16 –seti
Regresi
A. Regresi Sederhana
Dalam analisis Regresi sederhana akan dikembangkan sebuah estimating equation (persamaan
regresi),yaitu suatu formula yang mencari nilai variabel dependen dari nilai variable independent
yang diketahui, dimana kedua variable tersebut masing masing hanya satu. Analisis Regresi
digunakan terutama untuk tujuan peramalan.
Contoh soal:
Sebuah penelitian dilakukan pada sebuah toko komputer untuk mencari pengaruh besarnya biaya
promosi dengan nilai penjualan barang dalam satu bulan. Data yang digunakan adalah sebagai
berikut:
Langkah-langkah penyelesaian:
1. Input Bulan, Biaya Promosi, dan Hasil Jual pada Variable view. Kemudian input
Bulan, Biaya Promosi, dan Hasil Jual pada data view.
2. Pilih menu Analyze, pilih submenu: Regression, pilih Linear.
3. Pada kotak dialog Linear Regression, pindahkan variabel Hasil Jual ke kolom
Dependent, variabel Biaya Promosi ke kolom Independent, kemudian pindahkan variabel
bulan ke kolom Case labels. Pada Method, pilih default yang sudah ada, yaitu Enter
(prosedur pemilihan variabel dimana semua variabel dalam blok dimasukkan dalam
perhitungan ‘single step’).
1
Tutorial SPSS V.16 –seti
4. Klik tombol Statistics dan pilih Estimates, Model Fit, dan Descriptive.
5. Klik Continue dan selanjutnya pilih Plots. Atur seperti gambar dibawah ini.
2
Tutorial SPSS V.16 –seti
7. Klik Option, pada Stepping Method Criteria, pilih : Entry .05(uji F yang mengambil
standar angka probabilitas sebesar 5%).Beri tanda pada Include constant in
equation(menyertakan konstanta tetap dipilih).Pada Missing Value, pilih: Exclude cases
listwise (data kasus tidak ada yang hilang). Kemudian Continue.
3
Tutorial SPSS V.16 –seti
4
Tutorial SPSS V.16 –seti
5
Tutorial SPSS V.16 –seti
6
Tutorial SPSS V.16 –seti
B. Regresi Berganda
Seperti yang diuraikan diatas, jika pada Regresi sederhana hanya ada satu variable dependen (Y)
dan satu variable independent (X), maka pada kasus Regresi berganda, terdapat satu variable
dependen dan lebih dari satu variable independent. Dalam praktek bisnis, regresi berganda justru
lebih banyak digunakan, selain karena banyaknya variable dalam bisnis yang perlu dianalisis
bersama, juga pada banyak kasus regresi berganda lebih relevan digunakan.
Contoh:
Tabel berikut ini menampilkan data berat badan (pon), tinggi badan (inchi) dan Usia (tahun) dari
12 orang anak. Tentukan pengaruh dari usia dan tinggi badan terhadap usia anak.
Berat (X1)
64 71 53 67 55 58 77 57 56 51 76 68
pon
Tinggi (X2 )
57 59 49 62 51 50 55 48 52 42 61 57
Inchi
Usia (X3)
8 10 6 11 8 7 10 9 10 6 12 9
Tahun
Langkah-langkah penyelesaian:
1. Input X1, X2, dan X3 variable view. Kemudian input data X1, X2, dan X3 pada data
view.
2. Pilih menu Analyze, pilih submenu: Regression, pilih Linear.
3. Pada kotak dialog Linear Regression, pindahkan variabel X1 ke kolom Dependent,
variabel X2 dan X3 ke kolom Independent. Pada Method, pilih default yang sudah ada,
yaitu Enter (prosedur pemilihan variabel dimana semua variable dalam blok dimasukkan
dalam perhitungan ‘single step’).
7
Tutorial SPSS V.16 –seti
4. Klik tombol Statistics dan pilih Estimates, Model Fit, dan Descriptive.
5. Klik Continue dan selanjutnya pilih Plots. Atur seperti gambar dibawah ini
8
Tutorial SPSS V.16 –seti
7. Klik Option, pada Stepping Method Criteria, pilih : Entry .05 (uji F yang mengambil
standar angka probabilitas sebesar 5%). Beri tanda pada Include constant in
equation(menyertakan konstanta tetap dipilih).Pada Missing Value, pilih: Exclude cases
listwise (data kasus tidak ada yang hilang). Kemudian Continue.
9
Tutorial SPSS V.16 –seti
Descriptive Statistics
x1 62.7500 8.98610 12
x2 53.5833 5.94610 12
x3 8.8333 1.89896 12
Correlations
x1 x2 x3
x2 .001 . .001
x3 .002 .001 .
N x1 12 12 12
x2 12 12 12
x3 12 12 12
Variables Entered/Removedb
Variables Variables
Model Entered Removed Method
b. Dependent Variable: x1
10
Tutorial SPSS V.16 –seti
Model Summaryb
b. Dependent Variable: x1
ANOVAb
Total 888.250 11
b. Dependent Variable: x1
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
a. Dependent Variable: x1
11
Tutorial SPSS V.16 –seti
Residuals Statisticsa
a. Dependent Variable: x1
12