1.1.

Analisi Regresi

Untuk menganalisis bentuk hubungan dua variabel dipakai analisis regresi. Menurut
Triadmodjo (2002 : 87), variabel terdiri atas variabel bebas dan terikat. Data yang diperoleh dari
pengujian masing-masing diplot pada suatu sumbu salib dan akan membentuk titik pencar yang
disebut diagram pencar (scatter plot). Data-data tersebut merupakan variabel terikat (sumbu y)
dan variabel bebas (sumbu x).
Garis atau kurva pendekatan yang mewakili titik-titik dalam diagram pencar dapat berupa
garis lurus (linier) maupun garis lengkung (non linier). Beberapa bentuk regresi yang ada
diantaranya adalah:
1. Regresi linier; y = a + bx ……………………………………………... (2.9)
2. Regresi non linier berganda orde 2; y = a0 + a1x + a2x2 …………….. (2.10)
Untuk persamaan nilai koefisien dari persamaan di atas dapat dihitung berdasarkan
persamaan aljabar matrik, misalkan untuk a0, a1, a2 pada persamaan (2.10) dapat dihitung dengan
persamaan berikut:

n ⅀xi ⅀xi2 𝑎0 ⅀yi

[ ⅀xi ⅀xi2 ⅀xi 3] [
𝑎1] = [ ⅀xiyi ] ........................................(2.11)
⅀xi2 ⅀xi3 ⅀xi 4 𝑎2 ⅀xi2 yi

Dengan menyelesaikan persamaan aljabar matrik di atas nilai masing-masing koefisien

a0, a1, dan a2 didapat, sehingga diperoleh persamaan kurva hubungan antara variabel terikat (y)
dengan variabel bebas (x).
Untuk mendapatkan persamaan yang sesuai dari model-model regresi untuk analisis data
penelitian adalah yang menghasilkan koefisien determinasi (R-square) yang paling besar
(mendekati 1).

1.2. Anova

Anova atau Analisis of Variace (Anova) adalah tergolong analisis komparatif lebih dari
dua rata-rata. Tujuannya adalah untuk menguji perbedaan mean pada sampel atau kelompok
lebih dari dua. Gunanya untuk menguji kemampuan generalisasi, artinya data sampel dianggap
dapat mewakili populasi. Prinsip Anova adalah melakukan telaah variabilitas data menjadi dua
sumber kelompok variasi, yaitu variasi ke dalam kelompok (within) dan variasi antar kelompok
(between). Bila variasi within dan between sama (nilai perbandingan kedua varian sama dengan
1) mean-mean yang dibandingkan tidak ada perbedaan. Sebaliknya, bila hasil perbandingan
kedua varian tersebut menghasilkan nilai lebih dari 1, mean yang ditunjukkan mempunyai
perbedaan (Rianto, 2009).

Beberapa asumsi yang harus dipenuhi pada uji Anova adalah :

1. Varian homogeny;
2. Sampel/kelompok independen;
3. Data terdistrisbusi normal;
4. Jenis data yang dihubungkan adalah kategori dengan numerik (kategori yang lebih dari dua
kelompok).

Langkah-langkah dalam uji Anova dengan mengasumsikan bahwa data yang dipilih
secara acak, berdistrisbusi normal dan variannya homogen, yaitu:

Langkah ke-1.
Membuat Ha dan Ho dalam bentuk kalimat:
Ha : ada pengaruh yang signifikan
Ho : tidak ada pengaruh yang signifikan

Langkah ke-2.
Membuat Ha dan Ho model statistik:
Ha : A1 ≠ A2 ≠ A3
Ho : A1 = A2 = A3

Langkah ke-3.
Membuat tabel untuk menghitung angka statistik.

Langkah ke-4.
Dengan menggunakan uji Anova:

n1 X 1  n2 X 2  .........n k X k
X
n
..………….. …………………….….......(2.12)

n1 ( X 1  X ) 2  n2 ( X 2  X ) 2  .........n k ( X k  X ) 2 …………….….…...(2.13)
Sb 
2

k 1

(n1  1) S1  (n2  1) S 2  .........(nk  1) S k

2 2 2
Sw 
2

nk …………….…….…....(2.14)

Keterangan:
n1 = jumlah data kelompok 1
n2 = jumlah data kelompok 2
n = jumlah seluruh data
k = seluruh responden
Sb = varian between
Sw = varian within
df1 = numerator (k-1)
df2 = denominator (n-k)

Langkah ke 5.
Membandingkan nilai uji Anova (F) dengan tabel F:
2
S
F  b 2 …………………………………………………………….……(2.15)
Sw

Pada tabel distribusi F terdiri dari tiga bagian, yaitu df numerator, df denominator dan area.
Bagian area menunjukan nilai alphanya atau nilai p. Nilai area dimulai dari angka 0,100 turun
sampai dengan angka 0,001, yang berarti semakin ke atas nilai areanya semakin besar nilai p-
nya.

Langkah ke 6.
Keputusan uji statistik.

Hasil perhitungan didapatkan nilai p < dari pada nilai alpha 0,05, maka dapat disimpulkan Ho
ditolak. Dengan menggunakan alpha 5% dapat disimpulkan ada perbedaan signifikan (Rianto,
2009).