Koefisien Determinasi (R Square)

Muncul ketika kita menggunakan metode regresi linier sederhana/berganda.

Digunakan sebagai indikator gagal tidaknya, dalam suatu penelitian

Nila S square dibawah 50% tidak menentukan gagal atau tidaknya keberhasilan penelitian. Yang paling
penting bisa mencari fenomena yang unik dan menarik. Krn bisa dikaji lebih dalam. Dalam penelitian
apapun hasilnya ya dilaporkan aja hasilnya, tidak perlu diotak atik. Supaya sesuai dengan keadaan
sebenarnya.

- Jika diagram plot titiknya rapi mengikuti garis, maka R squarenya mendekati 1

Langkah2 mencari R square

- Masukkan data
- Y, X1, X2,X3
- Blok tanpa jumlah total
- Analyze – Regression - Square – dependent Y- independen X1, X2, X3
- OK

Uji Heteroskedastisitas

Merupakan bagian dari uji asumsi klasik dalam analisis regresi. Bertujuan untuk mengetahui ada tidaknya
kesamaan varian dari nilai residual untuk semua pengamatan pada model regresi.

Heteroskedastisitas merupakan salah satu faktor yang menyebabkan model regresi linear tidak efisen dan
akurat

Model regresi ditandai dengan tidak terjadi gejala heterokedastisitas

Langkah2 uji Heteroskedastisitas

- Input data
- Analysis – regression – linier - dependent Y- independen X1, X2, X3
- Save
- Residual-Unstandarized
- Continue
- Ok
- Output

Tranform Res-1 ke abosolute residual

- Transform
- Compute variabel
- Target value – Abs_Res
 - Numeric expansion- all-abs- klik tombel panah atas
- Lalu klik unstandarized residual, pindah ke numerik expansion
- OK
- Data View, ada nilai Abs_Res

Pengaruh X1, X2, thd Abs_Res

- Analysis – regression – linier – variabel Abs_Res

- Save
- Hilangkan centang unstandardized
- Continue
- Oke

Output yang kedua digunakan untuk Uji Heteroskedastisitas

Syarat: nilai sig > var. independen dengan absolut residual > 0,05.

Analisis Regresi Linier Berganda

Uji t (parsial/Individu)

Syarat:

- Minimal 2 variabel
- Data/ nilai residual harus berdistribusi normal
- Tidak terjadi gejala heterokedastisitas dan multikolinearitas
- Tidak terjadi autokorelasi

Langkah:

- Input data
- Analysis-regression-linier
- Variabel X1, X2, X3, dipindahkan ke Independen
- Variabel Y dipindahkan ke Dependen
- OK
- Output
- Fokus di tabel coefficients yaitu t

Nilai signifikansi

- Sig > 0,05 tidak terdapat pengaruh var. x thdp variabel Y secara parsial
- Sig < 0,05 terdapat pengaruh var. x thdp variabel Y secara parsial

T hitung

- Jika nilai T hitung < T tabel tidak terdapat pengaruh var. x thdp variabel Y secara parsial
- Jika nilai T hitung > T tabel terdapat pengaruh var. x thdp variabel Y secara parsial
-