Analisis Multivariat_regresi 3 Prediktor_korelasi Ganda_parsial - Copy

download Analisis Multivariat_regresi 3 Prediktor_korelasi Ganda_parsial - Copy

of 15

Transcript of Analisis Multivariat_regresi 3 Prediktor_korelasi Ganda_parsial - Copy

  • 7/23/2019 Analisis Multivariat_regresi 3 Prediktor_korelasi Ganda_parsial - Copy

    1/15

    Analisis multivariat merupakan salah satu teknik statistik yang digunakan

    untuk memahami struktur data dalam dimensi tinggi. Variabel-variabel itu saling

    terkait satu sama lain. Disinilah letak perbedaan antara multivariabel dan

    multivariat. Multivariat pasti melibatkan multivariabel tetapi tidak sebaliknya.

    Multivariabel yang saling berkorelasilah yang dikatakan multivariat.

    Analisis multivariat merupakan analisis lanjutan dari analisis univariat

    maupun bivariat. Secara ilmiah, untuk menjelaskan penomena sosial perlu

    dilakukan percobaan dengan pengumpulan dan analisis data. Analisis data yang

    dikumpulkan dari pengamatan atau percobaan akan menghasilkan modifkasi

    penjelasan dari penomena tersebut. Selama dalam masa percobaan tersebut,

    sering kali akan terjadi penambahan dan pengurangan variabel. Dengan

    demikian, maka akan timbullah masalah yang semakin komplek sehingga

    dibutuhkan lebih banyak variabel yang berbeda. arena dalam data akan

    terdapat pengaruh beberapa variabel terhadap variabel lainnya dalam !aktu

    yang bersamaan.

    Analisis multivariat merupakan salah satu analisis statistika yang

    berkaitan dengan analisis banyak variabel. Dalam analisis statistika, terdapat

    pengelompokkan terhadap jumlah variabel yang dianalisis. Melalui

    pengelompokkan tersebut, terbagi menjadi univariat "univariate#, bivariat

    "bivariate#, dan multivariat "multivariate#. Analisis univariat berasal dari kata

    uni dan variate, yang artinya analisis satu variabel. $ontohnya, pengukuran

    rata-rata "mean# sebagai ukuran pusat dari sekelompok data. Analisis bivariat

    berasal dari kata bi dan variate, yang artinya analisis statistika yang berkaitan

    dengan dua variabel. $ontohnya, analisis korelasi "correlation# yang mencari

  • 7/23/2019 Analisis Multivariat_regresi 3 Prediktor_korelasi Ganda_parsial - Copy

    2/15

    hubungan keeratan antara dua variabel.

    Analisis statistik multivariat merupakan metode statistik yang

    memungkinkan kita melakukan penelitian terhadap lebih dari dua variable

    secara bersamaan. Dengan menggunakan teknik analisis ini maka kita dapat

    menganalisis pengaruh beberapa variable terhadap variabel % "variable# lainnya

    dalam !aktu yang bersamaan. $ontoh kita dapat menganalisis pengaruh

    variable kualitas produk, harga dan saluran distribusi terhadap kepuasan

    pelanggan. $ontoh yang lain, misalnya pengaruh kecepatan layanan,

    keramahan petugas dan kejelasan memberikan in&ormasi terhadap kepuasan

    dan loyalitas pelanggan. Analisis multivariat digunakan karena pada

    kenyataannnya masalah yang terjadi tidak dapat diselesaikan dengan hanya

    menghubung-hubungkan dua variable atau melihat pengaruh satu variable

    terhadap variable lainnya.

    Analisis multivariat merupakan pengembangan lanjutan dari analisis

    univariat maupun bivariat. Analisis multivariat berasal dari kata multi dan

    variate, yang artinya analisis lebih dari dua variabel. Dengan demikian, analisis

    multivariat merujuk kepada teknik statistika tertentu yang menganalisis

    banyak variabel secara simultan. $ontoh dari analisis multivariat adalah

    Structural '(uation Model "S'M#. S'M merupakan pengembangan lanjut dari

    analisis regresi. S'M dikembangkan untuk menjelaskan hubungan yang

    komplek antar variabel. Sedangkan regresi bertujuan hanya untuk menjelaskan

    hubungan tunggal antar variabel.Variabel di dalam analisis multivariat dapat

    diklasifkasikan sebagai variabel dependen "dependent variable# dan variabel

    independen "independent variable#. Variabel dependen adalah variabel yang

    nilainya ditentukan oleh variabel lain yaitu variabel independen. Sedangkan

    variabel independen adalah variabel yang digunakan untuk mengestimasi atau

  • 7/23/2019 Analisis Multivariat_regresi 3 Prediktor_korelasi Ganda_parsial - Copy

    3/15

    memprediksi nilai variabel lain yaitu variabel dependen.

    Sebagai alat analisis statistika yang bersi&at general, analisis multivariat terdiri

    dari beberapa jenis. )enis analisis multivariat dapat dikelompokkan ke dalam teknikdependen "dependent techni(ue# dan teknik interdependen "interdependent

    techni(ue#.

    *eknik dependen adalah teknik yang digunakan ketika variabel dependen

    dipengaruhi oleh variabel independen. *eknik interdependen adalah teknik

    yang digunakan ketika semua variabel saling berpengaruh. Sedangkan teknik

    struktural adalah teknik yang digunakan untuk menganalisis variabel dependen

    dan independen secara simultan.

    *eknik Dependen

    +ila di dalam analisis multivariat bisa dibedakan antara variabel

    dependen dan variabel independen maka dapat digunakan teknik dependen.

    Ada beberapa jenis analisis metode dependen di dalam analisis multivariat.

    engelompokkannya didasarkan oleh dua hal yaitu . )umlah variabel

    dependen, dan /. )enis pengukuran data terhadap variabel baik dependen

    maupun independen. +erdasarkan jumlah variabel dependen, maka analisis

    multivariat dikelompokkan apakah mempunyai satu variabel dependen, dua

    variabel dependen, atau beberapa variabel dependen. Selanjutnya, setelah

    diketahui jumlah variabel dependen maka dilihat jenis data variabel dependen

    maupun data variabel independennya.

  • 7/23/2019 Analisis Multivariat_regresi 3 Prediktor_korelasi Ganda_parsial - Copy

    4/15

    )ika jumlah variabel dependen adalah satu maka ada empat jenis analisis

    multivariat yaitu0 . 1egresi, /. 1egresi 2ogistik, 3. Analisis Diskriminan, dan

    4. Analisis onjoin. Analisis regresi adalah analisis jika jumlah variabel

    dependennya satu bersi&at metrik dan variabel independennya dalam bentuk

    metrik ataupun non metrik. Analisis regresi logistik "logit# merupakan analisis

    dengan jumlah variabel dependen satu bersi&at non metrik dan variabel

    independennya bersi&at baik metrik ataupun non metrik. Analisis diskriminan

    adalah analisis dengan jumlah variabel dependen satu bersi&at non metrik dan

    varaiabel independennya bersi&at metrik ataupun non metrik.

    )ika jumlah variabel dependennya lebih dari satu maka ada / jenis

    analisis multivariat yaitu0 . Analisis kanonikal, dan /. Analisis MA56VA.

    Analisis kanonikal merupakan analisis dengan lebih dari dua variabel dependen

    bersi&at metrik dan variabelnya bersi&at metrik juga. Sedangkan MA56VA

    adalah analisis dengan variabel dependen lebih dari satu bersi&at metrik dan

    variabel independennya bersi&at non metrik.

    *eknik 7nterdependen

    Dalam banyak kasus, seringkali dialami kesulitan dalam memisahkan antara

    variabel dependen dan independennya. Dengan kata lain, semua variabel

    adalah independen. *ujuan dari analisis interdependen adalah menganalisis

  • 7/23/2019 Analisis Multivariat_regresi 3 Prediktor_korelasi Ganda_parsial - Copy

    5/15

    mengapa dan bagaimana variabel-variabel yang ada saling berhubungan. arena

    tidak bisa dipisahkan mana variabel dependen dan mana variabel independen,

    maka pembagian metode interdependen didasarkan pada jenis variabel yang ada

    yaitu apakah metrik atau non metrik.

    )ika jenis variabel adalah metrik maka ada tiga jenis analisis yaitu0 .

    Analisis &aktor, /. Analisis kluster, dan 3. Skala multidimensi. Sedangkan bila

    jenis variabel adalah variabel non metrik maka ada satu analisis yaitu analisis

    koresponden. 2ebih jelasnya dapat dilihat pada tabel di ba!ah ini.

    /. Analisis Multivariat

    Analisis statistik multivariat merupakan metode dalam melakukan penelitian

    terhadap lebih dari dua variable secara bersamaan. Dengan menggunakan teknik

    analisis ini maka kita dapat menganalisis pengaruh beberapa variable

    terhadap

    variabel lainnya dalam !aktu yang bersamaan. +erdasarkan hubungan antar

    variabel, analisis multivariat dapat dibedakan menjadi dependence techni(ues dan

  • 7/23/2019 Analisis Multivariat_regresi 3 Prediktor_korelasi Ganda_parsial - Copy

    6/15

    interdependence techni(ues. Dalam dependence techni(ues, terdapat dua jenis

    variabel, yaitu variabel terikat dan variabel bebas. Dependence techni(ues ini

    digunakan untuk menyelesaikan permasalahan-permasalahan mengenai hubungan

    antara dua kelompok variabel tersebut. Sedangkan dalam interdependence

    techni(ues, kedudukan setiap variabel sama, tidak ada variabel terikat dan

    variabel bebas. +iasanya interdependence techni(ues ini digunakan untuk melihat

    saling keterkaitan hubungan antar semua variabel tanpa memperhatikan

    bentuk

    variabel yang dilibatkan "+ilson Simamora, /889#.

    /./ Analisis 1egresi 2inier +erganda

    Analisis regresi berganda adalah suatu metode analisis regresi untuk lebih

    dari

    dua variabel, karena itu termasuk dalam analisis multivariat. 5amun karena dalam

    analisis regresi ganda juga dianalisis hubungan antar satu variabel bebas : dengan

  • 7/23/2019 Analisis Multivariat_regresi 3 Prediktor_korelasi Ganda_parsial - Copy

    7/15

    variabel terikat ; manakala variabel bebas : lainnya dianggap konstan, maka

    dalam analisisnya juga masih bisa digunakan metode kuadrat terkecil. arena itu

    analisis regresi ganda merupakan jembatan penghubung antara analisis

    regresi

    sederhana yang bersi&at bivariate, dengan model analisis regresi yang bersi&at

    multivariate. Analisis regresi merupakan studi dalam menjelaskan dan

    mengevaluasi hubungan antara suatu peubah bebas "independent variable# dengan

    satu peubah tak bebas "dependent variable# dengan tujuan untuk

    mengestimasi

    atau meramalkan nilai peubah tak bebas didasarkan pada nilai peubah bebas yang

    diketahui " 5"8,?/#.

    /. 5on autokorelasi antar sisaan, berarti cov "=i ,=j # @ 8, dimana i ke j.

    3. omoskedastisitas, var "=i# @ ?/ untuk setiap i, i@ ,/,B,n yang artinya

    varians dari semua sisaan adalah konstan atau homoskedastik.

    4. *idak terjadi multikolinearitas. *idak terdapat hubungan linear yang

    sempurna atau pasti diantara variabel.

  • 7/23/2019 Analisis Multivariat_regresi 3 Prediktor_korelasi Ganda_parsial - Copy

    8/15

    Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linear bergandayang

    berbasis ordinary least square (OLS). Jadi analisis regresi yang tidak berdasarkan OLS tidak memerlukan

    persyaratan asumsi klasik, misalnyaregresi logistikatauregresi ordinal.Demikian juga tidak semua uji asumsi

    klasik harus dilakukan pada analisis regresi linear, misalnya uji multikolinearitas tidak dilakukan pada analisis regresilinear sederhana dan uji autokorelasi tidak perlu diterapkan pada data ross setional.

    Uji asumsi klasik juga tidak perlu dilakukan untuk analisis regresi linear yang bertujuan untuk menghitung nilai pada

    !ariabel tertentu. "isalnya nilai return saham yang dihitung dengan market model, atau market adjusted model.

    #erhitungan nilai return yang diharapkan dapat dilakukan dengan persamaan regresi, tetapi tidak perlu diuji asumsi

    klasik.

    Uji asumsi klasik yang sering digunakan yaitu uji multikolinearitas, uji heteroskedastisitas, uji normalitas, uji

    autokorelasi dan uji linearitas. $idak ada ketentuan yang pasti tentang urutan uji mana dulu yang harus dipenuhi.

    %nalisis dapat dilakukan tergantung pada data yang ada. Sebagai ontoh, dilakukan analisis terhadap semua uji

    asumsi klasik, lalu dilihat mana yang tidak memenuhi persyaratan. &emudian dilakukan perbaikan pada uji tersebut,

    dan setelah memenuhi persyaratan, dilakukan pengujian pada uji yang lain.

    1. Uji Normalitas

    Uji normalitasadalah untuk melihat apakah nilai residual terdistribusi normal atau tidak. "odel regresi yang baik

    adalah memiliki nilai residual yang terdistribusi normal. Jadi uji normalitas bukan dilakukan pada masing'masing

    !ariabel tetapi pada nilai residualnya. Sering terjadi kesalahan yang jamak yaitu baha uji normalitas dilakukan pada

    masing'masing !ariabel. al ini tidak dilarang tetapi model regresi memerlukan normalitas pada nilai residualnya

    bukan pada masing'masing !ariabel penelitian.

    #engertian normal seara sederhana dapat dianalogikan dengan sebuah kelas. Dalam kelas sisa yang bodohsekali dan pandai sekali jumlahnya hanya sedikit dan sebagian besar berada pada kategori sedang atau rata'rata.

    Jika kelas tersebut bodoh semua maka tidak normal, atau sekolah luar biasa. Dan sebaliknya jika suatu kelas banyak

    yang pandai maka kelas tersebut tidak normal atau merupakan kelas unggulan. #engamatan data yang normal akan

    memberikan nilai ekstrim rendah dan ekstrim tinggi yang sedikit dan kebanyakan mengumpul di tengah. Demikian

    juga nilai rata'rata, modus dan median relati* dekat.

    Uji normalitas dapat dilakukan dengan uji histogram, uji normal # #lot, uji +hi Square, Skeness dan &urtosis atau

    uji &olmogoro! Smirno!. $idak ada metode yang paling baik atau paling tepat. $ipsnya adalah baha pengujian

    dengan metode gra*ik sering menimbulkan perbedaan persepsi di antara beberapa pengamat, sehingga penggunaan

    uji normalitas dengan uji statistik bebas dari keragu'raguan, meskipun tidak ada jaminan baha pengujian dengan uji

    statistik lebih baik dari pada pengujian dengan metode gra*ik.

    Jika residual tidak normal tetapi dekat dengan nilai kritis (misalnya signi*ikansi Kolmogorov Smirnovsebesar ,-)

    maka dapat dioba dengan metode lain yang mungkin memberikan justi*ikasi normal. $etapi jika jauh dari nilai

    normal, maka dapat dilakukan beberapa langkah yaitu/ melakukan trans*ormasi data, melakukan trimmingdata

    outliersatau menambah data obser!asi. $rans*ormasi dapat dilakukan ke dalam bentuk Logaritma natural, akar

    http://www.konsultanstatistik.com/2009/03/regresi-linear.htmlhttp://www.konsultanstatistik.com/2009/03/regresi-logistik.htmlhttp://www.konsultanstatistik.com/2009/03/regresi-logistik.htmlhttp://www.konsultanstatistik.com/2009/03/pengantar-regresi-ordinal.htmlhttp://www.konsultanstatistik.com/2009/03/pengantar-regresi-ordinal.htmlhttp://www.konsultanstatistik.com/2009/03/pengantar-regresi-ordinal.htmlhttp://www.konsultanstatistik.com/search/label/Normalitashttp://www.konsultanstatistik.com/2009/03/uji-normalitas-dengan-kolmogorov.htmlhttp://www.konsultanstatistik.com/2009/03/uji-normalitas-dengan-kolmogorov.htmlhttp://www.konsultanstatistik.com/2010/05/data-outliers.htmlhttp://www.konsultanstatistik.com/2010/05/data-outliers.htmlhttp://www.konsultanstatistik.com/2010/05/data-outliers.htmlhttp://www.konsultanstatistik.com/2010/05/data-outliers.htmlhttp://www.konsultanstatistik.com/2009/03/regresi-logistik.htmlhttp://www.konsultanstatistik.com/2009/03/pengantar-regresi-ordinal.htmlhttp://www.konsultanstatistik.com/search/label/Normalitashttp://www.konsultanstatistik.com/2009/03/uji-normalitas-dengan-kolmogorov.htmlhttp://www.konsultanstatistik.com/2010/05/data-outliers.htmlhttp://www.konsultanstatistik.com/2010/05/data-outliers.htmlhttp://www.konsultanstatistik.com/2009/03/regresi-linear.html
  • 7/23/2019 Analisis Multivariat_regresi 3 Prediktor_korelasi Ganda_parsial - Copy

    9/15

    kuadrat, in!erse, atau bentuk yang lain tergantung dari bentuk kur!a normalnya, apakah ondong ke kiri, ke kanan,

    mengumpul di tengah atau menyebar ke samping kanan dan kiri.

    2. Uji Multikolinearitas

    Uji multikolinearitasadalah untuk melihat ada atau tidaknyakorelasiyang tinggi antara !ariabel'!ariabel bebas

    dalam suatu model regresi linear berganda. Jika ada korelasi yang tinggi di antara !ariabel'!ariabel bebasnya, maka

    hubungan antara !ariabel bebas terhadap !ariabel terikatnya menjadi terganggu. Sebagai ilustrasi, adalah model

    regresi dengan !ariabel bebasnya moti!asi, kepemimpinan dan kepuasan kerja dengan !ariabel terikatnya adalah

    kinerja. Logika sederhananya adalah baha model tersebut untuk menari pengaruh antara moti!asi, kepemimpinan

    dan kepuasan kerja terhadap kinerja. Jadi tidak boleh ada korelasi yang tinggi antara moti!asi dengan

    kepemimpinan, moti!asi dengan kepuasan kerja atau antara kepemimpinan dengan kepuasan kerja.

    %lat statistik yang sering dipergunakan untuk menguji gangguan multikolinearitas adalah dengan !ariane in*lation

    *ator (012), korelasi pearson antara !ariabel'!ariabel bebas, atau dengan melihat eigen!alues dan ondition inde3

    (+1).

    4eberapa alternati* ara untuk mengatasi masalah multikolinearitas adalah sebagai berikut/

    5. "engganti atau mengeluarkan !ariabel yang mempunyai korelasi yang tinggi.

    6. "enambah jumlah obser!asi.7. "entrans*ormasikan data ke dalam bentuk lain, misalnya logaritma natural, akar kuadrat atau bentuk *irstdi**erene delta.

    3. Uji Heteroskedastisitas

    Uji heteroskedastisitasadalah untuk melihat apakah terdapat ketidaksamaanvariansdari residual satu ke

    pengamatan ke pengamatan yang lain. "odel regresi yang memenuhi persyaratan adalah di mana terdapat

    kesamaan !arians dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut homoskedastisitas.

    Deteksi heteroskedastisitas dapat dilakukan dengan metode satter plot dengan memplotkan nilai 8#9:D (nilai

    prediksi) dengan S9:S1D (nilai residualnya). "odel yang baik didapatkan jika tidak terdapat pola tertentu pada gra*ik,

    seperti mengumpul di tengah, menyempit kemudian melebar atau sebaliknya melebar kemudian menyempit. Uji

    statistik yang dapat digunakan adalah uji Glejser, uji #ark atau uji ;hite.

    4eberapa alternati* solusi jika model menyalahi asumsi heteroskedastisitas adalah dengan mentrans*ormasikan ke

    dalam bentuk logaritma, yang hanya dapat dilakukan jika semua data bernilai positi*. %tau dapat juga dilakukan

    dengan membagi semua !ariabel dengan !ariabel yang mengalami gangguan heteroskedastisitas.

    4. Uji utokorelasi

    Uji autokorelasiadalah untuk melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya (t

    '5). Seara sederhana adalah baha analisis regresi adalah untuk melihat pengaruh antara !ariabel bebas terhadap

    !ariabel terikat, jadi tidak boleh ada korelasi antara obser!asi dengan data obser!asi sebelumnya. Sebagai ontoh

    adalah pengaruh antara tingkat in*lasi bulanan terhadap nilai tukar rupiah terhadap dollar. Data tingkat in*lasi pada

    bulan tertentu, katakanlah bulan 2ebruari, akan dipengaruhi oleh tingkat in*lasi bulan Januari. 4erarti terdapat

    gangguan autokorelasi pada model tersebut. +ontoh lain, pengeluaran rutin dalam suatu rumah tangga. &etika pada

    http://www.konsultanstatistik.com/search/label/Multikolinearitashttp://www.konsultanstatistik.com/search/label/Multikolinearitashttp://www.konsultanstatistik.com/2011/07/regresi-dan-korelasi.htmlhttp://www.konsultanstatistik.com/2011/07/regresi-dan-korelasi.htmlhttp://www.konsultanstatistik.com/2011/07/regresi-dan-korelasi.htmlhttp://www.konsultanstatistik.com/search/label/Heteroskedastisitashttp://www.konsultanstatistik.com/2009/04/no-comment.htmlhttp://www.konsultanstatistik.com/2009/04/no-comment.htmlhttp://www.konsultanstatistik.com/2009/03/uji-heteroskedastisitas-dengan-glejser.htmlhttp://www.konsultanstatistik.com/search/label/Autokorelasihttp://www.konsultanstatistik.com/search/label/Multikolinearitashttp://www.konsultanstatistik.com/2011/07/regresi-dan-korelasi.htmlhttp://www.konsultanstatistik.com/search/label/Heteroskedastisitashttp://www.konsultanstatistik.com/2009/04/no-comment.htmlhttp://www.konsultanstatistik.com/2009/03/uji-heteroskedastisitas-dengan-glejser.htmlhttp://www.konsultanstatistik.com/search/label/Autokorelasi
  • 7/23/2019 Analisis Multivariat_regresi 3 Prediktor_korelasi Ganda_parsial - Copy

    10/15

    bulan Januari suatu keluarga mengeluarkan belanja bulanan yang relati* tinggi, maka tanpa ada pengaruh dari

    apapun, pengeluaran pada bulan 2ebruari akan rendah.

    Uji autokorelasi hanya dilakukan pada data time series !runtut "aktu#dan tidak perlu dilakukan pada data ross

    setion seperti pada kuesioner di mana pengukuran semua !ariabel dilakukan seara serempak pada saat yang

    bersamaan. "odel regresi pada penelitian di 4ursa :*ek 1ndonesia di mana periodenya lebih dari satu tahun

    biasanya memerlukan uji autokorelasi.

    4eberapa uji statistik yang sering dipergunakan adalah uji Durbin';atson, uji dengan 9un $est dan jika data

    obser!asi di atas 5 data sebaiknya menggunakan uji Lagrange "ultiplier. 4eberapa ara untuk menanggulangi

    masalah autokorelasi adalah dengan mentrans*ormasikan data atau bisa juga dengan mengubah model regresi ke

    dalam bentuk persamaan beda umum (generali

  • 7/23/2019 Analisis Multivariat_regresi 3 Prediktor_korelasi Ganda_parsial - Copy

    11/15

    Uji persyaratan analisis diperlukan guna mengetahui apakah analisis data untukpengujian hipotesisdapat dilanjutkan atau tidak. 4eberapa teknik analisis datamenuntut uji persyaratan analisis. %nalisis!arian mempersyaratkan baha data berasaldari populasi yang berdistribusi normal dan kelompok'kelompok yang dibandingkanhomogen. Oleh karena itu analisis !arian mempersyaratkan uji

    normalitas danhomogenitas data. (andri hidayat, 65/ 5'7)Uji nonparametrik digunakan apabila asumsi'asumsi pada uji parametrik tidakdipenuhi. %sumsi yangpaling la

  • 7/23/2019 Analisis Multivariat_regresi 3 Prediktor_korelasi Ganda_parsial - Copy

    12/15

    Uji Persyaratan DataUji persyaratan analisis diperlukan guna mengetahui apakah analisis data untuk pengujian hipotesis

    dapat dilanjutkan atau tidak. Beberapa teknik analisis data menuntut uji persyaratan analisis. Analisis

    varian mempersyaratkan bahwa data berasal dari populasi yang berdistribusi normal dan kelompok-

    kelompok yang dibandingkan homogen. Oleh karena itu analisis varian mempersyaratkan uji

    normalitas dan homogenitas data.

    Berbagai pengujian persyaratan analisis, seperti uji normalitas, uji homogenitas, dan uji linearitas.

    Uji %sumsi &lasik "odel 9egresi Linier 4erganda

    Estimasi yang peneliti ciptakan melalui model regresi linier berganda (multipleregression) memberi hubungan antar beberapa variabel. Tapi hasil regresi tidaksecara otomatis memberikan hubungan yang handal.

    Peneliti harus mengetahui sifat-sifat estimator dan menunjukkan beberapaasumsi dasar di dalam dataset. Sebuah model disebut sebagai model yang baikjika memenuhi beberapa asumsi yang disebut dengan asumsi klasik (classicalassumptions).

    odel regresi adalahstatistik parametrik. Prinsip asumsi-asumsi tersebut yaitu!

    "ariabel bebas dan terikat dalam koefisien model harus linier.

    "ariabel bebas tidak berkorelasi dengan error atau residual.

    ean dari error adalah nol.

    Error memiliki varian konstan (homoskedastis) atau tidak ada

    heteroskedastisitas.

    Error tidak saling berkorelasi serial atau tidak ada autokorelasi.

    http://tu.laporanpenelitian.com/2014/10/7.htmlhttp://tu.laporanpenelitian.com/2014/10/7.htmlhttp://tu.laporanpenelitian.com/2014/10/7.html
  • 7/23/2019 Analisis Multivariat_regresi 3 Prediktor_korelasi Ganda_parsial - Copy

    13/15

    Tidak ada variabel bebas memiliki hubungan linear sempurna dengan

    variabel bebas lainnya atau tidak ada multikolinearitas.

    Error terdistribusi secara tidak normal.

    #engan demikian ada $ uji yang harus dilakukan sebelum pengujian hipotesis

    dalam model regresi yaitu heteroskedastisitas% autokorelasi% multikolinieritas dan

    normalitas.

    Uji Heteroskedastisitas

    &ji heteroskedastisitas untuk mengetahui apakah model regresi terjadi

    ketidaksamaan varian error satu pengamatan ke pengamatan yang lain. odel

    yang baik harus homoskesdastisitas. 'eberapa cara untuk menguji yaitu

    menggunakan &ji Scatterplot% &ji Park% &ji lesjer dan &ji hite.

    Uji Autokorelasi

    &ji *utokorelasibertujuan menguji apakah model memiliki korelasi antar error

    pada periode t dengan error periode t-+ (sebelumnya). odel yang baik tidak

    terjadi autokorelasi. 'eberapa cara untuk menguji menggunakan &ji #urbin-

    atson (# test)% &ji ,angrange ultiplier (, test)% &ji Statistics 'o-Pierce

    dan ,jung 'o% serta /un Test.

    Uji Multikolinieritas

    &ji ultikolinieritas bertujuan untuk menguji apakah model regresi ditemukan

    adanya korelasi antar variabel bebas. odel yang baik seharusnya tidak terjadi

    yaitu nilai Tolerancedi atas 0%+ dan nilai "12 di ba3ah +0.

    Uji Normalitas

    &ji normalitas untuk mengetahui apakah error dalam model regresi memiliki

    distribusi normal. odel yang baik mengasumsikan error tidak berdistribusi

    normal. 'eberapa cara untuk menguji yaitu menggunakan *nalisis rafik

    4istogram dan P-P Plot% *nalisis 5 Ske3ness dan 5 6urtosis serta 7ne-Sample

    6olmogorov-Smirnov Test.

    Proses pengujian asumsi klasik dilakukan bersama dengan proses uji regresi

    sehingga langkah-langkah yang dilakukan dalam pengujian asumsi klasik

    menggunakan langkah kerja yang sama dengan uji regresi.

  • 7/23/2019 Analisis Multivariat_regresi 3 Prediktor_korelasi Ganda_parsial - Copy

    14/15

    Regresi Ganda

    Regresi Terdiri atas variabel bebas yang mempengaruhi! dan variabel terikat yangdipengaruhi!. "ariabel yang mempaengaruhi ini dalam analisis regresi disebut sebagi variabel

    prediktor dengan lambang #! dan yang dipengaruhi disebut variabel kriterium dengan lambang

    $!. %amun pada regressi ganda kita membi&arakan hubungan antara ' variabel terikat dengan (

    atau lebih variable terikat.

    Regresi )anda bertujuan untuk.

    G Untuk meramalkan pengaruh dua variabel prediktor atau lebih terhadap satu variabel

    kriterium atau variable terikat

    G *embuktikan ada atau tidaknya hubungan +ungsional antara dua buah variabel bebas #! ataulebih dengan sebuah variabel terikat $!.

    e&ara umum regresi ganda dituliskan dalam matematis sebagai beerikut

    $ a b'#' b(#( b/#/000.bn#n

    1eterangan

    $ variable tak bebas

    #' variabel bebas ke-'

    #( variabel bebas ke-(

    #/ "ariabel bebas ke-/

    #n "ariabel bebas ke-na kostanta

    b' kemiringan ke '

    b( kemiringan ke (

    b/ kemiringan ke /

    R2)R23 )A%4A 42%)A% ( "AR3AB25 B2BA

    4alam hal ini kita membahas regresi ganda dengan ( variabel bebas, dimana dalam hal ini

    terdiri dari ' variabel terikat $! dan ( variabel bebas #'dan #(!. eperti yang dijelaskan diatas

    karena hanya terdiri dari ( variabel bebas maka se&ara umum dapat persamaaan regresi ganda

    dengan ( variabel bebas seperti dibawah ini

    $ a b'#' b(#(

    R2)R23 )A%4A 42%)A% / "AR3AB25 B2BA

    e&ara pengertian regresi ganda antara ( variabel bebas dan / variabel bebas adalah

    sama, jika $ adalah veriabel terikat maka dalam ( variabel bebas seperti yang dijelaskan tadi

  • 7/23/2019 Analisis Multivariat_regresi 3 Prediktor_korelasi Ganda_parsial - Copy

    15/15

    hanya memiliki ( variabel predi&tor yaitu #' dan #(, namun dalam regresi ganda dengan /

    variabel bebas dalam hal ini terdapat / variabel predi&tor, yaitu #', #( dan #/.

    e&ara umum bentuk persamaan dari regresi ganda dengan / variabel bebas adalah

    $ a b'#' b(#( b/#/