Daftar Isi
Dalam kegiatan penelitian, analisis data bisa dilakukan dalam berbagai teknik dan salah satunya melalui analisis regresi. Analisis jenis ini cocok untuk penelitian yang bertujuan memahami hubungan dan pengaruh antara dua variabel atau lebih.
Analisis data dengan teknik ini bisa diterapkan untuk penelitian dari berbagai topik di beberapa bidang keilmuan. Terutama untuk data penelitian yang sifatnya numerik atau berupa angka.
Jika dalam penelitian yang dilakukan atau akan dijalankan cocok dengan teknik analisis data satu ini. Maka tentunya perlu memahami betul apa dan bagaimana penerapannya dalam analisis data penelitian. Berikut informasinya.
Dikutip melalui salah satu artikel ilmiah yang terbit di Jurnal MIPA Universitas Negeri Semarang, analisis regresi adalah salah satu metode analisis data dalam statistika yang seringkali digunakan untuk mengkaji hubungan antara beberapa variabel dan meramal suatu variabel.
Jadi, analisis dengan teknik ini membantu memahami hubungan dan pengaruh dari dua variabel yang berbeda. Sehingga hasil analisis bisa menjadi dasar penentuan kebijakan, jalannya program, strategi dalam bisnis dan penerapan suatu teknologi, dan sebagainya.
Tujuan utama dari teknik analisis ini adalah mengetahui hubungan antara variabel bebas dengan variabel tidak bebas (variabel terikat). Kemudian sejauh mana hubungan tersebut terbentuk atau terjalin.
Dalam penelitian tertentu, peneliti mungkin berusaha memahami hubungan dan pengaruh dua variabel berbeda. Maka teknik analisis regresi bisa diterapkan untuk menunjang tahap analisis data penelitian yang sudah dihimpun.
Sebagai contoh, peneliti ingin mengetahui hubungan antara penggunaan smartphone pada siswa SMP kelas IX terhadap motivasi belajar. Sehingga ada dua variabel, yakni penggunaan smartphone dan motivasi belajar.
Penelitian ini cocok menggunakan analisis secara regresi untuk mengetahui apa hubungan dua variabel tersebut. Kemudian sejauh mana hubungan yang terbentuk dilihat dari dampaknya, baik secara positif maupun negatif.
Dalam menerapkan teknik analisis data ini, peneliti bisa menggunakan rumus yang umum dalam penerapannya. Sehingga proses analisis tidak dilakukan manual tanpa rumus yang tentu memakan waktu lebih lama.
Teknik analisis regresi diketahui cukup sering digunakan dalam berbagai kegiatan penelitian. Menariknya, jenis dari teknik analisis data ini cukup beragam. Berikut adalah beberapa jenis yang paling sering digunakan dalam penelitian:
Jenis yang pertama adalah regresi linier, yakni teknik analisis data antara dua variabel untuk diketahui hubungan linier-nya. Pada jenis ini, terbagi lagi menjadi tiga jenis. Yaitu:
Regresi linier sederhana adalah analisis regresi yang hanya terdiri terdiri dari satu variabel dependen dan satu variabel independen. Sehingga hanya ada dua variabel yang diteliti hubungannya. Contohnya pengaruh jam belajar pada nilai ujian siswa.
Regresi linier berganda adalah teknik analisis data secara regresi untuk mengetahui hubungan antara dua atau lebih variabel independen dengan satu variabel dependen.
Sehingga sering melibatkan setidaknya 3 variabel. Contohnya penelitian tentang hubungan pengaruh gaya kepemimpinan dan motivasi pada kinerja karyawan perusahaan.
Regresi non-linier adalah analisis data secara regresi yang meneliti hubungan antara dua variabel tidak membentuk garis lurus. Misalnya penelitian tentang hubungan pengaruh dosis obat terhadap tingkat kesembuhan pasien.
Umumnya, data ketika divisualisasikan pada grafik membentuk garis melengkung. Sehingga tidak linier antara sumbu X dengan sumbu Y pada grafik tersebut.
Dikutip melalui Binus University, jenis kedua dari analisis regresi adalah regresi logistik. Yaitu teknik analisis yang digunakan ketika variabel dependen adalah variabel biner (dichotomous).
Secara sederhana, variabel biner adalah variabel yang hanya memiliki dua kemungkinan nilai. Sehingga variabel dalam penelitian memiliki beberapa jawaban, beberapa kategori, dan semacamnya.
Contohnya, peneliti ingin mengetahui apa saja faktor yang menyebabkan angka kemiskinan tinggi di kabupaten X. Maka dalam penelitian akan menjumpai banyak faktor, setiap faktor disini adalah variabel penelitian.
Jenis yang ketiga adalah regresi poisson, yaitu analisis data yang digunakan untuk memodelkan data count atau hitungan, di mana variabel dependen adalah jumlah kejadian dari suatu peristiwa dalam interval waktu atau ruang tertentu.
Artinya, analisis jenis ini digunakan ketika peneliti berhadapan atau bertemu dengan data yang berulang. Misalnya penelitian terkait jumlah transaksi order produk X di perusahaan Y. Sehingga analisis jenis ini ideal untuk diterapkan.
Berikutnya adalah regresi ridge, yaitu teknik analisis data secara regresi yang digunakan saat peneliti mendapati data yang mengalami multikolinearitas. Multikolinearitas dipahami sebagai kondisi dimana ada dua variabel atau lebih yang berkorelasi.
Contohnya adalah penelitian tentang prediksi harga rumah yang memperhatikan berbagai aspek. Aspek ini yang disebut variabel penelitian mengalami multikolinearitas.
Misalnya harga rumah diprediksi dengan melihat aspek luas lahan, kondisi atau tipe bangunan, harga umum di sekitaran lokasi rumah, dan sebagainya. Ketika peneliti berhadapan dengan variabel yang beragam (banyak) dan saling berkorelasi, maka teknik analisis data regresi ridge ideal untuk diterapkan.
Terakhir adalah analisis regresi LASSO, yaitu teknik analisis data secara regresi yang digunakan untuk mengatasi multikolinearitas dan melakukan seleksi variabel secara otomatis.
Jika pada regresi ridge seluruh variabel yang mengalami multikolinearitas diperhatikan. Maka di dalam regresi LASSO penelitian yang dilakukan berupaya untuk menekan (mengurangi) variabel yang mengalami atau dalam kondisi multikolinearitas tersebut.
Misalnya, peneliti ingin mengetahui riwayat kesehatan, kebiasaan makan, olahraga, kadar gula darah, tekanan darah, kolesterol, dll pada resiko penyakit jantung. Dalam regresi LASSO, peneliti akan memilih variabel yang paling berpengaruh signifikan.
Misalnya hanya pada kebiasaan makan, olahraga, dan kadar kolesterol. Sementara variabel lain diabaikan atau dihapus. Jadi, jika dalam penelitian mendapati variabel multikolinearitas dan ada beberapa yang bisa diabaikan. Maka teknik analisis ini ideal untuk diterapkan.
Seperti penjelasan sebelumnya, analisis regresi dalam penelitian menggunakan rumus. Sehingga peneliti bisa mengacu pada rumus tersebut untuk efisiensi dan efektivitas hasil analisis.
Berhubung jeni dari regresi cukup beragam, masing-masing jenis ini memiliki rumus tersendiri. Berikut adalah rumus yang digunakan untuk regresi yang paling sering digunakan, yakni regresi linier:
Bagi peneliti yang menggunakan teknis analisis data secara regresi linier sederhana. Maka rumus dasar yang bisa digunakan adalah sebagai berikut:
y = β0 + β1x + ϵ
Keterangan:
Bagi peneliti yang melakukan analisis secara regresi linier berganda, maka rumus yang digunakan berbeda dengan regresi linier sederhana. Rumus yang digunakan secara umum adalah sebagai berikut:
y = β0 + β1 x 1 + β2 x 2 +⋯+ βnxn + ϵ
Keterangan:
Pada saat membahas analisis regresi, maka biasanya akan dianggap sama dengan analisis korelasi. Persamaan keduanya terletak pada dua variabel yang diteliti hubungannya. Maka tidak heran, banyak yang menganggap keduanya sama hanya beda penyebutan nama.
Namun, secara mendasar keduanya adalah teknik analisis yang berbeda satu sama lain. Berikut adalah beberapa aspek yang menunjukan perbedaan tersebut:
Secara definisi, analisis korelasi adalah metode statistik yang digunakan untuk menentukan seberapa kuat hubungan antara dua variabel. Sementara pada regresi adalah metode statistik untuk mengetahui memahami hubungan antara variabel dependen dengan independen.
Artinya, analisis korelasi akan menganalisis hubungan dua variabel yang saling terkait atau terikat. Misalnya hubungan antara tinggi badan dan berat badan, dua variabel ini akan mempengaruhi tampilan fisik seseorang.
Namun, tidak ada pengaruh satu sama lain. Misalnya tinggi badan tidak otomatis mempengaruhi seseorang memiliki berat badan berlebih atau sebaliknya. Namun, kedua data ini dibutuhkan bersamaan dalam berbagai keperluan atau penelitian.
Sementara hubungan variabel di dalam regresi adalah saling mempengaruhi. Misalnya hubungan antara variabel pola makan dengan berat badan. Namun, jika variabel diganti antara tinggi badan dan berat badan maka tidak menjelaskan hubungan yang saling mempengaruhi.
Perbedaan kedua antara analisis korelasi dengan regresi adalah pada kausalitas atau ada tidaknya hubungan sebab akibat. Sesuai penjelasan di poin sebelumnya, pada analisis korelasi tidak ada hubungan kausalitas.
Lain halnya dengan analisis regresi, dimana satu variabel akan mempengaruhi variabel lain. Maka terbentuk hubungan sebab akibat. Seperti pada contoh sebelumnya, pola makan berlebih menyebabkan kenaikan berat badan. Begitu juga sebaliknya. Maka ada hubungan sebab akibat.
Aspek ketiga yang menjadi pembeda adalah pada luaran atau hasil analisis yang berbeda. Sehingga dikenal antara korelasi dengan regresi ibarat perbandingan kualitas dengan kuantitas.
Analisis korelasi bertujuan untuk mengetahui seberapa kuat hubungan dua variabel yang berbeda. Sehingga hasil analisis berupa angka atau kuantitas. Sebab memang tujuannya untuk mengukur seberapa kuat hubungan dua variabel dalam penelitian.
Sementara di dalam analisis regresi, tujuannya adalah untuk mengetahui apa dan bagaimana dua variabel membentuk hubungan. Kemudian mengetahui mana variabel penyebab dan mana yang akibat. Sehingga luarannya berbentuk kualitas, data tidak berbentuk numerik.
Aspek keempat yang menjadi pembeda adalah pada karakter variabel yang dianalisis. Dalam analisis korelasi, dua variabel yang dianalisis adalah simetris. Artinya keduanya bisa memiliki kedudukan yang sama dan pengaruh sama besar.
Sementara pada analisis secara regresi, dua variabel yang diteliti memiliki perbedaan karakter signifikan. Dimana satu variabel disebut dependen dan lainnya independen. Sehingga karakter berbeda jauh dan hubungan keduanya menyebabkan kausalitas (sebab akibat).
Aspek terakhir, adalah contoh dimana untuk memudahkan memahami perbedaan antara analisis korelasi dengan regresi. Misalnya, peneliti ingin mengetahui hubungan variabel tinggi badan dengan berat badan.
Pada analisis korelasi, peneliti akan fokus mengetahui seberapa kuat hubungan dua variabel tersebut. Sebab, semakin tinggi seseorang maka biasanya berat badan akan lebih berat. Tinggi badan dipahami mempengaruhi proporsi tubuh.
Sementara dalam analisis secara regresi, peneliti akan fokus mencari tahu hubungan antara tinggi badan dengan berat badan. Misalnya dalam penelitian untuk memprediksi berat badan melalui tinggi badan. Sehingga ada hubungan sebab akibat, jika tinggi badan signifikan maka begitu juga dengan berat badan.
Membantu lebih memahami lagi apa itu analisis regresi dalam kegiatan penelitian dan kapan harus menggunakannya dibanding teknik analisis lain. Maka berikut adalah beberapa contoh penelitian yang menggunakan teknis analisis data satu ini:
Dalam sebuah penelitian pendidikan, dilakukan analisis regresi linier sederhana untuk mengetahui pengaruh jumlah jam belajar terhadap nilai ujian siswa. Peneliti ingin mengetahui apakah semakin lama siswa belajar akan memberikan dampak signifikan terhadap peningkatan nilai ujian.
Hasil analisis menunjukkan bahwa terdapat pengaruh positif yang signifikan antara jam belajar dan nilai ujian, yang kemudian dirumuskan dalam persamaan regresi yang dapat digunakan untuk memprediksi nilai ujian berdasarkan jumlah jam belajar siswa.
Dalam penelitian manajemen sumber daya manusia, digunakan analisis regresi linier berganda untuk mengukur pengaruh gaya kepemimpinan dan tingkat motivasi kerja terhadap kinerja karyawan. Penelitian ini bertujuan untuk menentukan seberapa besar kontribusi masing-masing variabel terhadap peningkatan kinerja.
Hasil penelitian menunjukkan bahwa baik gaya kepemimpinan maupun motivasi memiliki pengaruh positif yang signifikan terhadap kinerja karyawan, dengan gaya kepemimpinan memberikan pengaruh yang lebih dominan.
Dalam penelitian pemasaran, peneliti menggunakan analisis regresi linier berganda untuk mengidentifikasi faktor-faktor yang mempengaruhi keputusan pembelian konsumen. Variabel yang diuji meliputi harga produk, intensitas promosi, dan persepsi kualitas produk.
Hasil analisis menunjukkan bahwa ketiga variabel tersebut secara bersama-sama berpengaruh signifikan terhadap keputusan pembelian, namun variabel kualitas produk memiliki pengaruh paling besar dalam mempengaruhi keputusan konsumen.
Penelitian di bidang psikologi menggunakan analisis regresi linier sederhana untuk mengetahui apakah lama penggunaan media sosial per hari dapat mempengaruhi tingkat kecemasan pada remaja. Data dikumpulkan dari kuesioner yang mengukur lama waktu menggunakan media sosial dan skala tingkat kecemasan.
Hasil penelitian menunjukkan adanya pengaruh positif yang signifikan, di mana semakin lama remaja menggunakan media sosial, semakin tinggi tingkat kecemasan yang mereka alami.
Dalam penelitian di bidang pertanian, digunakan analisis regresi berganda untuk mengukur pengaruh suhu udara dan tingkat kelembaban lingkungan terhadap hasil produksi padi per hektar. Penelitian ini bertujuan untuk mengetahui kondisi iklim yang paling optimal bagi peningkatan produksi padi.
Hasil regresi menunjukkan bahwa baik suhu maupun kelembaban memberikan pengaruh signifikan, namun suhu udara memiliki dampak yang lebih besar terhadap fluktuasi hasil panen.
Selain beberapa contoh di atas, akan lebih baik lagi jika membaca lebih banyak publikasi ilmiah yang menggunakan teknik regresi. Sehingga bisa menemukan lebih banyak contoh yang sudah diterapkan dalam berbagai penelitian. Hal ini akan membantu memahami apa itu analisis regresi dan cara menerapkannya dengan benar.
Memudahkan proses kajian literatur ilmiah, maka para dosen maupun mahasiswa bisa mempertimbangkan penggunaan platform GetDigest…
Publikasi ilmiah tidak hanya sebatas pada jurnal ilmiah, melainkan bisa dalam bentuk prosiding. Publikasi jenis…
Ada banyak platform berbasis AI bisa diandalkan para akademisi untuk efisiensi kegiatan penelitian. Salah satunya…
Pada saat membaca suatu tulisan dan dibuat bingung, hal tersebut bisa disebabkan banyak hal. Salah…
Sebagai seorang akademisi dan penulis, saya merasa sangat beruntung bisa menjalin kerja sama yang erat…
Menulis dan memiliki pengalaman menerbitkan buku telah menjadi impian saya sejak lama. Sebagai seorang dosen,…