Regresi Linier Beberapa Variable Independent

Slides:



Advertisements
Presentasi serupa
Analisis Regresi.
Advertisements

UJI ASUMSI KLASIK.
OLAP CUBES Digunakan utk meringkas data secara praktis, termasuk banyak variabel.Hasilnya berupa gambaran sederhana data, tidak inferensi(analisa buat.
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.
FEB Univ. 17 Agustus 1945 Jakarta
MODUL 11 METODE PENELITIAN ANALISIS DATA (ANALISIS REGRESI)
FEB Univ. 17 Agustus 1945 Jakarta
MAGISTER MANAGEMENT PROGRAM UNIVERSITAS KOMPUTER INDONESIA
FEB Univ. 17 Agustus 1945 Jakarta
FEB Univ. 17 Agustus 1945 Jakarta
Analisis Regresi Linier Berganda dan Uji t
PAIRED SAMPLE T-test Utk menguji apakah 2 sampel yg berhubungan atau berpasangan berasal dari populasi yg mempunyai means sama. Langkah-langkah analisis.
KORELASI & REGRESI.
OLEH: TITIK TANTRI LESTARI
Lilik Kustiani1 Ari Brihandhono2 Universitas Kanjuruhan Malang
Chi Square.
Analisis Korelasi dan Regresi linier
UJI ASUMSI KLASIK & GOODNESS OF FIT MODEL REGRESI LINEAR
Assalamu’alaikum Warohmatullohi Wabarokatuh
FEB Univ. 17 Agustus 1945 Jakarta
FEB Univ. 17 Agustus 1945 Jakarta
Pertemuan 11 Chow Test.
Path analysis (analisis jalur)
ANALISIS MODERATING.
PENGARUH STRUKTUR GOOD CORPORATE GORVERNANCE DAN INTERNAL AUDIT TERHADAP FEE AUDIT EKSTERNAL PADA PERUSAHAAN MANUFAKTUR YANG TERDAFTAR DI BEI PADA PERIODE.
JURUSAN PENDIDIKAN EKONOMI
STATISTIK II Pertemuan 12: Asumsi Analisis Regresi Dosen Pengampu MK:
Analisis REGRESI.
MODUL 10 ANALISIS REGRESI
Regresi linier satu variable Independent
ANALISIS DASAR DALAM STATISTIKA
STATISTIK II Pertemuan 12-13: Asumsi Analisis Regresi
Saya Dini Nur Indah Diswari NIM
Binomial.
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.
Single and Multiple Regression
Analisis Regresi.
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:
Single and Multiple Regression
METODOLOGI PENELITIAN
Pengantar Aplikasi Komputer II Analisis Regresi Linier Berganda
PENGARUH KUALITAS PELAYANAN TERHADAP KEPUASAN KONSUMEN DI PIZZA HUR DTC DEPOK DISUSUSUN OLEH : WISNU HENDARTO ( ) M.HASAN BASRI ( )
Apriza Putra Ramadhan B
ANALISIS HUBUNGAN NUMERIK DENGAN NUMERIK (UJI KORELASI)
Pengantar Aplikasi Komputer II Analisis Regresi Linier Sederhana
Analisis Regresi Linier Berganda
UJI ASUMSI KLASIK.
TUGAS AKHIR PENGARUH BIAYA OPERASIONAL TERHADAP PROFITABILITAS BANK (studi kasus pada Bank Mandiri periode ) Bandung   Oleh : ZENI YULIA MASKAR.
Single and Multiple Regression
REGRESI LINIER.
ANALISIS REGRESI LINIER
Regresi Linier dan Korelasi
Latar Belakang Penelitian Perusahaan Go Public Pertumbuhan Ekonomi Pembayaran Dividen.
UJI REGRESI LINIER SEDERHANA Arkhiadi Benauli Tarigan
Transcript presentasi:

Regresi Linier Beberapa Variable Independent

Contoh Anda melakukan pengamatan hubungan jumlah sales dan berbagai harga produk (variabel independent) dengan tingkat penjualan (variabel dependent) pada bagian pemasaran di suatu perusahaan

Langkah-langkah Buka file/input data Klik Analyze => Regression => Linier pada menu, sehingga kotak dialog Linier Regression muncul Masukkan variabel jml_sales dan variabel harga pada kotak Independent(s) dan variabel penjulan pada kotak Dependent. Klik tombol Statistics, pilih Estimates, model fit, colinearity diagnostic dan Durbin Watson. Klik tombol Continue, sehingga kembali pd kotak dialog Linier Regression. Penetapan tingkat kepercayaan uji F dapat dilakukan dengan Klik Options, masukkan tingkat kepercayaan pd kotak Entry. Klik Continue, sehingga akan kembali ke kotak dialog Linier Regression Klik Ok.

Std. Error of the Estimate Hasil Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .974a .950 .944 10.141 1.230   ANOVAb Model Sum of Squares df Mean Square F Sig. 1 Regression 32881.778 2 16440.889 159.874 .000a Residual 1748.222 17 102.837   Total 34630.000 19

Hasil Coefficientsa Model Unstandardized Coefficients Sig. B Std. Error Beta 1 (Constant) 28.054 17.181   1.633 .121 Jumlah sales 10.412 .588 .980 17.714 .000 Harga produk-ribu -.084 .136 -.034 -.616 .546

Keterangan Tabel Model Summary R (koefisien korelasi Pearson) = 0,974 menunjukkan tingkat hubungan yg tinggi antara variabel dependent (penjualan) dg variabel prediktor (jml sales dan harga). Kolom Durbin Watson = 1,230 nilai tsb dalam rentang 1,21 < DW <1,65 atau 2,35 < DW <2,79 sehingga tdk dapat disimpulkan.

2. Tabel Anova Tabel anova menampilkan uji kelinieran => Hipotesis Ho = tdk terjadi hubungan linier antara variabel prediktor (jml sales dan harga) dg variabel dependent (penjualan) H1 = terjadi hubungan linier antara variabel prediktor (jml sales dan harga) dg variabel dependent (penjualan) Sig (0,00) < 0,05 sehingga H0 ditolak Jadi ada hubungan linier antara variabel prediktor (jml sales dan harga) dg variabel dependent (penjualan)

3. Tabel coefficients Keterangan : Hipotesis utk jumlah sales H0 = Koefisien jml sales tdk signifikan H1 = Koefisien jml sales signifikan Sig (0,00) < 0,05, maka H0 ditolak. Jadi koefisien jml sales signifikan. Hipotesis utk harga produk H0 = Koefisien harga produk tdk signifikan H1 = Koefisien harga produk signifikan => Sig (0,546) > 0,05 sehingga H0 diterima. Jadi koefisien harga produk tdk signifikan.

Hipotesis untuk konstanta H0 = konstanta tdk signifikan H1 = Konstanta signifikan Sig (0,121) < 0,05 sehingga H0 diterima. Jadi konstanta tdk signifikan. Model persamaan regresi linier yang berbentuk : Y = 10,412 X (jml sales)

Tugas Inputlah data-data yang terdapat pada slide nomor 3. Ujilah dengan regresi linier seperti langkah-langkah yang terdapat pada slide nomor 4. Hasil pengujian dikirimkan via e-mail ke agusumby@yahoo.com

~~~Selamat mengerjakan~~~