ANALISIS REGRESI LINIER BERGANDA MODUL 05 Analisis Regresi Linier Berganda
Analisis Regresi Linier Berganda REGRESI BERGANDA Variabel bebas berjumlah lebih dari satu Bersifat lebih baik dari regresi sederhana, karena besar pengaruh suatu variabel bebas telah terkoreksi oleh variabel bebas lainnya yang ada di dalam model Model regresi : Y = β0 + β1X1 + β2X2 + ….. + β1X1 + ε Analisis Regresi Linier Berganda
Analisis Regresi Linier Berganda REGRESI BERGANDA Pengujian terbagi atas dua bagian yaitu (1) bersifat simultan dan (2) bersifat parsial Pengaruh secara simultan berarti pengaruh “gabungan” dari keseluruhan variabel bebas terhadap variabel terikat. Dilakukan uji dengan uji-F. Pengaruh secara parsial berarti pengaruh dari masing-masing variabel bebas terhadap variabel terikat. Dilakukan uji dengan uji-t. Analisis Regresi Linier Berganda
Analisis Regresi Linier Berganda UJI PENGARUH SIMULTAN Pengujian secara simultan memiliki H0 bahwa seluruh variabel bebas mempunyai koefisien regresi yang tidak berbeda dengan nilai nol dan H1 yang menyatakan bahwa tidak semua koefisien regresi tidak berbeda dengan nilai nol Hal ini memberikan konsekuensi bahwa apabila hasil uji F adalah signifikan, akan dilanjutkan dengan uji secara parsial untuk mengetahui pengaruh parsial yang signifikan dan tidak signifikan Analisis Regresi Linier Berganda
Analisis Regresi Linier Berganda KOMPONEN UJI F Analisis Regresi Linier Berganda
Analisis Regresi Linier Berganda KEPUTUSAN UJI F Nilai F dibandingkan dengan nilai kritis F pada derajat bebas k dan (n-k-1), dimana k = jumlah variabel bebas, lalu buat di daerah keputusan seperti berikut. Pada hasil perhitungan dengan software keputusan uji F didasarkan pada p-value Analisis Regresi Linier Berganda
Analisis Regresi Linier Berganda UJI PENGARUH PARSIAL Pengujian secara parsial berkaitan dengan hasil estimasi koefisien regresi Memiliki H0 bahwa koefisien regresi tidak berbeda dengan nol dan H1 yang menyatakan bahwa koefisien regresi tidak berbeda dengan nol Analisis Regresi Linier Berganda