat hubungan antara minat siswa dengan hasil belajar siswa. H0 : Tidak terdapat hubungan minat belajar siswa dan motivasi belajar siswa secara simultan/simultan dengan hasil belajar siswa.
Ha : Terdapat hubungan antara minat siswa dan motivasi siswa secara simultan/simultan dengan hasil belajar siswa. Artinya koefisien korelasi signifikan pada taraf signifikansi 5% dan dapat disimpulkan bahwa terdapat hubungan antara minat belajar siswa dengan hasil belajar siswa. Artinya koefisien korelasi signifikan pada taraf signifikansi 5% dan dapat disimpulkan bahwa terdapat hubungan antara motivasi belajar siswa dengan hasil belajar siswa.
Artinya koefisien korelasinya signifikan dengan tingkat signifikansi 5%, dan dapat disimpulkan bahwa terdapat hubungan antara minat belajar dengan motivasi belajar siswa. Untuk mengetahui signifikansi hubungan variabel minat siswa (X1) dan motivasi siswa (X2) dengan hasil belajar siswa (Y) secara bersama-sama dapat menggunakan rumus (2.6). Pada taraf signifikansi 5% terdapat hubungan antara minat belajar siswa dengan motivasi belajar siswa dan hasil belajar siswa.
Artinya koefisien korelasi signifikan pada taraf signifikansi 5% dan dapat disimpulkan bahwa terdapat hubungan antara minat belajar siswa dengan hasil belajar siswa.
Analisis Regresi Ganda
Langkah selanjutnya untuk mencari hubungan simultan antara dua variabel independen dan variabel dependen adalah dengan memasukkan rumus (2.5) secara manual. Analisis regresi berganda merupakan suatu teknik statistik yang dapat digunakan untuk memprediksi hubungan antara satu variabel terikat (kriteria) dan beberapa variabel bebas (predikator). Analisis regresi berganda dapat disebut juga sebagai teknik analisis untuk meramalkan hubungan antara dua variabel atau lebih dengan suatu variabel terikat.
Analisis regresi digunakan untuk membuktikan ada atau tidaknya hubungan fungsional atau hubungan sebab akibat antara dua atau lebih variabel bebas (prediktor) dan variabel terikat (kriteria). Dalam regresi linier berganda terdapat beberapa asumsi klasik yang harus dipenuhi antara lain residu berdistribusi normal, tidak adanya multikolinearitas, tidak adanya heteroskedastisitas, dan tidak adanya autokorelasi. Buatlah tabel bantu perhitungan angka statistik seperti pada tabel 2.1. a) Hitung jumlah kuadrat x1 atau ∑x12 menggunakan rumus :.
Persamaan regresi dicari untuk memprediksi perubahan (kenaikan/penurunan) hasil belajar siswa (Y) dengan menggunakan minat siswa (X1) dan motivasi siswa (X2) sebagai prediktornya. Data yang diperoleh dari hasil pengumpulan data dianggap telah memenuhi prasyarat dan syarat analisis, yaitu data dipilih secara acak dan berdistribusi normal. Terlihat pada gambar di atas koefisien minat belajar sebesar 0,064, motivasi belajar sebesar 0,094 dan nilai konstanta sebesar 67,80.
Mengutip data yang bersumber dari Sulistyono (2017), diperoleh data mengenai harga bahan baku suatu perusahaan, jumlah karyawan, dan total produksi bulanan selama 11 bulan. Dari gambar di atas, koefisien kerusakan mesin sebesar 52,0061, jumlah pegawai −3,1066 dan nilai konstanta sebesar 433,7427.
Menghitung Korelasi dan Regresi Berganda dengan SPSS
Klik tampilan variabel sheet, beri nama label minat sebagai variabel X1, label motivasi sebagai X2 sebagai motivasi dan Y sebagai hasil belajar. Berdasarkan tabel koefisien diperoleh nilai toleransi pada variabel Minat (X1) = 0,798 begitu pula pada variabel Motivasi (X2). Pada P-plot terlihat titik-titik tersebar sepanjang garis diagonal dan mendekatinya, sedangkan pada histogram plot.
Berdasarkan hasil uji normalitas dengan Kolmogorov Smirnov diperoleh nilai Sig sebesar 0,013 < 0,05; maka datanya tidak berdistribusi normal. Kemudian kita akan membuat residu dari hasil Lg10 untuk masing-masing variabel seperti pada uji Kolmogorov Smirnov. Uji heteroskedastisitas dilakukan pada model regresi untuk menguji apakah terdapat ketimpangan variance dari residual satu observasi ke observasi lainnya.
Uji heteroskedastisitas dilakukan untuk mengetahui apakah dalam suatu model regresi terdapat ketidakseimbangan antara variance residual pada suatu pengamatan dibandingkan dengan pengamatan lainnya. Apabila tidak terdapat pola yang jelas, atau titik-titik tersebar di atas dan di bawah angka 0 pada sumbu y, maka tidak terjadi heteroskedastisitas. Dari Scatter plot titik-titik tersebar secara acak baik di atas maupun di bawah sumbu Y dan tidak terdapat pola yang jelas sehingga dapat disimpulkan tidak terjadi heteroskedastisitas.
Berdasarkan tabel ringkasan model diketahui besarnya hubungan minat dan motivasi secara simultan terhadap hasil belajar yang dihitung dengan koefisien korelasi adalah sebesar 0,613 yang menunjukkan adanya pengaruh yang kuat. Sedangkan sumbangan simultan variabel minat dan motivasi terhadap hasil belajar sebesar 37,5%, sedangkan 62,5% ditentukan oleh variabel lain. Berdasarkan tabel koefisien diperoleh nilai toleransi pada variabel Jumlah Kecelakaan (X1) = 0,756 dan sama pada variabel Jumlah Pekerja (X2).
Pada gambar P-Plot terlihat titik-titik tersebar sepanjang garis diagonal dan mendekatinya, sedangkan plot histogram menunjukkan pola sebaran hampir membentuk gelembung yang berarti model regresi memenuhi asumsi normal atau datanya normal. terbagi. Berdasarkan hasil uji normalitas dengan Kolmogorov Smirnov diperoleh nilai Sig sebesar 0,200 > 0,05; maka datanya terdistribusi normal. Sedangkan sumbangan atau sumbangan simultan variabel minat dan motivasi terhadap hasil belajar sebesar 24,8%, sedangkan 75,2% ditentukan oleh variabel lain.
Hubungan Minat dan Motivasi Belajar Tari Siswa Putra dengan Hasil Belajar Siswa SMPN 1 Jogonalan Klaten. Tujuan dari uji multikolinearitas adalah untuk menguji apakah model regresi menemukan adanya korelasi antar variabel independen.
