analisis regresi
TRANSCRIPT
Sebuah penelitian dilakukan oleh seorang guru kimia untuk
memprediksi peringkat kimia para siswanya apabila diketahui nilai
ujian, nilai praktikum, nilai tugas, dan frekuensi membolos.
Peringkat
kimia
Nilai
Ujian
Nilai
Praktiku
m
Nilai
Tugas
Frekensi
Membolos
85 65 70 80 1
74 50 75 90 7
76 55 80 85 5
90 65 85 95 2
85 55 90 75 6
87 70 95 88 3
94 65 90 75 2
98 70 95 85 5
81 55 70 90 4
91 70 75 90 3
76 50 70 75 1
74 55 80 80 4
80 53 70 80 2
86 61 80 95 2
88 56 90 90 5
75 68 75 70 3
87 59 85 70 2
77 70 95 75 4
78 79 85 85 6
71 53 80 90 4
75 57 70 80 3
70 54 75 75 5
78 71 90 80 7
82 71 95 85 8
86 79 75 70 6
Penyelesaian :
Untuk menyelesaikan contoh soal di atas, lakukan langkah seperti di bawah ini:
Analyze → Regression → Linear
Maka akan ditampilkan kotak dialog Linear regression.
1. Masukkan variabel peringkat kimia ke kotak Dependent, sedangkan variabel Nilai
ujian, nilai praktikum, nilai tugas dan frekensi membolos ke kotak Independent (s).
2. Klik tab Statistics, maka akan ditampilkan kotak dialog Linear regression Statistics.
Pada kotak regression coefficients, centang ‘Estimates’, ‘Model fit’, ‘Collinearity
diagnostic’.
Pada kotak Residuals, centang Durbin-Watson dan Casewise diagnostics (pilih all
cases).
Setelah itu, klik continue.
3. Klik tab Plots, maka akan ditampilkan kotak dialog Linear Regression Plot
Kliklah *SRESID (Studentized Residual), kemudian masukkan ke kotak Y.
Selanjutnya, kliklah *ZPRED (Standardized Predicted Value) kemudian masukkan ke
kotak X. Setelah itu, klik continue
4. Kliklah OK, maka hasil output akan ditampilkan.
Analisis / Interpretasi Output :
Dari output pada tabel variabel Entered/Removed menunjukkan bahwa seluruh
variabel bebas dimasukkan dalam perhitungan regresi.
Persamaan Regresi secara umum
Regresi Linier : Y=aX+C
Regresi Berganda : Y=a1 X1+a2 X2+…+an Xn+C
Pada model persamaan regresi untuk menguji ketepatan model regresi dalam
menaksir nilai aktual dapat diukur dari Goodness of fit. Secara statistik hal ini bisa
ditunjukan dengan melakukan tiga uji:
1. Koefisien Determinasi
Pengaruh variabel independen terhadap variasi variabel dependen dapat diukur
dengan besarnya nilai koefisien determinasi (R²). Pada Output tabel Model
Summary terdapat Koefisiensi determinasi ( R2 )yang berguna untuk mengetahui
besarnya sumbangan pengaruh variabel independen terhadap variabel dependen yang
dinyatakan dalam persentase.(0,450).
0,450 0,450 x 100% = 45 %
45 % merupakan besarnya pengaruh variabela independen terhadap variabel
dependent, sedangkan sisanya = 55 % adalah besarnya pengaruh faktor lain diluar
variabel independent yang ada.
2. Uji Statistik F (Uji Anova)
Hipotesis
H 0 : Tidak ada pengaruh antara nilai ujian, nilai praktikum, nilai tugas, dan frekuensi
membolos terhadap peringkat kimia (model regresi tidak dapat dipakai untuk
memprediksi peringkat kimia).
H 0 : Ada pengaruh antara nilai ujian, nilai praktikum, nilai tugas, dan frekuensi
membolos terhadap peringkat kimia (model regresi dapat dipakai untuk
memprediksi peringkat kimia).
Pengambilan keputusan
a. Berdasarkan perbandingan Fhitung dengan F tabel
Syarat :
H 0 diterima : jika Fhitung<F tabel
H 0 ditolak : jika Fhitung>F tabel
Pada outuput Fhitung(tabel ANOVA) : 4,098
Untuk menentukan F tabel :
α=0,05
Prob=1−α=0,95
DF1=banyak variabel−1=5−1=3
DF2=N−k−1=25−4−1=20
dengan N adalah banyaknyadata yang diteliti dan k banyak variabel
independent.
Sehingga diperoleh : F tabel=(2,87) . ( Fhitung=4,098 )
Keputusan : H 0 ditolak karena F hitung>F tabel
Kesimpulan : Ada pengaruh antara nilai ujian, nilai praktikum, nilai tugas, dan
frekuensi membolos terhadap peringkat kimia (model regresi dapat dipakai untuk
memprediksi peringkat kimia).
b. Berdasarkan nilai probabilitas
Syarat :
H 0 diterima : jika nilai probabilitas ¿0,05
H 0 ditolak : jika nilai probabilitas ¿0,05
Diketahui sig.(tabel ANOVA) : 0,0 14 (¿0,05 )
Keputusan : H 0 ditolak karenaprob. < 0,05
Kesimpulan : Ada pengaruh antara nilai ujian, nilai praktikum, nilai tugas, dan
frekuensi membolos terhadap peringkat kimia (model regresi dapat dipakai untuk
memprediksi peringkat kimia).
3. Uji Statistik T
Pada kasus diatas menggunakan regresi linear berganda, bentuk umum persamaan
regresi: Y=a1 X1+a2 X2+…+an Xn+C
Pada output tabel Coefficient hasil perhitungan diatas dapat dibuat persamaan
regresi:
Y=0,297 X1+0,349 X2+0,191 X3−1,721 X 4+26 , 04 6
Dimana:
Y=¿ peringkat kimia ; X1=¿ nilai ujian ; X2=¿nilai praktikum, X3= nilai tugas,
X 4= frekuensi membolos
Dari persamaan tersebut menunjukkan bahwa :
Koefisien regresi X1 sebesar 0,297menyatakan bahwa setiap penambahan 1 nilai ujian akan meningkatkan peringkat kimia sebesar 0,297
Koefisien regresi X2 sebesar 0 ,349 menyatakan bahwa setiap penambahan 1 nilai praktikum akan meningkatkan peringkat kimia sebesar 0 ,349
Koefisien regresi X3 sebesar 0,191 menyatakan bahwa setiap penambahan 1 nilai tugas akan meningkatkan peringkat kimia sebesar 0,191
Koefisien regresi X 4 sebesar -1,721 menyatakan bahwa setiap penambahan -1 frekuensi membolos akan mengurangi peringkat kimia sebesar 1,721
Konstanta sebesar 26,046 menyatakan bahwa jika variabel bebas nilai ujian, nilai praktikum, nilai tugas, dan frekuensi membolos tidak ada maka peringkat kimia adalah 26,046
Hipotesis
H 0 : Koefisien regresi tidak berpengaruh signifikan terhadap variabel Y
H 1: Koefisien regresi berpengaruh signifikan terhadap variabel Y
Pengambilan Keputusan
a. Berdasarkan Perbandingan T hitung dan T tabel
Syarat :
H 0 diterima : jika T hitung berada diantara nilai ± T tabel
H 0 ditolak : jika T hitung tidak berada diantara nilai ± T tabel
Dari output diperoleh nilai thitung masing-masing koefisien regresi berturut-turut:
T 1=1,896(T hitung untuk variabel independen X 1= Nilai Ujian)
T 2=2,178(T hitunguntuk variabel independen X 2=Nilai Praktikum)
T 3=1,184(T hitung untuk variabel independen X 1= Nilai Tugas)
T 4=−2,541(T hitunguntuk variabel independen X 2=Frekuensi membolos)
Signifikansi (α )=0,05
Prob=1−α2=0,975
DF=N−k−1=15−4−1=20
Sehingga T tabel=2,09
T 1=¿ (1,896 berada diantara nilai ± 2 ,09) maka:
H 0diterima, koefisien nilai ujian tidak berpengaruh signifikan terhadap peringkat
kimia
T 2=¿(2,178tidak berada diantara nilai ± 2,09) maka:
H 0tolak, koefisien nilai praktikum berpengaruh signifikan terhadap peringkat
kimia
T 3=¿ (1,184 berada diantara nilai ± 2,09) maka:
H 0diterima, koefisien nilai tugas tidak berpengaruh signifikan terhadap
peringkat kimia
T 4=¿(−2,541tidak berada diantara nilai ± 2,09) maka:
H 0tolak, koefisien frekuensi membolos berpengaruh signifikan terhadap
peringkat kimia
b. Berdasarkan Nilai Probabilitas
Syarat :
H 0 diterima : jika nilai probabilitas ¿0,05
H 0 ditolak : jika nilai probabilitas ¿0,05
Diketahui sig.(tabel Coefficient) : 0,1 61 (¿0,05 )
ProbabilitasT 1=0 , 73>0.05 maka Hoditerima
Kesimpulan : koefisien nilai ujian tidak berpengaruh signifikan terhadap peringkat
kimia
ProbabilitasT 2=0,42<0.05 maka Ho ditolak
Kesimpulan : koefisien nilai praktikum berpengaruh signifikan terhadap
peringkat kimia
ProbabilitasT 3=0,25>0.05maka Ho diterima
Kesimpulan : koefisien nilai tugas tidak berpengaruh signifikan terhadap peringkat
kimia
ProbabilitasT 4=0,019<0.05 maka Ho ditolakKesimpulan : koefisien frekuensi membolos berpengaruh signifikan terhadap
peringkat kimia
UJI PENYIMPANGAN ASUMSI KLASIK
a. Autokorelasi
Autokorelasi adalah hubungan yang terjadi antara residual dari pengamatan satu
dengan pengamatan yang lain. Model regresi yang baik seharusnya tidak
menunjukkan adanya autokorelasi. Untuk mendeteksi ada atau tidaknya
autokorelasi, maka Durbin Watson akan dibandingkan dengan DWtabel dengan
kriteria sebagai berikut:
Jika DW <dU atau DW >4 – dL, maka ada autokorelasi
Jika DW diantara dU dan 4 –dU , maka tidak ada autokorelasi
Jika DW diantara dU dan dL atau 4 –dU dan 4 –dL, maka tidak ada kesimpulan
yang pasti
dU : batas atas dari DW tabel (DW upper bound)
dL : batas bawah dari DW tabel (DW lower bound)
Dari output diketahuiDW=1,527
Dari tabel Durbin Watson dengan taraf signifikansi 5 % ,k=4 ,
n=25 di peroleh
dL=1,04 → 4 – dL=¿2,98
dU=1,77 → 4 – dU=¿2.23