ANALISIS REGRESI
• Melihat ‘pengaruh’ variable bebas/independet variabel/ thd variable
terikat/dependent variabel.
• Berdasarkan jumlah variabel bebas :
Ada 1 vaiabel bebas - regresi sederhana
Ada > 1 variabel bebas - regresi berganda
• Berdasar sifat hubungan kedua variabel :
Bersifat linier - regresi linier
Bersifat non-linier - regresi non linier
• Berdasar skala pengukuran variabel bebas dan terikat :
Var. terikat senmua var. bebas interval/rasio - regresi standar
Var. terikat dan sebagian var. bebas interval tapi ada sebagian
var. bebas nomilal/ordinal - regresi dummy
Var. terikat berskala nominal/ordinal - regresi logistik/ordinal
Persamaan Garis Regresi:
Yi 0 1 X 1i i dalam populasi.
yi yˆ i ei b0 b1 X 1i ei dalam sample.
(Y Yˆ ) 2
Yi 0 1 X 1i 2 X 2i i
diminimalkan.
Regresi Berganda (Multiple Regression)
• Independent variable yang dianalisis lebih dari dua.
• Kegunaan:
Untuk melihat ‘pengaruh’ lebih dari satu variabel bebas thd
variable terikat sekaligus dlm satu metode analisis.
Untuk melihat variabel bebas yang lebih berpengaruh thd
variabel terikat .
Memprediksi nilai ‘variabel terikat’ bila diketahui nilai-nilai
‘variabel bebas’.
• Asumsi antara lain:
Y (variabel terikat) atau e (residuals) mengikuti sebaran normal.
normal
Nilai antar variabel terikat saling tidak berkorelasi (tidak terjadi
‘auto correlation’).
correlation
Keragaman (variation) nilai residual haruslah sama untuk semua
nilai Y (homoscedasticity variance).
variance)
antar variabel bebas tidak berkorelasi (tidak terjadi multi-
collinearity).
collinearity
Regression Modeling Steps
• Hypothesize deterministic component
• Estimate unknown model parameters
• Hitung koefisien keterandalan
• Evaluate model and Use model for
prediction and estimation
Langkah 1 Uji Regresi
• Terdiri dari 2 macam hipotesis
Uji model keseluruhan (uji F)
• Menguji apakah model sudah baik
Model Baik
Model Baik
b1
X Y
n X iY i i i
n X X
2 2
i i
b0 Y b1 X
Langkah 3, Hitung koefisien determinasi
• Koefisien determinasi merupakan ukuran berapa besar variasi
variabel terikat dipengaruhi variabel bebas
• Dihitung dari nilai korelasi yang dikuadratkan
Kasus: Income Sales Person
• Y adalah income sales person (dalam dolar).
• X1 adalah usia.
• X2 adalah pengalaman kerja.
• X3 adalah jenis kelamin
• Ingin diketahui:
‘Pengaruh’ X1, X2 dan X3 thd Y.
Ingin diketahui antara X1, X2 dg X2 mana yang lebih
dominan ‘berpengaruh’ thd Y.
Ingin diduga income sales person (Y) jika diketahui usia
(X1), pengalaman kerja (X2) dan jenis kelamin (X3).
Multiple Regression
Perintah dalam SPSS
• Buka file multiple_reg
• Pada kotak Dependent isikan variabel Income
• Pada kotak Independent isikan variabel Usia, Pengalaman Kerja
dan Jenis Kelamin
• Pada kotak Method, pilih Enter
• Abaikan yang lain dan tekan OK
Kasus: Multiple Regression, Metode Enter
Konteks penelitian: 11 sales person dipilih secara acak (random), n = 11.
Karena Sig < taraf nyata maka terima H1. Minimal satu variabel
bebas ‘berpengaruh’ thd variabel terikat. YANG MANA?
Lanjutan Kasus: Multiple Regression, Metode Enter
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 1.242E9 3 4.139E8 54.402 .000a
Residual 5.326E7 7 7608262.177
Total 1.295E9 10
a. Predictors: (Constant), Jenis Kelamin, Pengalaman Kerja, Usia
b. Dependent Variable: Income
Karena Sig < taraf nyata maka terima H1. Minimal satu independent
variable ‘berpengaruh’ thd dependent variable. YANG MANA?
Lanjutan Kasus: Multiple Regression, Metode Enter
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -9071.764 5331.943 -1.701 .133
Usia 1148.913 204.717 .620 5.612 .001
Pengalaman Kerja 1513.691 650.596 .246 2.327 .053
Jenis Kelamin 5239.227 2826.196 .240 1.854 .106
a. Dependent Variable: Income
Dugaan Persamaan Regresi:
Bandingkan thitung
yˆ i -9071.764 1148.913X 1i 1513.691X 2i 5239.227 X 3i
dg ttabel, v = n-2-1.
Kalau thitung > ttabel
“Usia” lebih terima H1. Dalam
Jadi dalam populasi: populasi ada
dominan
ada ‘pengaruh’ Usia ‘pengaruh’ X thd Y
dibanding
dan Jenis Kelamin thd
“Pengalaman
income.
Kerja” dan
Tidak ada ‘pengaruh’ “Jenis Jika Sig < taraf nyata
Pengalaman Kerja thd Kelamin” thd maka terima H1.
income. income Dalam populasi ada
‘pengaruh’ X thd Y