REGRESI LINEAR, PENGOLAHAN SPSS DAN INTERPRETASINYA
REGRESI LINEAR
DAN PENGOLAHAN SPSS
1.
Regresi Linear Sederhana
Regresi linear sederhana dipergunakan untuk melihat perubahan respon pada
variabel terikat terhadap variabel bebas (Henri, 2011). Regresi linear sederhana
dipergunakan jika hanya terdapat satu variabel X saja. Rumus yang dipergunakan
(Henri, 2011). adalah :
Y=b0+bX
dimana :
b0 = intercept
b = koefisien regresi
X = Variabel Independen
Y = Variabel Dependen
e = Error/Residu
Asumsi dasar dalam analisis regresi adalah :
·
Residu mengikuti distribusi
normal (jika tidak normal maka lakukan transformasi data)
Rumus SPSSnya adalah :
·
Open data dari data mentah
(sebaiknya menggunakan microsoft exel)
Perlu diperhatikan untuk data yang menggunakan exel, pastikan seluruh data
dalam format general, bukan number atau yang lainnya, karena akan mengganggu
saat memasukkan data.
·
Klik Analize/Regression/Linear
·
Masukkan variabel Y ke kolom
Dependent
·
Masukkan variabel X ke kolom
Independent
·
Klik tombol save pilih
residual/standardized
·
Klik ok
Contoh hasilnya adalah :
Model Summaryb
|
|||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
|
1
|
.910a
|
.829
|
.816
|
2.73300
|
|
a. Predictors: (Constant), penjualan
|
|||||
b. Dependent Variable: pendapatan
|
|||||
Tabel ini
menjelaskan untuk nilai R square dipergunakan untuk menguji analisis koefisien
determinan dimana nilai R Square sebesar 0,829. Artinya variabel X mempengaruhi
variabel Y sebesar 82,9% sedangkan sisanya sebesar 17,1% dipengaruhi oleh
variabel yang tidak ada dalam penelitan.
Coefficientsa
|
|||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
|||
B
|
Std. Error
|
Beta
|
|||||
1
|
(Constant)
|
8.813
|
2.438
|
3.614
|
.003
|
||
penjualan
|
.603
|
.076
|
.910
|
7.934
|
.000
|
||
a. Dependent Variable: pendapatan
|
|||||||
Tabel ini menjelaskan uji t statistik dimana nilai signifikansi uji t
sebesar 0,000 < 0,05 sehingga dapat disimpulkan bahwa Ha
diterima, artinya penjualan mempengaruhi pendapatan secara signifikan.
Tabel B menjelaskan uji regresi linear sederhana dengan rumus :
Y=8,813+0,603X+e
Artinya :
·
Nilai konstanta (intercept)
adalah sebesar 8,813 artinya jika tidak memperhatikan variabel x maka variabel
y meningkat sebesar 8,813 (perhatikan tanda plus dan minus, jika tanda minus
mengindikasikan terjadinya penurunan).
·
koefisien regresi adalah 0,603
artinya variabel x berbanding lurus dengan variabel y dimana setiap peningkatan
satu satuan variabel x maka variabel y meningkat sebesar 0,603 (perhatikan
tanda plus dan minus, jika minus maka berbanding terbalik dan terjadi
penurunan).
2. Regresi linear Berganda
Regresi linear berganda dipergunakan untuk melihat perubahan respon pada
variabel terikat terhadap variabel bebas (Henri, 2011). Regresi linear berganda
dipergunakan jika terdapat lebih dari satu variabel X. Rumus yang dipergunakan
(Henri, 2011). adalah :
Y=b0+b1X1+ b2X2+ b3X3+
b4X4+.....e
dimana :
b0 = intercept
b1, b2, b3, b4 = koefisien regresi
X = Variabel Independen
Y = Variabel Dependen
X1 =
Variabel X1
X2 =
Variabel X2
X3 =
Variabel X3
X4 =
Variabel X4
e = Error/Residu
Asumsi dasar dalam analisis regresi adalah :
·
Residu mengikuti distribusi
normal (jika tidak normal maka lakukan transformasi data)
·
Varian residu konstan untuk
setiap data pengamatan (homoskedastisitas)
·
Tidak terdapat autokorelasi
antara residu untuk setiap data pengamatan
·
Tidak terdapat problem
multikolinearitas antara variabel independen
Jika hanya salah satu saja tidak terpenuhi maka tidak akan menjadi masalah
asalkan data harus terdistribusi normal. Dibeberapa buku tidak mengharuskan
persyaratan dasar diatas.
Rumus SPSSnya adalah :
·
Open data dari data mentah
(sebaiknya menggunakan microsoft exel)
Perlu diperhatikan untuk data yang menggunakan exel, pastikan seluruh data
dalam format general, bukan number atau yang lainnya, karena akan mengganggu
saat memasukkan data.
·
Klik Analize/Regression/Linear
·
Masukkan variabel Y ke kolom
Dependent
·
Masukkan variabel X ke kolom
Independent
·
Klik tombol statistik pilih opsi
Durbin-Watson dan deskriptive
·
Klik Tombol Plot/histogram dan
Normal Probabiliti Plot
·
Masukkan variabel Sdresid ke
kolom Y dan Zpred ke kolom X
·
Klik tombol save pilih
residual/standardized
·
Klik ok
Contoh hasilnya adalah :
Model Summaryb
|
|||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
Durbin-Watson
|
1
|
.970a
|
.941
|
.917
|
1.83233
|
2.505
|
a. Predictors: (Constant), x4, x3, x1, x2
|
|||||
b. Dependent Variable: y
|
|||||
Tabel ini
menjelaskan untuk nilai R square dipergunakan untuk menguji analisis koefisien
determinan dimana nilai R Square sebesar 0,829. Artinya variabel X mempengaruhi
variabel Y sebesar 82,9% sedangkan sisanya sebesar 17,1% dipengaruhi oleh
variabel yang tidak ada dalam penelitan.
Tabel ini juga menjelaskan uji autokorelasi dimana nilai DW (Durbin-Watson)
sebesar 2,505 tidak berada diantara -2 dan +2 sehingga terjadi gejala
autokorelasi positif.
ANOVAb
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
533.759
|
4
|
133.440
|
39.745
|
.000a
|
Residual
|
33.574
|
10
|
3.357
|
|||
Total
|
567.333
|
14
|
||||
a. Predictors: (Constant), x4, x3, x1, x2
|
||||||
b. Dependent Variable: y
|
||||||
Tabel ini menjelaskan uji F statistik dimana nilai signifikansi uji f
statistik sebesar 0,000 < 0,05 artinya variabel x secara bersama-sama
mempengaruhi variabel y
Coefficientsa
|
||||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
Collinearity Statistics
|
|||
B
|
Std. Error
|
Beta
|
Tolerance
|
VIF
|
||||
1
|
(Constant)
|
1.767
|
2.525
|
.700
|
.500
|
|||
x1
|
.504
|
.064
|
.762
|
7.886
|
.000
|
.634
|
1.577
|
|
x2
|
-.395
|
.255
|
-.260
|
-1.549
|
.152
|
.210
|
4.760
|
|
x3
|
1.004
|
.317
|
.501
|
3.171
|
.010
|
.238
|
4.209
|
|
x4
|
.238
|
.110
|
.175
|
2.171
|
.055
|
.907
|
1.102
|
|
a. Dependent Variable: y
|
||||||||
Tabel ini menjelaskan uji regresi linear berganda (lihat tabel B);
·
Nilai konstanta sebesar 1,767
artinya jika tidak memperhatikan vareabel x maka variabel y sudah mengalami
peningkatan sebesar 1,767. (perhatikan
tanda plus dan minus, jika minus maka terjadi
penurunan)
·
Koefisien regresi x1 sebesar
0,504 artinya dimana setiap peningkatan satu satuan variabel x maka variabel y
meningkat sebesar 0,504 (perhatikan
tanda plus dan minus, jika minus maka berbanding terbalik dan terjadi
penurunan)
·
Begitu juga x2 dan yang lainnya
Tabel ini juga menjelaskan uji autokorelasi dimana nilai tolerance lebih
besar dari 0,1 dan nilai VIF lebih kecil dari 10 sehingga tidak terjadi
autokorelasi
Tabel ini juga menjelaskan uji t statistik yaitu :
·
Nilai signifikansi uji t
statistik untuk variabel x1 adalah 0,000 < 0,05 artinya variabel x
berpengaruh terhadap variabel y. Begitu juga dengan x3 dengan nilai
signifikansi sebesar 0,010 < 0,05.
·
Sedangkan untuk nilai x2 sebesar
0,152 > 0,05 artinya variabel x2 tidak berpengaruh terhadap variabel y. Begitu
juga dengan x4.
teori uji statistiknya dapat dilihat disini
teori uji statistiknya dapat dilihat disini
beginilah interpretasi skripsi, bagi yang kesulitan dalam membuat skripsi atau pengolahan data silahkan masuk ke link berikut
Comments
Post a Comment