12 Desember Again (Happy Birthday ke 23 yang tak kan pernah terucap)

Hari ini tepat tanggal 12 Desember 2015

Hari yang selalu kutunggu dan terbiasa menunggu.

Penghujung tahun yang selalu membuatku antusias.

Hari yang selalu menjadi kenangan bahagia, dan impian yang indah

Hari yang selalu membuat kita bersama tanpa peduli suka dan duka yang kita lalui.

Hari yang selalu membuat aku berpikir menciptakan skenario untuk ngejahilin kamu.

Hari yang selalu sederhana namun bermakna.

Hari yang membuat kita melupakan ego dan kemarahan.

Hari yang selalu membuat kita berkumpul dengan orang-orang tersayang

Hari yang membuatku semakin mengenalmu, menyadari perubahanmu, membuat perubahan bersama, dan menciptakan kenangan bersama.

hari dimana kamu akan tampak semakin tua.

Namun kini tanggal 12 Desember menjadi hari yang berbeda.

Dimana takkan ada lagi kenangan baru, impian baru, dan kebahagian baru yang tercipta ketika bersama karena kini aku menikmati harimu sendiri.

Tanpa kamu dan takkan pernah ada kamu. Hanya ada kamu dalam keping-keping kenangan.

Dalam diam, dalam sepi, dan dalam hati.

Hari yang selalu kutunggu hanya untuk mengucapkan “Happy Bierthday Abang” dan semestinya hari ini aku mengucapkan “Happy Birthday yang ke-23 Abang”

Bernyanyi sederhana untukmu, meskipun aku tau abang selalu tertawa ketika aku menyanyikan “happy birthday”.

“berasa jadi anak-anak”, timpalmu.

Hari dengan sejuta kejutan yang membuat ekspresimu yang kebingungan.

Aku selalu suka ekspresi kagetmu, bingungmu, namun bahagiamu dalan bersamaan.

Kini ucapan itu hanya sekedar kalimat tak bermakna.

Kalimat yang tak sempat terucap.

Kalimat yang tak bertuan.

Aku harap abang selalu mendengar jeritan hatiku, ucapan selamatku, dan doa-doaku untukmu.

“happy birthday my beloved brother” *takkan pernah menjadi 23*

*Kalimat yang selalu kutunggu untuk diucapkan namun tak sempat terucap dan takkan pernah terucap*
“I’m very miss you, I hope u hear my voice, my pray and my dream”

Analisis Regresi Linier dan Berganda

No	X	Y	XY	X2
1	70	80	5600	4900
2	65	70	4550	4225
3	75	70	5250	5625
4	85	80	6800	7225
5	60	65	3900	3600
6	65	60	3900	4225
7	60	60	3600	3600
8	75	70	5250	5625
9	70	70	4900	4900
10	55	55	3025	3025
11	80	85	6800	6400
12	50	55	2750	2500
13	65	70	4550	4225
14	85	80	6800	7225
15	60	65	3900	3500
N = 15	∑X = 1020	∑Y = 1035	∑XY = 71575	∑X2 = 70900

Contoh regresi linier sederhana

Dari tabel perhitungan diatas diperoleh :

N             = 15

∑X           = 1.020

∑Y           = 1.035

∑XY        = 71.575

∑X^{2              =} 70.900

                Selanjutnya subtitusikan ke dalam rumus, sebaiknya carilah terlebih dahulu koefisien b,guna memudahkan dan mempercepat perhitungan:

                b   =

                       =

                 =

                 = 0.776

                 Jadi koefisien b adalah 0,776, selanjutnya kita cari koefisien a dengan menggunakan salah satu rumus yang telah disebutkan di atas

                                a =

                                   =  

                                   =

                                   =

                                   =16,234

Dengan demikian persamaan regresi linier Y atas X adalah :

                                 = 16,234 + 0, 776 X

Koefisien b dinamakan koefisien arah regresi linier dan menyatakan perubahan rata-rata variable Y untuk setiap setiap perubahan variable X sebesar 1 unit. Perubahan ini merupakan pertambahan bila b  bertanda positif dan penurunan bila b bertanda negative.

Dari hasil perhitungan diperoleh b = 0,776 bertanda positif, ini berarti :

a.      Setiap kali variable X(nilai Bahasa Arab) bertambah satu, maka rata-rata variable Y (nilai tafsir) bertambah 0,776

b.      Bila variable X (nilai bahasa Arab) di ketahui maka nilai tafsir dapat diperkirakan dengan cara memasukkan nilai tersebut ke dalam persamaan . misalnya nilai bahasa arab (X) = 65, maka nilai Tafsinya adalah:

= 16,234 + 0,076 (65)

= 16,234 + 50,44

= 66,674

ANOVAa
Model		Sum of Squares	df	Mean Square	F	Sig.
1	Regression	927,289	1	927,289	42,640	,000b
	Residual	282,711	13	21,747
	Total	1210,000	14
a. Dependent Variable: Y
b. Predictors: (Constant), X

Coefficientsa
Model		Unstandardized Coefficients		Standardized Coefficients	t	Sig.
		B	Std. Error	Beta
1	(Constant)	16,234	8,170		1,987	,068
	X	,776	,119	,875	6,530	,000
a. Dependent Variable: Y

Analisis Regresi Berganda

What??

Hubungan secara linier antara dua atau lebih variabel independen (X1, X2,….Xn) dengan variabel dependen (Y).

Where??

Di penelitian kuantitatif

When??

Saat ingin mengetahui adanya hubungan/pengaruh antar variabel baik positif ataupun negatif.

Why??

Untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. 

How??

Pengaruh kontribusi kemampuan Statistik (X₁) dan kemampuan Bahasa (X₂) terhadap kemampuan metodologi penelitian (Y). Setelah data dikumpul lalu ditabulasikan seperti di bawah ini

No	Y	X1	X2	X1*Y	X2*Y	X1*X2	X1^	X2^	Y2
1	50	75	60	3750	3000	4500	5625	3600	2500
2	55	55	80	3025	4400	4400	3025	6400	3025
3	60	65	60	3900	3600	3900	4225	3600	3600
4	60	50	75	3000	4500	3750	2500	5625	3600
5	60	80	75	4800	4500	6000	6400	5625	3600
6	65	70	60	4550	3900	4200	4900	3600	4225
7	65	80	65	5200	4225	5200	6400	4225	4225
8	65	85	65	5525	4225	5525	7225	4225	4225
9	70	60	50	4200	3500	3000	3600	2500	4900
10	70	65	70	4550	4900	4550	4225	4900	4900
11	75	55	70	4125	5250	3850	3025	4900	5625
12	75	75	70	5625	5250	5250	5625	4900	5625
13	80	65	85	5200	6800	5525	4225	7225	6400
14	85	75	85	6375	7225	6375	5625	7225	7225
15	85	55	75	4675	6375	4125	3025	5625	7225
15	1020	1010	1045	68500	71650	70150	69650	74175	70900

Dari tabel di atas diperleh :

∑Y           = 1020                                                                   ∑X₁X₂           = 70150

∑X₁             = 1010                                                                   ∑X₁²           = 69650

∑X₂             = 12045                                                                 ∑X₂²           = 741175

∑X₁Y       = 68500                                                                 ∑Y²                = 70900

∑X₂Y       = 71650                                                                 n                 = 15

Data diatas kemudian dimasukkan kedalam persamaan :

∑Y           = an + b₁∑X₁ + b₂∑X₂

∑YX₁       = a∑X₁ + b₁∑X₁² + b∑X₁X₂

∑YX₂         = a∑X₂ + b₁∑X₁X₂ + b₂∑X₂²

1020         = 15a        + 1010b₁          + 1045b₂..........................(1)

68500       = 1010a    + 69650b₁        + 70150b₂........................(2)

71650       = 1045a    + 70150b₁        + 74175b₂........................(3)

Setelah itu hilangkan nilai a dengan persamaan:

Jika persamaan 1 dan 2 diambil dan disamakan nilai a nya dengan persamaan 2 tetap, maka diperoleh persamaan ke 4 :

68679.99997   = 1010a      + 68006.66663b₁    + 70363.33b₂

68500              = 1010a      + 69650b₁               + 70150b₂     _                                   

179.99997                =                      - 1643.33337b₁             + 213.33b₂......(4)

Selanjutnya hilangkan nilai a dengan menggunakan persamaan 1 dan 3 dengan persamaan 3 tetap, maka akan diperoleh persamaan ke 5 :

71060              = 1045a      + 70363.33334b₁     + 72801.66667b₂

71650              = 1045a      + 70150b₁               + 74175b₂       _                

-590                 =                     213.33334b₁         -  1373.33b₂.....(5)

Selanjutnya  menghilangkan nilai b₁ sehingga diperoleh b₂. Jika persamaan keempat dikalikan -1 dan persamaan kelima dikalikan 7.703124931 maka akan diperoleh persamaan 6:

-179.99997      = 1643.33337b₁    - 213.33b₂

-4544.843739  = 1643.33337b₁   - 10578.95821b₂        _

4364.843739   = 10365.62821b₂......................................................(6)

b₂      = 0.421

setelah b₂ diperoleh langkah selanjutnya adalah mencari nilai b₁ dengan menggunakan persamaan 4 sehingga diperoleh :

179.99997                = -1643.33337b₁              + 213.33 (0.421)

179.99997                = -1643.33337b₁                  + 89.83074592

1643.33337b₁  = 89.83074592    -  179.99997

1643.33337b₁  = -90.16922408

-90.16922408  :    1643.33337    = -0.054869709

b₁      = -0.054869709

langkah berikutnya menghitung a dengan persamaan :

1020  = 15a      + 1010 (0.05486971)                + 1045 (0.421)

1020  = 15a      + 55.4184071           + 440.03717

-15a   = -55.4184071          + 440.03717                               - 1020

-15a   = -635.380901

-635.380901    : -15  = 42.35872673

a        = 42.359

Selanjutnya angka-angka yang diperoleh dimasukkan ke dalam rumus persamaan garis regresi ganda :

Ῠ       = 42.359         + (-0.05486971 X₁) + 0.421 X₂

Menguji persamaan garis regresi adalah dengan menggunakan rumus-rumus berikut:

(a)    ∑x₁y    = ∑X₁Y -

            = 68500 -

            = -180

(b)   ∑x₂y    = ∑X₂Y -

            = 71650 -

            = 590

(c)    ∑y²      = ∑Y² -

            = 70900 -

            = 1540

Setelah angka-angka di atas diperoleh maka langkah selanjutnya adalah menghitung r_hitung dengan rumus :

r_hitung         =

r_hitung            =

r_hitung         =

r_hitung            =  =

r_hitung            = 0.4090501

 setelah angka r tersebut diperoleh, kemudian kuadratkan r_hitung tersebut sehingga menjadi R² = (0.4090501)^{2 =} 0.167322

Langkah selanjutnya adalah menghitung F_{sign hitung} dengan rumus :

F_reg            =

Ket :   n = banyak responden

          m = banyak prediktor

F_reg               =

F_reg            =  = 1.205670283

Dk pembilang = 2

Dk penyebut    = 15-2-1 =12

Tabel distribusi F 5% = 3.88 artinya lebih besar dari F_hitung (1.205670283) dengan demikian H₀ diterima berarti persamaan regresi linier ganda Y atas X₁ dan X₂ tidak signifikan.

Hasil SPSS :

Descriptive Statistics
	Mean	Std. Deviation	N
kemampuan metopel	68,00	10,488	15
kemampuan statistik	67,33	10,834	15
kemampuan bahasa	69,67	9,904	15

Correlations
		kemampuan metopel	kemampuan statistik	kemampuan bahasa
Pearson Correlation	kemampuan metopel	1,000	-,113	,406
	kemampuan statistik	-,113	1,000	-,142
	kemampuan bahasa	,406	-,142	1,000
Sig. (1-tailed)	kemampuan metopel	.	,344	,067
	kemampuan statistik	,344	.	,307
	kemampuan bahasa	,067	,307	.
N	kemampuan metopel	15	15	15
	kemampuan statistik	15	15	15
	kemampuan bahasa	15	15	15

Variables Entered/Removeda
Model	Variables Entered	Variables Removed	Method
1	kemampuan bahasa, kemampuan statistikb	.	Enter
a. Dependent Variable: kemampuan metopel
b. All requested variables entered.

Model Summary
Model	R	R Square	Adjusted R Square	Std. Error of the Estimate
1	,410a	,168	,029	10,335
a. Predictors: (Constant), kemampuan bahasa, kemampuan statistik

ANOVAa
Model		Sum of Squares	df	Mean Square	F	Sig.
1	Regression	258,319	2	129,159	1,209	,332b
	Residual	1281,681	12	106,807
	Total	1540,000	14
a. Dependent Variable: kemampuan metopel
b. Predictors: (Constant), kemampuan bahasa, kemampuan statistik

Coefficientsa
Model		Unstandardized Coefficients		Standardized Coefficients	t	Sig.
		B	Std. Error	Beta
1	(Constant)	42,359	28,103		1,507	,158
	kemampuan statistik	-,055	,258	-,057	-,213	,835
	kemampuan bahasa	,421	,282	,398	1,495	,161
a. Dependent Variable: kemampuan metopel

Kesimpulan :

1.      Setelah membandingkan F_hitung (1.206) dengan F_tabel ternyata F_hitung < F_tabel , berarti Ho diterima dan Ha diotolak. Jadi persamaan regresi ganda tersebut tidak dapat dijadikan alat prediksi dan estimasi.

2.      Implikasinya adalah kemampuan statistik dan kemampuan bahasa responden tidak dapat memprediksi kemampua metodologi penelitian,atau tidak memberikan kontribusi berarti. Dan kemampuan metodologi penelitian sangat ditentukan oleh variabel lain selain kemampuan statistik dan bahasa.

3.      Jika seandainya kedua variabel bebas secara bersama-sama mempunyai kontribusi terhadap variabel terikat, maka hanya sebesar 16,7322% wajar saja jika keduanya tidak memberikan pengaruh.