REGRESI
Oleh Jonathan Sarwono
Regresi Linier Sederhana dan Berganda
Klik Option: Pada pilihan Stepping Method Criteria masukkan angka 0,05
pada kolom Entry > Cek Include constant in equation>Pada pilihan
Missing Values cek Exclude cases listwise>Tekan Continue
Pilih Statistics: Pada pilihan Regression Coefficient pilih Estimate, Model
Fit, Descriptive dan Durbin and Watson. Pada pilihan Residual, pilih
Case wise Diagnostics dan cek All Cases (untuk semua kasus)>Tekan
Continue
Klik Plots untuk membuat Grafik
1) 3)
2)
7)
8)
9) 10)
11) 12)
Kelima: melakukan interpertasi Hasil
Y=a+bx
Cont…
Dimana:
• Y = tingkat kepuasan
• X = data jumlah kunjungan hasil observasi
• a = angka konstan dari Unstandardized Coefficient yang dalam
penelitian ini ialah sebesar 2107,477. Angka ini berupa angka
konstan yang mempunyai arti: besarnya tingkat kepuasan saat nilai
X (jumlah kunjungan) sama dengan 0
• b = angka koefisien regresi sebesar 0,102. Angka tersebut
mempunyai arti bahwa setiap penambahan 1 kunjungan, maka
tingkat kepuasan akan meningkat sebesar 0,102. Sebaliknya jika
angka ini negatif ( - ) maka berlaku penurunan pada tingkat
kepuasan.
Grafik di samping
memberikan penjelasan
adanya hubungan
antara nilai yang
diprediksi (tingkat
kepuasan) dengan
Studentised Delete
Residual masing-masing.
Keterangannya adalah
sebagai berikut: Model
regresi layak digunakan
untuk memprediksi jika data yang tersebar berpencar disekitar angka 0 (nol)
pada sumbu Y serta tidak membentuk pola atau kecenderungan tertentu. Jika
kita lihat sebaran data di atas berada di area titik nol sumbu Y, maka model
regresi ini layak digunakan untuk memprediksi variabel tergantung tingkat
kepuasan. Hanya 1 data yang jauh berada diluar nilai 0.
Bagian Grafik 3: Persyaratan Model Fit Tiap Data
Grafik di samping
menunjukkan adanya
hubungan antara
variabel tergantung
tingkat kepuasan dengan
nilai prediksinya. Model
yang memenuhi
persyaratan ialah
sebaran dimulai dari
sebelah kiri bawah
kemudian lurus kearah
kanan dan keatas.
Jika dilihat sebaran data di atas, maka dapat disimpulkan bahwa sebaran
data sudah mengikuti persyaratan model keselarasan tiap data.
Kesimpulannya model regresi ini layak untuk digunakan dalam memprediksi
variabel tingkat kepuasan.
Validitas Model Regresi
Validitas model regresi yang sudah dibuat dapat dilakukan dengan
melihat hal-hal, antara lain: tidak terjadi otokorelasi, linieritas, dan
normalitas data.
1) 3)
2)
4)
5)
6)
7)
8)
Kelima: melakukan interpertasi Hasil
Karena to sebesar -
2,359 jatuh di
daerah penolakan,
maka H0 ditolak dan
H1 diterima. Artinya
koefesien regresi
pertama signifikan.
Pengujian koefesien regresi kedua dapat dilakukan dengan cara
menggunakan ketentuan pertama karena nilai t hitung diketemukan positif,
yaitu 41,179. Nilai to 41,179 > nilai t tabel 2,262. Dengan demikian H0
ditolak dan H1 diterima. Artinya kofesien regresi kedua signifikan.
Bagian Diagnosa per Kasus