1 aplikasi regresi ganda dengan spss · pdf filedata : data yang digunakan untuk analisis...
TRANSCRIPT
http://teorionline.net/ Aplikasi Regresi Ganda dengan SPSS
1
APLIKASI REGRESI GANDA DENGAN SPSS
HENDRY admin teorionline.net
Phone : 021-834 14694 / email : [email protected]
Tentang Regresi Ganda Analisis regresi merupakan salah satu teknik analisis yang paling popular di bidang penelitian sekarang ini. Analisis regresi digunakan untuk menjelaskan suatu variabel respon (variabel terikat / dependent / output) menggunakan satu atau lebih variabel input (variabel bebas, independent variable / eksogen). Jika variabel bebas terdiri dari 1 maka regresi sederhana yang digunakan, dan jika variabel input lebih dari 1, maka regresi ganda yang digunakan. Persamaan regresi ganda dinotasikan sebagai berikut : Y = a + b1X1 + b2X2 + b3X3 …. BkXi + e ( Y adalah variabel respon, a = konstanta, b = parameter regresi) Data : data yang digunakan untuk analisis regresi linier sederhana adalah minimal interval Asumsi : asumsi yang harus dipenuhi dalam regresi ganda adalah asumsi klasik Contoh Kasus Seorang manajer penjualan salah satu agen sepeda motor ingin mengetahui pengaruh biaya promosi meliputi iklan tv dan iklan radio dengan jumlah unit motor yang terjual dalam beberapa tahun terakhir. Ia menggunakan data penjualan dan biaya promosi 3 tahun terakhir untuk meramalkan penjualan berdasarkan biaya promosi yang dikeluarkan setiap bulannya. Data :
No IklanTV Iklanradio Unit
Terjual 1 100 30 8000 2 100 25 7800 3 112 35 9800 4 113 21 7800 5 96 22 7900 6 104 30 8100 7 98 32 7800 8 99 34 8000 9 98 27 7800
10 95 25 7600 11 100 30 8600 12 105 32 8100 13 96 25 7600 14 99 22 7500 15 105 32 8700 16 110 35 8300
http://teorionline.net/ Aplikasi Regresi Ganda dengan SPSS
2
17 96 22 7400 18 96 30 8000 19 96 20 7200 20 96 25 7800 21 97 25 7900 22 89 25 7400 23 92 20 7700 24 109 35 9000 25 96 25 7600 26 96 18 7800 27 96 18 7700 28 96 25 7800 29 96 15 7500 30 98 18 5300 31 105 22 7900 32 107 22 7000 33 64 20 4400 34 111 28 8000 35 110 24 7400 36 96 25 7300
Data Penjualan dalam Satuan Juta Data Unit Terjual (satuan)
http://teorionline.net/ Aplikasi Regresi Ganda dengan SPSS
3
Penyelesaian Buka SPSS Copy Seluruh data ke lembar kerja SPSS Beri nama pada tab “variable views” dengan TV, Radio, dan Jual Berikut tampilan data di SPSS
http://teorionline.net/ Aplikasi Regresi Ganda dengan SPSS
4
Klik Analyze – Regression - Linier – lalu setting data seperti tampilan di bawah ini Masukkan variabel TV dan Radio ke box independent, dan Jual (unit terjual) ke box “dependent”
Klik Plots, lalu Tick pada pilihan “Histogram” dan “Normal Probability Plot” Masukkan pilihan “Sresid” ke Sumbu Y, dan “Zpred” ke sumbu X
Klik Continue
http://teorionline.net/ Aplikasi Regresi Ganda dengan SPSS
5
Klik Statistics, lalu Tick pada pilihan “Colinearity diagnosics” dan “Durbin-Watson”
Klik Continue, lalu Klik OK Hasil Regression
Variables Entered/Removedb
Radio, TVa . EnterModel1
VariablesEntered
VariablesRemoved Method
All requested variables entered.a.
Dependent Variable: Jualb.
Model Summaryb
.774a .599 .575 573.39994 1.762Model1
R R SquareAdjustedR Square
Std. Error ofthe Estimate
Durbin-Watson
Predictors: (Constant), Radio, TVa.
Dependent Variable: Jualb.
ANOVAb
16217513 2 8108756.475 24.663 .000a
10849987 33 328787.48627067500 35
RegressionResidualTotal
Model1
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), Radio, TVa.
Dependent Variable: Jualb.
http://teorionline.net/ Aplikasi Regresi Ganda dengan SPSS
6
Coefficientsa
815.840 1129.922 .722 .47552.370 12.516 .509 4.184 .000 .822 1.21766.447 19.855 .407 3.347 .002 .822 1.217
(Constant)TVRadio
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig. Tolerance VIFCollinearity Statistics
Dependent Variable: Juala.
Collinearity Diagnosticsa
2.972 1.000 .00 .00 .00.024 11.027 .07 .03 .92.003 29.759 .93 .97 .07
Dimension123
Model1
EigenvalueCondition
Index (Constant) TV RadioVariance Proportions
Dependent Variable: Juala.
Residuals Statisticsa
5496.4478 9006.9033 7708.3333 680.70369 36-3.249 1.908 .000 1.000 36
97.076 417.922 154.740 59.609 36
6729.0620 8988.6152 7744.2206 603.56379 36-1844.13 793.09631 .00000 556.77610 36
-3.216 1.383 .000 .971 36-3.372 1.488 -.026 1.070 36
-2338.95 917.82739 -35.88723 699.22284 36-4.102 1.517 -.056 1.170 36
.031 17.621 1.944 2.994 36
.000 2.946 .112 .490 36
.001 .503 .056 .086 36
Predicted ValueStd. Predicted ValueStandard Error ofPredicted ValueAdjusted Predicted ValueResidualStd. ResidualStud. ResidualDeleted ResidualStud. Deleted ResidualMahal. DistanceCook's DistanceCentered Leverage Value
Minimum Maximum Mean Std. Deviation N
Dependent Variable: Juala.
http://teorionline.net/ Aplikasi Regresi Ganda dengan SPSS
7
Charts
Regression Standardized Residual210-1-2-3-4
Freq
uenc
y
12.5
10.0
7.5
5.0
2.5
0.0
Histogram
Dependent Variable: Jual
Mean =1.03E-15 Std. Dev. =0.971
N =36
Observed Cum Prob1.00.80.60.40.20.0
Expe
cted
Cum
Pro
b
1.0
0.8
0.6
0.4
0.2
0.0
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Jual
http://teorionline.net/ Aplikasi Regresi Ganda dengan SPSS
8
PEMBAHASAN
Sebelum memberikan interpretasi pada hasil regresi, dilakukan pengujian asumsi normalitas sebagai syarat regresi. Apabila berdistribusi normal maka analisis parametrik seperti analisis regresi dapat dilanjutkan, sebaliknya apabila tidak tidak berdistribusi normal maka digunakan statistik non parametrik untuk menguji hipotesis. Pengujian normalitas ini menggunakan diagram histogram dan grafik p p-plot untuk memprediksi apakah residual berdistribusi normal atau tidak.
Berdasarkan hasil uji di atas terlihat bahwa menyebar agak ke kanan bagian kurva normal, dan sehingga belum dapat disimpulkan apakah residual memenuhi asumsi normalitas.
Regression Standardized Predicted Value210-1-2-3-4
Reg
ress
ion
Stud
entiz
ed R
esid
ual
2
1
0
-1
-2
-3
-4
Scatterplot
Dependent Variable: Jual
Regression Standardized Residual210-1-2-3-4
Freq
uenc
y
12.5
10.0
7.5
5.0
2.5
0.0
Histogram
Dependent Variable: Jual
Mean =1.03E-15 Std. Dev. =0.971
N =36
http://teorionline.net/ Aplikasi Regresi Ganda dengan SPSS
9
Hasil pengujian dengan memperhatikan grafik p p-plot juga menunjukkan kesimpulan serupa dengan histogram. Dari tampilan di atas terlihat bahwa ada data menyebar keluar dari garis diagonal, sehingga belum dapat dinyatakan normal. Memperhatikan temuan ini, maka pengujian normalitas residual dilakukan dengan teknik statistik Kolmogorov-Smirnov Test. Membuat Residual Klik Analyze – Regression – Liniear. Masukkan variabel seperti langkah awal. Klik Save, tick pada pilihan ”unstandard” seperti terlihat pada gambar di bawah ini
Observed Cum Prob1.00.80.60.40.20.0
Expe
cted
Cum
Pro
b1.0
0.8
0.6
0.4
0.2
0.0
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Jual
http://teorionline.net/ Aplikasi Regresi Ganda dengan SPSS
10
Jika dilakukan dengan benar, maka akan ada variabel baru yang bernama RES_1
http://teorionline.net/ Aplikasi Regresi Ganda dengan SPSS
11
Klik Analyze – Lalu pilih Nonparametric Test, lalu pilih 1-Sample K-S
Masukkan variabel RES_1 ke box ”Test Variable List”
Klik OK
http://teorionline.net/ Aplikasi Regresi Ganda dengan SPSS
12
Hasil Uji Normalitas
Hasil uji normalitas residual dengan Kolmogorov-Smirnov menunjukkan nilai Asymp.Sig sebesar 0.324 (> 0.05), sehingga dapat disimpulkan bahwa residual model regresi berdistribusi normal.
Dengan melihat Nilai VIF (Varian Inflation Factor) diketahui bahwa tidak ada variabel yang memiliki nilai VIF lebih dari 10, serta nilai tolerance yang kurang dari 0.10. Dengan demikian dapat disimpulkan bahwa variabel independen terbebas dari masalah Multikolinieritas.
One-Sample Kolmogorov-Smirnov Test
36.0000000
556.77610403.159.077
-.159.952.324
NMeanStd. Deviation
Normal Parametersa,b
AbsolutePositiveNegative
Most ExtremeDifferences
Kolmogorov-Smirnov ZAsymp. Sig. (2-tailed)
Unstandardized Residual
Test distribution is Normal.a.
Calculated from data.b.
Coefficientsa
815.840 1129.922 .722 .47552.370 12.516 .509 4.184 .000 .822 1.21766.447 19.855 .407 3.347 .002 .822 1.217
(Constant)TVRadio
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig. Tolerance VIFCollinearity Statistics
Dependent Variable: Juala.
http://teorionline.net/ Aplikasi Regresi Ganda dengan SPSS
13
Hasil uji heterokedastisitas pada tampilan grafik scatter plot di atas menunjukkan bahwa tidak terjadi masalah heterokedastis. Hal ini dapat dilihat dari sebaran data yang menyebar ke segala bidang, dan berada di atas maupun dibawah nilai 0 pada sumbu Y.
Hasil uji autokorelasi dapat dilihat dari nilai Durbin_Watson sebesar 1.762. Untuk n=36, dan k=2 diperoleh nilai DW tabel Dl 1.354 dan Du 1.584. Nilai DW hitung 1.762 > dari batas atas (du) yaitu 1.584 dan kurang dari 4—du, sehingga dapat disimpulkan tidak ada autokorelasi positif maupun negative pada model.
Regression Standardized Predicted Value210-1-2-3-4
Reg
ress
ion
Stud
entiz
ed R
esid
ual
2
1
0
-1
-2
-3
-4
Scatterplot
Dependent Variable: Jual
Model Summaryb
.774a .599 .575 573.39994 1.762Model1
R R SquareAdjustedR Square
Std. Error ofthe Estimate
Durbin-Watson
Predictors: (Constant), Radio, TVa.
Dependent Variable: Jualb.
http://teorionline.net/ Aplikasi Regresi Ganda dengan SPSS
14
Korelasi dan Regresi
Korelasi antara biaya promosi (iklan TV dan Radio) dengan penjualan (unit terjual) adalah sebesar 0.774, dengan koefisien determinasi 0.575 (adjusted R Square). Dengan demikian dapat dinyatakan bahwa variasi penjualan mampu dijelaskan oleh biaya promosi sebesar 57.50%, dan sisanya dipengaruhi faktor lain selain biaya promosi
Persamaan regresi : Penjualan = 815.84 + 52.370 (Iklan TV) + 66.447 (Iklan Radio),
Persamaan regresi tersebut mempunyai makna sebagai berikut: Konstanta sebesar 816 (pembulatan) berarti bahwa tanpa adanya biaya yang dikeluarkan untuk promosi, maka penjualan sepeda motor adalah sebesar 816 unit. Jika variabel biaya iklan TV naik (satu juta) maka akan menyebabkan kenaikan (karena tanda positif) sebesar 52 unit pada penjualan sepeda motor. Sedangkan jika biaya iklan radio naik 1 juta, maka akan menyebabkan kenaikan pada penjualan sebesar 66 unit sepeda motor. Pengujian Hipotesis Simultan Ho : Tidak ada pengaruh Iklan TV dan Radio terhadap Penjualan Ha : Ada pengaruh positif dan signifikan Iklan TV dan Radio terhadap Penjualan Pengambilan keputusan (berdasarkan probabilitas) : Jika probabilitas > 0,05 maka Ho diterima, sedangkan jika probabilitas < 0,05 maka Ho ditolak.
Model Summaryb
.774a .599 .575 573.39994 1.762Model1
R R SquareAdjustedR Square
Std. Error ofthe Estimate
Durbin-Watson
Predictors: (Constant), Radio, TVa.
Dependent Variable: Jualb.
Coefficientsa
815.840 1129.922 .722 .47552.370 12.516 .509 4.184 .000 .822 1.21766.447 19.855 .407 3.347 .002 .822 1.217
(Constant)TVRadio
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig. Tolerance VIFCollinearity Statistics
Dependent Variable: Juala.
ANOVAb
16217513 2 8108756.475 24.663 .000a
10849987 33 328787.48627067500 35
RegressionResidualTotal
Model1
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), Radio, TVa.
Dependent Variable: Jualb.
http://teorionline.net/ Aplikasi Regresi Ganda dengan SPSS
15
Dari hasil uji signifikansi terlihat bahwa nilai probabilitas adalah sebesar 0,00 (< 0,01) sehingga Ho ditolak. Artinya, pengaruh biaya promosi (iklan TV dan Radio) secara simultan terbukti mempengaruhi penjualan signifikan sehingga hipotesis alternatif (Ha) diterima. Hasil uji model parsial dengan memperhatikan nilat probilitas pada uji t memperoleh nilai t hitung untuk iklan TV sebesar 0.000 dan Iklan Radio 0.002. Karena probilitas < 0.05, maka dapat disimpulkan bahwa secara parsial dua variabel ini terbukti berpengaruh signifikan terhadap penjualan. Rekomendasi Buku : Rosadi, Dedi. (2012). Ekonometrika dan Analisis Runtun Waktu Terapan dengan EViews. Yogyakarta : Andi Ghozali, Imam. (2009). Analisis Multivariate dengan Program SPSS. Semarang : BP – UNDIP