Regresi Linear Sederhana ADJ R2: ..menunjukkan koreksi 4.
Statistic Press (press ↓)
Tujuan : untuk mengetahui hubungan terhadap R2 sebesar ..% Dummy Variabel merupakan jumlahan kuadrat antara variable respon/dependen (y) Std. Error of the Estimate : Mengidentifikasikan perbedaan deleted residual dengan variable predictor (x) ..menunjukan besarnya model regresi kategori dari variable kualitatif 5. CP Mallows Asumsi sebesar … Banyak var.dummy = banyak jumlah parameter semua terhadap 1. Normalitas 2. Uji Overall kategori – 1 model yang baik jika CP Mallows ≤ Analyze Descriptive Statistics H0: β0 = 0 (model tidak layak Langkah SPSS Parameter (termasuk konstanta) Explore digunakan) Transform recode into different 6. Akaike Information Criterian (AIC Plot : bormality test with plots H1: Tidak semua βi =0 (model layak variable ↓) n>50 : Kolmogorov dgunakan) Input var : variable yang akan dibuat AIC = -2log Likelihood + 2*p n≤50 : Shapiro-Wilk 3. Uji Parsial dummy (parameter dengan konstanta) 2. Linearitas Untuk Konstanta Name : nama variable dummy 7. Bayes Information Criterian Graph Legacy Dialogs Scatter H0: β0 = 0 (konstanta tidak signifikan) (SBC/BIC ↓) All other value 0 Dot Simple Scatter H1: β0 ≠ 0 (konstanta signifikan) Langkah SPSS Interpretasi Model Linear : Simple Scatter Untuk Koefisien Analyze Regression Linear Y=1,2+1,3pendidikan1 H0: βi = 0 (koefisien xi tidak signifikan) Y = dependen Ganda : Matrix Scatter Artinya : H1: βi ≠ 0 (koefisien xi signifikan) X = independent Langkah Analsis Status Pendidikan SD memiliki nilai Y 4. Model Regresi Statistics : Analyze Regression Linear 1,3 lebih besar daripada siswa Ỹ = β0 + β1X Estimator Statistics : Interpretasi berpendidikan SMA. Model Fit estimates Setiap penambahan /pengurangan 1 Note : Save : model fit satuan x makanilai variable y akan Variabel Dummy tidak perlu linearitas Deleted Plot : SD.RESID = y bertambah / berkurang sebesar β Kalau ada salah satu variable dummy Paste : ZPRED = x dengan asumsi variable lain konstan Ketik SELECTION disamping yang tidak signifikan, langsung Option : include constant in equation ANOVA dikeluarkan semua Save : Klik Reun Selection standardized predicted value Regresi Linear Ganda Mencari PRESS standardized residual Asumsi Kriteria Pemilihan Model Transform Compute Variabel 1. Normalitas Format Penulisan 2. Linearitas Terbaik Pada target : variable diisi nama 1. Model Summary 1. Koefisien Determinasi (R2 ↑) PRESS_I R: menunjukkan derajat hubungan 3. Uji Overall menunjukkan proporsi variable Numeric expression : dre_i*dre_i antara variable predictor (independent) 4. Uji Parsial dependen yang dapat diterangkan oleh Analyze Descriptive Statistics dan variable respon (dependen) yaitu Jika terdapat variable yang tidak variable independen Deskripyive sebesar .. nilai ini menunjukkan bahwa signifikan, maka yang dikeluarkan 2. Std. Error of Variance (SE ↓) Masukkan PREES_I ke variable (s) terdapat hubungan era tantara variable terlebih dahulu adalah variable dengan mengukur besarnya keragaman Option : sum predictor dengan variable respon nilai p-value teringgi model R2 : menunjukkan bahwa .. % dari Konstanta yang tidak signifikan 3. Adjusted R2 (Adj. R2 ↑) variable dependen dapat dijelaskan dikeluarkan terakhir dengan cara digunakan pada regresi dengan Analisis Residual oleh variable independent. Sedangkan option : include constan in equation Digunakan untuk mengetahui apakah variable predictor yang > 1 karena sisanya dijelaskan oleh sebab-sebab (uncheklist) model terbaik yang diperoleh benar- nilainya dapat naik/turun tergantung lain. 5. Model Regresi benar baik atau tidak apakah predictor baik/tidak jika Ỹ = β0 + β1X1 + … + βkXk Dikatakan baik jika minimal 50% dimasukkan ke dalam model asumsi terpenuhi Asumsi-asumsi dalam analisis residual, - Residual yaitu : Unstandardized (deleted tidak 1. Fix independen variabel: dicentang) diasumsikan terpenuhi OK 2. Linearitas residual dengan Linearitas : hanya memasukkan independen variabel yang ada di model terbaik saja Untuk mengetahui ada tidaknya Normalitas Residual hubungan linear antara variabel Klik analyze Desc stat Explore independen dengan residual. Dep: Res_1 3. Normalitas residual Plot: √ normality plot with test Untuk mengetahui residual OK berdistribusi normal atau tidak Ada 2 cara, yaitu: 4. Homoskedastisitas a. Inferensi Kondisi dimana variabel konstan. H0: Residual berdistribusi normal Terpenuhi jika variansi residual b. Q-Q Plot: titik-titik berada di sekitar konstan, dilihat dari garis diagonal plot z resid by z pred. No autokorelasi Dikatakan homoskedastisitas jika titik- Ada 2 cara, yaitu: titik mendekati nol atau tidak a. Uji Durbin Watson membentuk pola. 5. No multikolinearitas Kondisi dimana tidak variable independen. Terpenuhi jika VIF< 10 dan TOL > 0,1 (lihat di tabel coefficients) k = jumlah variable independen 6. No autokorelasi n = jumlah data Kondisi dimana tidak ada korelasi nilai d = nilai durbin Watson antar eror. DU dan DL dilihat dari Tabel Durbin Langkah SPSS Watson Klik analyze Regression Linear b. Run Test Statistics Digunakan jika tidak ada kesimpulan Model fit pada Uji Durbin Watson Estimate Analyze Nonpar test Legacy Descriptive Dialog (yang diinputkan yaitu Regression coefficients unstandardized residual) Colinearity diagnostic Run Residual H0 : Data bersifat acak (No Durbin Watson autokorelasi) Plots Terpenuhi jika p-value < α y= zresid; x = zpred NB: Normality prob. Plot Minimal 3 asumsi terpenuhi, maka Save model sudah baik.