FAKULTAS EKONOMI
UNIVERSITAS MERCU BUANA
JAKARTA
MODUL 11
METODE PENELITIAN
Oleh:
Mafizatun Nurhayati
mafiz_69@yahoo.com
ANALISIS REGRESI
Analisis regresi adalah studi mengenai ketergantungan variable dependen (terikat)
dengan satu atau lebih variable dependen (bebas), dengan tujuan untuk mengestimasi
dan atau memprediksi rata-rata populasi atau nilai rata-rata variabel dependen
berdasarkan variabel independen yang diketahui.
Analisis regresi selain mengukur kekuatan hubungan antara dua variable atau lebih
(seperti analisis korelasi), juga menunjukkan arah hubungan antara variable dependen
dengan variable independent.
Kasus:
Kasus yang ingin dianalisis adalah apakah total income anggota keluarga (INCOME)
dipengaruhi oleh jumlah anggota keluarga (SIZE), gaji yang diperoleh kepala keluarga
(EARNS), besarnya kekayaan keluarga (WEALTH), dan tabungan keluarga (SAVING).
Atau secara matematis dapat ditulis:
INCOME = bo + b1 SIZE + b2 EARNS + b3 WEALTH + b4 SAVING + e
Langkah Analisis:
a. Buka file DATA REGRESI-INCOME.sav
METODE PENELITIAN
mafiz_69@yahoo.com
METODE PENELITIAN
mafiz_69@yahoo.com
d. Pada kotak Dependent isikan variable INCOME. Pada kotak Independent isikan
variable SIZE, EARNS, WEALTH
e. Pilih Statistik, dilayar akan muncul tampilan windows Linear Regression Statistics,
isikan semua isian, kecuali Casewise-diagnostic, pilih Outliers outside. Lalu klik
Continue.
f. Lalu pilih Plots, hingga di layar tampak tampilan window Linear Regression Plots:
Masukkan variable SRESID pada kotak pilihan Y, dan masukkan variable ZPRED
pada kotak pilihan X. Tekan Continue
METODE PENELITIAN
mafiz_69@yahoo.com
g. Klik OK
h. Hasil Output:
Output dan Analisis:
1. Menilai Goodness of Fit Model,
Penilaian ini bertujuan untuk mengukur ketepatan fungsi regresi sampel dalam menaksir
nilai aktual.
a. Koefisien Determinan (R2)
Koefisien determinasi (R2) mengukur seberapa jauh kemampuan model dalam
menerangkan variasi variabel dependen. Nilai koefisien determinan adalah antara nol
dan satu.
Apabila hanya terdapat satu variabel independen maka R2 yang dipakai. Tetapi apabila
terdapat dua atau lebih variabel independen maka digunakan Adjusted R2. Setiap
tambahansatu variabel independen, maka R2 pasti meningkat tidak peduli apakah
METODE PENELITIAN
mafiz_69@yahoo.com
R
R Square
.902a
.814
Adjusted
R Square
.807
Std. Error of
the Estimate
2.45590
R Square
Change
.814
F Change
104.211
df1
df2
4
Sig. F Change
95
.000
DurbinWatson
2.061
Besarnya nilai Adjusted R2 adalah 0,807, hal ini berarti 80,7% variasi Income dapat
dijelaskan oleh variasi dari ke empat varabel independen (SIZE, EARNS, WEALTH dan
SAVING). Sedangkan sisanya 19,5% (100% - 80,7) dijelaskan oleh sebab-sebab yang
lain diluar model.
b. Uji signifikansi Simultan (Uji Statistik F)
Uji statistik F adalah menunjukkan apakah semua variabel independen yang dimaksud
dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen.
Dengan membandingkan probabilitas (pada tabel Anova tertulis Sig) dengan taraf
nyatanya (0,05 atau 0,01).
Jika probabilitas > 0,05 maka model ditolak
Jika probabilitas < 0,05 maka model diterima.
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
2514.175
572.987
3087.162
df
4
95
99
Mean Square
628.544
6.031
F
104.211
Sig.
.000a
Dapat dilihat nilai F adalah 104,211 dengan probabilias 0,00. Karena probabilitas jauh
lebih kecil dari 0,05, maka model regresi dapat digunakan untuk memprediksi INCOME.
Atau dapat dikatakan bahwa SIZE, EARNS, WEALTH dan SAVING secara bersamasama berpengaruh terhadap INCOME, dan bentuk persamaan regresi linear sudah
tepat.
c. Uji Signifikansi Parameter Individual (Uji Statistik t)
METODE PENELITIAN
mafiz_69@yahoo.com
Model
1
(Constant)
EARNS
WEALTH
SAVING
SIZE
Unstandardized
Coefficients
B
Std. Error
3.848
.862
.840
.069
.059
.019
.009
.064
-.302
.168
Standardized
Coefficients
Beta
.771
.179
.007
-.081
t
4.466
12.195
3.081
.135
-1.799
Sig.
.000
.000
.003
.893
.075
Zero-order
Correlations
Partial
.886
.673
.383
-.102
.781
.301
.014
-.181
Part
.539
.136
.006
-.080
Collinearity Statistics
Tolerance
VIF
.488
.581
.776
.968
Dari table unstandardized beta coefficients, dari keempat variable independent yang
dimasukkan ke dalam model regresi variable SIZE dan SAVING tidak signifikan. Hal ini
dilihat dari probabilitas signifikansi untuk SIZE sebesar 0,075 dan SAVING sebesar
0,893 dan keduanya jauh di atas 0,05. Sedangkan EARNS dan WEALTH signifikan
pada 0,05. Jadi dapat dikatakan bahwa INCOME dipengaruhi oleh EARNS dan
WEALTH.
Persamaan regresi:
INCOME = 3,848 302 SIZE + 0,840 EARNS + 0,059 WEALTH + 0,009 SAVING
(4,466) (-1,799)
(12,195)
(3,081)
(0,135)
METODE PENELITIAN
2.048
1.720
1.289
1.033
mafiz_69@yahoo.com
Sig. (1-tailed)
INCOME
EARNS
WEALTH
SAVING
SIZE
INCOME
EARNS
WEALTH
SAVING
SIZE
INCOME
EARNS
WEALTH
SAVING
SIZE
INCOME
1.000
.886
.673
.383
-.102
.
.000
.000
.000
.155
100
100
100
100
100
EARNS
.886
1.000
.625
.453
.002
.000
.
.000
.000
.493
100
100
100
100
100
WEALTH
.673
.625
1.000
.184
-.132
.000
.000
.
.034
.096
100
100
100
100
100
SAVING
.383
.453
.184
1.000
.073
.000
.000
.034
.
.234
100
100
100
100
100
SIZE
-.102
.002
-.132
.073
1.000
.155
.493
.096
.234
.
100
100
100
100
100
Coefficientsa
Model
1
(Constant)
EARNS
WEALTH
SAVING
SIZE
Unstandardized
Coefficients
B
Std. Error
3.848
.862
.840
.069
.059
.019
.009
.064
-.302
.168
Standardized
Coefficients
Beta
.771
.179
.007
-.081
t
4.466
12.195
3.081
.135
-1.799
Sig.
.000
.000
.003
.893
.075
Zero-order
Correlations
Partial
.886
.673
.383
-.102
.781
.301
.014
-.181
Part
.539
.136
.006
-.080
Collinearity Statistics
Tolerance
VIF
.488
.581
.776
.968
Melihat hasil besaran korelasi antar variabel independen tampak bahwa hanya variabel
EARNS yang mempunyai korelasi cukup tinggi dengan variabel WEALTH dengan
tingkat korelasi sebesar 0.625 atau 62,5%. Oleh karena korelasi ini masih di bawah
95%, maka dapat dikatakan tidak terjadi multikolinearitas yang serius.
METODE PENELITIAN
2.048
1.720
1.289
1.033
mafiz_69@yahoo.com
Hasil perhitungan nilai Tolerance juga menunjukkan tidak ada variabel independen yang
memiliki nilai Tolerance kurang dari 0,10 yang berarti tidak ada korelasi antar variabel
independen yang nilainya lebih dari 0,95.
Hasil perhitungan VIF juga menunjukkan hal yang sama tidak ada satu variabel
independen yang memiliki nilai VIF lebih dari 10.
Jadi dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen
dalam model regresi.
b. Uji Autokorelasi
Uji ini bertujuan menguji apakah dalam model regresi linear ada korelasi antara
kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1
(sebelumnya). Autokorelasi ini muncul karena observasi yang berturut-turut sepanjang
waktu berkaitan satu sama lainnya.
Penyebab utama timbulnya autokorelasi adalah kesalahan spesifikasi, misalnya
terabaikannya suatu variabel penting atau bentuk fungsi yang tidak tepat.
Diuji dengan Uji Durbin-Watson (D-W test).
Ketentuan pengambilan keputusan:
R
R Square
.902a
.814
Adjusted
R Square
.807
Std. Error of
the Estimate
2.45590
R Square
Change
.814
F Change
104.211
df1
df2
4
95
Sig. F Change
.000
DurbinWatson
2.061
METODE PENELITIAN
mafiz_69@yahoo.com
c. Uji Heteroskedastisitas
Uji ini bertujuan menguji apakah dala model regresi terjadi ketidaksamaan variance dari
residual satu pengamatan ke pengamatan yang lain. Kebanyakan data crossection
mengandung situasi heteroskedastisitas karena data ini menghimpun data yang
mewakili berbagai ukuran.
S
c
a
t
e
r
p
l
o
t
D
e
p
n
d
e
t
V
a
r
i
b
l
e
:
I
N
C
O
M
E
4
3
2
R
eg
rsio
n
S
tan
d
rized
R
esid
u
al
1
0
--1
2-2-1R
1
2
3
e
g
r0s
io
n
S
ta
n
d
riz
e
d
P
re
d
ic
te
d
V
a
lu
e45
Diagram pencar di atas ternyata tidak membentuk suatu pola yang teratur, sehingga
dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, dan layak
dipakai untuk memrediksi.
d. Uji Normalitas
Uji ini bertujuan untuk menguji apakah dalam model regresi, variable pengganggu atau
residual memiliki distribusi normal. Kalau asumsi ini dilanggar maka uji statistic menjadi
tidak valid untuk jumlah sampel kecil.
Dasar pengambilan keputusan:
Jika grafik histogram memberikan pola distribusi yang menceng (skewness) ke kiri atau
ke kanan, maka model regresi tidak memenuhi asumsi normalitas.
Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau
grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi
asumsi normalitas.
METODE PENELITIAN
10
H
i
s
t
o
g
r
a
m
D
e
p
n
d
e
t
V
a
r
i
b
l
e
:
I
N
C
O
M
E
3
0
2
5
2
0
mafiz_69@yahoo.com
Jika data menyebar jauh dari diagonal dan/atau tidak mengikuti arah gars diagonal atau
grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak
F
req
u
n
cy
1
5
1
0
5
M
e
a
n
=
8
.
7
E
1
6
S
t
d
.
D
e
v
0
9
8
0-2R
N
1
0
-e
1
0
1
2
3
g
rs
io
n
S
ta
n
d
riz
e
d
R
e
s
id
u
a
l4
E
xp
ectd
C
u
m
P
ro
b
N
o
rm
a
l01P
-..80P
lD
te
o
fp
R
e
g
r
s
i
o
n
S
t
a
n
d
r
i
z
e
d
R
e
s
i
d
u
a
l
n
d
e
t
V
a
r
i
b
l
e
:
I
N
C
O
M
E
0
.6
.0
0
4
.0
2
.00
.2
0
4
0
.6
0
.81
.0
O
b
s
e
r.v
d
C
u
m
P
ro
b
Dengan melihat tampilan grafik histogram maupun grafik normal plot dapat disimpulkan
bahwa grafik histogram memberikan pola distribusi yang menceng (skewness) ke kiri
dan tidak normal. Sedangkan pada grafik normal plot terlihat titik-titik menyebar di
METODE PENELITIAN
11
mafiz_69@yahoo.com
sekitar garis diagonal, serta penyebarannya agak menjauh dari garis diagonal. Kedua
grafik ini menunjukkan bahwa model regresi menyalahi asumsi normalitas. Tetapi karena
jumlah samplenya besar yaitu 100, maka tidak menjadi masalah.
METODE PENELITIAN
12