APLIKASI KOMPUTER Dosen: Fenni Supriadi, SE.,MM

Tujuan Pembelajaran : Mahasiswa diharapakan mampu memahami dan menjelaskan regresi linear sederhana dengan satu variabel independen, regresi linier berganda dengan multi variabel independen.

Pokok Bahasan : Regresi Linier Sederhana Regresi Linier Berganda

Analisis Regresi Analisis regresi digunakan untuk memprediksi pengaruh variabel bebas terhadap variabel terikat.

Analisis Regresi Analisis regresi juga dapat dilakukan untuk mengetahui kelinieritas variabel terikat dengan varibel bebasnya, selain itu juga dapat menunjukkan ada atau tidaknya data yang outlier atau data yang ekstrim.

Analisis Regresi Sederhana & Berganda Analisis regresi linier sederhana terdiri dari variabel dependen dan satu variabel independen. Sementara Analisis regresi linear berganda terdiri dari satu variabel dependen dan dua atau lebih variabel independen.

Analisis Regresi Sederhana Analisis regresi linear sederhana dipergunakan untuk mengetahui pengaruh antara satu buah variabel bebas terhadap satu buah variabel terikat. Persamaan umumnya adalah: Y = a + b X Sebagai ilustrasi variabel bebas: Biaya promosi dan variabel terikat: Profitabilitas (dalam juta rupiah) dan hasil analisisnya Y = 1,2 + 0,55 X

Analisis Regresi Berganda Analisis regresi linear berganda sebenarnya sama dengan analisis regresi linear sederhana, hanya variabel bebasnya lebih dari satu buah. Persamaan umumnya adalah Y = a + b1 X1 + b2 X2 + b3 X3…bn Xn

Analisis Regresi Berganda Interpretasi terhadap persamaan juga relatif sama, sebagai ilustrasi, pengaruh antara motivasi (X1), kompensasi (X2) dan kepemimpinan (X3) terhadap kepuasan kerja (Y) menghasilkan persamaan sebagai berikut: Y = 0, ,21 X1 + 0,32 X2 + 0,12 X3

Analisis Regresi Berganda Analisis Regresi Berganda Misalnya dalam suatu kegiatan penelitian ingin diketahui apakah variabel X (Gender dan Nilai Tugas Terstruktur) berpengaruh terhadap variabel Y (Nilai UAS). Data penelitian adalah sebagai berikut:

Analisis Regresi Berganda NamaGender Nilai Tugas Terstruktur Nilai UAS AndikaPria5269 FeliWanita6385 JeriPria8179 ArdiPria7680 EkoPria4575 ReniWanita7473 WindyWanita8771 FuadPria7881 VetoPria6077 RisaWanita5586 RikaWanita6761 AnsariPria7970 YantoPria7290 LiaWanita9491 CecepPria8289

Analisis Regresi Berganda

Analisis Regresi Berganda

Analisis Regresi Berganda

Analisis Regresi Berganda

Analisis Regresi Berganda

Analisis Regresi Berganda

Analisis Regresi Berganda

Analisis Regresi Berganda

Analisis Regresi Berganda

Analisis Regresi Berganda

Analisis Regresi Berganda

Analisis Regresi Berganda

Analisis Regresi Berganda Descriptive Statistics Dari output tersebut dapat dilihat rata-rata nilai UAS dari 15 mahasiswa adalah 78,47 dengan standar deviasi 8,766 sedangkan rata-rata nilai tugas terstruktur adalah 71,00 dengan standar deviasi 13,753

Analisis Regresi Berganda

Analisis Regresi Berganda Correlations Dari tabel dapat dilihat bahwa besar hubungan antara variabel nilai uas dengan sex adalah -0,061 hal ini menunjukan hubungan negatif. besar hubungan nilai tugas struktur dengan nilai uas adalah 0,252 yang berarti ada hubungan positif, makin besar nilai tugas struktur maka makin tinggi pula nilai uas.

Analisis Regresi Berganda

Analisis Regresi Berganda Variabel Masuk dan Keluar Dari tabel diatas menunjukan variabel yang dimasukan adalah nilai tugas terstruktur dan sex, sedangkan variabel yang dikeluarkan tidak ada (Variables Removed tidak ada)

Analisis Regresi Berganda

Analisis Regresi Berganda Model Pada tabel diatas angka R Square adalah 0,073 yaitu hasil kuadrat dari koefisien korelasi (0,271 x 0,271 = 0,073). Standar Error of the Estimate adalah 9,114

Analisis Regresi Berganda Model Perhatikan pada analisis deskriptif statitik bahwa standar deviasi nilai UAS adalah 8,766 yang jauh lebih kecil dari dari standar error, oleh karena lebih besar daripada standar deviasi nilai uas maka model regresi tidak bagus dalam bertindak sebagai predictor nilai uas.

Analisis Regresi Berganda

Analisis Regresi Berganda Anova Hipotesis: Ho : β = 0 (model regresi Y terhadap Xi tidak signifikan/tidak berarti/tidak sesuai) H1 : β ≠ 0 (model regresi Y terhadap Xi signifikan/memiliki arti/sesuai)

Analisis Regresi Berganda Anova Pengambilan keputusan: Jika F hitung = 0,05 maka Ho diterima Jika F hitung > F tabel atau probabilitas < 0,05 maka Ho ditolak

Analisis Regresi Berganda Anova Dari tabel diatas dapat dilihat nilai F hitung yaitu 0,475, sedangkan nilai F tabel dapat diperoleh dengan menggunakan tabel F dengan derajat bebas (df) Residual (sisa) yaitu 12 sebagai df penyebut dan df Regression (perlakuan) yaitu 2 sebagai df pembilang dengan tarap siginifikan 0,05, sehingga diperoleh nilai F tabel yaitu 3,89

Analisis Regresi Berganda Anova

Analisis Regresi Berganda Anova Karena F hitung (0,475) < F tabel (3,89) maka Ho diterima. Berdasarkan nilai Signifikan, terlihat pada kolom sig yaitu 0,633 itu berarti probabilitas 0,633 lebih dari daripada 0,05 maka Ho diterima.

Analisis Regresi Berganda Anova Kesimpulan maka model regresi tidak dapat dipakai untuk memprediksi nilai rapot atau bisa dikatakan Variabel Sex/Gender dan Nilai tugas terstruktur tidak berpengaruh terhadap nilai uas

Analisis Regresi Berganda

Analisis Regresi Berganda Koefisien Hipotesis Ho : β = 0 (koefisien regresi X tidak signifikan / tidak valid) H1 : β ≠ 0 (koefisien regresi X signifikan / valid)

Analisis Regresi Berganda Anova Pengambilan keputusan: Jika T hitung = 0,05 maka Ho diterima Jika T hitung > T tabel atau probabilitas < 0,05 maka Ho ditolak

Analisis Regresi Berganda Anova X1 (Sex/Gender) T Hitung = -0,354 < T Tabel = 1,782 Nilai Sign. = 0,730 > 0,05 Kesimpulan : koefisien regresi X1 tidak signifikan / tidak valid atau secara individu variabel sex/gender tidak berpengaruh signifikan terhadap nilai uas

Analisis Regresi Berganda Anova X2 (Nilai Tugas Terstruktur) T Hitung = 0,950 < T Tabel = 1,782 Nilai Sign. = 0,361 > 0,05 Kesimpulan : koefisien regresi X2 tidak signifikan / tidak valid atau secara individu variabel nilai tugas terstruktur tidak berpengaruh signifikan terhadap nilai uas

Analisis Regresi Berganda Anova

Analisis Regresi Berganda

Analisis Regresi Berganda Residuals Statistics Tabel diatas Residuals Statistics merupakan ringkasan yang meliputi nilai minimum dan maksimum, mean dan standar deviasi dari predicted value (nilai yang diprediksi) dan statistic residu.

Analisis Regresi Berganda

Analisis Regresi Berganda Linearitas/Normality Jika residual berasal dari distribusi normal, maka nilai-nilai sebaran data akan terletak sekitar garis lurus, terlihat bahwa sebaran data pada gambar diatas tersebar hampir semua tidak pada sumbu normal, maka dapat dikatakan bahwa pernyataan normalitas tidak dapat dipenuhi.

SELESAI SEMOGA BERMANFAAT