http://achmadsudirofebub.lecture.ub.ac.id/2012/02/modul-7-metodologi-penelitian-
bisnis/
Regresi
Regresi : menjelaskan bagaimana satu variable dihubungkan dengan variable lain. Hubungan
tersebut dinyatakan dalam bentuk persamaan dimana nilai dari suatu variable yang diketahui
dapat digunakan untuk menduga nilai dari variable yang lain yang tidak diketahui.
Tujuan utama analisa regresi adalah menguga fungsi regresi populasi berdasarkan fungsi
regresi sampel setepat mungkin.
Analisis Regresi bermanfaat untuk menghitung persamaan regresi linear sederhana dan
berganda, asosiasi statistik beserta scatter plot, diagnosa colinearitas, harga prediksi dan
residual.
Linear Regression digunakan untuk melakukan pengujian hubungan antara sebuah variabel
dependent (tergantung) dengan satu atau beberapa variabel independent (bebas) yang
ditampilkan dalam bentuk persamaan regresi.
Jika variabel dependent dihubungkan dengan satu variabel independent saja, persamaan
regresi yang dihasilkan adalah regresi linear sederhana (linear regression).
Jika variabel independent-nya lebih dari satu, maka persamaan regresinya adalah persamaan
regresi linear berganda (multiple linear regression).
Jenis data yang cocok untuk uji regresi linear, baik untuk variabel dependent maupun
independent adalah data rasio.
Persamaan regresi yang dihasilkan berupa taksiran (estimasi) dari hasil pengamatan. Oleh
karena itu, biasanya digunakan simbol (Y dengan topi) yang menunjukkan hasil taksiran
tersebut dan membedakannya dengan Y (Y tanpa topi) sebagai hasil pengamatan populasi.
Model regresi linier berganda melibatkan lebih dari satu variabel bebas. Modelnya :
Dimana :
Y = variabel terikat
Analisa regresi berganda linier didasarkan pada 3 asumsi :
Berdasarkan ketiga asumsi di atas, persamaan regresi berganda dapat diturunkan atas dasar
metode kuadrat minimum.
Sebelum uji regresi dilakukan, terlebih dulu harus dilakukan uji keberartian masing-masing
koefisien regresi, apakah regresi itu linear atau tidak. Jika tidak linear,maka pengujian bisa
dilakukan dengan model lainnya.Untuk mempermudah melihat apakah model ini linear atau
bentuk lainnya, dapat dibantu dengan melalui diagram pencar (scatter plot). Secara kasat
mata akan tampak kecenderungan hubungan linear antara nilai-nilai statistik tersebut.
Selain itu, dalam aplikasi SPSS, dikenal adanya istilah koefisien korelasi (r). Harga
koefisien korelasi digunakan untuk pengecekan awal apakah benar ada kecenderungan
hubungan yang erat antara variabel bebas dan terikat, dan bagaimana bentuk kecenderungan
hubungan tersebut. Jika hasil r sama dengan nol, atau mendekati nol, mungkin bentuk
kecenderungan hubungan tidak linear.
Pengujian signifikansi pada masing-masing hubungan dalam regresi akan dilakukan melalui
uji t. Kita dapat menarik kesimpulan akan harga regresi tersebut melalui perbandingan nilai t
hitung dengan t tabel pada taraf signifikasi tertentu.Untuk pengujian terhadap Multiple
Regression dapat digunakan uji F.
(X3) sebagai variabel independent serta jumlah pengeluaran per bulan (Y) sebagai variabel
dependent.
Setelah kita mengisikan data pada SPSS Editor, ikuti langkah berikut:
1. Klik pada Analyze pada bagian Menu, lalu pilih Regression dan kemudian pilih Linear
2. Klik tingkat pendapatan (X1), tingkat pendidikan (X2) dan jumlah anggota keluarga (X3)
pada kotak Independent(s), sedangkan jumlah pengeluaran (y) pada kotak
Dependent.
3. Klik Statistics, pilih Estimates, Model fit, Descriptive dan Durbin-Watson, kemudian
klik Continue.
Pilihan Statistics digunakan untuk menampilkan berbagai nilai statistik yang diinginkan,
antara lain koefisien regresi yang pada pilihannya terdapat taksiran (estimates),
selang kepercayaan (confidence intervals), matriks covarians dan statistik lainnya, seperti
Model fit, R Square change (untuk mengukur prosentase besarnya pengaruh variabel
independent terhadap variabel dependent), Descriptive, Part and partial correlation dan
Colinearity diagnostics.
Pada kotak Residual, terdapat pilihan Durbin-Watson (digunakan untuk menentukan ada
tidaknya korelasi residual atau autokorelasi dari model regresi yang
dihasilkan), Casewise diagnostics dan pilihan Standard Deviations.
4. Klik Plots, lalu masukkan DEPENDNT ke kotak Y axis dan ADJPRED ke kotak X axis.
Pilih Histogram dan Normal Probability. Lalu, klik Continue.
Kotak pilihan Y adalah tempat pendaftaran suatu variabel yang akan difungsikan sebagai Y
axis (sumbu Y), begitu pula dengan kotak pilihan X untuk variabel yang akan difungsikan
sebagai sumbu X.
Pada kotak dialog ini terdapat beberapa pilihan yang disediakan, yaitu:
Pada kotak Standardized Residual Plots terdapat dua pilihan plot, yakni:
Kotak cek Produce all partial plots digunakan untuk menghasilkan diagram-diagram pencar
dari residual pada masing-masing variabel independent dengan residual variabel dependent.
Pilihan Save digunakan untuk menyimpan dan membuat file baru dari nilai-nilai prediksi,
residual dan statistik lainnya.Pada kotak dialog Save terdapat banyak pilihan statistik yang
dapat disimpan pada file kerja (data editor), yaitu Predicted values, Residuals, Distances,
Influence statistics dan Prediction intervals. Kita tinggal memilih yang dikehendaki.
6. Klik Options, lalu klik saja Continue (berarti memilih setting default).
Pilihan Option berguna untuk menampilkan analisis statistik dengan menggunakan kriteria
metode Stepwise, Backward, and Forward.
Use Probability of F. Jika memilih pilihan ini, kita harus memasukkan harga Entry
dan harga Removal pada kotak yang disediakan. Harga Entry selalu lebih rendah dari
harga Removal. Melalui pilihan ini, suatu variabel akan dimasukkan jika tingkat
signifikansi dari F lebih kecil dari harga Entry, dan akan dikeluarkan jika tingkat
signifikansinya lebih besar dari harga Removal.
Use F value. Jika memilih pilihan ini, kita harus memasukkan harga Entry dan harga
Removal. Harga Entry selalu lebih besar dari harga Removal. Melalui pilihan ini,
suatu variabel akan dimasukkan jika tingkat signifikansi dari F lebih besar dari harga
Entry, dan akan dikeluarkan jika tingkat signifikansinya lebih kecil dari harga
Removal.
Pilihan Include constant in equation berfungsi untuk menampilkan nilai kostanta dalam
persamaan regresi. Dalam keadaan default, pilihan ini diaktifkan. Jika kita tidak
mengaktifkan pilihan ini, berarti kita akan mendapatkan regresi orisinil tanpa konstanta
regresi. Namun, R kuadrat yang dihasilkan tidak dapat digunakan untuk
memprediksipengaruh variabel independent terhadap variabel dependent.
Exclude cases listwise. Menganalisis case-case yang hanya memiliki harga valid dari
semua variabel.
Exclude cases pairwise. Menganalisis koefisien korelasi dari seluruh cases yang
berharga valid dari dua variabel yang dikorelasikan.
Hasil lengkap SPSS dijadikan dalam satu file output dengan tersusun rapi sesuai dengan
ketentuan yang dikehendaki di atas.
1. Descriptive Statistics
Hasil analisis data deskriptif di atas merupakan hasil dari pemilihan kotak cek Descriptive
pada kotak dialog Statistics. Didapatkan nilai rata-rata serta standar deviasi untuk semua
variabel, baik independent maupun dependent.
Matriks Koefisien Korelasi (Pearson Correlations) juga didapat dari pilihan Descriptive pada
kotak dialog Statistics. Kita dapat melihat koefisien korelasi antar semua variabel.
Pada matriks korelasi tersebut, didapatkan angka signifikansi untuk hubungan antar seluruh
variabel independent dengan variabel dependent bernilai nol (<0.05), sehingg dapat
disimpulkan bahwa memang terdapat hubungan yang signifikan dan korelasi yang erat antara
semua variabel independent dengan variabel dependent.
Hasil variabel Enter/Removed merupakan penentuan pilihan Enter (default) pada kotak
Mehod.
Pada bagian ini terdapat nilai koefisien determinasi R2(R square) sebesar 0.989 (98,9%). Ini
menunjukkan bahwa sebesar 98,9% variasi variabel dependent (Y) dapat dijelaskan oleh 3
variabel independent (X1, X2, X3), artinya pengaruh variabel independen
terhadap perubahan variabel dependen adalah 98,9%, sedangkan sisanya sebesar 1,1%
dipengaruhi oleh variabel lain selain variabel independen X1, X2, X3.
5. Anova
6. Coefficients
Dari nilai-nilai pada kolom B dari Unstandardized Coefficients, didapatkan nilai koefisien
regresi sehingga terbentuk persamaan regresi:
Pada bagian ini ditampilkan juga Standard Error dari masing-masing variabel. Nilai pada
kolom Beta, ditampilkan Z-score. Pada kolom berikutnya ditampilkan nilai t dari masing-
masing variabel, yang dapat dimanfaatkan untuk menguji keberartian koefisien regresi yang
didapatkan. Proses pengujiannya adalah sebagai berikut:
Hipotesis:
H0 : 1 = 0; 2 = 0; 3 = 0
H1 : 1 0; 2 0; 3 0
Jika tingkat kesalahan ditentukan sebesar 5%, maka kita dapat melihat nilai t pada daftar
tabel dengan derajat kebebasan (dk) = 6 adalah 2,447.
Dengan demikian, harga t hitung variabel X1 > t tabel, sehingga H0 ditolak dan sebaliknya H1
diterima. Hal ini menunjukkan bahwa variabel bebas X1 secara signifikan menjelaskan
variabel bergantung Y.
Sementara harga t hitung untuk variabel X2 dan X3 < t tabel. H0 diterima dan H1 ditolak.
Sehingga, X2 dan X3 tidak dapat menjelaskan variabel bergantung Y.
7. Residual Statistics
Pada bagian ini ditampilkan daftar hasil-hasil dari Residual Statistics yang merupakan pilihan
pada bagian Statistics.
9. Normal Plot
II. UJI HIPOTESIS
Hipotesa adalah suatu pernyataan tentang hubungan dua variable atau lebih yang perlu diuji
kebenarannya.salah satu cara untuk membuktikan diterima atau ditolaknya suatu hipotesa
yaitu dengan menyelidiki seluruh populasi. Akan tetapi melibatkan seluruh populasi akan
memakan biaya yang mahal, waktu yang panjang, dan tidak praktis. Cara yang paling praktis
yaitu dengan menyelidiki sampel, maka dengan data-data yang diperoleh berdasarkan sampel
tersebut dapat diputuskan bahwa hipotesa tersebut diterima atau ditolak.
Perumusan Hipotesis
Hipotesis pada umumnya dinyatakan dalam bentuk hipotesis nol dan hipotesis alternatif.
Hipotesis Nol
Hipotesis nol atau dikenal pula dengan istilah null hyphothesis yang diberi simbol Ho
adalah pernyataan hipotesis yang menunjukkan tidak ada perubahan.
Hipotesis Alternatif
Hipotesis alternatif yang yang diberi simbol Ha adalah pernyataan hipotesis yang
menunjukkan hasil yang diharapkan. Hipotesis yang merupakan jawaban sementara yang
diharapkan peneliti (researcher) dinyatakan dalam bentuk hipotesis alternatif. Itulah sebabnya
hipotesis alternatif kadang-kadang disebut pula research hypothesis yang diberi simbol H1.
Misalnya ada permasalahan yang menyangkut stress pada pria dan wanita, maka hipotesis nol
dan hipotesis alternatifnya dapat dinyatakan sebagai berikut:
wanita.
Jenis Hipotesis
Ada dua jenis hipotesis yaitu hipotesis terarah (directional hypothesis) dan hipotesis tidak
terarah (nondirectional hypothesis).
Hipotesis terarah
Hipotesis dikatakan terarah jika hasilnya diharapkan mengarah ke salah satu sudut pada
distribusi datanya. Karena hipotesis terarah menunjukkan salah satu arah atau ekor (tail) dari
distribusi, maka untuk menguji hipotesis terarah digunakan istilah one-tailed test hypothesis
Hipotesis dikatakan tidak terarah jika hasilnya bisa mengarah pada arah mana saja dari
distyribusi data. Karena hipotesis tidak terarah tidak menunjukkan salah satu arah atau ekor
(tail), maka untuk menguji hipotesis tidak terarah digunakan istilah two tailed test hypothesis,
yaitu arahnya bisa ke kiri atau ke kanan dari distribusi data.
Tingkat keyakinan (level of confidence) menunjukkan keyakinan peneliti bahwa nilai rata-
rata suatu sampel sebenarnya berada di sekitar rata-rata populasinya atau dengan kata lain
nilai rata-rata sampel itu sebenarnya sama saja dengan nilai rata-rata populasinya. Sedangkan
tingkat signifikan (level of significance) menunjukkan kemungkinan nilai rata-rata sampel
berada di luar daerah rata-rata populasi atau dengan kata lain tidak sama dengan nilai rata-
rata populasinya.
Pada umumnya, tingkat signifikan yang ditetapkan untuk suatu pengujian statistik adalah
0,05(5%) atau 0,01(1%), terutama untuk penelitian-penelitian sosial. Jika tingkat
signifikansinya 5%, berarti tingkat keyakinannya adalah 95%, mengapa demikian? Karena
daerah di bawah kurva sama dengan 100%.
Di dalam suatu penelitian, pada setiap pengujian hipotesa statistik ada suatu aturan umum
yang dapat diikuti. Untuk melakukan pembuktian apakah suatu hipotesa dapat diterima atau
ditolak, pada prinsipnya tergantung pada hipotesa yang dibuat oleh peneliti, serta jumlah
sampel dan distribusi populasi yang akan diteliti. secara umum statistik uji dapat ditulis
sebagai :
Z = Ss Parameter hipotesis
sSt
Ss = Statistik Sampel
Ketentuan diatas dipakai untuk jumlah n yang besar dan berdistribusi normal, dimana nilai Z
ditentuksn oleh cara mengujinya (satu arah atau dua arah ), dan level of significance (s) nya.
t = Ss Parameter hipotesis
sSt
Dimana : t = statistik uji untuk sampel yang berpedoman pada distribusi standard t
Secara garis besar langkah pengujian hipotesa yang umum dilakukan adalah sebagai berikut :
1. Merumuskan Hipotesisnya
Hipotesis digunakan untuk menguji data sampel untuk digeneralisasikan kepada populasi.
Pada tahap perumusan hipotesis, kitamerumuskan 2 hipotesis yaitu :
Contoh uji hipotesis misalnya rata-rata produktivitas pegawai sama dengan 10 ( x= 10),
maka bunyi hipotesisnya ialah:
Hipotesis statistiknya:
H0: x= 10
H1: x < 10
Rank-difference correlation,rho
Kendalls tau
Untuk melakukan uji statistik, kita perlu menentukan tingkat kepercayaan (convidence level)
untuk mendapatkan selang kepercayaan (confidence interval) yang menggambarkan range
nilai parameter yang termasuk estimasi. Derajat kepercayaan (convidence level) adalah
tingkat kepercayaan peneliti terhadap jawaban responden yang menggunakan sejumlah
sampel tertentu yang mencerminkan jawaban yang akan diperoleh apabila penelitian
dilakukan terhadap seluruh populasi. Kemudian selang kepercayaan (confidence interval)
adalah interval yang menunjukkan rentang kepercayaan peneliti terhadap jawaban yang
diberikan oleh responden, yang biasanya ditunjukkan dengan angka minus dan plus.
Penarikan kesimpulan bisa diartikan penetapan keputusan untuk menolak atau menerima
hipotesis nol.
Dalam membuat keputusan menolak atau menerima hipotesis, ada dua macam kemungkinan
kesalahan yang bisa terjadi, yaitu:
III. UJI F
Uji F banyak dipergunakan untuk uji hipotesa yang berdasarkan hasil pengamatn lebih dari
dua buah sampel. Prinsip yang dipergunakan sebagai dasar dalam melakukan uji hipotesa
dengan uji F ini, yitu dengan memperbandingkan varian yang dihitung berdasarkan nilai rata-
rata antar kelompok sampel dengan varian yang dihitung berdasarkan data pengamatan dari
seluruh sampel ( disebut varian kombinasi seluruh kelompok sampel).
Nilai statistik F menunjukkan apakah semua variabel independen yang dimasukkan dalam
persamaan/model regresi secara bersamaan berpengaruh terhadap variabel dependen. Nilai
statistik F jugs dspst dilihst dsri output regresi yang dihasilkan oleh SPSS. Untuk uni nilai
stasistik F maka terlebih dahulu dirumuskan hipotesis nol, yaitu :
Secara mudah, nilai statistik F dapat dilihat dari output regresi sebagai berikut:
Jika nilai statistik F lebih besar dari 4 maha Ho ditolak dan Ha diterima. Semua variabel
independent yang dimasukkan dalam persamaan/model regresi secara bersamaan
berpengaruh terhadap variabel dependen. Di dalam output versi SPSS, nilai statistic F dapat
dapat dilihat pada table Anova.
ANOVA :
Hipotesis:
H 0 : 1 = 2 = 3 = 0
Dengan menentukan tingkat kesalahan 5% dan derajat kebebasan df 1 = 3 dan df2 = 11,
maka didapat dari tabel Ftabel = 3,59.
Oleh karena Fhitung (329,558) > Ftabel (0,05) = 3,59, maka H0 ditolak dan H1 diterima.
Kesimpulannya, bahwa variabel independent (X1, X2, X3) dengan signifikan
memberikan kontribusi terhadap variabel dependent.
IV. UJI T
dependen.
Uji t digunakan apabila ( deviasi standart dari populasi ) tidak diketahui dan besar
sample kurang dari 30 ( atau n < 30 ). Nilai t (t-value) manunjukkan seberapa jauh
atau berapa deviasi standar suatu nilai dari rata-ratanya dalam suatu distribusi
diperoleh dengan persamaan sebagai berikut:
t= x
Sx
dimana :
t = nilai t
x = rata-rata sampel
= rata-rata populasi
Sx = kesalahan standar
Secara mudah nilai statistik t dapat dilihat dari output regresi sebagai berikut :
Jika nilai t lebih besar dari 2 (dalam nilai absolut) maka Ho ditolak dan Ha diterima.
Artinya bahwa variabel independen secara individual merupakan penjelas variabel
dependen. Di dalam output versi SPSS, nilai statistik t dapat dilihat pada tabel
Coefficients.
Tabel Coefficients
Pada bagian ini ditampilkan juga Standard Error dari masing-masing variabel. Nilai
pada kolom Beta, ditampilkan Z-score. Pada kolom berikutnya ditampilkan nilai t dari
masing-masing variabel, yang dapat dimanfaatkan untuk menguji keberartian
koefisien regresi yang didapatkan. Proses pengujiannya adalah sebagai berikut:
Hipotesis:
H0 : 1 = 0; 2 = 0; 3 = 0
H1 : 1 0; 2 0; 3 0
Jika tingkat kesalahan ditentukan sebesar 5%, maka kita dapat melihat nilai t pada
daftar tabel dengan derajat kebebasan (dk) = 6 adalah 2,447.
Dengan demikian, harga t hitung variabel X1 > t tabel, sehingga H0 ditolak dan
sebaliknya H1 diterima. Hal ini menunjukkan bahwa variabel bebas X1 secara
signifikan menjelaskan variabel bergantung Y.
Sementara harga t hitung untuk variabel X2 dan X3 < t tabel. H 0 diterima dan H1
ditolak. Sehingga, X2 dan X3 tidak dapat menjelaskan variabel bergantung Y.
DAFTAR PUSTAKA
Sumber Literatur :
Sumber Internet :
bagusco4@yahoo.com
Seni, Misa Januar. 2005. Analisis Multiregresi. Sekolah Tinggi Teknologi Telkom :
Bandung.