P. 1
REGRESI SEDERHANA

REGRESI SEDERHANA

|Views: 152|Likes:
Dipublikasikan oleh Sugi Arti

More info:

Published by: Sugi Arti on Aug 03, 2011
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPT, PDF, TXT or read online from Scribd
See more
See less

11/21/2012

pdf

text

original

REGRESI SEDERHANA

OLEH

Dr. Wardani Rahayu, M.Si

LANGKAH-LANGKAH EKSPLORASI DATA
Analyze Regression Linear Input dependent list

Plot Input Y=

dan independent list (INPUT 3) Statistics Estimates Confidence intervals Model fit

dependent , X = ZPRED Normalitas

UJI PERSYARATAN ANALISIS DATA
UJI NORMALITAS GALAT

Titik-titk membentuk garis lurus, disimpulkan galat berasal dari populasi yang berdistribusi normal

PENGUJIAN SIGNIFIKANSI KOEFISIEN REGRESI DAN LINEARITAS REGRESI
Menguji signifikansi koefisien regresi b

maka sebenarnya menguji hipotesis yang menyatakan beta sama dengan nol atau tidak
Hipotesis nol β =0 Ho : β ≠0 H1 :

HASIL SPSS
Model 1 Regressio n Residual 96.540 Total 722.500 a. Predictors: (Constant), X b. Dependent Variable: Y
Interpretasi

ANOVAb Sum of df Squares 625.960

Mean F Sig. Square 1 625.960 51.872 .000a 8 9 12.067

Regresi linear secara statistik signifikasi dengan nilai Fhitung = 51,872 dan derajat kebebasan k = 8 dan 10-1=9. P-value = 0,000 < 0,05 • Uji F: dari p-value = 0,000 < 0,05 terlihat H0 ditolak β Ini berarti bahwa koefisien regresi tidak bernilai nol. • Kesimpulannya adalah model regresi signifikan atau dapat dikatakan terdapat hubungan linear antara X dan Y

Model

(Constant -.942 .374 ) X .931 .129 .931 7.202 .000 a. Dependent Variable: Y Interpretasi • Persamaan regresi linear menggunakan kuadrat terkecil adalah Y = -12,768 + 0,931 X • Uji t: • Konstanta •Ho : koefisien regresi tidak signifikan •H1 : koefisien regegresi signifikan •dari p-value = 0,374 > 0,05 maka H0 diterima Ini berarti bahwa konstanta tidak berpengaruh •Koefisien •Ho : koefisien regresi tidak signifikan •H1 : koefisien regegresi signifikan •dari p-value = 0,000 < 0,05 maka H0 ditolak Ini berarti bahwa Beta berpengaruh terhadap Y

1

Coefficientsa Unstandardized Standardiz Coefficients ed Coefficient s B Std. Error Beta -12.768 13.550

t

Sig.

Koefisien Determinasi
Kadar kontribusi variabel bebas terhadap variabel terikat
r 2 = variabilitas variabel Y diakibatkan oleh 

variabel bebas x, Bernilai antara 0 sampai dengan 1 r 2 = 0 artinya: prediktor (x) tidak  mempengaruhi variabilitas y; r 2 = 1 artinya: variabilitas y seluruhnya  diakibatkan oleh prediktor x

Model Summary Model 1 R .931a R Square .866 Adjusted R Std. Error of Square the Estimate .850 3.474

a. Predictors: (Constant), X

Interpretasi

Nilai Rsquare menunjukkan bahwa 86,6% dari varians hasil belajar Y dapat dijelaskan oleh X melalui modelregresi sederhana Y = -12,768 + 0,931 X

• Perubahan satu satuan X akan menurunkan perubahan X sebesar 0,931 satuan

Koefisien Korelasi Pearson
Korelasi Adalah hubungan timbal balik (keterkaitan) antar 2 variabel atau lebih
Koefisien Korelasi = derajat keterkaitan antara dua variabel • r = 0 → tidak ada hubungan linear antara kedua variabel • r = 1 → ada korelasi positif sempurna antara kedua variabel • r = -1 → ada korelasi negatif sempurna antara kedua variabel

UJI KOEFISIEN KORELASI
r yang didapat perlu

Pengujian Koefisien

dilakukan uji signifikasi koefisien regresi agar berarti untuk membuat kesimpulan

Korelasi
Hipotesisi Statistik

H :ρ= o 0 H1 : ρ ≠ 0

Statistik Uji
Nilai t untuk korelasi Pearson r n − 2 t = 1− 2 r

OUTPUT SPSS
Correlations Y Pearson Y Correlation X Sig. (1Y tailed) X N Y X X

1.000 .931 .931 1.000 . .000 .000 . 10 10 10 10

• Koefisien pertama
H : o H1 :

ρ0 = ρ0 ≠

•dari p-value = .000 < 0,05 maka H0 ditolak Ini berarti bahwa koefisien korelasi tidak sama dengan nol atau ada hubungan X dan Y

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->