 Penelitian

o Penelitian
 Software
o SPSS
o Eviews
o Excel
o STATA
o Minitab
 Hipotesis
o Hipotesis
o Komparatif
o Asosiatif
o Korelasi
o Regresi
 Variable
o Multivariat
o Univariat
 Metodologi
o Metodologi
o Penelitian
o Rumus
o Daftar Contoh Penelitian
 Asumsi
o Uji Asumsi
o Validitas
 Tabel Statistik
o Tabel Statistik
 Jasa Analisis

Cari

 Beranda
 About Us
 Bantuan Olah Data
 Petunjuk Excel
 SPSS Download
 Download Eviews
 Sitemap

Uji Statistik

 Penelitian

Hipotesis
Hipotesis Penelitian dan Hipotesis Statistik Dalam Perbedaan

Metodologi
Cara Hitung Rumus Slovin Besar Sampel

Hipotesis
Perbedaan Hipotesis Statistik dan Hipotesis Penelitian
 Metodologi
Penjelasan Teknik Sampling Dalam Penelitian

Metodologi
Penjelasan Teknik Purposive Sampling Lengkap Detail

 Software
 Hipotesis
 Variable
 Metodologi
 Asumsi
 Tabel Statistik
 Jasa Analisis
Cari

Beranda Komputerisasi Regresi Linear Sederhana dengan SPSS

 Komputerisasi
 Regresi
 SPSS

Regresi Linear Sederhana dengan SPSS

Penulis
Anwar Hidayat
-
10 Agustus 2012

71
10485
Facebook

Twitter

Google+

Pinterest

WhatsApp

LINE

Regresi Linier Sederhana dengan SPSS

Artikel ini akan mengupas contoh regresi linier sederhana dengan SPSS
menggunakan data regresi yang dipakai seperti pada perhitungan korelasi.
Analisis regresi linear sederhana merupakan salah satu metode regresi yang
dapat dipakai sebagai alat inferensi statistik untuk menentukan pengaruh
sebuah variabel bebas (independen) terhadap variabel terikat (dependen).
Uji Regresi linear sederhana ataupun regresi linier berganda pada intinya
memiliki beberapa tujuan, yaitu:

1. Menghitung nilai estimasi rata-rata dan nilai variabel terikat

berdasarkan pada nilai variabel bebas.
2. Menguji hipotesis karakteristik dependensi
3. Meramalkan nilai rata-rata variabel bebas dengan didasarkan pada
nilai variabel bebas diluar jangkaun sample.
Pada analisis regresi sederhana dengan menggunakan SPSS ada beberapa
asumsi dan persyaratan yang perlu diperiksa dan diuji, beberapa diantaranya
adalah :
 1. Variabel bebas tidak berkorelasi dengan disturbance term (Error).
Nilai disturbance termsebesar 0 atau dengan simbol sebagai
berikut: E (U / X) = 0,
2. Jika variabel bebas lebih dari satu, maka antara variabel bebas
(explanatory) tidak ada hubungan linier yang nyata,
3. Model regresi dikatakan layak jika angka signifikansi pada ANOVA
sebesar < 0.05, Predictor yang digunakan sebagai variabel bebas
harus layak. Kelayakan ini diketahui jika angka Standard Error of
Estimate < Standard Deviation,
4. Koefisien regresi harus signifikan. Pengujian dilakukan dengan Uji T.
Koefesien regresi signifikan jika T hitung > T table (nilai kritis),
5. Model regresi dapat diterangkan dengan menggunakan nilai
koefisien determinasi (KD = R Square x 100%) semakin besar nilai
tersebut maka model semakin baik. Jika nilai mendekati 1 maka
model regresi semakin baik,
6. Residual harus berdistribusi normal,
7. Databerskala interval atau rasio,
8. Kedua variabel bersifat dependen, artinya satu variabel merupakan
variabel bebas (variabel predictor) sedang variabel lainnya variabel
terikat (variabel response) Berikut ini contoh perhitungan regresi
linier sederhana menggunakan software SPSS 20.

Tutorial Regresi Linear Sederhana dengan SPSS

Proses mulai dengan memilih menu Analyze, kemudian pilih Linear,

 Regresi Linear Sederhana dengan
SPSS
 

Pilih variabel Y sebagai variabel dependen (terikat) dan X1 sebagai

variabel independen (bebas) lalu klik tombol OK,

Proses Regresi Linear SPSS

 

Output Regresi Linear Sederhana dengan SPSS

Output SPSS akan menampilkan hasil berupa 4 buah tabel yaitu;

1. Tabel variabel penelitian,

2.  Ringkasan model (model summary),
3. Tabel Anova, dan
 4. Tabel Koefisien.

Output Regresi Linear

SPSS

Interprestasi Regresi Linear Sederhana dengan SPSS

Cara membaca output spss hasil uji regresi linier tersebut adalah :

1. Tabel pertama menunjukkan variabel apa saja yang diproses, mana

yang menjadi variabel bebas dan variabel terikat.
2. Tabel kedua menampilkan nilai R yang merupakan simbol dari nilai
koefisien korelasi. Pada contoh diatas nilai korelasi adalah 0,342.
Nilai ini dapat diinterpretasikan bahwa hubungan kedua variabel
penelitian ada di kategori lemah. Melalui tabel ini juga diperoleh
nilai R Square atau koefisien determinasi (KD) yang menunjukkan
seberapa bagus model regresi yang dibentuk oleh interaksi variabel
bebas dan variabel terikat. Nilai KD yang diperoleh adalah 11,7%
yang dapat ditafsirkan bahwa variabel bebas X1 memiliki pengaruh
kontribusi sebesar 11,7% terhadap variabel Y dan 88,3% lainnya
dipengaruhi oleh faktor-faktor lain diluar variabel X1.
3. Tabel ketiga digunakan untuk menentukan taraf signifikansi atau
linieritas dari regresi. Kriterianya dapat ditentukan berdasarkan uji F
atau uji nilai Signifikansi (Sig.). Cara yang paling mudah dengan uji
Sig., dengan ketentuan, jika Nilai Sig. < 0,05, maka model regresi
adalah linier, dan berlaku sebaliknya. Berdasarkan tabel ketiga,
diperoleh nilai Sig. = 0,140 yang berarti > kriteria signifikan (0,05),
 dengan demikian model persamaan regresi berdasarkan data
penelitian adalah tidak signifikan artinya, model regresi linier tidak
memenuhi kriteria linieritas.
4. Tabel keempat menginformasikan model persamaan regresi yang
diperoleh dengan koefisien konstanta dan koefisien variabel yang
ada di kolom Unstandardized Coefficients B. Berdasarkan tabel ini
diperoleh model persamaan regresi : Y =38,256 + 0,229 X1.
Agar anda memahami artikel ini, pelajari juga tentang Uji F dan Uji T: “Uji F
dan Uji T” dan “Analisis Regresi Korelasi“. Demikian telah kita bahas tutorial
regresi sederhana dengan SPSS.

By Anwar Hidayat

TINJAUAN IKHTISAR

Regresi

RINGKASAN
Regresi Linear sederhana adalah model prediksi yang digunakan pada
data berskala interval atau rasio dan hanya melibatkan dua variabel,

3.5
yaitu satu variabel bebas dan satu variabel terikat. Dalam artikel ini
anda akan disuguhkan tutorial cara melakukannya secara detail dan
mudah dipelajari oleh mahasiswa yang sedang penelitian atau
sedang mempelajari ilmu statistik. NILAI KESELURUHAN

 TOPIK

 Analisis

 Tutorial SPSS

 Uji Regresi

Share

Facebook
Twitter

Google+

Pinterest

WhatsApp

LINE

Artikel SebelumnyaPenjelasan Berbagai Jenis Uji Validitas dan Cara Hitung

Artikel BerikutnyaKORELASI REGRESI – Penjelasan dan Tutorial – Lengkap

Anwar Hidayat
https://www.statistikian.com
Founder dan CEO dari Statistikian Sejak 2012. Melayani jasa bantuan olah dan analisis data
menggunakan berbagai aplikasi statistik, seperti: SPSS, STATA, Minitab, EViews, AMOS, SmartPLS
dan Excel. Silahkan WhatsApp: 08816050259. Biaya 100 ribu sd 300 ribu Sesuai Beban. Proses 1
sd 3 Hari Tergantung Antrian.
ARTIKEL TERKAITDARI PENULIS

Regresi

Penjelasan dan Tutorial Regresi Linear Berganda

Excel

F Tabel Lengkap Beserta Cara Mencari dan Membacanya

Regresi

Tutorial Uji Regresi Ordinal dengan SPSS

Regresi

Penjelasan Berbagai Jenis Regresi Berganda

Regresi
Penjelasan Regresi Ordinal Secara Lengkap

Komputerisasi

Pengantar Tutorial SPSS Bahasa Indonesia

Eviews

Cara Membaca Hasil Regresi Data Panel Dengan Eviews

Eviews

Tutorial Lagrange Multiplier Test dengan Eviews

Eviews

Hausman Test dengan Eviews Dalam Regresi Data Panel

71 KOMENTAR

1. Anwar Hidayat 23 Desember 2013 at 16:23

Berasal dari banyak kemungkinan, tentunya tergantung pada definisi

operasional anda

Balas

2. Ca Duta 23 Desember 2013 at 16:17

maaf.. nilai y x1 x2 x3 darimana ya?semisal data dasar yang kita gunakan

seperti yang mas contohkan pada uji validitas&reabilitas, gmn caranya?
maklum baru kenal sama variabel help me! thank's

Balas

3. Anwar Hidayat 5 Januari 2014 at 13:38

Istilah mean of squares dalam ANOVA tidak lain adalah rerata kuadrat skor
simpangannya yang menunjukkan variansi suatu distribusi yang diamati.
Mean of squares ini diperoleh dari jumlah kuadrat skor simpanganya atau
yang dikenal dengan istilah Sum of Squares dibagi dengan jumlah sampelnya.
 Sum of Squares adalah sebuah teknik statistik yang digunakan dalam analisis
regresi . Sum of Squares adalah pendekatan matematis untuk menentukan
penyebaran data points. Dalam analisis regresi, tujuannya adalah untuk
menentukan seberapa baik serangkaian data yang dapat dipasang ke fungsi
yang mungkin membantu menjelaskan bagaimana seri data yang dihasilkan.
Sum of Squares digunakan sebagai cara matematis untuk menemukan fungsi
yang paling sesuai dari data.
Ada dua metode analisis regresi yang menggunakan Sum of Squares: metode
kuadrat terkecil linier dan metode kuadrat terkecil non – linear. Kuadrat
terkecil mengacu pada fakta bahwa fungsi regresi meminimalkan jumlah
kuadrat dari varians dari titik data aktual.
DF adalah degree of freedom atau derajat kebebasan. Pada uji F, DF 1 adalah
jumlah variabel – 1, sedangkan DF 2 adalah jumlah sample – jumlah variable.
F adalah nilai F hitung. Nilai ini untuk menjawab hipotesa, jika nilai F hitung >
F tabel DF 1 dan DF 2 tertentu dan probabilitas tertentu, maka keputusan
terhadap hipotesa adalah menolak H0.
Sig. adalah nilai P value atau derajat probabilitas hasil pengujian uji F. Pada
penelitian dengan derajat kemaknaan 95% maka nilai Sig < 0,05 berarti ada
pengaruh variabel independen terhadap variabel dependen atau yang berarti
menolak H0 dan menerima H1.

Balas

4. azmie farida 5 Januari 2014 at 13:29

mas, mau tanya soal maksud dari angka angka yang ditabel anova itu gmna
ya?
saya disuruh dosen saya untuk menambahkan penjelasan maksud dari angka
angka pada tabel anova tsb.

makasih

Balas

5. Anwar Hidayat 23 Januari 2014 at 12:07

Apabila satu variabel terdiri dari 1 item soal, maka harus ditransformasi. Jika
satu variabel terdiri dari lebih dari 1 item soal, maka tidak perlu
ditransformasi.
 Balas

6. muhammad erfan 23 Januari 2014 at 12:01

assalamualaikum,
pak saya mau bertanya :

1. pak, katanya dalam penghitungan regresi linier berganda, data ordinal

harus di intervalkan dulu ya?

2. yg di intervalkan itu tiap-tiap hasil item pernyataan seperti nilai 5,,4,3,2,1

masing-masing di intervalkan

3. atau jumlah yang menjawab 5 baru di intervalkan ,4, baru di intervalkan 3

di intervalkan ,2 di intervalkan , 1 baru di intervalkan (sari variabel x1,
misalkan?)

Balas

7. Anwar Hidayat 14 April 2014 at 16:00

Sig Uji F > 0,05 artinya variabel-variabel bebas tidak terbukti berpengaruh
secara bermakna terhadap variabel terikat. Uji regresi linear adalah upaya
mencari atau membentuk model prediksi prediksi yang terbaik. Maka dengan
data anda yang ada, tidak dapat membentuk model prediksi yang terbaik.
Model terbaik adalah model yang bersifat BLUE (Best Linear Unbiased
Estimation).

Balas

8. Tri Wahyuni Christiani 14 April 2014 at 15:55

Malam Pak.
Saya mau bertanya soalnya lagi bingung banget. Hehhe
 Saya melakukan penelitian dengan menggunakan regresi linear sederhana.
Setelah saya running datanya, nilai anova saya diatas 0,05. Apa itu artinya
model regresi saya ga bisa di pakai?

Balas

9. Anwar Hidayat 16 April 2014 at 04:48

Jawabannya adalah menolak H1 dan menerima H0.

Balas

10. Tri Wahyuni Christiani 16 April 2014 at 04:42

Jadi kira-kira apa ada solusi yang bisa dilakukan utk mengatasi hal tersebut?
Saya meneliti tentang pengaruh intellectual capital terhadap ROA
perusahaan.

Balas

11. Anwar Hidayat 28 April 2014 at 05:37

Bila korelasi signifikan, bisa dilanjutkan uji regresi untuk membentuk model
prediksi Y.

Balas

12. diareku 28 April 2014 at 05:34

solusi apa jika menggunakan 40 responden untuk analisanya?regresi linier

atau korelasi? buku refrensi yang dapat saya jadikan refrensi kira kira apa ya
mas?
trimaksih
 Balas

13. diareku 28 April 2014 at 05:34

kira kira kalau ada 40 responden, analisa apa yang harus saya gunakan?
regresi linier sederhana atau analisa korelasi?variabel saya ada 2.yaitu varibel
X dan variabel Y.
trimakasih

Balas

14. Anwar Hidayat 21 Mei 2014 at 05:49

Maksudnya adalah untuk menilai pengaruh dan korelasi parsial masing-

masing variabel bebas terhadap variabel terikat. Nilai t adalah hasil uji t
parsial yaitu pengaruh parsial variabel bebas terhadap variabel terikat. Sig
adalah probabilitas dari uji t parsial. Nilai B adalah koefisien, yaitu besarnya
pengaruh parsial variabel bebas. Sedangkan standart error adalah standart
error dari nilai B. Standardized Coefficient adalah nilai B yang memperhatikan
standart error. Selebihnya adalah nilai-nilai koefisien korelasi parsial dan
koefisien regresi parsial.

Balas

15. debora 21 Mei 2014 at 05:25

Makasih buat ilmunya mas, dah ngerti saya

Balas

16. fenti berliana 21 Mei 2014 at 05:34

mas, mau tanya soal maksud dari angka-angka yang ditabel coefficient itu
gimana ya?
 saya disuruh dosen untuk menambahkan penjelasan maksud dari angka-
angka pada tabel coefficient tersebut. thx

Balas

17. Anwar Hidayat 23 Mei 2014 at 18:00

F Hitung jauh lebih besar f tabel itu biasa. Tapi untuk mengetahui apakah
anda salah atau tidak dalam menghitung, saya tidak bisa tahu sebelum
melihat dan menganalisis data anda

Balas

18. leli aryanti 23 Mei 2014 at 17:56

Pak, say udh coba pake sps. Fhitung saya adalah 76,768. Kok besar sekali?
Itu karena data saya yg besar atau memang salah hitung pak? Ftabel nya
saya cari sendiri pake rumus dptlah 26,6. Benar gk itu pak?

Balas

19. Anwar Hidayat 28 Mei 2014 at 16:33

Regresi linear itu menguji variabel dengan variabel, jadi bukan item soal
dengan item soal. Oleh karenanya anda harus menggunakan variabel. Apakah
variabel itu dibentuk oleh jumlah atau rata-rata dari beberapa item soal, itu
perkara lain, jadi jangan dimasukkan ke dalam logika uji regresi. melainkan
dalam ranah logika desain penelitian atau lebih tepatnya definisi operasional
penelitian anda.

Balas

20. heri keswanto 28 Mei 2014 at 16:20

 mas, mau nanya kalo ada beberapa pertanyaan yang mewakili 1 variabel
independent. Bagiaman caranya?? apakah saya harus menggabungkan nilai
dari 4 pertanyaan tsb, baru saya regresikan dengan variabel dependent??.
kalo contoh yang mas sampaikan, kan satu lawan satu. tks

Balas

21. Anwar Hidayat 30 Mei 2014 at 05:05

Sama saja, tapi kalau 1 variabel di jumlahkan ya semua harus dijumlahkan.

Balas

22. heri keswanto 30 Mei 2014 at 04:56

ohhh… begitu mas. Terima kasih mas.

Jadi untuk pembentukan variabel yang diwakilkan oleh beberapa pertanyaan
itu. Lebih bagus dengan cara dijumlahkan atau dirata-ratakan mas??? tks

Balas

23. heri keswanto 31 Mei 2014 at 11:07

oke terima kasih mas, atas pencerahannya…

Balas

24. Anwar Hidayat 10 Juni 2014 at 09:23

Artinya variabel-variabel yang anda masukkan ke dalam model regresi,

secara simultan tidak berpengaruh terhadap Variabel Terikat, dan terlalu
rendah pengaruhnya sehingga menyebabkan standart error yang besar. Maka
anda harus memilah variabel bebasnya, jadi hanya variabel bebas yang linear
saja yang dimasukkan. dan selanjutnya gunakan metode stepwise.
 Balas

25. Anwar Hidayat 10 Juni 2014 at 09:54

Yang anda maksud adalah t parsial. Uji Regresi Linear berganda menampilkan
banyak uji, antara lain: uji t, F, R, R Square, Adjusted R Square, Koefisien
Beta, dll.

Balas

26. winda 10 Juni 2014 at 09:20

mf pak,,kalau Adjusted R negtif apa artinya??

bgaimana cra mnggantinya biar bs postif??

Balas

27. Ismi Hanni 10 Juni 2014 at 09:42

Pagi Mas,
saya mau tanya, apa hasil dari penelitian regresi linear berganda harus sama
dengan hasil uji T?
Karena hasil penelitan regresi linear berganda, penelitian saya memiliki 7
variabel independen dan beberapa variabel independen berpengaruh
signifikan terhadap variabel dependennya, tetapi setelah uji T, hanya 2
variabel saja yang berpengaruh signifikan terhadap variabel dependennya.
yang saya bingungkan, saya melihat dibeberapa referensi skripsi hasil dari
regresi linear berganda sama dengan hasil uji T, tapi mengapa hasil
pengujian dari data saya berbeda? Mohon penjelasannya.

Regards,
Hanni

Balas
28. Anwar Hidayat 12 Juni 2014 at 15:29

Asumsi klasiknya. Baca artikel-artikel saya tentang asumsi klasik regresi

linear: normalitas, homoskedastisitas, autokorelasi, linearitas dan
multikolinearitas.

Balas

29. Panji Prima 12 Juni 2014 at 15:24

sore pak,
saya mau tanya, saya menggunakan penelitian satu variabel bila
menggunakan spss apa saja yang di perlukan dalam perhitungannya selain
regresi sederahana???

Balas

30. Anwar Hidayat 28 Juni 2014 at 13:12

Boleh, tetapi ada 2 regresi linear sederhana, yaitu model X1 terhadap Y dan
model x2 terhadap y. Jika tidak linear, bisa ditingkatkan linearitasnya dengan
transformasi atau variabel yang tidak linear dikeluarkan dari model

Balas

31. Anwar Hidayat 28 Juni 2014 at 13:14

Maksud anda 4 variabel, yaitu x, y1, y2 dan y3. Anda bisa menggunakan uji
Multivariate Regression dan menggunakan aplikasi STATA

Balas

32. jeva toba 28 Juni 2014 at 12:53

 mas.. mau tanya.. penelitian saya menggunakan 2 variabel bebas namun
menggunakan regresi sederhana.. diperbolehkan atau tidak.. kemudian
bagaimana saya melakukan uji linieritas apabila hasilnya tidak linier? akan
berpengaruh ke mana nantinya ?

Balas

33. alank lzr 28 Juni 2014 at 12:57

bagaimana kalau 2 variabel tapi x ada satu dan y ada tiga?

mohon bantuannya?

Balas

34. Anwar Hidayat 16 Juli 2014 at 15:03

Tidak bisa dan sebaiknya gunakan uji regresi ordinal

Balas

35. Erna Fitriyani 16 Juli 2014 at 15:01

maaf saya ingin tanya, jika data yang digunakan ordinal apa bisa
menggunakan teknik analisis regresi linear sederhana dan regresi linear
ganda? terima kasih

Balas

36. Anwar Hidayat 6 Desember 2014 at 15:02

Ya betul, berarti secara bersama-sama semua variabel bebas tidak

memberikan pengaruh yang bermakna, tapi dalam uji t sebagai uji parsial,
bisa jadi ada 1 atau lebih variabel yang berpengaruh secara parsial.
 Balas

37. Anonymous 6 Desember 2014 at 14:57

Mas, mau numpang tanya..kalo hasil F test lebih bsar dr 0.05 itu kn berarti
semua variabel bebas tdk berpengaruh thd variabel terikat, tapi dlm uji t ada
1 yg berpengaruh, itu bagaimana ya? Apakah ada cara untuk mengatasi?

Tolong dibantu terima kasih

Balas

38. Anwar Hidayat 29 Desember 2014 at 16:57

korelasi dan 2 regresi linear. 2 Regresi linear yang dimaksud adalah regresi
linear x terhadap y1 dan regresi linear x terhadap y2. selain itu anda bisa
menggunakan multivariate regresi linear.

Balas

39. afifudin khakiki 29 Desember 2014 at 16:49

assalamualaikum… mas maaf mo tanya, kalo variabel saya X terhadap Y1 dan

Y2 apakah analisis datanya pake korelasi dan regresi linier sederhana???

Balas

40. Anwar Hidayat 18 Februari 2015 at 17:37

Gunakan uji koefisien kontingensi atau phi atau uji cramer

Balas
41. Anwar Hidayat 18 Februari 2015 at 18:34

Boleh

Balas

42. Anonymous 18 Februari 2015 at 17:36

Permisi, bagaimana caranya uji korelasi dengan data nominal? Terima kasih.

Balas

43. sasacandra 18 Februari 2015 at 18:31

Mas mau nanya, berarti saya boleh pakek dua duanya yaa mas (regresi
sederhana sama berganda). saya pakek X5 dan Y1. pertama saya pakek
sederhana untuk analisis antar variable nya X dan Y. lalu saya ke berganda
untuk analisis semua X terhadap Y nya. boleh mas yaa ?

Balas

44. Anwar Hidayat 11 Mei 2015 at 14:36

pada saat melakukan uji regresi linear, tekan tombol save, lalu centang
unstandardized, lanjutkan uji regresi seperti biasa. Setelah itu pada dataset
lihat bahwa da ariabel baru namanya RES_1, itu adalah nilai error atau biasa
disebut residual.

Balas

45. Diana Irawati 11 Mei 2015 at 14:33

 bagaimana cara mengetahui nilai error dalam persamaan analisis regresi
linier berganda ketika sudah diolah dalam SPSS?

Balas

46. Anwar Hidayat 9 Juni 2015 at 14:54

Regresi linear itu salah satu jenis model peramalan. Model peramalan regresi
linear dapat digunakan untuk generalisasi atau berguna secara statistik
apabila uji f terima H1 atau signifikan. Sedangkan uji t parsial, itu
membuktikan apakah sebuah variabel prediktor berpengaruh terhadap
variabel response di dalam model dengan memperhatikan variabel prediktor
lain di dalam model peramalan tersebut.

Balas

47. Andini Putrimawarti 9 Juni 2015 at 14:51

selamat siang pak,

maaf pak saya mau tanya. di penelitian saya terdapat 3 variabel dan saya
menggunakan uji regresi linear berganda, uji T dan uji F. yang membuat saya
bingung hasil uji regresi linear berganda bernilai positif semua tetapi dalam
uji T dan uji T semua variabelnya ditolak/ tidak terdapat pengaruh.
pertanyaan saya, apakah hasil regresi linear berganda itu juga mencerminkan
hasil uji T dan uji F? mohon bapak dapat membantu masalah ini.terima kasih

Balas

48. icha iszen 17 Juni 2016 at 13:18

pak persamaan yg benar itu Y = ax + b atau Y = a + bx ?

Balas

49. Anwar Hidayat 8 November 2016 at 18:05

 Y = a + bx + e

Balas

50. Anwar Hidayat 10 November 2016 at 16:00

Regresi Linear Haruslah menggunakan data interval atau rasio

Balas

51. Anwar Hidayat 10 November 2016 at 16:05

Koefisien Kontingensi adalah uji asosiatif atau uji untuk menilai kekuatan
hubungan antara 2 variabel yang berskala data nominal. Oleh karena itu, jika
ingin menggunakan koefisien kontingensi, harusnya pernyataan hipotesa
anda adalah "Hubungan". Silahkan baca artikel saya tentang Koefisien
Kontingensi. Mungkin untuk menjawab pertanyaan anda, silahkan pelajari
perihal Regresi Logistik

Balas

52. Endrawan Satria 10 November 2016 at 15:59

Kalo dalam Linear sederhana dengan SPSS 22 langkah data variabelnya

menggunakan Ordinal atau interval ya, mohon pencerahannya, tks

Balas

53. vieca 10 November 2016 at 16:01

selamat malam mas

ingin bertanya
kalau untuk hipotesis pengaruh implementasi standar pelayanan terhadap
kesalahan pengobatan
 data nominal-nominal
salah tidak jika saya pakai koefisien kontingensi

Balas

54. Anwar Hidayat 14 November 2016 at 14:31

Nilai e itu adalah error atau bisa dikatakan sebagai kesalahan dalam model.
Bisa diartikan bahwa: model regresi itu untuk meramalkan nilai variabel
respons berdasarkan nilai-nilai variabel predictor. Namun tingkat peramalan
itu tidak seratus persen benar. Nah, selisih antara kebenaran yang 100%
dengan prediksi model itulah yang disebut dengan error. Dan error itu tidak
perlu dimasukkan nilainya ke dalam persamaan regresi.

Balas

55. Syahrial Aufa 14 November 2016 at 13:37

nilai e itu kalo dicari di spss, gimana caranya ya?

Balas

56. Anwar Hidayat 28 November 2016 at 13:51

Linear itu apabila variabel bebas berhubungan secara linear dengan variabel
terikat. Atau mungkin bahasa yang mudah dipahami adalah berhubungan
(walau tidak selalu yang berhubungan itu linear), tapi setidaknya bisa
menggambarkan. Untuk mengetahui lebih detail tentang linearitas, silahkan
baca artikel saya tentang: Linearitas Regresi. Sedangkan metode stepwise
adalah metode regresi dimana variabel bebas dimasukkan secara satu
persatu ke dalam model dan yang bisa dimasukkan adalah variabel yang nilai
signifikansi regresi parsialnya < 0,05, kemudian variabel yang sudah
dimasukkan apabila nilai signifikansi regresi parsialnya akhirnya berubah
dengan adanya penambahan variabel lainnya ke dalam model, serta
perubahannya itu nilainya > 0,1 maka variabel tersebut dikeluarkan dari
model.
 Balas

57. Leo Espada 28 November 2016 at 13:42

pak mau tanya ,,kalau Adjusted R negtif gimana cara supaya positif ??? dari
jwbn bpk diatas katanya harus memilah variabel bebas yang linier saja.
Pertanyaannya variabel bebas yg linear itu yang bagaimana pak ? sklian
minta penjelasan soal metode stepwise pak .

Balas

58. muadz 17 Januari 2017 at 06:44

Mas mau tanya. Jika variabel Dependen (Y) ada 3 sedangkan Independen (X)
cuman 1 gimana? Apakah bisa di uji F simultan?

Balas

o Anwar Hidayat 19 Januari 2017 at 00:53

Silahkan anda melakukan 3 kali uji regresi atau melakukan multivariat

regresi

Balas

59. Chie 12 Februari 2017 at 19:03

Mas mo tanya,
Jika menggunakan analisis regresi linear, perlu uji normalitas data tidak

Balas

o Anwar Hidayat 18 Februari 2017 at 03:02

 Uji normalitas pada regresi linear adalah pada residualnya. Silahkan
baca artikel saya tentang normalitas pada regresi linear berganda.

Balas

60. chitra 17 Mei 2017 at 23:51

ass..mau tanya mas kalo hasil di output spssny ada Huruf E kayak gini
517E15 maksudnya apa salah atau benar pengujian saya ?

Balas

o Anwar Hidayat 21 Mei 2017 at 13:11

Wass. Itu notasi scientific. Misal 517E15 itu artinya 517 x 10 pangkat
15. Jika 517E-15 = 517 x 10 pangkat -15.

Balas

61. ai uchiha 29 Mei 2017 at 12:49

Pak saya mau bertanya.. Saya sudah melakukan uji regresi sederhana
dengan 2 variable dependent.
Untuk hasil uji t untuk y1 adalah sig: 0.011 , t=3.311, a= 0.331 dan b =
0.000 dengan t table=2.04841 yang saya tanyakan kenapa konstanta untuk b
hasilnya bisa 0.000 terdapat kesalahan dimana ya pak??

Untuk hasil uji t y2 adalah sig=0.296, t=-1.118, a=3.422, dan b=7.859E-5..

Cara membacanya seperti apa ya pak??

Balas

o Anwar Hidayat 1 Juni 2017 at 23:00

 Silahkan baca artikel saya tentang interpretasi regresi linear dengan
SPSS. Dalam artikel tersebut dijelaskan cara baca regresi linear
ordinary least square (OLS).

Balas

62. gigi gusi 19 Juli 2017 at 00:11

Pak sya mempunyai judul skripsi pengaru e-filing terhadap kepatuhan wajib
pajak pada kanwil djp. Sampelnya kpp yg terdaftar d kanwil yg mau sya
tanyakan, dospem 1 sya bilang yg sya gunakan adalah uji beda sebelum dan
setelah e-filing. Tpi dospem 2 sya sya harus menggunakan analisi regresi. Jdi
yg mna yg sya ikuti. Terima kasih

Balas

o Anwar Hidayat 21 Juli 2017 at 16:55

Bisa sama-sama benar, namun yang tepat adalah yang sesuai dengan
bentuk hipotesisnya atau tujuan penelitiannya. Jika ingin menilai
perbedaan maka gunakan uji beda. Sedangkan jika ingin membuat
model peramalan maka gunakan uji regresi.

Balas

63. Sati Warsini 13 Agustus 2017 at 13:25

Mas, mau nanya, untuk mengatasi standar error yang terlalu besar itu
gimana ya? Setau saya kan standat error merupakan simpangan baku dari
rata-rata masing-masing variabel. Nah angka dari variabel satu dengan yang
lain kan beda jauh. Misalnya produksi ikan sebanyak 35000 kg (Y) dengan
jumlah ABK 5 orang (X1) dan jumlah trip penangkapan sebanyak 35 trip (x2).
Cara menyeragamkannya bagaimana ya?

Balas
 o Anwar Hidayat 31 Agustus 2017 at 15:22

Tidak ada masalah dengan model anda tersebut. Sebab standar error
of estimate dari regresi itu nantinya dibandingkan dengan standar
deviasi variabel terikat. Baik tidaknya model regresi dapat dilihat dari
perbandingan antara standar error of estimate dengan standar deviasi
variabel terikat. Jika standar error of estimate < standar deviasi
variabel terikat maka model valid.

Balas

64. regina 16 Maret 2018 at 02:00

suka ka banget sama artikel ini, sangat membantu dan bener” jelas

Balas

o Anwar Hidayat 2 April 2018 at 11:16

Terima kasih

Balas

Tinggalkan Komentar Anda Disini...

1540017889931

Cari

Jasa Analisis Statistik

 jasa analisis statistik 2018
Artikel Terpopuler

Uji F dan Uji T

MENGHITUNG BESAR SAMPEL PENELITIAN

Tutorial Rumus Chi Square Dan Metode Hitung

Pengertian Dan Jenis Transformasi Data

Penjelasan Tentang Uji Normalitas dan Metode Perhitungan

Uji ANOVA – One Way Anova dalam SPSS

Tutorial Cara Uji T Paired dengan SPSS

Penjelasan Lengkap Uji Homogenitas

Pengertian Analisis Regresi Korelasi Dan Cara Hitung

Tabel Durbin Watson Dan Cara Membaca

Artikel Terbaru
PLS SEM: Pengukuran Kecocokan Model (Inner dan Outer)
Multivariat

Partial Least Square (PLS), Pengertian, Fungsi, Tujuan, Cara

Multivariat

Hipotesis Penelitian dan Hipotesis Statistik Dalam Perbedaan

Hipotesis

Pengertian Simple Random Sampling, Jenis dan Contoh

Metodologi

Penjelasan dan Tutorial Regresi Linear Berganda

Regresi

Cara Hitung Rumus Slovin Besar Sampel

Metodologi

F Tabel Lengkap Beserta Cara Mencari dan Membacanya

Excel

Tutorial Uji Regresi Ordinal dengan SPSS

Regresi

Contoh Penelitian Bisnis dengan Regresi Linear

Daftar Contoh Penelitian

Contoh Penelitian Kesehatan dengan Regresi Logistik

Daftar Contoh Penelitian
Komentar Terbaru

 Anwar Hidayat pada Tutorial Lagrange Multiplier Test dengan Eviews

  Anwar Hidayat pada Tutorial Lagrange Multiplier Test dengan Eviews
 Nabila pada Tutorial Lagrange Multiplier Test dengan Eviews
 RIAUISLAND pada METODE PENELITIAN: Pengertian, Tujuan, Jenis
 aris pada Tutorial Lagrange Multiplier Test dengan Eviews
Arsip

Arsip
6 - 10st Most Reviewed

Tutorial Cara Uji Regresi Linear dengan Eviews

Eviews

Tutorial Regresi Data Panel dengan Eviews

Eviews

Hausman Test dengan Eviews Dalam Regresi Data Panel

Eviews

Penjelasan Lengkap Berbagai Jenis Variabel Penelitian

Hipotesis

Perbedaan Hipotesis Statistik dan Hipotesis Penelitian

Hipotesis
Most Commented

Tutorial Cara Uji T Paired dengan SPSS

Hipotesis

Pengertian Dan Jenis Transformasi Data

Metodologi

Uji F dan Uji T

Komparatif
Regresi Logistik Ganda dalam SPSS
Hipotesis

Uji ANOVA – One Way Anova dalam SPSS

Hipotesis
Most 7 Day Populars

Tutorial Cara Uji Validitas Dengan SPSS – Validitas Instrumen

Hipotesis

Penjelasan Lengkap Uji Homogenitas

Hipotesis

Uji Komparatif (Pengantar) (Non Parametris)

Hipotesis

Regresi Linear Sederhana dengan SPSS

Komputerisasi

TENTANG KAMI
Blog Untuk Mempelajari Jenis Uji Statistik, Penelitian, SPSS dan Statistik Berbasis
Komputer seperti excel, Stata dan Minitab. Bantuan Olah dan Analisa Data,
Whatsapp: 08816050259.
Hubungi kami: anwar@statistikian.com
 IKUTI KAMI
 Homepage
 About Us
 Contact Us
 Bantuan Analisis Data dan Olah Data
 TOS
 Privacy Policy
 Disclaimer
 FAQ
 Petunjuk Excel
 SPSS Download – SPSS IBM Versi 23 Terbaru
 Sitemap

© 2016 Statistikian Allright Reserved

ARTIKEL LAINNYA

Tutorial Uji Multikolinearitas Dan Cara Baca Multikolinearitas

Penjelasan Uji Diskriminan dengan SPSS Part 2