Analisis Regresi. ANALISIS REGRESI Melihat ‘pengaruh’ variable bebas/independet variabel/ thd variable terikat/dependent variabel. Berdasarkan jumlah.

Presentasi berjudul: "Analisis Regresi. ANALISIS REGRESI Melihat ‘pengaruh’ variable bebas/independet variabel/ thd variable terikat/dependent variabel. Berdasarkan jumlah."— Transcript presentasi:

1 Analisis Regresi

2 ANALISIS REGRESI Melihat ‘pengaruh’ variable bebas/independet variabel/ thd variable terikat/dependent variabel. Berdasarkan jumlah variabel bebas :  Ada 1 vaiabel bebas- regresi sederhana  Ada > 1 variabel bebas - regresi berganda Berdasar sifat hubungan kedua variabel :  Bersifat linier- regresi linier  Bersifat non-linier- regresi non linier Berdasar skala pengukuran variabel bebas dan terikat :  Var. terikat senmua var. bebas interval/rasio - regresi standar  Var. terikat dan sebagian var. bebas interval tapi ada sebagian var. bebas nomilal/ordinal - regresi dummy  Var. terikat berskala nominal/ordinal - regresi logistik/ordinal

3 Persamaan Garis Regresi: dalam populasi. dalam sample. persamaan yang diduga. b 1 disebut ‘slope’, koefisien regresi dari X, koefisien kemiringan. b 0 disebut intercept, titik potong terhadap sumbu Y, dugaan Y bila X=0. Metode Kuadrat terkecil biasa (Ordinary least squares, OLS) digunakan untuk menduga ‘slope’ (b 1 ) dan ‘intercept’ (b 0 ). diminimalkan. e i adl error atau residual

4 Regresi Berganda (Multiple Regression) Independent variable yang dianalisis lebih dari dua. Kegunaan:  Untuk melihat ‘pengaruh’ lebih dari satu variabel bebas thd variable terikat sekaligus dlm satu metode analisis.  Untuk melihat variabel bebas yang lebih berpengaruh thd variabel terikat.  Memprediksi nilai ‘variabel terikat’ bila diketahui nilai-nilai ‘variabel bebas’. Asumsi antara lain: normal  Y (variabel terikat) atau e (residuals) mengikuti sebaran normal. auto correlation  Nilai antar variabel terikat saling tidak berkorelasi (tidak terjadi ‘auto correlation’). homoscedasticity variance)  Keragaman (variation) nilai residual haruslah sama untuk semua nilai Y (homoscedasticity variance). multi- collinearity  antar variabel bebas tidak berkorelasi (tidak terjadi multi- collinearity).

5 Regression Modeling Steps Hypothesize deterministic component Estimate unknown model parameters Hitung koefisien keterandalan Evaluate model and Use model for prediction and estimation

6 Langkah 1 Uji Regresi Terdiri dari 2 macam hipotesis Uji model keseluruhan (uji F) Menguji apakah model sudah baik Uji vaiabel bebas (Uji T) Menguji variabel bebas mana yang berpengaruh Demikian selanjutnya untuk semua variabel Model Baik

7 Langkah 2, menghitung persamaan regresi Rumus untuk menduga persamaan regresi Langkah 3, Hitung koefisien determinasi Koefisien determinasi merupakan ukuran berapa besar variasi variabel terikat dipengaruhi variabel bebas Dihitung dari nilai korelasi yang dikuadratkan

8 Kasus: Income Sales Person Y adalah income sales person (dalam dolar). X1 adalah usia. X2 adalah pengalaman kerja. X3 adalah jenis kelamin Ingin diketahui:  ‘ Pengaruh’ X1, X2 dan X3 thd Y.  Ingin diketahui antara X1, X2 dg X2 mana yang lebih dominan ‘berpengaruh’ thd Y.  Ingin diduga income sales person (Y) jika diketahui usia (X1), pengalaman kerja (X2) dan jenis kelamin (X3).

9 Multiple Regression Buka file multiple_reg Perintah dalam SPSS

10 Pada kotak Dependent isikan variabel Income Pada kotak Independent isikan variabel Usia, Pengalaman Kerja dan Jenis Kelamin Pada kotak Method, pilih Enter Abaikan yang lain dan tekan OK

11 Kasus: Multiple Regression, Metode Enter Y = Income sales person (dalam dolar). X1 = Usia. X2 = Pengalaman kerja. X3 = Jenis kelamin Multiple Correlation: Korelasi X1, X2 dan X3 (bersama- sama) dengan Y sebesar 0.979. R2 = 0.959 atau R2 = 95.9%, X1, X2 dan X3 mampu menjelaskan keragaman Y sebanyak 95.9%. Model Summary ModelRR Square Adjusted R Square Std. Error of the Estimate 1.979 a.959.9412758.308 a. Predictors: (Constant), Jenis Kelamin, Pengalaman Kerja, Usia Konteks penelitian: 11 sales person dipilih secara acak (random), n = 11.

12 Lanjutan Kasus: Multiple Regression, Metode Enter Karena Sig < taraf nyata maka terima H1. Minimal satu variabel bebas ‘berpengaruh’ thd variabel terikat. YANG MANA? Pengaruh model (seluruh independent variables bersama-sama) thd dependent variable: Hipotesis: H0. Dalam populasi tidak ada pengaruh seluruh variabel bebas thd variabel terikat. H1. Dalam populasi minimal ada satu variabel bebas berpengaruh thd variabel terikat. Bandingkan F hitung dg F Tabel. Jika F hitung > F tabel, maka terima H1. Bandingkan Sig dg Taraf nyata. Jika Sig < Taraf nyata, maka terima H1. ANOVA b ModelSum of SquaresdfMean SquareFSig. 1Regression 8.770E824.385E864.105.000 a Residual 5.472E786840078.364 Total 9.317E810 a. Predictors: (Constant), X2 Pengalaman Kerja, X1 Usia b. Dependent Variable: Y Income

13 Lanjutan Kasus: Multiple Regression, Metode Enter Karena Sig < taraf nyata maka terima H1. Minimal satu independent variable ‘berpengaruh’ thd dependent variable. YANG MANA? Pengaruh model (seluruh independent variables bersama-sama) thd dependent variable: Hipotesis: H0. Dalam populasi tidak ada pengaruh seluruh independent variables thd dependent variable. H1. Dalam populasi minimal ada satu independent variable berpengaruh thd dependent variable. Bandingkan F hitung dg F Tabel. Jika F hitung > F tabel, maka terima H1. Bandingkan Sig dg Taraf nyata. Jika Sig < Taraf nyata, maka terima H1. ANOVA b ModelSum of SquaresdfMean SquareFSig. 1Regression1.242E934.139E854.402.000 a Residual5.326E777608262.177 Total1.295E910 a. Predictors: (Constant), Jenis Kelamin, Pengalaman Kerja, Usia b. Dependent Variable: Income

14 Lanjutan Kasus: Multiple Regression, Metode Enter Dugaan Persamaan Regresi: “Usia” lebih dominan dibanding “Pengalaman Kerja” dan “Jenis Kelamin” thd income Bandingkan t hitung dg ttabel, v = n-2-1. Kalau thitung > t tabel terima H1. Dalam populasi ada ‘pengaruh’ X thd Y Jika Sig < taraf nyata maka terima H1. Dalam populasi ada ‘pengaruh’ X thd Y Jadi dalam populasi: ada ‘pengaruh’ Usia dan Jenis Kelamin thd income. Tidak ada ‘pengaruh’ Pengalaman Kerja thd income. Coefficients a Model Unstandardized Coefficients Standardize d Coefficients tSig. BStd. ErrorBeta 1(Constant)-9071.7645331.943-1.701.133 Usia1148.913204.717.6205.612.001 Pengalaman Kerja1513.691650.596.2462.327.053 Jenis Kelamin5239.2272826.196.2401.854.106 a. Dependent Variable: Income

15 Daftar Pustaka: Uyanto, S.S. (2009). Pedoman analisis data dengan SPSS. Edisi Ketiga. Yogyakarta: Penerbit Graha Ilmu. Buku Prof. Dr. H. Imam Ghozali, I. (2013). Aplikasi analisis multivariate dengan Program SPSS. Semarang: Penerbit Badan Penerbit Undip. Bahan Kuliah Metode Penelitian, J.Tjahjo Baskoro. Bahan Pelatihan SPSS, Heru Prasadja dan Herry Pramono.