Académique Documents
Professionnel Documents
Culture Documents
Analisis Regresi
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.
Klik Continue
Klik Statistics, lalu Tick pada pilihan “Colinearity diagnosics” dan “Durbin-Watson”
Hasil
Regression
Variables Entered/Removedb
Variables Variables
Model Entered Removed Method
1 Radio, . Enter
TVa
a. All requested variables entered.
b. Dependent Variable: Jual
Model Summaryb
Collinearity Diagnosticsa
Residuals Statisticsa
12.5
10.0
Frequency
7.5
5.0
2.5
0.0 Mean =1.03E-15
Std. Dev. =0.971
- N =3
-4 -3 -2 -1 0 1 2
Regression Standardized Residual
0.6
0.4
0.2
0.0
0.0 0.2 0.4 0.6 0.8 1.0
Observed Cum Prob
Scatterplot
2
Regression Studentized Residual
1
0
-1
-2
-3
-4
-4 -3 -2 -1 0 1 2
Regression Standardized Predicted Value
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.
Histogram
12.5
10.0
Frequency
7.5
5.0
2.5
0.0 Mean =1.03E-15 Std. Dev. =0.971
-4 -3 -2 -1 0 1 2 N =36
Berdasarkan hasil uji di atas terlihat bahwa menyebar agak ke kanan bagian kurva normal, dan
sehingga belum dapat disimpulkan apakah residual memenuhi asumsi normalitas.
Normal P-P Plot of Regression Standardized
0.8
0.6
0.4
0.2
0.0
0.0 0.2 0.4 0.6 0.8 1.0
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
http://teorionline.net/ 10
Aplikasi Regresi Ganda dengan SPSS
Jika dilakukan dengan benar, maka akan ada variabel baru yang bernama RES_1
http://teorionline.net/ 11
Aplikasi Regresi Ganda dengan SPSS
Klik Analyze – Lalu pilih Nonparametric Test, lalu pilih 1-Sample K-S
Klik OK
http://teorionline.net/ 12
Aplikasi Regresi Ganda dengan SPSS
Hasil Uji Normalitas
Unstandardized
Residual
N 36
Normal Mean .0000000
Parametersa,b
Std. Deviation 556.77610403
Most Extreme Absolute .159
Differences Positive .077
Negative -.159
Kolmogorov- .952
Smirnov Z
Asymp. Sig. (2- .324
tailed)
a. Test distribution is Normal.
b. Calculated from data.
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.
http://teorionline.net/ 13
Aplikasi Regresi Ganda dengan SPSS
Scatterplot
1
0
-1
-2
-3
-4
-4 -3 -2 -1 0 1 2
Regression Standardized Predicted Value
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.
Model Summaryb
Model Summaryb
Coefficientsa
Unstandardized Standard
Coefficients ized Collinearity
Model Coeffici t Sig. Statistics
ents
B Std. Beta Toleran VIF
Error ce
1 (Constant) 815.840 1129.9 .722 .475
22
TV 52.370 12.516 .509 4.184 .000 .822 1.217
Radio 66.447 19.855 .407 3.347 .002 .822 1.217
a. Dependent Variable: Jual
ANOVAb
Sum of
Model Squares df Mean F Sig.
Square
1 Regression 16217513 2 8108756.47 24.663 .000a
5
Residual 10849987 33 328787.486
Total 27067500 35
a. Predictors: (Constant), Radio, TV
b. Dependent Variable: Jual
http://teorionline.net/ 16
Aplikasi Regresi Ganda dengan SPSS
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