Analisis Regresi.

Presentasi berjudul: "Analisis Regresi."— 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. ei adl error atau residual b1 disebut ‘slope’, koefisien regresi dari X, koefisien kemiringan. b0 disebut intercept, titik potong terhadap sumbu Y, dugaan Y bila X=0. Metode Kuadrat terkecil biasa (Ordinary least squares, OLS) digunakan untuk menduga ‘slope’ (b1) dan ‘intercept’ (b0). diminimalkan.

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: Y (variabel terikat) atau e (residuals) mengikuti sebaran normal. Nilai antar variabel terikat saling tidak berkorelasi (tidak terjadi ‘auto correlation’). Keragaman (variation) nilai residual haruslah sama untuk semua nilai Y (homoscedasticity variance). 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 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 Perintah dalam SPSS Buka file multiple_reg

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 Std. Error of the Estimate
Kasus: Multiple Regression, Metode Enter Konteks penelitian: 11 sales person dipilih secara acak (random), n = 11. Y = Income sales person (dalam dolar). X1 = Usia. X2 = Pengalaman kerja. X3 = Jenis kelamin R2 adjusted berguna untuk membandingkan dua persamaan regresi yg berbeda banyaknya independent variable. Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .979a .959 .941 a. Predictors: (Constant), Jenis Kelamin, Pengalaman Kerja, Usia Multiple Correlation: Korelasi X1, X2 dan X3 (bersama-sama) dengan Y sebesar R2 = atau R2 = 95.9%, X1, X2 dan X3 mampu menjelaskan keragaman Y sebanyak 95.9%.

12 Lanjutan Kasus: Multiple Regression, Metode Enter
ANOVAb Model Sum of Squares df Mean Square F Sig. 1 Regression 8.770E8 2 4.385E8 64.105 .000a Residual 5.472E7 8 Total 9.317E8 10 a. Predictors: (Constant), X2 Pengalaman Kerja, X1 Usia b. Dependent Variable: Y Income 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. Karena Sig < taraf nyata maka terima H1. Minimal satu variabel bebas ‘berpengaruh’ thd variabel terikat. YANG MANA?

13 Lanjutan Kasus: Multiple Regression, Metode Enter
ANOVAb Model Sum of Squares df Mean Square F Sig. 1 Regression 1.242E9 3 4.139E8 54.402 .000a Residual 5.326E7 7 Total 1.295E9 10 a. Predictors: (Constant), Jenis Kelamin, Pengalaman Kerja, Usia b. Dependent Variable: Income 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. Karena Sig < taraf nyata maka terima H1. Minimal satu independent variable ‘berpengaruh’ thd dependent variable. YANG MANA?

14 Lanjutan Kasus: Multiple Regression, Metode Enter
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -1.701 .133 Usia .620 5.612 .001 Pengalaman Kerja .246 2.327 .053 Jenis Kelamin .240 1.854 .106 a. Dependent Variable: Income Dugaan Persamaan Regresi: Bandingkan thitung dg ttabel, v = n Kalau thitung > ttabel terima H1. Dalam populasi ada ‘pengaruh’ X thd Y “Usia” lebih dominan dibanding “Pengalaman Kerja” dan “Jenis Kelamin” thd income Jadi dalam populasi: ada ‘pengaruh’ Usia dan Jenis Kelamin thd income. Tidak ada ‘pengaruh’ Pengalaman Kerja thd income. Jika Sig < taraf nyata maka terima H1. Dalam populasi ada ‘pengaruh’ X thd Y

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.