MODUL 10 ANALISIS REGRESI

Slides:



Advertisements
Presentasi serupa
Analisis Regresi.
Advertisements

TATAP MUKA 14 ANALISA REGRESI BERGANDA.
Tulis Pada Lembar Jawaban NAMA JADWAL MANUAL JADWAL KOMPUTER NPM DOSEN TA MANUAL TA KOMPUTER.
METODOLOGI PENELITIAN SESI 12 UJI KWALITAS DATA
UJI ASUMSI KLASIK.
UJI ASUMSI KLASIK.
KORELASI DAN REGRESI LINEAR SEDERHANA
Regresi Analisis regresi adalah sebuah pendekatan yang digunakan untuk mendefinisikan hubungan matematis antara variabel output/dependen (y) dengan satu.
1. Validitas 1. Validitas Suatu ukuran untuk mengetahui apakah kuisoner yang disusun tersebut itu valid atau sah, maka perlu diuji dengan korelasi antara.
KORELASI & REGRESI.
MENGOLAH DATA MENGGUNAKAN SPSS
Analisis Regresi Linier
UJI ASUMSI KLASIK.
Analisis Regresi. ANALISIS REGRESI Melihat ‘pengaruh’ variable bebas/independet variabel/ thd variable terikat/dependent variabel. Berdasarkan jumlah.
ANALISIS REGRESI SEDERHANA
FEB Univ. 17 Agustus 1945 Jakarta
2. Independent-Sample T Test
Contoh Perhitungan Regresi Oleh Jonathan Sarwono.
ANALISIS REGRESI DENGAN VARIABEL MODERATING
MODUL 11 METODE PENELITIAN ANALISIS DATA (ANALISIS REGRESI)
FEB Univ. 17 Agustus 1945 Jakarta
FEB Univ. 17 Agustus 1945 Jakarta
created by Vilda Ana Veria Setyawati
MAGISTER MANAGEMENT PROGRAM UNIVERSITAS KOMPUTER INDONESIA
FEB Univ. 17 Agustus 1945 Jakarta
MODUL 15 ANALISIS DISKRIMINAN indeopendennya) ANALISIS DATA Pengantar:
Analisis Regresi Linier Berganda dan Uji t
KORELASI & REGRESI.
Lilik Kustiani1 Ari Brihandhono2 Universitas Kanjuruhan Malang
Analisis Korelasi dan Regresi linier
UJI ASUMSI KLASIK & GOODNESS OF FIT MODEL REGRESI LINEAR
Assalamu’alaikum Warohmatullohi Wabarokatuh
FEB Univ. 17 Agustus 1945 Jakarta
Path analysis (analisis jalur)
ANALISIS MODERATING.
Analisis ragam atau analysis of variance
Uji Asumsi Klasik MULTIKOLINIERITAS 2. AUTOKORELASI
JURUSAN PENDIDIKAN EKONOMI
ANALISIS OF VARIANCE (ANOVA) (ONE-WAY ANOVA)
ANALISIS REGRESI BERGANDA
STATISTIK II Pertemuan 12: Asumsi Analisis Regresi Dosen Pengampu MK:
Analisis REGRESI.
MODUL 13 karyawan laki-laki. UJI BEDA T-TEST
Uji Asumsi Klasik Multikolinearitas Normalitas
Regresi linier satu variable Independent
ANALISIS DASAR DALAM STATISTIKA
VALIDITAS DAN REABILITAS REGRESI BERGANDA Nori Sahrun, S.Kom., M.Kom
REGRESI BERGANDA dan PENGEMBANGAN Nori Sahrun., S.Kom., M.Kom
ANALISIS REGRESI PENDIDIKAN EKONMI FE
Binomial.
Analisis Regresi.
Regresi Linier Beberapa Variable Independent
Regresi Linier Beberapa Variable Independent
Regresi Berganda Dengan Variabel Dummy
UJI PARTIAL Uji Partial digunakan utk menguji hubungan dua variable dengan mengeluarkan variable lain (variabel kontrol) yang berpengaruh terhadap korelasi.
STATISTIK II Pertemuan 13: Asumsi Analisis Regresi Dosen Pengampu MK:
METODOLOGI PENELITIAN
Pengantar Aplikasi Komputer II Analisis Regresi Linier Berganda
ANALISIS DISKRIMINAN.
PENGARUH KUALITAS PELAYANAN TERHADAP KEPUASAN KONSUMEN DI PIZZA HUR DTC DEPOK DISUSUSUN OLEH : WISNU HENDARTO ( ) M.HASAN BASRI ( )
ANALISIS HUBUNGAN NUMERIK DENGAN NUMERIK (UJI KORELASI)
Pengantar Aplikasi Komputer II Analisis Regresi Linier Sederhana
Analisis Regresi Linier Berganda
Pasca Sarjana Unikom Model Regresi Pasca Sarjana Unikom
UJI ASUMSI KLASIK.
TUGAS AKHIR PENGARUH BIAYA OPERASIONAL TERHADAP PROFITABILITAS BANK (studi kasus pada Bank Mandiri periode ) Bandung   Oleh : ZENI YULIA MASKAR.
Pasca Sarjana Unikom Model Regresi Pasca Sarjana Unikom
ANALISIS REGRESI LINIER
Regresi Linier dan Korelasi
Latar Belakang Penelitian Perusahaan Go Public Pertumbuhan Ekonomi Pembayaran Dividen.
Transcript presentasi:

MODUL 10 ANALISIS REGRESI Analisis regresi adalah studi mengenai ketergantungan variable dependen (terikat) dengan satu atau lebih variable dependen (bebas), dengan tujuan untuk mengestimasi dan atau memprediksi rata-rata populasi atau nilai rata-rata variabel dependen berdasarkan variabel independen yang diketahui. Analisis regresi selain mengukur kekuatan hubungan antara dua variable atau lebih (seperti analisis korelasi), juga menunjukkan arah hubungan antara variable dependen dengan variable independent. Kasus: Kasus yang ingin dianalisis adalah apakah total income anggota keluarga (INCOME) dipengaruhi oleh jumlah anggota keluarga (SIZE), gaji yang diperoleh kepala keluarga (EARNS), besarnya kekayaan keluarga (WEALTH), dan tabungan keluarga (SAVING). Atau secara matematis dapat ditulis: INCOME = bo + b1 SIZE + b2 EARNS + b3 WEALTH + b4 SAVING + e Langkah Analisis: a. Buka file DATA REGRESI-INCOME.sav b. Pilih menu Analyze kemudian submenu Regression, lalu pilih Linear ‘12 Metodologi Penelitian Dr. Cecep Winata, M.Si. 1 Pusat Bahan Ajar dan E-learning Universitas Mercu Buana http://www.mercubuana.ac.id

pada kotak pilihan X. Tekan Continue e. Pilih Statistik, dilayar akan muncul tampilan windows Linear Regression Statistics, isikan semua isian, kecuali Casewise-diagnostic, pilih Outliers outside. Lalu klik Continue. f. Lalu pilih Plots, hingga di layar tampak tampilan window Linear Regression Plots: Masukkan variable SRESID pada kotak pilihan Y, dan masukkan variable ZPRED pada kotak pilihan X. Tekan Continue g. Klik OK h. Hasil Output: Output dan Analisis: ‘12 Metodologi Penelitian Dr. Cecep Winata, M.Si. 3 Pusat Bahan Ajar dan E-learning Universitas Mercu Buana http://www.mercubuana.ac.id

a. Dependent Variable: INCOME ANOVAb a. Predictors: (Constant), SIZE, EARNS, SAVING, WEALTH b. Dependent Variable: INCOME Dapat dilihat nilai F adalah 104,211 dengan probabilias 0,00. Karena probabilitas jauh lebih kecil dari 0,05, maka model regresi dapat digunakan untuk memprediksi INCOME. Atau dapat dikatakan bahwa SIZE, EARNS, WEALTH dan SAVING secara bersama- sama berpengaruh terhadap INCOME, dan bentuk persamaan regresi linear sudah tepat. c. Uji Signifikansi Parameter Individual (Uji Statistik t) Uji statistik t menunjukkan seberapa jauh pengaruh satu variabel penjelas/independen secara individual dalam menerangkan variasi variabel dependen. Apakah variabel independen berpengaruh secara nyata atau tidak. Hipotesis: Ho = masing-masing variabel independen tidak berpengaruh nyata terhadap variabel dependen. Ha = masing-masing variabel independen berpengaruh nyata terhadap variabel Pengambil keputusan dapat dilakukan dengan melihat probabilitasnya, yaitu: Jika probabilitas > 0,05 maka model ditolak Jika probabilitas < 0,05 maka model diterima. Coefficientsa Model Sum of Squares df Mean Square F Sig. 1 Regression Residual Total 2514.175 572.987 3087.162 4 95 99 628.544 6.031 104.211 a .000 Unstandardized Standardized Coefficients Coefficients 95% Confidence Interval for B Correlations Collinearity Statistics Model B Std. Error Beta t Sig. Lower Bound Upper Bound Zero-order Partial Part Tolerance VIF 1 (Constant) 3.848 .862 4.466 .000 2.137 5.558 EARNS WEALTH SAVING SIZE .840 .059 .009 -.302 .069 .019 .064 .168 .771 .179 .007 -.081 12.195 3.081 .135 -1.799 .000 .003 .893 .075 .703 .021 -.119 -.636 .976 .098 .136 .031 .886 .673 .383 -.102 .781 .301 .014 -.181 .539 .136 .006 -.080 .488 .581 .776 .968 2.048 1.720 1.289 1.033 a. Dependent Variable: INCOME Dari table unstandardized beta coefficients, dari keempat variable independent yang dimasukkan ke dalam model regresi variable SIZE dan SAVING tidak signifikan. Hal ini dilihat dari probabilitas signifikansi untuk SIZE sebesar 0,075 dan SAVING sebesar 0,893 dan keduanya jauh di atas 0,05. Sedangkan EARNS dan WEALTH signifikan ‘12 Metodologi Penelitian Dr. Cecep Winata, M.Si. 5 Pusat Bahan Ajar dan E-learning Universitas Mercu Buana http://www.mercubuana.ac.id