TATAP MUKA 14 ANALISA REGRESI BERGANDA.

Presentasi berjudul: "TATAP MUKA 14 ANALISA REGRESI BERGANDA."— Transcript presentasi:

1 TATAP MUKA 14 ANALISA REGRESI BERGANDA

2 ANALISIS REGRESI DENGAN MODEL ANCOVA
VARIABEL DEPENDEN BERSKALA INTERVAL ATAU RATIO VARIABEL INDEPENDEN BERSKALA CAMPURAN INTERVAL ATAU RATIO DENGAN NOMINAL / KATEGORIK VARIABEL INDEPENDEN YANG BERSKALA NOMINAL / KATEGORIK DISEBUT VARIABEL DUMMY

3 Bentuk Data Regresi Ancova

4 Data Kategorik

5 Mekanisme Analisa Pada dasarnya, analisa regresi berganda, apapun bentuknya bertujuan untuk menemukan persamaan estimasi melalui persamaan model yang telah dibentuk. Termasuk di dalamnya ingin mengukur : Persamaan Estimasi Korelasi Parsial Korelasi Global / Simultan Determinasi Total Determinasi Parsial Uji Anova ( uji F ) Uji Parsial ( uji t ) Uji Keselarasan Model

6 Prosedur Analisa Klik > analyze > Regression > Linier

7 Prosedur Analisa Klik > Statistic, centang pilihan sesuai gambar

8 Prosedur Analisa Klik > Plot, Zpred pindah ke kotak X dan Sresid ke kotak Y, lalu klik > Continue.

9 Prosedur Analisa jika semua proses telah selesai, Klik > OK

10 Output Analisis

11 Output Analisis Persamaan Estimasi yang dapat di bentuk:
G = -112, ,452 S + 35,246 K + 148,792 D dari persamaan di atas dapat di baca sbb : jika karyawan tidak memiliki status, pengalaman dan pendidikan maka Gaji karyawan adalah -112,986 (sangat rendah) dilihat dari konstanta yang bertanda negatif. jika pengalaman kerja meningkat satu satuan hitung maka Gaji karyawan akan meningkat sebesar 35,246 jika pendidikan karyawan meningkat sebanyak satu satuan hitung maka Gaji karyawan akan meningkat sebanyak 148,792

12 Output Analisis Chart di sebelah menunjukkan arti yakni titik2 data semakin menyatu dengan garis menunjukkan pengaruh variabel pengganggu yang semakin kecil atau rendah. ada hubungan linier antara var independent dengan var dependent variansi var independent dgn var dependent adl homogen

13 Output Analisis Gambar diagram pencar di atas menunjukkan hasil yakni variabel yang terlibat dalam persamaan model bersifat normal, krn data menyebar rata ke seluruh bidang diagram

14 Output Analisis Dari tabel di atas, korelasi parsial (zero order) semua bersifat linier dan nyata karena tingkat kesalahan < 5%. Status karyawan dgn gaji = 0,516 ; pengalaman kerja dgn gaji = 0,73 ; dan pendidikan karyawan dgn gaji = 0,797

15 Output Analisis Nilai korelasi global = 0,86 artinya hubungan ketiga var independent dengan var dependent sangat kuat dan searah, nilai determinasi global = 0,728 artinya variansi gaji mampu dijelaskan sebesar 72,8% oleh ketiga var independent, sedangkan sisanya sebesar 27,2% dijelaskan oleh variansi var lain yang tidak dibahas dalam persamaan model.

16 Output Analisis Determinasi (kontribusi) parsial dapat dilihat pada kolom Partial pada tabel di atas. Kontribusi var status karyawan thd var dependent adl 32,7% var lain dianggap konstan. Kontribusi var pengalama kerja sebesar 43,2% thd var dependent, dan var lain dianggap konstan, kontribusi var pendidikan karyawan thd var dependent adl sebesar 57,9% dan var lain dianggap konstan/nol.

17 Uji Anova / Uji F / Uji Simultan
Uji hipotesis untuk anova adalah sbb: Ho : semua variabel independent tidak nyata pengaruhnya terhadap variabel dependent Ha : minimal ada satu variabel independent nyata pengaruhnya Oleh karena tingkat kesalahan (signifikansi F) < 5% maka Ha diterima, artinya semua variabel independent nyata pengaruhnya terhadap variabel dependent.

18 Uji t / Uji Parsial Tingkat signifikansi (taraf nyata) variabel independent pada kolom Sig nilainya semuanya di bawah 5%, artinya ketiga variabel independent memiliki pengaruh nyata terhadap variabel dependent berarti ketiga variabel independent memiliki peran nyata dalam penetapan / besaran gaji karyawan.

19 Uji Keselarasan Model Variabel yang terdapat dalam persamaan model di katakan memiliki hubungan selaras bila nilai ‘standar error of the estimated’ < ‘standar error’. Nilai ‘standar error of the estimated’ (39,43) < ‘standar error’ (50,003) berarti hubungan antara ketiga var independent dengan var dependent adalah selaras/serasi atau ideal.