Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui pengaruh antara statistik harus dipenuhi. Asumsi klasik tersebut meliputi asumsi normalitas,
satu atau beberapa variabel terhadap satu buah variabel. Variabel yang mempengaruhi multikolinearitas, autokorelasi, heteroskedastisitas dan asumsi linearitas (akan dibahas
sering disebut variabel bebas, variabel independen atau variabel penjelas. Variabel yang belakangan).
dipengaruhi sering disebut dengan variabel terikat atau variabel dependen.
Langkah-langkah yang lazim dipergunakan dalam analisis regresi linear berganda adalah 1)
Secara umum regresi linear terdiri dari dua, yaitu regresi linear sederhana yaitu dengan koefisien determinasi; 2) Uji F dan 3 ) uji t. Persamaan regresi sebaiknya dilakukan di akhir
satu buah variabel bebas dan satu buah variabel terikat; dan regresi linear berganda analisis karena interpretasi terhadap persamaan regresi akan lebih akurat jika telah
dengan beberapa variabel bebas dan satu buah variabel terikat. Analisis regresi linear diketahui signifikansinya. Koefisien determinasi sebaiknya menggunakan adjusted R Square
merupakan metode statistik yang paling jamak dipergunakan dalam penelitian-penelitian dan jika bernilai negatif maka uji F dan uji t tidak dapat dilakukan.
sosial, terutama penelitian ekonomi. Program komputer yang paling banyak digunakan
adalah SPSS (Statistical Package For Service Solutions). Pertanyaan-pertanyaan yang sering muncul
1. Dalam uji regresi sederhana apakah perlu menginterpretasikan nilai F hitung?
Regresi Linear Sederhana Uji F adalah uji kelayakan model (goodness of fit) yang harus dilakukan dalam analisis
Analisis regresi linear sederhana dipergunakan untuk mengetahui pengaruh antara satu regresi linear. Untuk analisis regresi linear sederhana Uji F boleh dipergunakan atau
buah variabel bebas terhadap satu buah variabel terikat. Persamaan umumnya adalah: tidak, karena uji F akan sama hasilnya dengan uji t.
Y = a + b X. 2. Kapan menggunakan uji dua arah dan kapan menggunakan uji dua arah?
Dengan Y adalah variabel terikat dan X adalah variabel bebas. Koefisien a adalah konstanta Penentuan arah adalah berdasarkan masalah penelitian, tujuan penelitian dan
(intercept) yang merupakan titik potong antara garis regresi dengan sumbu Y pada perumusan hipotesis. Jika hipotesis sudah menentukan arahnya, maka sebaiknya
koordinat kartesius. digunakan uji satu arah, tetapi jika hipotesis belum menentukan arah, maka
sebaiknya menggunakan uji dua arah. Penentuan arah pada hipotesis berdasarkan
Langkah penghitungan analisis regresi dengan menggunakan program SPSS adalah: Analyse tinjauan literatur. Contoh hipotesis dua arah: Terdapat pengaruh antara kepuasan
--> regression --> linear. Pada jendela yang ada, klik variabel terikat lalu klik tanda panah terhadap kinerja. Contoh hipotesis satu arah: Terdapat pengaruh positif antara
pada kota dependent. Maka variabel tersebut akan masuk ke kotak sebagai variabel kepuasan terhadap kinerja. Nilai t tabel juga berbeda antara satu arah dan dua arah.
dependen. Lakukan dengan cara yang sama untuk variabel bebas (independent). Lalu klik Jika menggunakan signifikansi, maka signifikansi hasil output dibagi dua terlebih
OK dan akan muncul output SPSS. dahulu, baru dibandingkan dengan 5%.
3. Apa bedanya korelasi dengan regresi?
Interpretasi Output Korelasi adalah hubungan dan regresi adalah pengaruh. Korelasi bisa berlaku bolak-
1. Koefisien determinasi balik, sebagai contoh A berhubungan dengan B demikian juga B berhubungan
Koefisien determinasi mencerminkan seberapa besar kemampuan variabel bebas dengan A. Untuk regresi tidak bisa dibalik, artinya A berpengaruh terhadap B, tetapi
dalam menjelaskan varians variabel terikatnya. Mempunyai nilai antara 0 – 1 di tidak boleh dikatakan B berpengaruh terhadap A. Dalam kehidupan sehari-hari
mana nilai yang mendekati 1 berarti semakin tinggi kemampuan variabel bebas kedua istilah itu (hubungan dan pengaruh) sering dipergunakan secara rancu, tetapi
dalam menjelaskan varians variabel terikatnya. dalam ilmu statistik sangat berbeda. A berhubungan dengan B belum tentu A
2. Nilai t hitung dan signifikansi berpengaruh terhadap B. Tetapi jika A berpengaruh terhadap B maka pasti A juga
Nilai t hitung > t tabel berarti ada pengaruh yang signifikan antara variabel bebas berhubungan dengan B. (Dalam analisis lanjut sebenarnya juga ada pengaruh yang
terhadap variabel terikat, atau bisa juga dengan signifikansi di bawah 0,05 untuk bolak-balik yang disebut dengan recursive, yang tidak dapat dianalisis dengan analisis
penelitian sosial, dan untuk penelitian bursa kadang-kadang digunakan toleransi regresi tetapi menggunakan structural equation modelling).
sampai dengan 0,10.
3. Persamaan regresi
Sebagai ilustrasi variabel bebas: Biaya promosi dan variabel terikat: Profitabilitas
(dalam juta rupiah) dan hasil analisisnya Y = 1,2 + 0,55 X. Berarti interpretasinya:
1. Jika besarnya biaya promosi meningkat sebesar 1 juta rupiah, maka
profitabilitas meningkat sebesar 0,55 juta rupiah.
2. Jika biaya promosi bernilai nol, maka profitabilitas akan bernilai 1,2 juta
rupiah.
Interpretasi terhadap nilai intercept (dalam contoh ini 1,2 juta) harus hati-hati dan
sesuai dengan rancangan penelitian. Jika penelitian menggunakan angket dengan
skala likert antara 1 sampai 5, maka interpretasi di atas tidak boleh dilakukan karena
variabel X tidak mungkin bernilai nol. Interpretasi dengan skala likert tersebut
sebaiknya menggunakan nilai standardized coefficient sehingga tidak ada konstanta
karena nilainya telah distandarkan.
Contoh: Pengaruh antara kepuasan (X) terhadap kinerja (Y) dengan skala likert
antara 1 sampai dengan 5. Hasil output yang digunakan adalah standardized
coefficients sehingga Y = 0,21 X dan diinterpretasikan bahwa peningkatan kepuasan
kerja akan diikuti dengan peningkatan kinerja atau penurunan kepuasan kerja juga
akan diikuti dengan penurunan kinerja. Peningkatan kepuasan kerja dalam satu
satuan unit akan diikuti dengan peningkatan kinerja sebesar 0,21 (21%).
Interpretasi terhadap persamaan juga relatif sama, sebagai ilustrasi, pengaruh antara
motivasi (X1), kompensasi (X2) dan kepemimpinan (X3) terhadap kepuasan kerja (Y)
menghasilkan persamaan sebagai berikut:
Y = 0,235 + 0,21 X1 + 0,32 X2 + 0,12 X3
1. Jika variabel motivasi meningkat dengan asumsi variabel kompensasi dan
kepemimpinan tetap, maka kepuasan kerja juga akan meningkat
2. Jika variabel kompensasi meningkat, dengan asumsi variabel motivasi dan
kepemimpinan tetap, maka kepuasan kerja juga akan meningkat.
3. Jika variabel kepemimpinan meningkat, dengan asumsi variabel motivasi dan
kompensasi tetap, maka kepuasan kerja juga akan meningkat.
Interpretasi terhadap konstanta (0,235) juga harus dilakukan secara hati-hati. Jika
pengukuran variabel dengan menggunakan skala Likert antara 1 sampai dengan 5 maka
tidak boleh diinterpretasikan bahwa jika variabel motivasi, kompensasi dan kepemimpinan
bernilai nol, sebagai ketiga variabel tersebut tidak mungkin bernilai nol karena Skala Likert
terendah yang digunakan adalah 1.
gitu jawab saya. eh dosennya malah bilang, kalo misal kopi, gula sama air 2.Jika hal itu terjadi, apa langkah kita terhadap data kita?
panas digabung juga namanya tetep minuman kopi, bukan minuman manis
ataupu minuman biasa, jadi kan tetep saja yang dominan kopi nya . . 3. apa sih yang dimaksud kesalahan penggangu dalam uji autokorelasi itu?
kemungkinan variabel bebasnya juga ada yang pengaruhnya dominan, atau
bisa saja asumsi klasiknya ada yang tidak signifikan? Terima kasih atas perhatiannya
saya jadi bingung mesti jawab apa nich mas, padahal sudah saya cek asumsi salam hangat,
klasiknya signifikan dan tetep hasilnya untuk simultannya berpengaruh tetapi rika
parsialnya tidak ada yang berpengaruh . . trus saya disuruh nyari reverensi lagi 10 Maret 2010 15:08
buat ngejawab pertanyaan itu Konsultan Statistik mengatakan...
Buat Anonim (identitas)
tolong bantuin ya mas . . . 1. Memang itu asumsinya. sudah banyak diskusi seperti itu, silahkan di
17 Januari 2010 12:46 browse.
Konsultan Statistik mengatakan...
Buat Azhar. 2. Ada banyak macam cara untuk menanggulangi masalah2 tersebut. sudah
Chek asumsi klasiknya, dah OK atau lum. kalau dah OK hasilnya gitu ya cari ada beberapa di postingan dan diskusi. silahkan dibrowse
referensi penelitian yang mendukung. Secara statistik adalah memungkinkan
simultan signifikan tetapi parsial dua-duanya tidak signifikan. jadi cari referensi 3. idem
hasil penelitian serupa yang mendukung. Thanx. Ilustrasi tersebut jangan
diperdebatkan dengan mengambil analogi terlalu jauh. Yup? Thanx
Thanx 10 Maret 2010 16:04
17 Januari 2010 18:29 asti mengatakan...
Online B2B Marketplace mengatakan... Asti
Saya sedang menganalisis dan membuat penilaian terhadap website
waytodeal.com. Namun ada kerancuan data yang cukup membingungkan Maaf Pak mau nanya..
sehingga mengganggu hasil penilaian akhir. klo kita sudah menggunakan pooling data apakah kita perlu melakukan
pengujian heterokseditas, autocorellation, multikoloniarite ataupun
Pengukuran dilakukan dengan melihat: (Parameternya) homokdesitas???
1. Peringkat Google Page Rank
2. Peringkat Alexa Rank Mohon pencerahannya pak....
3. Jumlah Backlink Terima Kasih..
4. Jumlah Halaman terindeks di search engine. 11 Maret 2010 16:03
Konsultan Statistik mengatakan...
Yang menjadi gangguan adalah bila dibuatkan skor untuk masing masing Buat Asti
parameter dan dirata-rata maka nomor 1, 3 dan 4 menghasilkan angka yang Sepertinya masih perlu. tapi untuk autokorelasi tidak perlu karena untuk cross
semakin besar angkanya semakin baik, namun untuk yang nomor 2, section. thanx
kebalikannya, semakin kecil angkanya semakin baik. 11 Maret 2010 16:22
Anonim mengatakan...
Hasil akhir yang didapatkan menjadi tidak akurat lagi karena semakin saya memiliki persamaan regresi :
angkanya besar semakin baik (artinya website tersebut semakin kuat bila skor
akhirnya mendekati atau di atas 1). Y = 17,85 + 0,2X1 + 0.98X2 + 0,78X3
penelitian menggunakan skala likert.
Bagaimana caranya menghitung rata-rata dari ke-4 parameter di atas sehingga apakah nilai konstanta yang terlalu tinggi itu salah?
menghasilkan penilaian akhir yang tepat dan tidak bias karena parameter Mohon sarannya,
nomor 2 terbalik dalam menentukan yang paling bagus? Thanks
30 Maret 2010 10:03
Maaf saya ga tau istilah-istilah statistiknya apa.. Konsultan Statistik mengatakan...
1 Februari 2010 15:40 Buat Anonim
Konsultan Statistik mengatakan... 1. Apakah sudah dilakukan uji validitas dan reliabilitas?
Buat Online B2b Marketplace 2. Apakah sudah dilakukan uji asumsi klasik?
Hmm...kajian Anda cukup menarik kalau boleh tahu karena postingan di Jika 1 dan 2 OK berarti tidak ada masalah dengan konstanta yang nilainya
regresi linear apakah anda menggunakan metode regresi linear? kalau iya tinggi. Kalau boleh saya sok tahu (he he) mungkin karena indikator pada Y
maka variabel terikatnya apa? dan bagaimana pengukurannya? kalau jumlahnya jauh lebih banyak dibandingkan indikator pada X1, X2 dan X3....sori
menggunakan regresi linear item #2 tidak menjadi masalah. Tinggal nanti kalau salah. thanx
interpretasinya berkebalikan dengan item yang lain. tapi jika tidak 30 Maret 2010 11:20
menggunakan metode regresi linear metode apa yang anda gunakan? atau Anonim mengatakan...
anda belum menentukan metodenya? Iya pak,
Sudah Valid & Reliabel untuk ketiga variabelnya.
Note: Jika menggunakan regresi linear mungkin variabel terikatnya jumlah Apa mungkin ada kesalahan dalam perhitungan pak.
pengunjung ya? (mohon maaf karena kita agak awam dalam hal itu? mohon Tapi mmg iya sih, jumlah item kuisioner untuk Y 12 item, sementara X1,2,3
tanggapannya. item kuisionernya 9,8 dan 7.
Terima kasih Karena terlalu tinggi saya takut itu bermasalah ketika d ujian pak.
1 Februari 2010 16:18 31 Maret 2010 12:02
skripsi mengatakan... Konsultan Statistik mengatakan...
hi mas, Buat Anonim
sya Tere kalau sudah valid dan reliabel chek uji asumsi klasiknya. kalau OK ya gak ada
mhsiswa lg grap skripsi masalah jika konstanta nilainya tinggi. untuk salah atau tidak dalam
klo DW terletak pd tidak ada kputusan gmn?? perhitungan ya dichek sekali lagi aja. he he yup?
klo uji F g signifikan wajar g? 31 Maret 2010 13:05
truz q da coba obatin autokorelasi pke lag yg mas blg tp mslh lg d normalitas, bily mengatakan...
kn hrus uji ulng lg semua variabelnya??? saya bily pak,..
8 Februari 2010 10:50 maaf bapak,...
Konsultan Statistik mengatakan... mohon bantuan masukannya ya pak,...
Buat Skripsi gini pak,...
1. Model anda perlu uji autokorelasi gak? soalnya model yang cross section saya kan sedang meneliti tg pengaruh KK,IOS,LEV terhadap Y,...
kan gak perlu uji autokorelasi saya pake model regresi:
Y = a0 + a1 KK + a2 IOS + a3 LEV + e......(model regresi pertama)
2. Untuk sampel di atas 100, Uji Durbin Watson kurang disarankan, coba setelah saya lakukan semua uji prasyarat analisi ternyata:
gunakan metode lain, misal LM. 1.Uji Autokorelasi (D-W) -> TIDAK terpenuhi atau ada gangguan autokorelasi
2.Uji Multikolinearitas(Tolerance/VIF), Uji Normalitas (Skewness-Kurtosis), dan
3. Ada beberapa penelitian yang masih menggunakan model di mana DW Uji Heteroskedastisitas (Glejser)-> terpenuhi semua,...
masuk pada no decicion.
Nah,.kemudian saya pakai metode lag u/ mengatasi gangguan autokorelasi 4 Juni 2010 14:50
pada model regresi pertama tersebut,... Konsultan Statistik mengatakan...
saya estimasikan model regresi kedua seperti ini: Buat Anonim (identitas?)
Y = a0 + a1 KK + a2 IOS + a3 LEV + a4 LAG_Y + e.......(model regresi kedua) Gak ada masalah, karena model baik atau jelek tergantung dari uji asumsi
Alhasil,..model regresi (kedua) sudah terbebas dari gangguang autokorelasi klasik, R dan F, bukan pada nilai plus atau minus. tinggal diinterpretasikan saja.
(Uji Autokorelasi D-W -> terpenuhi) dan bebas dari gangguan multikolinearitas
(uji multikolinearitas -> terpenuhi),... Terima kasih
namun ada masalah lain pak,yaitu data residual tidak normal dengan pola 4 Juni 2010 16:22
positive skewness dan terdapat gangguan pada model regresi (kedua),.. rosida mengatakan...
Untuk masalah ketidaknormalan data residual, saya coba atasi dengan Selamat siang mas, saya mau bertanya mengenai penelitian saya tentang
transformasi data residual kedalam bentuk LOG10,.hasilnya data residual Pengaruh Gaya Kepemimpinan (x) thd Budaya Organisasi (y), pengumpulan
kembali normal,... data menggunakan kuesioner dengan skala likert utk ke-2 variabel. Kemudian
untuk gangguan heteroskedastisitas, saya coba atasi dengan transformasi utk variabel X, dibagi menjadi 4 jenis gaya kepemimpinan (X1,X2,X3,X4). Untuk
semua nilai variabel kebentuk logaritma natural,..hasilnya model dapat itu kira2 metode regresi linear ini sudah tepatkah utk melihat perngaruh
terbebas dari gangguan heteroskedastisitas,. antara kedua variabel? yang sederhana atau berganda?
saya estimasikan model regresi ketiga seperti ini: Hasil yang ingin dicapai adalah melihat gaya kepemimpinan yang mana yg
LogY = a0 + a1 KK + a2 IOS + a3 LEV + a4 LAG_Y + e,....(model regresi ketiga) harus diterapkan utk menghasilkan budaya organisasi tsb. Jadi, dapatkah nilai
Dalam model ini, sudah memenuhi semua uji prasyarat analisis (fit),.. koefisien dlm rumusan regresi memperlihatkan hasil tsb?
emmm,.. Demikian mas..Sebelumnya terima kasih atas kesediaannya untuk memberi
gini pertanyaan saya pak,.. pencerahan.
1. Apakah prosedur yang saya lakukan u/ memenuhi uji prasyarat analisis 8 Juni 2010 14:50
tersebut sudah benar, jika salah, prosedur yang benar bagaimana ya pak?,.... Konsultan Statistik mengatakan...
2. Apakah model regresi yang saya estimasikan (model kedua, dan ketiga) Buat Rosida
sudah benar pak, atau masih salah ya pak?,.... pake regresi linear berganda bisa. nanti liat di standardized coefficient. Yang
Sementara itu dulu pak,.. mempunyai nilai paling besar berarti paling dominan dalam mempengaruhi
maaf pak ada cerpennya dikit,... budaya organisasi. Terima kasih kembali
maaf kalo merepotkan ya pak,.. 8 Juni 2010 17:00
sebelumnya makasih banget pak,... Anonim mengatakan...
^_^ mas, sy mw tanya mengenai data spss.. penelitian tentang pengaruh struktur
17 April 2010 22:10 kepemilikan terhdap nilai perusahaan (harga saham).. sy ud buat data variabel
Konsultan Statistik mengatakan... ya dan uji regresi linear sperti R-squared, durbin watson, anova,
Buat Bily coefficients,colinaerity...uda diuji ternyata ada data excluded variabel ya pak..
prosedurnya sudah tepat. tinggal diinterpretasikan saja dan variabel lag-Y yg excluded variabel ya variabel institusional ya..terima kasih pak..knp bs
tidak usah diinterpretasikan. hanya ada beberapa catatan untuk Anda chek excluded ya pak...?? terima kasih...ria...
ulang 10 Juni 2010 23:27
1. Uji autokorelasi hanya untuk data time series, apakah data anda time Konsultan Statistik mengatakan...
series? kalau cross section tidak perlu uji autokorelasi Buat Anonim (identitas?)
Ada kemungkingkan variabel itu mempunyai signifikansi yang jauh
2. Transformasi dapat dilakukan jika semua data pada variabel itu positif. jika dibandingkan variabel yang lain, ada kemungkinan juga anda menggunakan
ada yang negatif jangan menggunakan transformasi logaritma. metode stepwise sehingga keluar exclude variabel. Terima kasih
Thanx untuk cerpennya, karena ini juga habis dari liburan..h e he... 11 Juni 2010 09:51
19 April 2010 11:37 Yesshy Nahampun mengatakan...
dewi mengatakan... mas, saya mau tanya penelitian saya tentang pengaruh undang-undang
pak saya dewi.. sarbanes oxley terhadap pengendalian internal, pengendalian aplikasi dan
mw tnya data saya ditransform jd log natural, coz klo gak ditransform terjadi laporan keuangan pada PT.xxx..pengumpulan data menngunakan kuesioner.
multikol, selain itu uji F dan uji T tidak terpenuhi.. pertanyaan:
pertanyaannya gakpapa kan pak??? 1. saya bingung menentukan variabel bebasnya mas, variabel bebasnya "UU
trus interpretasinya lansgung dibca hasilnya aj ya pak?? sarbanes oxley" bukan sih?
oya mw tnya ttg data residual kan katanya selisih antara nilai prediksi dan 2. penelitian tersebut, sudah tepat kah jika saya menggunakan uji regresi
sesungguhnya, contohnya gmn c pak?? linier?dan saya harus menggunakan uji regresi linier sederhana atau
mksh ya pak.... berganda?
30 April 2010 12:19 11 Juni 2010 17:50
Konsultan Statistik mengatakan... Konsultan Statistik mengatakan...
Buat Dewi Buat Yesshy
Sebaiknya uji F masuk, karena menunjukkan kelayakan model. chek lagi uji Secara umum variabel bebas adalah variabel yang mempengaruhi atau
asumsi klasiknya, atau keluarkan data outliers kalau ada. thanx independen atau exougen atau prediktor dan istilah yang sejenis. kalau
1 Mei 2010 10:26 menggunakan regresi linear sepertinya susah ya. mungkin bisa menggunakan
doni mengatakan... uji beda, bagaimana kondisi sebelum adanya UU dan setelah adanya UU, jika
mas, saya punya judul skripsi. judulnya pengaruh rasio aktivitas dan leverage ada perbedaan tentunya disebabkan oleh adanya UU tersebut (ini hanya hasil
keuangan terhadap profitabilitas pada perusahaan industri barang konsumsi di terawang kami.. hehe). thanx
BEI periode 2005-2009. 13 Juni 2010 21:44
saya bingung, data yang dimasukkan tu data yang mana??? Anonim mengatakan...
kan ada 30 sampel, saya liat di skripsi kaka kelas, yang dimasukin tu data rara- mas saya asto :
rata perusahaan tiap tahun.. mau tanya tentang variabel independen kepemilikan manajerial dan
di skripsi yang laen juga kebanyakan gitu, apa betul mas??? kepemilikan institusional yang berpengaruh terhadap penerimaan opini audit
misal : data rasio aktivitas going concern secara teori dan empirik ya c0z dijurnal indira (2009) kurang
PT. A (th 05=1) (th 06=1) (th 07=4) (rata"=2) begitu jelas dan lengkap.makasih sebelumnya
PT. B(th 05=2) (th 06=2) (th 07=5) (rata"=9) 15 Juni 2010 11:38
Konsultan Statistik mengatakan...
yang dimasukin tu yang 2 dan 9 (rata")... Buat Asto
Di sini kita diskusi tentang statistiknya bukan telaah teoretisnya...mohon maaf.
mohon bantuannya mas, bentar lagi saya sidang... Thanx
30 Mei 2010 22:06 15 Juni 2010 17:39
Konsultan Statistik mengatakan... Anonim mengatakan...
Buat Doni namaQ rina,,,mau nanya nich kalo skripsiQ judulnya pengaruh dana alokasi
Dengan menggunakan nilai rata2, biasanya model lebih baik karena data tidak umum (x1) dan belanja modal (x2) terhadap tax effort (y2)dan tingkat
terlalu berfluktuasi. akan tetapi banyak yang menyarankan jumlah data untuk kemandirian (Y2)ujinya pake regresi linear berganda dengan dua kali
regresi sekitar 5 kali jumlah variabel. Pada prinsipnya rata-rata atau bukan hitung,,itu dibolehin tidak?terus alasan yang tepat apa ya?hehehe makasih
tidak apa2. mohon bantuannya
Terima kasih 16 Juni 2010 05:56
31 Mei 2010 15:42 alrikkosaputra mengatakan...
soo mengatakan... permisi, saya putra, mahasiswa tingkat akhir yg sedang menyusun skripsi. saya
mas, saya mau tanya klau misalnya nilai koefisien ( regresi berganda) bernilai pake metode regresi linier ganda krn ada 3 variabel independen & 1 variabel
negatif di constantnya [unstandarized coeficient(B) dependen. yg saya mau tanya, gmn cara menghitung besarnya sumbangan
contant B = -5,9 std error 19.490 efektif setiap variabel independen terhadap garis regresi ganda. saya punya
standarized coeficient Beta untuk buku panduan ttg regresi linier ganda dg spss, disitu ada langkah2nya tp ada
X1 0,316 output yg saya tidak tau muncul darimana. outputnya menghasilkan koefisien
X2 0,512 SEQ SS setiap variabel independen, yg kalo dijumlahkan sama dengan nilai
jadi regresi yang terbentuk sum of square regression di tabel anova. gmn cara munculin SEQ SS di output
Y= -5,9+0,316+0,512 regresi ya?
kalau nilai a bernilai minus seperti itu boleh tidak untuk regresi dan apakah mohon bantuannya. terima kasih.
hasilnya dinyatakan jelek mas? 17 Juni 2010 17:22
terima kasih sebelumnya Konsultan Statistik mengatakan...
Buat Rina 25 Juni 2010 15:20
Y1 tax effort dan Y2 tingkat kemandirian ya? ya boleh2 saja, sering disebut Anonim mengatakan...
dengan analisis jalur. asumsi harus dipenuhi pada kedua model. tapi kalau oh,,ya..terimakasih...
pengin serempak yang pake structural equation modeling. thanx em,,kalo model regresi linear berganda semi log tetapi hanya sebagian
18 Juni 2010 10:11 variabel independen yang di log kan, misal Y= a + b x1 + c logx2 itu bisa ga?jadi
Konsultan Statistik mengatakan... dari 5 variabel independen hanya 3 yang di log. Apakah model seperti itu bisa
Buat Alrikkosaputra dipakai?atau harus me log semua var.independen...
Di output ANOVA kan sudah ada. tinggal disalin saja. yup? Terimakasih
18 Juni 2010 10:14 Ayu
alrikkosaputra mengatakan... 26 Juni 2010 19:09
di output anova saya tidak ada SEQ SS tuh pak. apa ada menu yg blm saya Konsultan Statistik mengatakan...
aktifkan? Buat anonim (ini yg sapa ya)
saya jg mau tanya kl hipotesis saya satu arah, apa semua signifikansi hrs dibagi Yup boleh saja, tidak semua variabel harus di log kan terlebih dahulu.
dua sblm dibandingkan dg 0,05?atau hanya signifikansi yg ada keterangannya seperlunya saja. :) thanx
2-tailed? 27 Juni 2010 16:48
satu lg, nilai di kolom standardized coefficients itu hanya menunjukkan urutan Anonim mengatakan...
variabel yg paling dominan pengaruhnya atau nilai itu jg merupakan itu yang komentar di atas...
persentase pengaruhnya? ayu mas, kan saya udah nyebut nama,hehe
terima kasih banyak. makasih banget,,blog ini sangat membantu untuk pemula...
18 Juni 2010 13:44 saya mau tanya lagi ni...
alrikkosaputra mengatakan... saya baca komentar di atas kalo semi log interpretasinya harus di antilog...
oiya ada yg lupa, kl nilai signifikansi konstanta > 0,05 apa konstanta itu gak
boleh dipake dlm persamaan regresinya? Nah,,yang ingin saya tanyakan gimana caranya meng-antilog?apakah
dan knp standardized coefficient itu bisa dipakai untuk liat dominasi pengaruh menggunakan spss juga?bagaimana langkah-langkahnya dalam spss?
ya?kl pengaruhnya diliat dari koefisien regresi untuk tiap variabel independen
gmn? saya masih bingung..
untuk informasi saya pake spss 12. mohon bimbingannya..
maaf jadi banyak pertanyaannya..butuh pencerahan segera nih terimakasih..
soalnya,hehe..terima kasih atas jawabannya. 29 Juni 2010 08:49
18 Juni 2010 15:10 Konsultan Statistik mengatakan...
Anonim mengatakan... Buat Ayu
Pak, saya mhn info nih. Judul Skripsi: "Analisis Hubungan Intellectual Capital Oups..sori gak baca nama di bawah. Jika model anda mengunakan rasio
Terhadap Potensi Pertumbuhan Perusahaan". Memakai sampel 18 bank th keuangan memang mungkin perlu diantilogkan jika merupakan prediks, tapi
2005-2007. Intell.Capital ini nanti pke proksi (hasilnya nanti ada angka desimal kalau untuk mencari pengaruh mungkin tidak perlu di antilog kan lagi. yup?
yg tiap tahunnya ada 18, jadi total 3 th ad 18x3th=54), nah sedangkan yg 30 Juni 2010 10:32
Potensi Pertumbhn pke 2 proksi yg tidak berhubungan (proksi Market to book Anonim mengatakan...
value of asset dan Market to book value of equity). Kedua proksi Market tsb salam kenal mas...saya mahasiswi unj sedang proses skripsi..ad bbrp hal yg sy
sudah saya htung rasionya (berarti kn ketemu sudah hasil proksi sebelum mau tnya sm mas ttg hsil htung2an sy
faktornya). Nah, padahal Pot.Pertmbhn.Prshn ini m'ngharuskan dihitung
menggunakan analisis Faktor (common factor analysis) stlh dihitung rasionya pertama..
tadi. Jadi klo dijabarkan secara umum, 2 variabel yg akan saya analisis jdul skripsi sy kan ttg hub 2 var yaitu lingkungan keluarga dgn minat bljr...nah
(Intell.Capital & Pot.Pertmbhn.Prshn) nantinya kn akan saya ukur pke Uji sy mndapatkan persamaan regresi sebesar 35,23 + 0,587X
Korelasi. Saya sudah hitung analisis Faktornya, namun saya masih bingung klo nah yg sy ingin tnyakan....alasan ilmiah ap ya mas yg bs sy utarakan nanti kpd
saya ingin melakukan uji korelasi angka hasil dari analisis faktor yg saya pke itu dosen pnguji saya knp sy bs dapet persamaan regresi yg sebesar itu (mksdnya
gmn cara mengekstraknya supaya saya dpt menghitung korelasinya dgn ke 18 0,587 itu knp gede)
proksi Intell.Capital? yg saya tau setelah saya liat postingan bpk tntang Analisis
Faktor diketahui tabel communalities, anti image, screen plot, KMO, Rotation kedua...
dan hasil akhir variabel mana saja yg dpt dijadikan faktor..Mohon Informasinya apa bedanya galat taksir dengan galat baku ya mas???apkh k2nya mmpunyai
pak, Maaf ^^ klo postingan saya kebanyakan (Supaya Jelas gitu pak). fungsi yg berbeda???
19 Juni 2010 07:10 dan apa bhs inggris dr galat baku itu??
Konsultan Statistik mengatakan...
Buat Alrikko saputra sblumnya thx bgt mas....=)...mhon bantuannya...=)
Coba dilihat di tabel ANOVA itu kan sudah ada SPSS versi sebelum 12 juga 1 Juli 2010 21:12
sudah ada. untuk 1 arah signifikansi memang dibagi dua dulu.... Konsultan Statistik mengatakan...
untuk melihat yang paling dominan memang menggunakan standardized Buat Anonim
coefficient, jangan pake unstandardized, mbah gujarati yang bilang begitu :) Pertama, interpretasi statistiknya jika ada perubahan satu satuan pada
Thanx berat lingkungan keluarga akan meningkatkan minat belajar sebesar 0,587 satuan.
20 Juni 2010 19:37 untuk alasan ilmiah coba kaitkan dengan teori yang telah anda susun. Gedhe
Konsultan Statistik mengatakan... atau kecil liat pada t hitungnya signifikan atau tidak
Buat Anonim
Dari keterangan tersebut model anda lebih tepat diselesaikan dengan Partial Kedua, galat baku kalau tidak salah standar baku ya? tapi kita juga kurang
Least Square (PLS) dan program yang bisa digunakan misalnya Smartpls, paham banget dengan istilah indonesianya..
Plsgraph, atau VPLS thanx
Terima kasih 2 Juli 2010 10:11
21 Juni 2010 13:00 Anonim mengatakan...
Anonim mengatakan... mas, mau nanya nih..saya penelitiannya dengan make pooled data (data
salam kenal mas.. panel).Saya masih bingung euy krn penelitian model ini jarang banget saya
mas, mau nanya donk..kalo autokorelasi digunakan krn penelitiannya time dapet cth penelitian terdahulunya. klo penelitian ini, yg prtama kali hrs
series kan? trus kalo pooled data, yg adalah gabungan dari time series dan dilakukan apa ya mas? misalnya kalo time series ato crossection, uji
cross section gmn mas? make uji autokorelasi jg ya? autokorelasi, kemudian hetero, dst.
thx bgt ya mas.. makasih banget ya mas.
David Kris
24 Juni 2010 14:32 19 Juli 2010 17:09
Konsultan Statistik mengatakan... Konsultan Statistik mengatakan...
Buat David Buat Kris
Yup..autokorelasi untuk time series saja. Thanx balik Data panel merupakan gabungan dari data time series dan cross section.
24 Juni 2010 17:59 Terima kasih
Anonim mengatakan... 20 Juli 2010 11:24
salam kenal mas... WongMbeling mengatakan...
saya Ayu.. Help mas,....
saya mau tanya...kalo hasil regresi saya dari uji t itu signifikan tetapi arahnya saya sedang menyusun skripsi dengan judul "PENGARUH ATRIBUT-ATRIBUT
berkebalikan dari hipotesis yang diajukan.. KUALITAS AUDIT, PORTFOLIO JASA PROFESIONAL, DAN REPUTASI KANTOR
Jadi hipotesis saya mengatakan kalau berhubungan positif AKUNTAN PUBLIK TERHADAP KEPUASAN KLIEN"
Tetapi hasil dari uji t adalah signifikan tetapi berhubungan negatif.. untuk KUALITAS AUDIT (X1) dan KEPUASAN KLIEN (Y) saya menggunakan skala
Itu bagaimana ya??apakah hipotesis tetap diterima? likert 5 tingkat, sedangkan untuk PORTFOLIO JASA PROFESIONAL (X2) saya
Terimakasih.. menggunakan pertanyaan yang menyangkut jasa yang digunakan perusahaan
25 Juni 2010 13:58 pada KAP (ada 6 jenis jasa), lalu untuk REPUTASI KANTOR AKUNTAN PUBLIK
Konsultan Statistik mengatakan... (X3) saya membaginya menjadi big four (kode: 1) dan non big four (kode: 0).
Buat Ayu. Alat analisis yang dipergunakan regresi berganda. Kira-kira tepat tidak ya alat
Jika rumusah hipotesis adalah 'ada pengaruh positif X terhadap Y', maka jika analisis saya mengingat ada beberapa jenis skala penilaian? tolong bantu ya
hasilnya negatif berarti hipotesis ditolak (satu arah). tetapi jika rumusan mas...mau deadline nih
hipotesis 'ada pengaruh X terhadap Y, maka jika t signifikan maka hipotesis 20 Juli 2010 20:47
diterima tidak tergantung positif atau negatif (dua arah). Terima kasih Anonim mengatakan...
Halo pak , saya dian. 18 Desember 2010 07:52
Saya mau tanya gimana cara penyelesaiannya kalo data saya kurang. Konsultan Statistik mengatakan...
Saya menggunakan purposive sampling tapi yg memenuhi kriteria dari seratus Buat Suhendra
sekian cuma ada 28 saja, apa sebaiknya ganti saja atau gimana? Apa bapak Anda bisa menggunakan regresi ordinal. Terima kasih
tahu gimana cara menghitung berapa jumlah data minimum untuk penelitian 22 Desember 2010 11:45
dengan populasi tertentu? babyblue87 mengatakan...
Terima kasih. asslm pak, nama saya nisa. mau tanya mengenai regresi linier sederhana, ttg R
21 Juli 2010 12:01 square.
Konsultan Statistik mengatakan... Apakah nilai R square yg kurang dari 0,5 tidak dapat dijadikan utk
Buat Wongbeling mengestimasikan variabel terikat? sehingga tdk perlu dibuat grafiknya? Dosen
Pake regresi berganda bisa kok. yang reputasi itu merupakan dummy variabel. saya bilang demikian. Padahal saya tetap tampilkan grafiknya (dgn SPSS).
terua yang jasa profesional juga menggunakan dummy juga. cara membuat Tolong dibantu ya pak, hehe.. makasih.. :D
dummy yang X2 sudah ada diskusi tentang itu di blog ini. silahkan disimak. 28 Desember 2010 10:27
Terima kasih Konsultan Statistik mengatakan...
21 Juli 2010 12:46 Buat Babyblue87
Konsultan Statistik mengatakan... Tetapan 0,5 kita juga kurang tahu dari mana. mungkin cari di source yang lain
Buat Dian saja mbak. Terima kasih
Tergantung dari rancangan penelitian anda. diskusikan sama dosen 3 Januari 2011 07:44
pembimbing anda. Terima kasih Anonim mengatakan...
21 Juli 2010 12:49 mas,,sy mo nanya
sandi mengatakan... sy menggunakan smart pls , pada uji validitas, data dnyatakan valid ,namun uji
salam kenal pak, saya sandi relibilitas (cronbach alpa) datanya ga reliable,,gmn cara mngatasinya??knp
saya dari universitas darma persada sedang menyelesaikan skripsi dengan bisa trjadi?
judul analisis pengaruh kurs dan suku bunga bi rate terhadap IHSG 3 Januari 2011 13:48
saya mau nanya hasil regresi saya terdapat autokorelasi untuk itu saya Anonim mengatakan...
mengunakan lag varibel independent untuk menhindari autokorelasi dengan mass,,aku windy,,
hasil sebagai berikut : mahasiswa tugas akhir tek.pertambangan,,aku olah data pake spss
ihsg = 2154.00 + 21.32 kurs_lag1 - 3245.021 suku bunga_lag4 mas,,regresi berganda,,
hasilnya Y = 47.710 + 0.271X1 – 0.967X2 – 0.245X3
pertanyaan saya (x1=delay time, x2=energi listrik yg terbuang, x3=oreloss)
1. bagaimana menyimpulkan hasil tersebut dengan menggunakan lag arti negatif apa yah mas,,tlong dibantu yah mas,, :(
2. kenapa hasil regresi ada konstannya (hanya ingin tau doang) 3 Januari 2011 22:53
Ika Independent mengatakan...
terima kasih, harap bantuannya>>> aslm. sblmya mohon pencerahannya.... krn sy ga (blm) pahm ttg statistik pdhal
28 September 2010 22:41 sdng slesein skripsi. jdl skripsi sy pengaruh pengumuman stock split thd
Konsultan Statistik mengatakan... likuiditas saham. variabel X dan Y nya diukur berdasarkan sblm dan sesudah
Buat Sandi pengumuman stock split.
Sepertinya untuk menghindari autokorelasi menggunakan lag variabel kira2 u analisis data, bener atw ga kl sy pk uji beda. truz regresinya gimana?
dependent, bukan independent. nanti interpretasinya seperti interpretasi apakah harus dbwt sblm dan sesudah juga?
pada regresi linear dan untuk variabel lag tidak perlu diinterpretasikan. uji beda dua rata2 itu apa ya?
Konstanta pada regresi merupakan titik potong dengan sumbu Y, atau jika
semua variabel bebas bernilai 0. jika ingin menghilangkan konstanta maka tlng dibantu ya pak...trims...^_^
gunakan konstanta pada standardized. Terima kasih kembali 4 Januari 2011 17:13
29 September 2010 08:26 Budi Wahyono mengatakan...
dimas mengatakan... Pak, saya Budi Wahyono. Saya sedang mengerjakan Skripsi sampai Bab 4.
permisi pak, mau numpang nanya.. Saya masih bingung dalam menginterpretasikan nilai intersep (konstanta) yang
untuk skrpsi saya tentang perngaruh variabel keuangan dan non keuangan negatif, padahal nilai intersep dalam penelitian saya negatif, dan Varibel bebas
terhadap underpricng .. saya adalah prestasi belajar yang secara harfiah tidak mungkin bernilai negatif.
ada 3 uji Menurut Bapak, kalau nilai intersepnya tidak saya interpretasikan saja gmn?
model 1 underpricng : variabel keuagan atau Bapak punya referensi buku yang bisa saya jadikan dasar dalam masalah
model 2 underpricng : variabel non keuangan ini.
model 3 underpricng : keuangan + non keuangan.. Terima Kasih.
nah hasilnya model 1 & 2 tidak terjadi pengaruh secara simultan... 5 Januari 2011 12:25
namun di model 3 koq bisa secara simultan ada pengaruhnya ya(bahkan lestari_azzuhri mengatakan...
secara partial hasilny ada yg signifikan)? apa itu normal.. mas..saya titi mahasiswi akuntansi sedang mengambil skripsi..
saya bingung mas,saya menggunakan regresi berganda, variabel bebasnya ada
oh iya sebelumnya ketiga2 nya kena gangguan otokorelasi & saya transformasi 4 variabel yang datanya kuantitatif dan ada 1 variabel yang menggunakan
kan ke GLS.. nilai p sy ambil dari hsil DW.. dummy terus saya juga pake variabel kontrol.
khusus untuk regresi model 3 dengan n:50 k:10... sy transformasi berulang2 hasil uji f nya tidak signifikan tp ada 1 variabel dalam uji t yang
karna kena gangguan otokorelasi... signifikan,kebetulan saya pake 1 arah.
trimakasih ..:) datanya juga normal karena nile asymp.sig nya 0.963.
26 November 2010 16:58 yang ingin saya tanyakan,apa mungkin hal itu bs terjadi mas??.. terus yang
Konsultan Statistik mengatakan... untuk melihat heteroskedastisitas kan bisa dengan uji glejser ya mas, dengan
Buat Dimas mengabsolut residualnya terus diregresi lagi.saya masih bingung
Selama asumsi telah terpenuhi, maka hal itu mungkin2 saja. Terima kasih mas,ngeregresinya kaya cara mau melakukan uji asumsi klasik dengan
28 November 2010 18:07 menyertakan absolut residual pada variabel bebasnya atau gmn mas???
Anonim mengatakan... mohon bantuannya mas...thank a lot of...
permisi pak, mau tanya2 nih... 7 Januari 2011 12:43
bulan desember ini saya maju ujian skripsi tapi masi ada tanda tanya besar... Konsultan Statistik mengatakan...
pembahasan analisis regresi berganda, diperoleh persamaan Y = 0,124 – Buat Anonim
0,001PER + 0,000EPS. Jika memungkinkan dikeluarkan indikator yang mempunyai loading factor
terendah. lalu dilihat uji reliabilitasnya lagi. Terima kasih
yang saya mau tanyakan nilai 0,000EPS itu maksud bagaimana? saya susah 10 Januari 2011 07:56
jelaskan di skripsi saya (Koefisien regresi untuk (EPS) sebesar 0,000 dan Konsultan Statistik mengatakan...
bertanda positif, hal ini berarti setiap perubahan satu satuan saham pada Buat WIndi
Earning Per Share dengan asumsi variabel lainnya tetap, maka return saham Y-nya apa? jika negatif kurang lebih artinya jika X1 meningkat Y malah
akan mengalami perubahan sebesar 0,000 dengan arah yang sama.). tapi menurun (demikian juga sebaliknya). Terima kasih
dosen saya masi minta maksud dan arti lain dari 0,000 itu apa.. dia pernah 10 Januari 2011 14:46
bilang 0,000 itu hasil penelitian yang hampir atau sama dengan 0 (asum...). Konsultan Statistik mengatakan...
mohon pencerahan pak...sebelum dan sesudahnya saya ucapkan terima kasih Buat Ika
29 November 2010 11:06 Bisa digunakan uji beda, ntar kalau berbeda berarti ada pengaruh stock split
Konsultan Statistik mengatakan... terhadap likuiditas. Dalam uji beda tidak ada variabel bebas dan variabel
Buat Anonim terikat. terima kasih
Desimal bisa diperbesar, dengan doble klik pada tabel, lalu klik kana, pilih cell 11 Januari 2011 08:43
properties, besarkan angkanya sehingga tidak 0 semua. Konsultan Statistik mengatakan...
Terima kasih Buat Budi Wahyono
29 November 2010 15:34 Konstanta negatif berarti jika semua variabel bebas nol maka variabel terikat
suhendra mengatakan... akan bernilai nol. dan jika menggunakan kuesioner tentunya tidak mungkin
asslamualaikum, mas saya lagi skripsi menggunakan regresi berganda, apakah semua variabel bebas bernilai nol karena rancangan kuesioner biasanya
benar jika kita ingin menggunakan regresi data nya harus ordinal atau menggunakan skor terendah 1. jadi coba gunakan standardized coeficient saja
intrval?? data saya ordinal, lalu bagaimana cara nya agar data saya menjadi sehingga tidak ada konsntanta karena semua variabel bebas telah
interval mas, apakah ada software untuk transformasi data tersebut atau tidak distandarkan. (simak gujarati).Terima kasih
mas?? terimakasih 12 Januari 2011 08:47
Konsultan Statistik mengatakan... Konsultan Statistik mengatakan...
Buat Lestari Buat Syahrul
Kemungkinan apa saja bisa terjadi yang penting model telah dispesifikasi Yang paling dominan dilihat dari standardized coefficients dan sudah ada
dengan benar dan telah memenuhi asumsi yang diperlukan. untuk glejser, banyak diskusi tentang ini di sini. Terima kasih dan tidak ada Firman di sini :)
diregresikan antara variabel bebas terhadap absolut residualnya. gitu saja, 16 Maret 2011 08:54
ntar dilihat yang signifikan berarti ada gangguan. terima kasih lala mengatakan...
14 Januari 2011 09:07 pagi pak, saat ini saya sedang menyusun tugas akhir dan telah selesai
hendry mengatakan... mengambil data. Ada beberapa pertanyaan yang ingin saya sampaikan terkait
permisi pak, saya sedang skripsi mengenai regresi linier berganda untuk dengan peroses pengolahan data dengan metode regresi. Saya menggunakan
menganalisa pergerakan harga saham. dua variabel, setelah dilakukan perhitungan hasil regresi linier sederhana
untuk variabelnya saya menggunakan IHSG,DJI dan harga tutupan saham antara IV(independent variabel) dan DV (Dependent variabel) signifikan (lebih
tersebut. kecil dari 0,05). saya ingin melihat seberapa besar berpengaruh dimensi-
data yg diambil adalah data selama 5 hari untuk memprediksi pergerakan dimensi pada IV terhadap DV. Awalnya saya pecah IV (sesuai dimensinya)
pada 5 hari berikutnya. menjadi 4 IV lalu saya regresikan pada DV dengan regresi sederhana satu
apakah ini dapat dipakai ya pak?saya cukup kebingungan..thx persatu, hasilnya 3 signifikan dan 1 tidak. Setelah itu saya gunakan regresi
16 Januari 2011 08:52 berganda untuk melihat mana IV yang paling berpengaruh, ternyata hasilnya
Konsultan Statistik mengatakan... secara simultan signifikan tapi secara parsial tidak satupun yang signifikan.
Buat Hendry Pertanyaannya adalah mengapa hasil regresi secara parsial dan secara
Jumlah hari silahkan mencari referensi dari buku yang berkaitan dengan sederhana berbeda? ... apakah sebenarnya perbedaan regresi parsial dengan
saham saja, bukan dari statistiknya. Mohon maaf. terima kasih sederhana? mana yang lebih tepat digunakan pada kasus ini? terimakasih
22 Januari 2011 10:20 banyak atas jawabannya
Ika Independent mengatakan... 31 Maret 2011 08:39
Siang pak...it's me Ika lg.. Konsultan Statistik mengatakan...
saya sudah coba hitung data dengan menggunakan uji beda. jumlah sampel 34 Buat Lala
dan belum menemukan nilai dari t tabel. ada buku menyebutkan mengenai Gunakan regresi berganda dengan uji parsial saja, karena ketika menguji salah
interpolasi untuk jumlah sampel yang tidak tertera di tabel t, tapi tidak rumus satu variabel akan melibatkan variance dari variabel bebas yang lain, di mana
atau pun petunjuk yang jelas. mohon bantuannya pak, interpolasi itu apa dan hal itu tidak ada pada regresi sederhana. Sudah ada ilustrasi pada postingan,
bagaimana rumusnya? silahkan disimak. Terima kasih
25 Januari 2011 13:13 2 April 2011 20:45
Konsultan Statistik mengatakan... adri mengatakan...
Buat Ika maaf pak saya mau nanya, data saya ini tentang arus kas perusahaan jadi
Sepertinya ada mbak dengan n = 34. kalau rumusnya sulit ditulis di sini. Intinya nilainya tuh milyaran, supaya nilai datanya lebih kecil, data tersebut mesti
kalau 1 adalah 6, 3 adalah 8, maka tentunya 2 adalah 7. he he... thanx ditransform pake log, klo nilainya plus bisa ditransform menggunakan log, nah
30 Januari 2011 10:19 masalahnya arus kas ini ada data yang minus sampe -100milyar, nah
heart mengatakan... transformnya pake ap ya??? makasii pak
ni dian mahasiswi akuntansi 4 April 2011 12:36
q mw tannya ttng koefisien dterminasi Konsultan Statistik mengatakan...
1. apa perbedaan definisi R square dan adjusted R square Buat Adri
2. misalkan adjusted' tu rendah tu alasan' karena apa bisa rendah, dan Kalau sekedar untuk mengecilkan dapat ditulis dalam milyar, jadi kalau 23
misalkan nilai adjusted' tu tinggi tu juga karena apa? Milliar ditulis 23 saja. Terima kasih
3. skripsi saya kan menngunakan uji satu arah, tp setelah di analisis tu 6 April 2011 10:06
menunjukan thitung sama dengan ttabel yaitu 2,048 Anonim mengatakan...
tu bagaimana keputusan hasil analisis' apakah pengaruh positif signifikan atau Dear p'
tidak pengaruh positif signifikan saya manda, sedang buat skripsi dengan motode regresi linear berganda, yakni
pengaruh karakteristik pekerjaan (X1), Dorongan berprestasi (X2), Kesempatan
terima kasih berkembang (X3), Tanggung Jawab (X4) dan Penghargaan (X5) terhadap
17 Februari 2011 20:40 Kepuasan Kerja Karyawan (Y). untuk variabel bebas (X1-X5) saya memakai
Firman mengatakan... kuisioner dgn skala likert 1-5, tetapi bagaimana dengan variabel terikatnya (Y)
selamat siang mas, saya firman.. saya mau bertanya mas, simple aja ko mas apa bisa menggunakan skala likert jg?, karena menurut pembimbing untuk
pertanyaan saya.. variabel bebas data boleh bersifat ordinal tetapi untuk variabel terikat tidak
boleh, please advicenya...
dr atas td saya udh baca tp ko tidak ada cara melakukan anti log yah? nah yg 11 April 2011 10:11
saya ingin tanyakan cara melakukan anti log melalui excel atau kalkulator gmn Konsultan Statistik mengatakan...
ya mas?heheh Buat Manda
Untuk regresi linear, variabel bebas dan terikat harus interval atau rasio (bisa
trimakasih mas pencerahannya.. salam.. juga dummy). jika variabel terikat ordinal maka gunakan regresi ordinal.
Konsultan Statistik mengatakan... Terima kasih
Buat Dian Anonim mengatakan...
(Sudah banyak diskusi tentang ini, silahkan disimak) Dear Mr.
1. R square selalu naik dengan adanya penambahan variabel bebas barus, Saya ingin tanyakan,
sedangkan Adjusted bisa naik bisa turun tergantung variabel bebas yang 1. kalau blh tahu, dibuku apa atau teori yang mengatakan bila adjusted R
dimasukkan Square dan jika bernilai negatif maka uji F dan uji t tidak dapat dilakukan?
2. Semakin rendah berarti semakin rendah kemampuan variabel bebas dalam 2. Bila Uji F dan Uji t tidak dapat dilakukan, apakah penelitian tersebut tidak
menjelaskan variasi variabel terikat. signifikan karen memang tidak sah untuk dilakukan pengujian?
3. Tips, perbanyak angka di belakang koma, biar lebih jelas. 3. bila adjusted R square bernilai negatif,R juga ikut bernilai negatif?