Analisis Regresi

1 / 31

# Analisis Regresi - PowerPoint PPT Presentation

Analisis Regresi. Pengertian. Digunakan untuk mengukur besarnya pengaruh variabel bebas (independent variable) terhadap variabel tak bebas (dependent variable), dan memprediksi variabel dependent dengan menggunakan variabel independent –Gujarati (2006) Tujuan analisis regresi :

I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.

## Analisis Regresi

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.

- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
1. AnalisisRegresi

2. Pengertian • Digunakanuntukmengukurbesarnyapengaruhvariabelbebas (independent variable) terhadapvariabeltakbebas (dependent variable), danmemprediksivariabel dependent denganmenggunakanvariabel independent –Gujarati (2006) • Tujuananalisisregresi: • Membuatestimasi rata-rata & nilaivariabel dependent berdasarkannilaivariabel independent • Mengujihipotesiskarakteristikdependensi • Meramalkannilai rata-rata variabelbebasdengandidasarkanpadanilaivariabelbebas di luarjangkauansampel

3. AsumsiApaSajaYgDapatDigunakanDlmRegresi Linear Sederhana ? • Model regresiharus linear dlm parameter • Variabelbebastakberkorelasidengan disturbance term (error) • Nilai disturbance term sebesar 0 ataudinyatakandgnsimbol (E (U/X) = 0) • Varian untukmasing-masingeror term (kesalahan) konstan • Tidakada auto korelasi • Model regresi yang dispesifikasikanbenar. Tidakterdapat bias spesifikasidlm model yang digunakandlmanalisisempiris • Jikavariabelbebaslebihdarisatu, makavariabelbebastidakadahubungan linear yang nyata

4. Syarat-Syarat Yang HarusDipenuhi • Model regresidinyatakanlayakjikaangkasignifikansipada ANOVA < 0,05 • Prediktorygdigunakansbgvariabelbebasharuslayak. Kelayakaninidiketaahuijikaangka standard error of estimate < standard deviasi • Koefisienregresiharussignifikan. PengujiandilakukandenganUji-T, yaitujika t-Hitung > t-Tabel • TidakbolehterjadiMultikolinearitas, artinyatidakbolehterjadikorelasiygsangattinggiatausangatrendahantarvariabelbebas (Kalauregresiberganda) • Tidakterjadiotokorelasi (Jikaangka Durbin dan Watson (DB) sebesar <1 atau >3) • Keselarasan model regresidapatditerangkandgnmenggunakannilai r2semakinbesar, nilaitersebut, maka model smakinbaik. • Terdapathubungan linear antaravariabelbebasdgntakbebas • Data harusberdistribusi normal

5. UjiHipotesis • Ada dua: tingkatsignifikansiatauprobabilitas& tingkatkepercayaan (confidence interval) • Kisarantingkatsignifikansi 0,01 sd 0,1. Umumnyadigunakan 0,05 • Ygdimaksudtingkatsignifikansiadalah PROBABILITAS MELAKUKAN KESALAHAN TIPE-1, yaitumenolakHipotesisketikahipotesistsbadalahbenar • Tingkat kepercayaanumumnyasebesar 95% • Maksudnyaadalah Tingkat dimanasebesar 95% nilaisampelakanmewakilipopulasidimanasampelberasal

8. 1. Merumuskanhipotesis • Ho : βi = 0, • artinyavariabelbebasbukanmerupakanpenjelas yang signifikanterhadapvariabelterikat • Ha : βi ≠ 0, • artinyavariabelbebasmerupakanpenjelas yang signifikanterhadapvariabelterikat.

9. 2. Menentukantarafnyata/ level of significance = α • Tarafnyata / derajadkeyakinan yang digunakansebesarα = 1%, 5%, 10%, dengan: • df = n – k • Dimana: • df = degree of freedom/ derajadkebebasan • n = Jumlahsampel • k = banyaknyakoefisienregresi + konstanta

10. 3. Menentukandaerahkeputusan • Yaitudaerahdimanahipotesanolditerimaatautidak. • Untukmengetahuikebenaranhipotesisdigunakankriteriasebagaiberikut. • Ho diterimaapabila • –t (α / 2; n – k) ≤ t hitung ≤ t (α / 2; n – k), • artinyatidakadapengaruhantaravariabelbebasterhadapvariabelterikat. • Ho ditolakapabila • t hitung > t (α / 2; n– k) atau –t hitung < -t (α / 2; n – k), • artinyaadapengaruhantaravariabelbebasterhadapvariabelterikat.

11. 4. Menentukanujistatistik (Rule of the test)

12. 5. Mengambilkeputusan • Keputusanbisamenolak Ho ataumenolak Ho menerima Ha. • Nilai t tabel yang diperolehdibandingkannilai t hitung, bila t hitunglebihbesardari t tabel, maka Ho ditolak, sehinggadapatdisimpulkanbahwavariabel independent berpengaruhpadavariabel dependent. • Apabila t hitunglebihkecildari t tabel, maka Ho diterimasehinggadapatdisimpulkanbahwavariabelindependentidakberpengaruhterhadapvariabeldependen.

13. Contoh

14. Praktek SPSS • Klik Analyze  Klik Regression: Pilih Linear • Pindahkan variabel2 • BiayaLangsung -> Dependent • JumlahTenagaKerja  Independent • Bulan  Case Labels • Isi kolom Method: Enter • Klik Options: • Padapilihan Stepping Method Criteria, masukanangka 0,05 • PadaKolom Entry > Cek Include constant in equation > PadaPilihan Missing Values cek Exclude cases listwise > tekan Continue • Pilih Statistics: Padapilihan Regression Coefficient, pilih Estimate, Model Fit dan Descriptive. Padapilihan residual pilih case wise Diagnostics dancek All cases > Tekan Continue • Klik Plots (MembuatGrafik) • Isi Kolom Y denganpilihan SDRESID & kolom X dengan ZPRED, tekan Next • Isi lagiKolom Y dengan ZPRED & X dengan DEPENDENT • Padapilihan Standardized Residual Plots, cek Normal Probability Plot • Tekan Continue > OK • Selesai

15. Output SPSS

16. Bagianinidigunakanuntukmenafsirbesarnya rata-rata biayaproduksitaklangsung & jmltenagakerja • Rata-rata BiayaProduksiTakLangsung = 147,83 dengansimpanganbaku 71,978 • Rata-rata JmlTenagaKerja = 20,167 dengansimpanganbaku 8,277

18. MetodeDalamMemasukanVariabel

19. Ringkasan Model (KoefisienDeterminasi) • Menunjukkankoefisiendeterminasi (R square), ygberfungsiuntukmengetahuibesarnyapersentasedarivariabeldependen (BPTL) dapatdiprediksi dg variabelbebas (JTK) • Disininilainya 0,513 atau 51,3%. Angkainiberartibahwasebesar 51,3% BPTL ygterjadidapatdijelaskan dg menggunakanvariabel JTK • Sedangkansisanya (100-51,3) = 46,7% harusdijelaskanoleh variabel2 penyebab yang lain. • Besarnya SEE (Standard Error of the Estimate) adalah 52,702 • Jikanilai SEE inidibandingkandenganSimpangan Baku (Lihatbagiandeskriptif) yaitu 71,9783, makanilai SEE inilebihkecil. Artniyavariabel JTK baikuntukdijadikanprediktorbagivariabel BPTL

20. ANOVA • UntukmenunjukkanbesarnyaangkaProbabilitasatauSignifikansi, yaituuntukmengujikelayakan model regresi. • Layakbilaangkaprobabilitas < 0,05 • Uji ANOVA menghasilkanangka F=10,518 dgntingkatsignifikansi (angkaprobabilitas) = 0,009 • Karena 0,009 < 0,05, maka model regresiinilayakuntukmemprediksi BPTL dengan JTK

21. KoefisienRegresi • Bagianiniinformasitentangpersamaanregresi: • Y = a + bX, mencarinilai a dan b • Nilai a  Constant = 22,276 • Nilai b  6,226 • Jadi Y = 22,276 + 6,226X

22. ArtiPersamaanRegresi • Angka22,276 artinyabahwajikatidaadatambahan JTK (X=0), makanilai BPTL akanbertambahsebesar 22,276 • Angka6,226, berartibahwasetiappenambahan 1 tenagakerjabaru, makanilai BPTL akanmeningkatsebesar 6,226

23. Uji-t • UntukmengujisignifikansikonstantadanvariabelTenagaKerjaygdigunakansebagaiprediktoruntukvariabel BPTL • Hipotesis: • Ho = Koefisienregresitidaksignifikan • H1 = Koefisienregresisignifikan • Keputusan: • Jika t-hitung < t-tabelmaka Ho DITERIMA • Jika t-hitung > t-tabelmaka Ho DITOLAK • Dari hasilhitungan: t-hitung = 3,243 • Bandingkandengan t-tabel, dengan DF=12-2=10 dan alpha =0,05 diperolehnilai t-tabel = 2,228 • Dengandemikian t-hitung> t-tabel, Ho ditolak

24. Diagnosa Per Kasus