REGRESI BERGANDA Merupakan suatu teknik statistik multivariat

yang digunakan untuk menguji pengaruh sejumlah variabel independen terhadap variabel dependen.

Penerapan regresi berganda harus mempertimbangkan: Ketepatan masalah penelitian, yaitu prediksi dan

eksplanasi Spesifikasi model statistik Pemilihan variabel dependen dan independen

Pada model regresi berganda terdapat satu variabel dependen dan beberapa variabel independen.

Model regresi berganda adalah sbb:Y = a + b1X1 + b2X2 + b3X3 + b4X4 + ….. bnXn

Metrik metrik/nonmetrik

Contoh Kasus

Seorang manajer pemasaran ingin mengetahui bagaimana pengaruh biaya promosi dan jumlah outlet terhadap penjualan.

Model analisis yang dikembangkan adalah sbb:

Sales = a + b1Promosi + b2Outlet + e

Langkah-langkah:

Buka file regresi_berganda.sav.

Pilih menu Analyze, Regression, Linear.

Pengisian pada kotak dialog Linear Regression lihat gambar di bawah ini berikut.

Langkah-langkah (cont’d):

Langkah-langkah (cont’d):

Langkah-langkah (cont’d):

Output SPSS

Output SPSS (cont’d)

Output SPSS (cont’d)

Persamaan regresi yang dihasilkan:Sales = 64,64 + 2,3 Promosi + 0,54 Outlet

Uji F: Nilai Sig. < 0,05 berarti model regresi

dapat digunakan untuk memprediksi Sales.

Promosi dan Outlet secara bersama-sama berpengaruh terhadap Sales.

Output SPSS (cont’d)

Uji t digunakan untuk mengetahui pengaruh secara parsial Promosi dan Outlet terhadap Sales. (lihat Tabel Coefficients)

Nilai Sig. Promosi dan Outlet < 0,05. Artinya, Promosi berpengaruh secara signifikan terhadap Sales dan Outlet berpengaruh secara signifikan terhadap Sales.

Output SPSS (cont’d)

Standardized Coefficients Beta digunakan untuk membandingkan besarnya pengaruh setiap variabel independen terhadap variabel dependen. Koefisien beta Promosi = 0,551; Koefisien beta Outlet= 0,496.

Jadi, Promosi lebih berpengaruh terhadap Sales daripada outlet.

TUGAS Regresi Berganda Buka file data personalia.sav. Dengan menggunakan regresi

berganda, apakah gaji seseorang ditentukan oleh bidang pekerjaan, tingkat pendidikan, usia, dan lama kerja.

Simpan hasil pengujian dalam file regresi_berganda.doc.

REGRESI BERGANDA: VARIABEL DUMMY Analisis regresi berganda yang

bertujuan untuk memprediksi besar variabel dependen dengan menggunakan data variabel independen, yang salah satunya merupakan variabel boneka (dummy variable).

Variabel boneka adalah variabel yang digunakan untuk membuat kategori data yang bersifat kualitatif (nominal).

Contoh Kasus:

Seorang periset ingin mengetahui apakah ada pengaruh yang signifikan antara tinggi badan dengan gender seseorang.

Untuk itu, dikembangkan suatu model penelitian berikut:Tinggi = a + b0 Gender

Langkah-langkah:

Buka file deskriptif.sav. Pilih menu Analyze, Regression,

Linear. Pengisian:

Dependent. Pilih variabel tinggi. Independent (s). Pilih variabel

gender. Tekan OK untuk proses data.

Output SPSS

Tugas Regresi Berganda dg Variabel Dummy Manajemen HATCO ingin menguji secara empiris apakah

Usage level dipengaruhi oleh variabel-variabel Delivery speed, Price level, Manufacturer's image, Overall service, Salesforce image, Product quality, dan Size of firm.

Diminta:1. Apakah rumusan masalah dan tujuan penelitian di

atas.2. Hipotesis-hipotesis yang akan diuji.3. Model empiris yang dikembangkan.4. Hasil pengujian hipotesis.5. Simpulan penelitian.

Simpan hasil pengujian tersebut dalam file “Regresi_variabel boneka”.

INTERACTION REGRESSION

MODEL

Multiple Regression Models

MultipleRegression

Models

Linear DummyVariable

Linear Non-Linear

Inter-action

Poly-Nomial

SquareRoot Log Reciprocal Exponential

Interaction Regression Model

Hypothesizes interaction between pairs of X variables Response to one X variable varies at

different levels of another X variableContains two-way cross product terms

Can be combined with other models e.g., dummy variable model

iiiiii XXXXY 21322110

Variabel Moderasi

Variabel moderasi (VMO) adalah suatu variabel independen lainnya yang dimasukkan ke dalam model karena mempunyai efek kontinjensi dari hubungan variabel dependen dan variabel independen sebelumnya.

VMO diidentifikasikan dari riset-riset sebelumnya yang mempunyai simpulan hubungan kausal yang hasilnya konflik, baik konflik signifikansinya maupun konflik arahnya.

Gambar VMO

VI

VMO

VD

Effect of Interaction

Given:

Without interaction term, effect of X1 on Y is measured by 1

With interaction term, effect of X1 onY is measured by 1 + 3X2 Effect changes as X2i increases

Y X X X Xi i i i i i 0 1 1 2 2 3 1 2

Interaction Regression Model Worksheet

Case, i Yi X1i X2i X1i X2i

1 1 1 3 32 4 8 5 403 1 3 2 64 3 5 6 30: : : : :

Multiply X1 by X2 to get X1X2. Run regression with Y, X1, X2 , X1X2

Contoh:

Seorang periset ingin menguji efek dari delivery speed (X1) terhadap usage level (X9) dengan memasukkan variabel price level (X2) sebagai variabel moderasi.

Model empiris yang dikembangkan adalah sebagai berikut. UL = α + β1DS+ β2PL + β3DS*PL + e

Langkah-langkah

Buka file Hatco.sav Buat variabel baru, yaitu dspl Pilih menu Analyze, Regression,

dan Linear. Masukkan variabel UL ke dalam isian

Dependent, sedangkan variabel DS, PL, dan DSPL ke dalam Independent(s).

Klik OK untuk menjalankan SPSS.

Output SPSS Model Summary

Angka Adjusted R2 atau koefisien determinasi sesuaian sebesar 0,58. Artinya, 58% variasi Usage Level dapat dijelaskan oleh variasi ketiga variabel independen.

Model Summary

Model R R SquareAdjusted R

SquareStd. Error of the

Estimate1 .770a .593 .580 5.825

a. Predictors: (Constant), x15, Delivery speed, Price level

Uji F atau ANOVA

Dari uji F diperoleh angka Sig. sebesar 0,000.

Karena angka Sig. < 0,05, model regresi dapat digunakan untuk memprediksi Usage Level.

Artinya, Delivery Speed, Price Level, dan interaksi DS dan PL secara simultan berpengaruh terhadap Usage Level.

ANOVAb

ModelSum of Squares df

Mean Square F Sig.

1 Regression 4742.675 3 1580.892 46.588 .000a

Residual 3257.582 96 33.933Total 8000.256 99

a. Predictors: (Constant), x15, Delivery speed, Price levelb. Dependent Variable: Usage level

Koefisien Regresi

Persamaan Regresi:

UL = 12,8 + 7,5 DS + 6,14 PL – 0,99 DSPL

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficientst Sig.B

Std. Error Beta

1 (Constant) 12.804 4.346 2.946 .004Delivery speed

7.533 1.079 1.107 6.979 .000Price level 6.139 1.684 .817 3.646 .000Interaction of DS and PL

-.990 .465 -.469 -2.127 .036a. Dependent Variable: Usage level

Uji t

Angka Sig. variabel DS adalah 0,000 Angka Sig. variabel PL adalah 0,000 Angka Sig. variabel DSPL adalah

0,036 Karena semua angka Sig. < 0,05,

ketiga variabel independen berpengaruh terhadap Usaga Level.

Tugas Interaction Regression Model Manajemen Hatco ingin menguji efek dari

price level (X2) terhadap Satisfaction level (X10) dengan memasukkan variabel Price flexibility (X3) sebagai variabel moderasi.

Diminta:1.Apakah rumusan masalah dan tujuan

penelitian di atas.2.Hipotesis-hipotesis yang akan diuji.3.Model empiris yang dikembangkan.4.Hasil pengujian hipotesis.5.Simpulan penelitian.

TUGAS “TIKET” KUIS

Cari judul skripsi akuntansi di ruang baca yang menggunakan analisis regresi berganda dan tuliskan:

Judul, nama dan NIM penulis Rumusan Masalah Hipotesis Uji hipotesis Model matetatika Kesimpulan