Analisis Regresi

1. Analisis Regresi

2. ANALISIS REGRESI • Melihat ‘pengaruh’ variable bebas/independetvariabel/ thd variable terikat/dependent variabel. • Berdasarkanjumlahvariabelbebas : • Ada 1 vaiabelbebas - regresisederhana • Ada > 1 variabelbebas - regresiberganda • Berdasarsifathubungankeduavariabel: • Bersifat linier - regresi linier • Bersifat non-linier - regresi non linier • Berdasarskalapengukuranvariabelbebasdanterikat: • Var. terikatsenmua var. bebas interval/rasio- regresistandar • Var. terikatdansebagian var. bebas interval tapiadasebagian var. bebasnomilal/ordinal - regresi dummy • Var. terikatberskala nominal/ordinal - regresilogistik/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 dianalisislebihdaridua. • Kegunaan: • Untukmelihat ‘pengaruh’ lebihdarisatuvariabelbebasthd variable terikatsekaligusdlmsatumetodeanalisis. • Untukmelihatvariabelbebas yang lebihberpengaruhthdvariabelterikat . • Memprediksinilai ‘variabelterikat’ biladiketahuinilai-nilai ‘variabelbebas’. • Asumsiantara lain: • Y (variabelterikat) atau e (residuals) mengikutisebarannormal. • Nilaiantarvariabelterikatsalingtidakberkorelasi (tidakterjadi ‘auto correlation’). • Keragaman (variation) nilai residual haruslahsamauntuksemuanilai Y (homoscedasticity variance). • antarvariabelbebastidakberkorelasi (tidakterjadimulti-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 • Rumusuntukmendugapersamaanregresi Langkah 3, Hitungkoefisiendeterminasi • Koefisiendeterminasimerupakanukuranberapabesarvariasivariabelterikatdipengaruhivariabelbebas • Dihitungdarinilaikorelasi 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. Perintah dalam SPSS Multiple Regression 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. 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. 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%.

12. Lanjutan Kasus: Multiple Regression, Metode Enter 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 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 Dugaan Persamaan Regresi: Bandingkan thitung dg ttabel, v = n-2-1. 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.