Analisis Regresi Linear Berganda Dengan SPSS Metode Enter Vs Stepwise Portal Statistik PDF

11/21/2018 Analisis Regresi Linear Berganda Dengan SPSS Metode Enter VS Stepwise - Portal Statistik
About Contact Us Privacy Policy Disclaimer Sitemaps
Artikel Analisis Statistik Teknik Sampling Forecasting R Wisata Search...
Beranda » Statistik SPSS » Analisis Regresi Linear Berganda Dengan SPSS Metode
Enter VS Stepwise
Analisis Regresi Linear Berganda Dengan SPSS Metode Enter VS Stepwise

OLEH M NASHIHUN ULWAN THURSDAY, 8 MAY 2014
Bagikan : Tweet
Portal-Statistik | Selamat malam blogger Indonesia, pada kesempatan kali ini, saya
ingin berbagi kepada anda dan kita semua tentang Analisis Regresi Linear Berganda
Portal Statistik
Dengan SPSS Metode Enter VS Stepwise, supaya kita bisa sharing dan berbagi
pengalaman terkait bidang analisis data, jika terdapat kesalahan dalam penyampaian
atau penyajian saya mohon dikoreksi karena saya juga sedang belajar :)
Blog Belajar Analisis Data
Baiklah kita mulai saja postingan dimalam yang sepi dan sunyi ini hehe..
Regresi linear berganda/majemuk digunakan untuk memodelkan hubungan Join This Site
Antara variabel dependent (terikat) dengan variabel independent (bebas), dengan Ikuti @oneszaccess
jumlah variabel independent lebih dari satu.
Secara umum, analisis regresi pada dasarnya adalah studi mengenai ketergantungan Popular Minggu Ini
variabel dependent (terikat) dengan satu atau lebih variabel independent (bebas)
Analisis Deskriptif dengan Minitab 1
dengan tujuan untuk mengestimasi dan atau memprediksi rata-rata populasi atau
nilai rata-rata variabel dependent berdasarkan nilai variabel independent yang Teknik pengambilan sampel
diketahui (Gujarati, 2003). dengan metode purposive
Y’ = a + b1X1+ b2X2+…..+ bnXn + e sampling 2
Keterangan: Contoh kasus teknik pengambilan
Y’ = Variabel dependen (nilai yang diprediksikan) sampel dengan metode purposive
X1 dan X2 = Variabel independen sampling 3
a = Konstanta (nilai Y’ apabila X1, X2…..Xn = 0)
b = Koefisien regresi (nilai peningkatan ataupun penurunan) Analisis Regresi Linear Berganda
dan Variabel Dummy dengan SPSS 4
Studi Kasus...
Cara Membaca atau Melihat Tabel
Data Jumlah Penduduk Miskin dan Faktor-faktor Penyebabnya Normal Z 5
pada setiap Kabupaten/Kota di Provinsi Jawa Timur
Sampel acak berstrata atau
stratified random sampling 6
N Jumlah PendudukLaju Jumlah Angka Rata-rata
Contoh kasus teknik stratified
O Miskin (Ribu Jiwa) Pertumbuhan Pengangguran Lama Sekolah
random sampling 7
Ekonomi (%) (Jiwa) (Tahun)
1 105.4 6.52 3031 6.79 CATEGORY

2 113 6.13 18898 6.73
Artikel Statistik (24)
3 107.8 6.1 8312 7.32
DataMining (6) Eviews (3) Excel (3)
4 105.4 6.82 19021 7.99
forecasting (4)
http://www.portal-statistik.com/2014/05/analisis-regresi-linear-berganda-dengan.html 1/14
5 135.5 6.81 13276 7.41 materi statistik (3) R (10)
6 232.8 6.53 28634 7.61 RANCOB (4) SAS (7)
7 306.7 6.22 56425 6.86 Statistik Minitab (3)
8 140.8 5.92 15459 6.1

Statistik SPSS (24)
9 311.4 6.16 31472 6.65
Teknik Sampling (4) Twitter (1)
1 175.1 6.63 32415 6.91 wisata (1)
0
1 131.9 5.64 645 5.6

1
1 105.2 5.62 11289 6.17

2
1 276.6 6.46 1219 5.15

3
1 199.3 6.76 27678 6.4

4
1 145.4 6.19 83603 9.87

5
1 125.4 6.81 26381 7.93

6
1 166.4 6.31 32175 7.87

7
1 151.6 6.75 18364 7.21

8
1 102.3 5.92 19282 7.07

9
2 80.2 5.83 9217 7.62

0
2 149.1 6.19 21476 6.43

1
2 227.2 12.26 20723 6.65

2
2 225.8 6.62 17116 6.36

3
2 220.5 6.9 21615 7.12

4
2 193.8 6.93 45199 8.63

5
2 255.6 5.44 25008 5.19

6
2 285.4 5.33 7868 4.03

7
2 179.2 5.84 15471 5.81

8
2 256.6 5.73 11343 5.31

9
3 24.9 5.91 9923 10.19

0
3 10.1 6.33 4371 9.84

1
3 48.4 6.52 34085 11.12
2
3 41.4 6.04 5444 8.46

3
3 168.8 6.33 5956 8.9

4
3 8.9 6.56 4623 9.76

5
3 10.4 6.92 8342 10.5

6
3 195.6 7.08 9139 10.01

7
3 9.7 7.06 5418 8.44

8
Versi MS. Excel bisa didapatkan disini :)

Dapatkan model terbaik untuk memprediksi jumlah penduduk miskin pada provinsi
tersebut beserta interpretasinya. !
Baiklah, langsung saja kita mulai langkah-langkah analisis regresi berganda dengan
SPSS:
1. Buka aplikasi SPSS, dalam hal ini saya menggunakan SPSS versi 22. Buat nama
variabel sesuai dengan studi kasus, pada contoh diatas, nama variabel adalah:
Jum_Pend_Misk, Laju_Pert_Ekonomi, Jum_Peng, AngkaRata2LamaSklh.
2. Setalah itu, analisis regresi kita mulai. Klik menu Analyze - Regression –
Linear, kemudian masukkan variabel dependent Jumlah Penduduk Miskin ke
dalam kotak Dependent, dan variabel Laju Pertumbuhan Ekonomi, Jumlah
Pengangguran dan Angka Rata-Rata Lama Sekolah ke dalam kotak Independent.
Kemudian pilih Metode Enter (nanti kita bandingkan hasil outputnya dengan
metode stepwise :D ).
Selanjutnya Klik button Statistics dan berikan centang seperti gambar dibawah
ini, klik Continue dan OK.
Mari kita lihat bagaimana outputnya.
Pertama yang mau saya soroti adalah output Coefficients.

Seperti gambar dibawah ini output coefficient tidak signifikan jika dilihat dari uji
partial artinya variabel Laju Pertumbuhan Ekonomi dalam hal ini tidak signifikan
karena nilai Sig > alpha = 0.198 > 0.05, karena variable ini tidak signifikan / tidak
valid / tidak sesuai maka yang harus kita lakukan adalah mengeluarkannya dari
model atau persamaan yang kita punya.
Lakukan Analisis Regresi Lagi, ulangi langkah 2, dan keluarkan variabel Laju
Pertumbuhan Ekonomi. Seperti Gambar Diwah ini. Sehingga kita hanya memiliki 2
variabel bebas saja.
Ok. Sekarang Mari kita lihat outputnya secara keseluruhan...

Output 1 – Model Summary
Koefisien Korelasi (R)

Analisis Korelasi bertujuan untuk mengukut kekuatan asosiasi (hubungan) linear
Antara dua variabel atau lebih, korelasi tidak menunjukkan hubungan fungsional atau
dengan kata lain analisis korelasi tidak membedakan antara variabel dependent
dengan variabel independent.
Besarnya koefesien korelasi berkisar antara +1 s/d -1. Koefesien korelasi
menunjukkan kekuatan (strength) hubungan linear dan arah hubungan dua variabel
acak. Jika koefesien korelasi positif, maka kedua variabel mempunyai hubungan
searah. Artinya jika nilai variabel X tinggi, maka nilai variabel Y akan tinggi pula.
Sebaliknya, jika koefesien korelasi negatif, maka kedua variabel mempunyai
hubungan terbalik. Artinya jika nilai variabel X tinggi, maka nilai variabel Y akan
menjadi rendah (dan sebaliknya). Untuk memudahkan melakukan interpretasi
mengenai kekuatan hubungan antara dua variabel penulis memberikan kriteria
sebagai berikut (Sarwono:2006):
0 : Tidak ada korelasi antara dua variabe
0 – 0,25: Korelasi sangat lemah
0,25 – 0,5: Korelasi cukup
0,5 – 0,75: Korelasi kuat
0,75 – 0,99: Korelasi sangat kuat
1: Korelasi sempurna
Dari output Model Summary diatas terlihat bahwa nilai R (koefisien korelasi) sebesar
0.776, yang berarti bahwa variabel dependent dan independent dapat dikategorikan
memiliki hubungan linear yang sangat kuat.
Koefisien Determinasi (R Square)

Koefisien Determinasi pada intinya mengukur seberapa jauh kemampuan model
dalam menerangkan variasi variabel dependent. Nilai koefisien determinasi
adalah dari 0 – 1.
Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah

variabel independent yang dimasukkan kedalam model. Setiap tambahan satu
variabel independent, maka R Square pasti meningkat, tidak peduli apakah variabel
tersebut berpengaruh secara signifikan terhadap variabel dependent. Oleh karena itu
banyak peneliti menganjurkan untuk menggunakan nilai Adjusted R Square
saat mengevaluasi mana model regresi terbaik. Tidak seperti R Square, nilai Adjusted
R Square dapat naik / turun apabila satu variabel independent ditambahkan kedalam
model.
Dalam kenyataan nilai Adjusted R Square dapat bernilai negative, walaupun yang
dikehendaki harus bernilai positif. Menuru Gujarati (2003), jika dalam Uji empiris
didapat nilai Adjusted R Square negative, maka nilai Adjusted R Square dianggap
bernilai nol. Secara matematis jika nilai R Square = 1, maka Adjusted R Square = R
Square = 1 sedangkan jika nilai R Square = 0, maka Adjusted R Square= (1-k)/(n-
k). Jika k > 1, maka Adjusted R Square akan bernilai negative.
Berdasarkan gambar diperoleh angka Adjusted R Square sebesar 0,579 atau 57,9%.
Hal ini menunjukkan bahwa Jumlah Pengangguran dan Angka Rata-Rata Lama
Sekolah berpengaruh sebesar 57,9% terhadap Jumlah Penduduk Miskin di Jawa
Timur sedangkan sisanya sebesar 42,1% dipengaruhi oleh variabel atau faktor lain
diluar penelitian.
Std. Error of the Estimate (SEE) sebesar 55,79. Makin kecil nilai SEE akan
membuat model regresi semakin tepat dalam memprediksi variabel dependent.
Uji Simultan / Overall / Serentak / Uji Statistik F

Uji Statistik F pada dasarnya menunjukkan apakah semua variabel independent atau
bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama
terhadap variabel dependent/terikat. Atau untuk mengetahui apakah model regresi
dapat digunakan untuk memprediksi variabel dependen atau tidak. Signifikan berarti
hubungan yang terjadi dapat berlaku untuk populasi (dapat digeneralisasikan)
Uji Simultan atau Overall ini dapat dilakukan dengan melihat nilai Sig (p-value) atau
membandingkan Fhitung dengan Ftabel.
Mungkin ada yang masih bingung bagaimanan membaca tabel F, Silahkan lihat
postingan tentang Cara mencari nilai F tabel.
Hipotesis
Ho : β = 0 (model regresi Y terhadap Xi tidak signifikan/tidak berarti/tidak sesuai)
H1 : β ≠ 0 (model regresi Y terhadap Xi signifikan/memiliki arti/sesuai)
Tingkat Signifikansi:
α=0.05
Daerah Kritis:
Fhit > Ftab : Tolak H0
Sig. ≤ α : Tolak H0
Statistika Uji:
Fhitung = 352.274 Sig. = 0.000
Ftabel = 4.84 (lihat tabel F)
Keputusan Uji
Karena nilai Fhitung > Ftabel dan Sig. < 0.05 maka keputusannya adalah tolak H0
Kesimpulan :
Jadi dengan tingkat signifikansi 5% didapatkan kesimpulan bahwa model regresi Y
terhadap Xi adalah sesuai atau memiliki arti.
Uji Parsial / Uji Signifikansi Parameter Individual (Uji Statistik t)

Uji statistic t pada dasarnya menunjukkan seberapa jauh pengaruh satu vaiabel
penjelas / independent secara individual/satu-satu dalam menerangkan variasi
variabel dependent.
Untuk melakukan uji parsial atau uji koefisien regresi atau uji sendiri-sendiri
dilakukan untuk mengetahui variabel tersebut signifikan atau tidak terhadap model
regresi yang didapatkan, uji parsial ini dapat dilakukan dengan melihat Sig (p-value)
atau membandingkan Thitung dengan Ttabel. Dalam hal ini saya gunakan Sig. atau
P-value, jika teman-teman ingin membandingkan dengan T tabel juga silahkan, nanti
hasilnya juga sama. Bagi yang masih bingung bagaimana cara mencari nilai T tabel,
Silahkan lihat postingan tentang Cara mencari nilai T tabel.
Uji Konstanta
Hipotesis
Ho : β = 0 (konstanta tidak signifikan / tidak valid)
H1 : β ≠ 0 (konstanta signifikan / valid)
α=0.05
Daerah Kritis:
P_value≤ α : Tolak H0
Statistika Uji:
α = 0,05
Pvalue = 0.000
Keputusan Uji
Karena nilai Pvalue < α maka keputusannya adalah tolak H0
Kesimpulan :
Jadi dengan tingkat signifikansi 5% didapatkan kesimpulan bahwa konstanta
model regresi adalah signifikan.
Uji Koefisien Regresi X1 (Jumlah Pengangguran)

Hipotesis
Ho : β = 0 (koefisien regresi X1 tidak signifikan / tidak valid)
H1 : β ≠ 0 (koefisien regresi X1 signifikan / valid)
α=0.05
Daerah Kritis:
P_value≤ α : Tolak H0
Statistika Uji:
α = 0,05
Pvalue = 0.000
Keputusan Uji
Karena nilai Pvalue < α maka keputusannya adalah tolak H0
Kesimpulan :
Jadi dengan tingkat signifikansi 5% didapatkan kesimpulan bahwa koefisien
regresi X1 adalah signifikan.
Silahkan lakukan hal yang sama ke variabel yang lain, dilanjutkan sendiri yaa :D
sampai semua variabelnya signifikan :)
Sehingga didapatkan model yaitu:

Y = 382,072 + 0,02X1 – 36,763X2
Y : Jumlah Penduduk Miskin
X1 : Jumlah Pengangguran
X2 : Angka Rata-Rata Lama Sekolah
Interpretasi:
1. Nilai konstanta sebesar 382,072. Hal ini berarti bahwa jika Jumlah Pengangguran
dan Angka Rata-Rata Lama Sekolah tetap atau tidak mengalami penambahan atau
pengurangan, maka Jumlah Pengangguran sebesar nilai konstanta yaitu 382,072
(dalam ribu).
2. Nilai koefisien Jumlah Pengangguran untuk variabel X1 sebesar 0,02. Hal ini
mengandung arti bahwa setiap kenaikan Jumlah Pengangguran satu satuan maka
variabel Jumlah Penduduk Miskin (Y) akan naik sebesar 0,002 dengan asumsi
bahwa variabel bebas yang lain dari model regresi adalah tetap.
3. Nilai koefisien Angka Rata-Rata Lama Sekolah untuk variabel X2 sebesar 36,763
dan bertanda negatif, ini menunjukkan bahwa Angka Rata-Rata Lama Sekolah
mempunyai hubungan yang berlawanan arah dengan variabel Jumlah penduduk
Miskin. Hal ini mengandung arti bahwa setiap kenaikan Angka Rata-Rata Lama
Sekolah satu satuan maka variabel Jumlah Penduduk Miskin (Y) akan turun
sebesar 36,763 dengan asumsi bahwa variabel bebas yang lain dari model regresi
adalah tetap.
Model regresi akan dapat dijadikan alat estimasi yang baik dan tidak bias jika telah
memenuhi persyaratan BLUE (best linear unbiased estimator), dengan melakukan
beberapa uji asumsi yaitu asumsi residual berdistribusi normal, multikolinearitas,
heteroskedastitas, dan autokorelasi.
Silahkan simak postingan tentang Uji asumsi klasik pada regresi linear berganda.
O Yaa,, hampir lupa, sesuai judul diataskan dengan Metode Enter VS Stepwise
Metode ENTER
Metode enter adalah memasukkan semua prediktor ke dalam analisis sekaligus.
Maksudnya Semua prediktor dimasukkan secara simultan dan langsung bias dibentuk
model tanpa melihat masing-masing variabel itu signifikan atau tidak, kemudian
variabel yang tidak signifikan dikeluarkan satu persatu kemudian di uji analisis
regresi lagi.
Perhatikan gambar dibawah ini untuk melihat bagaimana cara kerjanya.
Metode STEPWISE
Metode stepwise adalah memasukkan prediktor secara bertahap berdasarkan nilai F
yang signifkan (sig F di bawah 0.05). Setelah dimasukkan lalu dikeluarkan lagi.
Proses memasukkan dikombinasikan dengan mengeliminasi prediktor yang tidak
signifikan. Atau dengan kata lain kita sudah langsung bisa mendapatkan hasil yang
signifikan dari model yang dikeluarkannya.
Perhatikan gambar dibawah ini untuk melihat bagaimana cara kerjanya.
Alhamdulillah, selesai juga nih postingan, lumayan panjang dan mata sudah mulai 5
watt (ngantuuk).
Ok,,, sekian dulu yaa. Jika terdapat kesalahan mohon dikoreksi, jika masih ada yang
belum paham silahkan ditanyakan.
Silahkan Bisa dibaca juga postingan lengkap Uji Asumsi Klasik Pada Regresi
Linear
Semoga Bermanfaat.
Have FUN.
Tag : Statistik SPSS
PREVIOUS NEXT
Newer Post Older Post
Related Post:
Uji Asumsi Klasik Pada Regresi Linear
Mendeteksi Autokorelasi dengan Run Test
Cara Mendeteksi Data Outlier dengan SPSS
Analisis Regresi Linear Berganda dan Variabel Dummy dengan SPSS
Analisis Regresi Logistik Metode Stepwise dengen SPSS
41 Komentar untuk "Analisis Regresi Linear Berganda Dengan SPSS

Metode Enter VS Stepwise"
Trafalgar Munir
9 MAY 2014 AT 13:50
Balas thanks infonya gan
Rizky Nugroho Tanjo

9 MAY 2014 AT 13:56
Balas Banyak juga orang miskin gan :o
Si Ryan
9 MAY 2014 AT 13:58
Balas mantap gan, izin praktekin, baca juga :

http://www.blogsiryan.com/2014/05/cara-membuat-blog-menjadi-seo-
friendly.html
Brian Adam
9 MAY 2014 AT 13:59
Balas wah matep banget gan nice post gan :D
Reza Rizal
9 MAY 2014 AT 14:10
Balas Keren Gan :D
Padli Enginer
9 MAY 2014 AT 14:10
Balas artikelnya sangat berguna tapi saya kurang memahami tentang

variabel :( wk
Marda Ridhovin
9 MAY 2014 AT 14:49
Balas Wow... Ini keren banget om aplikasinya, penjelasannya juga sangat

mudah untuk dipahami, sepertinya cocok buat aplikasi di BPS nih...
Dian Pravitasari
15 MAY 2014 AT 12:20
Balas udah baca-baca sampe bawah ternyata yang nulis temen sendiri. tau
gitu minta ajarin aja langsung , bzz -.-
M Nashihun Ulwan
15 MAY 2014 AT 12:31
Balas sama-sama gan,, semoga bermanfaar :)
M Nashihun Ulwan
15 MAY 2014 AT 12:31
Balas haha,, gak tau juga gan,, itu data dari BPS Jatim
M Nashihun Ulwan
15 MAY 2014 AT 12:32
Balas Silahkan dicoba aja gan,,
M Nashihun Ulwan
15 MAY 2014 AT 12:32
Balas thanks atas kunjungannya gan..
M Nashihun Ulwan
15 MAY 2014 AT 12:33
Balas thanks..
M Nashihun Ulwan
15 MAY 2014 AT 12:33
Balas silahkan dipelajari lagi gan :D
M Nashihun Ulwan
15 MAY 2014 AT 12:33
Balas BPS juga gunakan aplikasi ini gan :D
M Nashihun Ulwan
15 MAY 2014 AT 12:35
Balas hahaha,,, pengetahuan kita sama aja tentang beginiaa,,, :D

thanks atas kunjungannya Dian... :D
Azam Arifyadi
20 OCTOBER 2014 AT 00:19
Balas terima kasih untuk postinganx, sangat membantu.. sukses selalu

sobat..
M Nashihun Ulwan
20 OCTOBER 2014 AT 11:35
Balas ok,, sama-sama, semoga bermanfaat.
novaldiyu pratama
30 NOVEMBER 2014 AT 17:12
Balas Izin pek ilmu ny gan.............
kharisma mujahid akbar

9 FEBRUARY 2015 AT 12:43
Balas lagi dimana gan ?
M Nashihun Ulwan
Balas lagi kerja gan, kenapa? kangen?
KEZIA ALFARILKA MANGIRI

Balas Password untuk liat tabel F apa ya bro???
M Nashihun Ulwan
Balas di komentar samping file winrarnya sudah ada mbak.

portal-statistik
Yulanda Intan Paramita

Balas makasih banyak yaa blog ini membantu dalam penulisan tugas akhir
saya
M Nashihun Ulwan
Balas sama-sama, semoga bermanfaat.
Download Game PC ISO

8 APRIL 2015 AT 09:28
Balas Manteb gan infonya,kebetulan ane juga mengambil metode skripsi

tentang ini, klo bisa tambahin referensi turotial lain dong gan,semacam
ebook ato apalah ,hehehe
M Nashihun Ulwan
8 APRIL 2015 AT 12:11
Balas terimakasih gan, untuk referensi berupa ebook saya rasa sudah banyak
di google heheh. :D
sri aniska
12 APRIL 2015 AT 23:46
Balas terima kasih atas postingannya:) data jumlah penduduk miskin dan
faktor-faktor penyebab Kabupaten/Kota di Provinsi Jawa Timur itu
tahun berapa ya?
M Nashihun Ulwan
13 APRIL 2015 AT 00:12
Balas sama-sama, semoga bermanfaat.

itu data kemiskinan tahun 2013, data dari BPS mbak.
purnama akbar
13 APRIL 2015 AT 11:17
Balas Nice..
AFIFUDIN NURFATONI
7 AUGUST 2015 AT 18:55
Balas Mas apakah nilai sig. selalu 0,000? kalau hasil 0,03 juga tidak masalah
ya? nah kalo hasilnya 0,780 yang lebih besar dari pada 0,05
bagaimana? apakah penelitian ini tidak bisa di lanjut? atau ada saran
lain,,, mohon jawabannya ya mas. terimakasih sebelumnya
M Nashihun Ulwan
8 AUGUST 2015 AT 07:36
Balas
Nilai sig. pada apa? variabel?
nilai sig, pada variabel dimana sig < alpha(0.05) berarti tolak H0 yaitu
model tidak signifikan/tidak sesuai/tidak valid. yang harus dilakukan
adalah mengeluarkannya dari model regresi dan mengulang langkah
analisis lagi.
Sandi Septiadi
Balas Selamat siang gan. Artikelnya sangat membantu. Tp ada hal ganjal yg
ingin saya tanyakan. Mengenai jika secara simultan terdapat hasil yang
tidak signifikan. Apakah bisa melanjutkan pengujian secara individual
gan
?
M Nashihun Ulwan
Balas jika secara simultan saja sudah tidak signifikan pengaruhnya, apalagi
jika dilihat secara satu persatu gan.
kalau sudah uji F tidak memenuhi, berarti analisis regresi linear
berganda tidak cocok untuk menangani kasus tersebut, ada banyak
jenis regresi yang bisa dicoba.
Terimakasih
Jumi ati
Balas Maaf gan, kalo saya uji hasilnya terdapat multikolinieritas dan
autokorelasi, apa yang harus saya lakukan ya, tolong dibantu.Trims.
Unknown
23 JANUARY 2016 AT 19:40
Balas TERIMA KASIH, Sangat membantu. saya mau Tanya, jika saya
menggunakan variable independen sebanyak 5 variable bagaimana
cara menyatukannya agar langsung seperti mas nya di contoh ? apakah
perlu satu2 menganalisis setiap variable nya ? terima kasih, mohon
jawabannya.
classicstore
Balas maaf gan mau tanya kalau ada variabel removed itu artinya apa ya dan
harus bagaimana? thanks
azzahrah pengetikan
Balas Trims artikelnya gan
Elizabeth Pardede
26 APRIL 2016 AT 03:35
mau nanya gimana cara mencari rumus model jones modifikasi di spss
Balas
ya
sang ayu Tisna

Balas kk mau tanya dong, sasaran 2 saya kan identifikasi faktor faktor yang
mempengaruhi perubahan penggunaan lahan, dari beberapa jurnal yg
saya baca semuanya menggunakan metode anlisis Regresi linier
berganda dengan bantuan SPSS, tp menurut dosen saya metode itu
tidak bisa digunakan karna datanya bukan berupa angka. itu
bagaimana yah kk, soalnya saya juga gak terlalu paham. terimakasih
Selfi Afiona
Balas kalo datanya berupa skala ordinal berarti ngambil skor total per
indikator ya?
Silahkan tinggalkan komentar, kritik, maupun saran dari sobat blogger tentang
apa yang sobat rasakan setelah mengunjungi blog ini.
Enter your comment...
Comment as: suharjito11@gm Sign out
Publish Preview Notify me
Copyright © 2015 : Portal Statistik - Template by Kang Mousir

Analisis Regresi Linear Berganda Dengan SPSS Metode Enter Vs Stepwise Portal Statistik PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Analisis Regresi Linear Berganda Dengan SPSS Metode Enter Vs Stepwise Portal Statistik PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

11/21/2018 Analisis Regresi Linear Berganda Dengan SPSS Metode Enter VS Stepwise - Portal Statistik

About Contact Us Privacy Policy Disclaimer Sitemaps

Artikel Analisis Statistik Teknik Sampling Forecasting R Wisata Search...

Analisis Regresi Linear Berganda Dengan SPSS Metode Enter VS Stepwise

1 105.4 6.52 3031 6.79 CATEGORY

8 140.8 5.92 15459 6.1

1 131.9 5.64 645 5.6

1 105.2 5.62 11289 6.17

1 276.6 6.46 1219 5.15

1 199.3 6.76 27678 6.4

1 145.4 6.19 83603 9.87

1 125.4 6.81 26381 7.93

1 166.4 6.31 32175 7.87

1 151.6 6.75 18364 7.21

1 102.3 5.92 19282 7.07

2 80.2 5.83 9217 7.62

2 149.1 6.19 21476 6.43

2 227.2 12.26 20723 6.65

2 225.8 6.62 17116 6.36

2 220.5 6.9 21615 7.12

2 193.8 6.93 45199 8.63

2 255.6 5.44 25008 5.19

2 285.4 5.33 7868 4.03

2 179.2 5.84 15471 5.81

2 256.6 5.73 11343 5.31

3 24.9 5.91 9923 10.19

3 10.1 6.33 4371 9.84

3 41.4 6.04 5444 8.46

3 168.8 6.33 5956 8.9

3 8.9 6.56 4623 9.76

3 10.4 6.92 8342 10.5

3 195.6 7.08 9139 10.01

3 9.7 7.06 5418 8.44

Versi MS. Excel bisa didapatkan disini :)

Mari kita lihat bagaimana outputnya.

Pertama yang mau saya soroti adalah output Coefficients.

Ok. Sekarang Mari kita lihat outputnya secara keseluruhan...

Koefisien Korelasi (R)

Koefisien Determinasi (R Square)

Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah

Uji Simultan / Overall / Serentak / Uji Statistik F

Uji Parsial / Uji Signifikansi Parameter Individual (Uji Statistik t)

Uji Koefisien Regresi X1 (Jumlah Pengangguran)

Sehingga didapatkan model yaitu:

Tag : Statistik SPSS

41 Komentar untuk "Analisis Regresi Linear Berganda Dengan SPSS

Balas thanks infonya gan

Rizky Nugroho Tanjo

Balas Banyak juga orang miskin gan :o

Balas mantap gan, izin praktekin, baca juga :

Balas wah matep banget gan nice post gan :D

Balas Keren Gan :D

Balas artikelnya sangat berguna tapi saya kurang memahami tentang

Balas Wow... Ini keren banget om aplikasinya, penjelasannya juga sangat

Balas sama-sama gan,, semoga bermanfaar :)

Balas Silahkan dicoba aja gan,,

Balas thanks atas kunjungannya gan..

Balas silahkan dipelajari lagi gan :D

Balas BPS juga gunakan aplikasi ini gan :D

Balas hahaha,,, pengetahuan kita sama aja tentang beginiaa,,, :D

Balas terima kasih untuk postinganx, sangat membantu.. sukses selalu

Balas ok,, sama-sama, semoga bermanfaat.

Balas Izin pek ilmu ny gan.............