Tujuan Analisis Regresi

• Membuat estimasi rata-rata dari nilai variabel tergantung

dengan didasarkan nilai variabel bebas.

• Menguji hipotesis karakteristik dependensi.

• Meramalkan nilai rata-rata variabel bebas dengan

didasarkan variabel bebas diluar jangkauan sampel.
 SYARAT KELAYAKAN REGRESI LINIER SEDERHANA

 Model regresi layak bila nilai sig pada Anova (F-Test) < 0,05
 Prediktor yang digunakan sebagai variabel bebas layak bila Standar Error of
Estimate (SEE) < Standar Deviasi
 Koefisien regresi harus signifikan. Bila T hitung > T tabel
 Tidak
terjadi otokorelasi. Angka Durbin Watson harus >1 dan < 3 atau 1<
DW <3
 Keselarasanmodel dapat diterangkan dengan menggunakan nilai r 2
(semakin besar nilai tsb maka model semakin baik)
 Terdapat hubungan linier antara X dan Y
 Data harus berdistribusi normal
 Data berskala interval atau rasio
 Kedua variabel bersifat dependen
 PENGUJIAN HIPOTESIS

Pengujian hipotesis dalam regresi dapat dilakukan dengan:

1. Tingkat signifikansi biasanya 0,05 dengan kisaran 0,01 – 0,1
2. Tingkat kepercayaan, umumnya sebesar 95% yang berarti sebesar
95% nilai sampel akan mewakili nilai populasi dimana sampel
berasal
 PENGERTIAN REGRESI LINIER
 Regresi linier digunakan untuk mengukur besarnya pengaruh variabel
bebas terhadap variabel tergantung dan memprediksi variabel
tergantung dengan menggunakan variabel bebas.
 Analisis regresi merupakan kajian terhadap hubungan satu variabel yang
diterangkan (the explained variable) dengan satu atau dua variabel yang
menerangkan (the explanatory).
 CONTOH KASUS
Jumlah Kunjungan Puskesmas ketitik layanan telpon seluler terhadap tingkat kepuasan
konsumen:

Jumlah Kunjungan Kepuasan Konsumen

Puskesmas
47098 6754
56847 7925
36984 5687
87489 9483
23346 3514
38660 6642
41835 7411
60149 9935
25524 3543
55911 7634
47683 7603
 PROSES ANALYSIS
 Klik Analyse>Regression>Linier
Pindahkan var Kepuasan ke kolom Dependent
Pindahkan var Kunjungan Puskesmas ke kolom Independent
Isi kolom method dengan Enter
Klik option:
Pada pilihan stepping method Criteria masukkan angka
0,05
Pada kolom Entry > Cek Include constant in equation
Pada missing value: cek Exclude cases listwise > tekan
Continue
 Klik Statistics
 PROSES ANALYSIS
 Klik Plot untuk membuat Grafik
 Isi kolom Y dengan SDRESID dan kolom X dengan ZPRED > tekan Next
 Isi kolom Y dengan ZPRED dan kolom X dengan DEPENDENT
 Pada pilihan Standardized Residual Plot, cek Normal Probability Pot > Tekan
Continue

 Klik OK
HASIL ANALISIS
 TAHAPAN ANALISIS

• Analisis Deskriptif
• Analisis Korelasi
• Bagian variable yang dimasukkan
• Variabilitas: besarnya variable tergantung yang dapat
diterangkan oleh variable bebas
• Uji kelayakan model regresi dalam memprediksi variable
tergantung (Uji Anova)
• Bagian koefisien regresi
• Diagnosa perkasus
 Analisis Deskriptif
Descriptive Statistics

  Mean Std. Deviation N

Tingkat Kepuasan 6921,00 2061,957 11

Jumlah Kunjungan 47411,45 17901,178 11

Puskesmas

Descriptive Statistics
Besarnya rata-rata prediksi tingkat kepuasan 6921,00
Besarnya rata-rata prediksi Kunjungan Puskesmas 47411,45
 ANALISIS KORELASI
Correlations
  Tingkat Kepuasan Jumlah Kunjungan
Puskesmas
Tingkat Kepuasan 1,000 ,881
Pearson Correlation
Jumlah Kunjungan Puskesmas ,881 1,000
Tingkat Kepuasan . ,000
Sig. (1-tailed)
Jumlah Kunjungan Puskesmas ,000 .
Tingkat Kepuasan 11 11
N
Jumlah Kunjungan Puskesmas 11 11

Correlations
 Besar hubungan variabel tingkat kepuasan dan jumlah Kunjungan Puskesmas
0,881 (kedua hubungan sangat kuat)
 Korelasi positif: hubungan antara var tingkat kepuasan dan var Kunjungan
Puskesmas searah
 Hubungan var jumlah Kunjungan Puskesmas dan tingkat kepuasan 0,000 < 0,05
KEKUATAN HUBUNGAN
 MODEL PEMASUKAN VARIABEL

Variables Entered/Removeda

Model Variables Entered Variables Removed Method

1 Jumlah Kunjungan . Enter

Puskesmasb

a. Dependent Variable: Tingkat Kepuasan

b. All requested variables entered.

 RINGKASAN MODEL

Model Summaryb

Model R R Square Adjusted R Std. Error of the

Square Estimate Durbin-Watson

1 ,881a ,777 ,752 1026,623 1,602

a. Predictors: (Constant), Jumlah Kunjungan Puskesmas

b. Dependent Variable: Tingkat Kepuasan

Model Summary (Ringkasan Model)
 Menunjukkan besarnya koefisien determinasi yang berfungsi untuk
mengetahui besarnya variabilitas variabel tergantung yang dapat diterangkan
dengan menggunakan variabel bebas
 Angka R Square disebut sebagai angka koefisien determinasi
 Besarnya koefisien determinasi dihitung dengan mengalikan R square dengan
100% yaitu = 100 X 0,777 = 77,7%
 Artinya 77,7% tingkat kepuasan dapat dijelaskan dengan menggunakan
variabel Kunjungan Puskesmas
 Sisanya (100% - 77,7% = 22,3%) harus dijelaskan oleh faktor penyebab lain,
disebut sebagai error (e)
 Jadi e = 1 - R2
 Nilai Std Error of Estimate (SEE) pada tabel sebesar 1026,623 digunakan
untuk menilai kelayakan prediktor (var bebas) dalam kaitannya dengan var
tergantung
 Ketentuan nilai SEE < nilai Standar Deviasi (SEE 1026,623) < (Std Deviasi
Var Tergantung 2061,957) (lihat nilai Sd pada tabel Descriptive
Statistics)
 Maka prediktor yang digunakan memprediksi var tergantung sudah
layak.
 Nilai Durbin-Watson untuk melihat ada tidaknya otokorelasi dalam model
regresi
 Standarnya adalah: 1 < DW < 3
 Nilai DW pada tabel di atas sebesar 1,602 dimana 1< 1,602 <3) dengan
demikian tidak terjadi otokorelasi
 UJI ANOVA

ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 33031076,184 1 33031076,184 31,340 ,000b

   
1 Residual 9485591,816 9 1053954,646

     
Total 42516668,000 10

a. Dependent Variable: Tingkat Kepuasan

b. Predictors: (Constant), Jumlah Kunjungan Puskesmas
Anova untuk menguji kelayakan model regresi
 Ketentuan angka probabilitas < 0,05

 Uji Anova Fhitung 31,340 dengan angka p sig 0,000 < 0,05 (significant) maka
model sudah layak digunakan untuk memprediksi variabel tergantung)
 Kelayakan dapat juga dilihat dari nilai F dengan dengan df: Vektor1:
(jumlah var-1), Vektor 2: (jumlah kasus – jumlah var) atau (2-1), (11-2) =
(1),(9)
 F hit (31,34) > F tabel (5,12) maka jumlah Kunjungan Puskesmas
berpengaruh (significant) terhadap kepuasan.
 Koefisien Regresi

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients
Model t Sig.

B Std. Error Beta

(Constant) 2107,477 913,850   2,306 ,047

1
Jumlah
Kunjungan ,102 ,018 ,881 5,598 ,000
Puskesmas
a. Dependent Variable: Tingkat Kepuasan
Coefficient
 Untuk menggambarkan persamaan regresi, angka konstan dan uji
hipotesis signifikansi koef regresi
 Persamaan regresinya adalah Y = a + bX
 Y = tingkat kepuasan
 X = data Kunjungan Puskesmas hasil observasi
 A = angka konstanta dari unstandardized
 Y = 2107,477 + 0,102 X
a = 2107,477 adalah besarnya tingkat kepuasan saat jumlah Kunjungan
Puskesmas (X) samadengan 0
b = angka koefisien regresi yang berarti setiap penambahan 1
Kunjungan Puskesmas maka tingkat kepuasan meningkat 0,102
Coefficient
 Untuk mengetahui apakah koefisien regressi signifikan atau tidak
dapat dilihat dari angka uji t pada jumlah Kunjungan Puskesmas
dengan ketentuan
 Nilai t tabel dengan α/2 = 0,05/2 =0,025
 df = (jumlah data – 2) = 9
 dengan ketentuan df di atas tersebut diperoleh t tabel = 2,262
 t hit (5,598) > t tabel (2,262) maka Ho ditolak (maka koefisien
regresi significant)
 Diagnosis per Kasus
Casewise Diagnosticsa
Case Std. Residual Tingkat Kepuasan Predicted Value Residual
Number
1 -,132 6754 6889,18 -135,176
2 ,045 7925 7878,96 46,041
3 -,171 5687 5862,34 -175,336
4 -1,468 9483 10989,94 -1506,936
5 -,939 3514 4477,72 -963,717
6 ,594 6642 6032,49 609,505
7 1,029 7411 6354,84 1056,158
8 1,676 9935 8214,20 1720,801
9 -1,126 3543 4698,84 -1155,842
10 -,146 7634 7783,93 -149,930
11 ,637 7603 6948,57 654,431
a. Dependent Variable: Tingkat Kepuasan
 Residuals Statisticsa

  Minimum Maximum Mean Std. Deviation N

Predicted Value 4477,72 10989,94 6921,00 1817,445 11

Std. Predicted Value -1,344 2,239 ,000 1,000 11

Standard Error of Predicted Value 309,578 789,994 415,412 144,799 11

Adjusted Predicted Value 4837,13 13177,75 7140,83 2271,157 11

Residual -1506,936 1720,801 ,000 973,940 11

Std. Residual -1,468 1,676 ,000 ,949 11
Stud. Residual -2,298 1,809 -,084 1,160 11
Deleted Residual -3694,750 2004,518 -219,834 1538,464 11
Stud. Deleted Residual -3,372 2,138 -,159 1,442 11
Mahal. Distance ,000 5,012 ,909 1,487 11
Cook's Distance ,000 3,835 ,428 1,135 11

Centered Leverage Value ,000 ,501 ,091 ,149 11

a. Dependent Variable: Tingkat Kepuasan

 STATISTIK RESIDUAL

• Dari table dapat dilihat bahwa nilai minimum tingkat

kepuasan yang diprediksi sebesar 4477,22; nilai maksimum
tingkat kepuasan yang diprediksi 10989,94; dan nilai rata-
rata tingkat kepuasan yang diprediksi sebesar 6921,00.

• Angka ini berlaku untuk semua kasus yang diteliti

Distribusi data
 Distribusi data

• Dari gambar histogram dapat dilihat bahwa data

berdistribusi normal