Uji Regresi Pada Spss
Uji Regresi Pada Spss
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
Ukuran Sampel
3.
1.
2.
tabel
kritis
Chi
Square,
lakukan
Dalam
Regresi
Berganda
dengan
SPSS,
masalah
Multikolinieritas ini ditunjukkan lewat tabel Coefficient, yaitu
pada kolom Tolerance dan kolom VIF (Variance Inflated
Factors). Tolerance adalah indikator seberapa banyak
variabilitas sebuah variabel bebas tidak bisa dijelaskan oleh
variabel bebas lainnya. Tolerance dihitung dengan rumus 1
R2 untuk setiap variabel bebas. Jika nilai Tolerance sangat
kecil (< 0,10), maka itu menandakan korelasi berganda satu
variabel bebas sangat tinggi dengan variabel bebas lainnya
dan mengindikasikan Multikolinieritas. Nilai VIF merupakan
invers dari nilai Tolerance (1 dibagi Tolerance). Jika nilai VIF
> 10, maka itu mengindikasikan terjadinya Multikolinieritas.
Hipotesis untuk Multikolinieritas ini adalah:
Autokorelasi
Autokorelasi juga disebut Independent Errors. Regresi
Berganda mengasumsikan residu observasi seharusnya tidak
berkorelasi (atau bebas). Asumsi ini bisa diuji dengan teknik
statistik Durbin-Watson, yang menyelidiki korelasi berlanjut
antar error (kesalahan). Durbin-Watson menguji apakah
residual yang berdekatan saling berkorelasi. Statistik
pengujian bervariasi antara 0 hingga 4 dengan nilai 2
mengindikasikan residu tidak berkorelasi. Nilai > 2
5.
Homoskedastisitas
Uji Regresi bisa dilakukan jika data bersifat Homoskedastisitas
bukan Heteroskedastisitas. Homoskedastisitas adalah kondisi
dalam mana varians dari data adalah sama pada seluruh
pengamatan. Terdapat sejumlah uji guna mendeteksi gejala
heteroskedastisitas misalnya uji Goldfeld-Quandt dan Park.
Namun, Wang and Jain beranggapan bahwa Uji Park dapat
lebih teliti dalam memantau gejala heteroskedastisitas ini.
Dengan demikian, penelitian ini akan menggunakan Uji Park
guna
menentukan
gejala
heteroskedastisitas
variabelvariabelnya.
6.
Independent(s) --> Klik Save --> Pada Residual klik Unstandardized -->
Continue --> OK
2.
Pada SPSS klik Data View --> Cek bahwa ada satu variabel baru
bernama res_1. Ini merupakan nilai _i^ . Nilai ini harus dikuadratkan
dengan cara (pada SPSS) klik Transform --> Compute --> Isi Target
Variable dengan _i^2 --> Pada operasi hitung kalikan nilai _i^ dengan
_i^ . Pada Variable View SPSS muncul variabel baru bernama _i^2.
3.
Dengan SPSS, tepatnya menu Transform --> Compute lakukan
perubahan nilai _i^2, X1, X2, X3, X4 ke dalam bentuk logaritma natural
(Ln) [caranya dengan Klik Ln lalu pindahkan variabel] Ln(_i^2 ) yaitu
regresi unstandardized residual pada Target Variable dinamai Lnei2; X1
yaitu variabel x1 pada Target Variable dinamai Lnx1; X2 yaitu variabel x2
pada Target Variable dinamai Lnx2; x3 yaitu variabel x3 pada Target
Variable dinamai Lnx3; x4 yaitu variabel x4 pada Target Variable dinamai
Lnx4.
4.
Setelah diperoleh nilai variabel-variabel baru Lnei2, LnX1, LnX2, LnX3,
dan LnX4.
5.
Lakukan uji regresi kembali secara satu per satu.
6.
Pertama, klik Analyze --> Regression>Linear --> Masukkan variabel
Lnei2 ke kotak Dependent --> Masukkan variabel LnX1 ke Independent(s)
--> OK. Sementara hasil belum dihiraukan.
7.
Kedua, klik Analyze --> Regression --> Linear --> Variabel Lnei2
masih ada di Dependent, biarkan > Keluarkan LnX1 dan masukkan LnX2
ke Independent(s) > OK. Sementara hasil belum dihiraukan.
8.
Ketiga, klik Analyze --> Regression --> Linear --> Variabel Lnei2
masih ada di Dependent, biarkan > Keluarkan LnX2 dan masukkan LnX3
ke Independent(s) > OK. Sementara hasil belum dihiraukan.
9.
Keempat, klik Analyze --> Regression --> Linear --> Variabel Lnei2
masih ada di Dependent, biarkan > Keluarkan LnX3 dan masukkan LnX4
ke Independent(s) > OK. Sementara hasil belum dihiraukan.
10.
Perhatikan Output SPSS. Pada output, terdapat hasil perhitungan Park
bagi variabel x1, x2, x3 dan x4, tepatnya adalah hasil uji Lnei2 dengan
LnX1, dan uji Lnei2 dengan LnX2, uji Lnei2 dengan LnX3, dan uji Lnei2
dengan LnX4.
11.
Peneliti akan memperbandingkan apa yang tertera di tabel
Coefficients, yaitu nilai t.
12.
Guna memastikan apakah ada gejala heteroskedastisitas, peneliti akan
memperbandingkan nilai thitung dengan ttabel. Nilai ttabel dapat dicari
pada Tabel t, yaitu dengan menentukan df = n - 4 . n adalah jumlah
sampel dan 4 karena jumlah variabel independen penelitian adalah 4.
Sehingga nilai df = 48 4 = 44. Dalam taraf 0,05 uji yang dilakukan
adalah 2 sisi sehingga singnifikansi pada tabel adalah 0,025.
Koefisien Determinasi
Dalam uji Regresi Berganda, Koefisien Determinasi digunakan
untuk mengetahui persentase sumbangan pengaruh serentak
variabel-variabel bebas terhadap variabel terikat. Untuk itu,
digunakan angka-angka yang ada pada Tabel Model Summary.
Cara menentukan Koefisien Determinasi sangatlah mudah.
Peneliti tinggal melihat nilai pada kolom R2 dikalikan 100%.
Misalnya nilai R2 adalah 0,7777. Dengan demikian Koefisien
Determinasinya = 0,7777 x 100% = 77,77%. Jadi, secara
serentak variabel-variabel bebas mempengaruhi variabel terikat
sebesar 77,77%. Sisanya, yaitu 100 77,77% = 22,23%
ditentukan oleh variabel-variabel lain yang tidak disertakan di
dalam penelitian.
Koefisien Regresi Parsial
Koefisien Regresi Parsial menunjukkan apakah variabel-variabel
bebas punya pengaruh secara parsial (terpisah atau sendirisendiri) terhadap variabel terikat?
Pada Tabel Coefficient, pengujian Hipotesis akan dilakukan. Uji
hipotesis dilakukan dengan menggunakan Uji t. Pernyataan
Hipotesis yang hendak diuji sebagai berikut: