analisis regresi berganda - · pdf fileanalisis regresi berganda. arahkan kursor pada analyze...

18
ANALISIS REGRESI BERGANDA

Upload: nguyenkien

Post on 07-Feb-2018

291 views

Category:

Documents


6 download

TRANSCRIPT

Page 1: ANALISIS REGRESI BERGANDA - · PDF fileANALISIS REGRESI BERGANDA. Arahkan kursor pada Analyze lalu Regression dan pilih Linear AnalisisRegresi Berganda. Pada kotak Linear Regression,

ANALISIS REGRESI BERGANDA

Page 2: ANALISIS REGRESI BERGANDA - · PDF fileANALISIS REGRESI BERGANDA. Arahkan kursor pada Analyze lalu Regression dan pilih Linear AnalisisRegresi Berganda. Pada kotak Linear Regression,

Arahkan kursor padaAnalyze lalu Regression dan pilih Linear

Analisis Regresi Berganda

Page 3: ANALISIS REGRESI BERGANDA - · PDF fileANALISIS REGRESI BERGANDA. Arahkan kursor pada Analyze lalu Regression dan pilih Linear AnalisisRegresi Berganda. Pada kotak Linear Regression,

Pada kotak Linear Regression, pindahkan variable Y pada kotakDependent dan X1, X2 dan X3 pada kotak Independent, lalu klikStatistics, maka keluar kotakLinear Regression: Statistics maka centang seperti gambardibawah ini lalu Continue danOK

Analisis Regresi Berganda

Page 4: ANALISIS REGRESI BERGANDA - · PDF fileANALISIS REGRESI BERGANDA. Arahkan kursor pada Analyze lalu Regression dan pilih Linear AnalisisRegresi Berganda. Pada kotak Linear Regression,

Output SPSS

Maka Persamaan Regresinya adalah:

Y = -0,047 + 0,172X1 + 0,220X2 + 0,423 X3

Page 5: ANALISIS REGRESI BERGANDA - · PDF fileANALISIS REGRESI BERGANDA. Arahkan kursor pada Analyze lalu Regression dan pilih Linear AnalisisRegresi Berganda. Pada kotak Linear Regression,

UJI HIPOTESIS

1. Uji simultan atau uji F atau uji ragam regresi atau uji varians regresi

2. Uji parsial atau uji koefisien regresi berganda atau uji barhadap bi atau uji t

Page 6: ANALISIS REGRESI BERGANDA - · PDF fileANALISIS REGRESI BERGANDA. Arahkan kursor pada Analyze lalu Regression dan pilih Linear AnalisisRegresi Berganda. Pada kotak Linear Regression,

1. Perumusan Hipotesis:

Ho : Persamaan regresi (model fungsi) bersifat tidak nyata

H1 : Persamaan regresi bersifat nyata

Ho : 1 = 2 = 3 = 4 = ..... k = 0

H1 : paling tidak ada satu slope yang 0

2. = 0,05

3. Daerah kritis:

F-tabel ; v1= k-1, v2= n-k = F-tabel 0,05; 4-1, 120-4 = F-tabel 0,05; 3, 116 = 3,955

Dapat dihitung dengan Ms. Excel dengan rumus =finv(derajat kepercayaan;df1;df2)

4. Statistik Uji F hitung = 49,628

5. Keputusan: Karena F-hitung (48,958) lebih besar dari F-tabel (3,955) yang berarti beradadalam daerah kritis, maka Ho ditolak dan terima H1. Hal ini berarti persamaan regresibersifat nyata dalam menerangkan keragaman total dari Y

Page 7: ANALISIS REGRESI BERGANDA - · PDF fileANALISIS REGRESI BERGANDA. Arahkan kursor pada Analyze lalu Regression dan pilih Linear AnalisisRegresi Berganda. Pada kotak Linear Regression,

a. Uji Hipotesis untuk koefisien regresi intercept (b0)

1. Perumusan Hipotesis:

Ho : Koefisien regresi b0 (intercept) melewati titik nol (b0 = 0)

H1 : Koefisien regresi b0 (intercept) bersifat nyata

H0 : 0 = 0

Ha : 0 0

2. = 0,05

3. Daerah kritis:

t-tabel ; v= n-k = t-tabel 0,05; 120-4 = t-tabel 0,05; 116 = 1,9806

Dapat dihitung dengan Ms. Excel dengan rumus =tinv(derajat kepercayaan;df=n-k)

4. Statistik Uji

• t-hitung b0 = 0,022 < t- table 1,9806, Terima Ho, koefisien regresi bo (intercept) melewati titik nol, sehingga intercept tidaknyata

• t-hitung b1 = 1,843 < t- table 1,9806 Terima Ho, koefisien regresi b1 tidaknyata

• t-hitung b2 = 2,582 > t- table 1,9806 Tolak Ho, koefisien regresi b2 nyata

• t-hitung b3 = 6,978 > t- table 1,9806 Tolak Ho, koefisien regresi b3 nyata

Model Fit adalah:

Y = 0,220X2 + 0,423 X3

Alternatif sederhanaadalah dengan

membandingkan nilaiSig tiap2 koefisien, jika> 0,05, tidak signifikan

Page 8: ANALISIS REGRESI BERGANDA - · PDF fileANALISIS REGRESI BERGANDA. Arahkan kursor pada Analyze lalu Regression dan pilih Linear AnalisisRegresi Berganda. Pada kotak Linear Regression,

Untuk Analisis Parsial (satu persatu)

Kembali pada langkahsebelumnya, sampai keluar kotakLinear Regression, pindahkanvariable Y pada kotak Dependent dan X1 pada kotak Independent, lalu klik Statistics, maka keluarkotak Linear Regression: Statistics maka centang sepertigambar dibawah ini laluContinue dan OK, begituseterusnya untuk, gantikan X2 dan X3

Page 9: ANALISIS REGRESI BERGANDA - · PDF fileANALISIS REGRESI BERGANDA. Arahkan kursor pada Analyze lalu Regression dan pilih Linear AnalisisRegresi Berganda. Pada kotak Linear Regression,

Hubungan X1 Ke Y

Page 10: ANALISIS REGRESI BERGANDA - · PDF fileANALISIS REGRESI BERGANDA. Arahkan kursor pada Analyze lalu Regression dan pilih Linear AnalisisRegresi Berganda. Pada kotak Linear Regression,

Hubungan X2 Ke Y

Page 11: ANALISIS REGRESI BERGANDA - · PDF fileANALISIS REGRESI BERGANDA. Arahkan kursor pada Analyze lalu Regression dan pilih Linear AnalisisRegresi Berganda. Pada kotak Linear Regression,

Hubungan X3 Ke Y

Page 12: ANALISIS REGRESI BERGANDA - · PDF fileANALISIS REGRESI BERGANDA. Arahkan kursor pada Analyze lalu Regression dan pilih Linear AnalisisRegresi Berganda. Pada kotak Linear Regression,

UJI KLASIK

Page 13: ANALISIS REGRESI BERGANDA - · PDF fileANALISIS REGRESI BERGANDA. Arahkan kursor pada Analyze lalu Regression dan pilih Linear AnalisisRegresi Berganda. Pada kotak Linear Regression,

UJI AUTOKORELASI Uji Durbin-Watson (DW Test)

Nilai DW sebesar 1.710, nilai ini akan kita bandingkan

dengan nilai tabel dengan menggunakan derajat

kepercayaan 5%, jumlah sampel 120 dan jumlah variabel

bebas 3, maka di tabel Durbin Watson akan didapatkan

nilai sebagai berikut :

Dw table n=120 k=3, dl= 1,6684 dan dU = 1,7361. SementaraDW hitung adalah 1,710 berada diantara dL dan dU makatidak dapat disimpulkan

n

k=1 k=2 k=3 k=4 k=5

dL dU dL dU dL dU dL dU dL dU

116 1.6797 1.7145 1.6622 1.7323 1.6445 1.7504 1.6265 1.7690 1.6084 1.7878

117 1.6812 1.7156 1.6638 1.7332 1.6462 1.7512 1.6284 1.7696 1.6105 1.7883

118 1.6826 1.7167 1.6653 1.7342 1.6479 1.7520 1.6303 1.7702 1.6125 1.7887

119 1.6839 1.7178 1.6669 1.7352 1.6496 1.7528 1.6321 1.7709 1.6145 1.7892

120 1.6853 1.7189 1.6684 1.7361 1.6513 1.7536 1.6339 1.7715 1.6164 1.7896

121 1.6867 1.7200 1.6699 1.7370 1.6529 1.7544 1.6357 1.7721 1.6184 1.7901

122 1.6880 1.7210 1.6714 1.7379 1.6545 1.7552 1.6375 1.7727 1.6203 1.7905

123 1.6893 1.7221 1.6728 1.7388 1.6561 1.7559 1.6392 1.7733 1.6222 1.7910

124 1.6906 1.7231 1.6743 1.7397 1.6577 1.7567 1.6409 1.7739 1.6240 1.7914

125 1.6919 1.7241 1.6757 1.7406 1.6592 1.7574 1.6426 1.7745 1.6258 1.7919

126 1.6932 1.7252 1.6771 1.7415 1.6608 1.7582 1.6443 1.7751 1.6276 1.7923

127 1.6944 1.7261 1.6785 1.7424 1.6623 1.7589 1.6460 1.7757 1.6294 1.7928

128 1.6957 1.7271 1.6798 1.7432 1.6638 1.7596 1.6476 1.7763 1.6312 1.7932

Keputusan ada tidaknya autokorelasi adalah:• Bila nilai DW berada di antara dU sampai dengan 4

- dU maka koefisien autokorelasi sama dengan nol.

Artinya, tidak ada autokorelasi.

• Bila nilai DW lebih kecil daripada dL, koefisien

autokorelasi lebih besar daripada nol. Artinya ada

autokorelasi positif.

• Bila nilai DW terletak di antara dL dan dU, maka

tidak dapat disimpulkan.

• Bila nilai DW lebih besar daripada 4 - dL, koefisien

autokorelasi lebih besar daripada nol. Artinya ada

autokorelasi negatif.

• Bila nilai DW terletak di antara 4 – dU dan 4- dL, makatidak dapat disimpulkan.

Page 14: ANALISIS REGRESI BERGANDA - · PDF fileANALISIS REGRESI BERGANDA. Arahkan kursor pada Analyze lalu Regression dan pilih Linear AnalisisRegresi Berganda. Pada kotak Linear Regression,

UJI MULTIKOLINIERITAS

Uji Multikolinearitas untuk mengetahui adanya hubungan antara beberapa

atau semua variabel yang menjelaskan dalam model regresi. Jika dalam

model terdapat multikolinearitas maka model tersebut memiliki kesalahan

standar yang besar sehingga koefisien tidak dapat ditaksir dengan ketepatan

yang tinggi.

Tidak ada satu variabel bebas yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan bahwa tidakada multikolinieritas antar variabel bebas dalam model regresi.

Page 15: ANALISIS REGRESI BERGANDA - · PDF fileANALISIS REGRESI BERGANDA. Arahkan kursor pada Analyze lalu Regression dan pilih Linear AnalisisRegresi Berganda. Pada kotak Linear Regression,

UJI HETEROSKEDASTISITAS

Kita sudah memiliki variabel Unstandardized Residual (RES_1). Selanjutnya pilih Transform Compute Variable, akanmuncul tampilan sebagai berikut:

Pada kotak Target Variable ketik abresid, padakotak Function group pilih All dan dibawahnyaakan muncul beberapa pilihan fungsi. PilihlahAbs. Kemudian klik pada tombol tanda panaharah ke atas, dan masukkan variabelUnstandardized Residual (RES_1) ke dalam kotakNumeric Expression dan tampilannya akanmenjadi seperti berikut. Dan akhirnya pilih OK.

Page 16: ANALISIS REGRESI BERGANDA - · PDF fileANALISIS REGRESI BERGANDA. Arahkan kursor pada Analyze lalu Regression dan pilih Linear AnalisisRegresi Berganda. Pada kotak Linear Regression,

Kemudian dilanjutkandengan regresi dengan cara,Analyze Regression Linear,akan muncul tampilansebagai berikut:

Page 17: ANALISIS REGRESI BERGANDA - · PDF fileANALISIS REGRESI BERGANDA. Arahkan kursor pada Analyze lalu Regression dan pilih Linear AnalisisRegresi Berganda. Pada kotak Linear Regression,

Masukkan variabelabresid pada kotak sebelahkiri ke kotak Dependent,dan variabel X1, X2, dan X3ke kotak Independent(s)dengan mengklik tomboltanda panah dan OK,hasilnya sebagai berikut:

Page 18: ANALISIS REGRESI BERGANDA - · PDF fileANALISIS REGRESI BERGANDA. Arahkan kursor pada Analyze lalu Regression dan pilih Linear AnalisisRegresi Berganda. Pada kotak Linear Regression,

Nilai Sig dari seluruh variabel pejelas tidak ada yang signifikan secara statistic karena > 0.005sehingga dapat disimpulkan bahwa model ini tidak mengalami masalah heteroskedastisitas.