Presentasi 12
-
Upload
stiki-indonesia -
Category
Documents
-
view
3 -
download
0
Transcript of Presentasi 12
Regresi merupakan suatu alat ukur yang juga dapat digunakan untuk mengukur ada atau tidaknya korelasi antar variabel. Jika kita memiliki dua buah variabel atau lebih maka sudah selayaknya apabila kita ingin mempelajari bagaimana variabel-variabel itu berhubungan atau dapat diramalkan.
Langkah-langkah:1.Buka aplikasi SPSS, cara:
Start – All Programs - SPSS for Windows – SPSS [versi] for windows (untuk Windows XP)
2.Tentukan nama, tipe, lebar, label variabel, dan sebagainya melalui variabel view, seperti pada tampilan SPSS berikut:
CONTOH 1: REGRESI DG SATU VARIABEL BEBAS: ANALISIS REGRESI ANTARA USIA MOBIL & HARGA JUAL
Langkah-langkah:3.Isikan nilai data untuk setiap variabel. Tampilan
SPSS akan seperti berikut:
CONTOH 1: REGRESI DG SATU VARIABEL BEBAS: ANALISIS REGRESI ANTARA USIA MOBIL & HARGA JUAL
Langkah-langkah:4.Pilih menu Analyze – Regression - Linear. Tampilan
SPSS akan seperti berikut:
CONTOH 1: REGRESI DG SATU VARIABEL BEBAS: ANALISIS REGRESI ANTARA USIA MOBIL & HARGA JUAL
Langkah-langkah:5.Isi sel pada kotak
dialog yang muncul sesuai dengan tujuan penelitian. Dalam contoh kasus disini, harga jual (harga) merupakan dependent variable dan usia mobil (usia) merupakan independent variable. Kemudian klik “OK” Tampilan SPSS akan seperti berikut:
CONTOH 1: REGRESI DG SATU VARIABEL BEBAS: ANALISIS REGRESI ANTARA USIA MOBIL & HARGA JUAL
Model Summary
.924a .853 .837 12.577Model1
R R SquareAdjustedR Square
Std. Error ofthe Estimate
Predictors: (Constant), Car Age (years)a.
Variables Entered/Removedb
Car Age(years)
a . Enter
Model1
VariablesEntered
VariablesRemoved Method
All requested variables entered.a. Dependent Variable: Price ($)b.
Koefisien DeterminasiR2, Percentage of Variance
CONTOH 1: REGRESI DG SATU VARIABEL BEBAS: ANALISIS REGRESI ANTARA USIA MOBIL & HARGA JUAL
Coefficientsa
195.468 15.240 12.826 .000-20.261 2.800 -.924 -7.237 .000
(Constant)Car Age (years)
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig.
Dependent Variable: Price ($)a.
ANOVAb
8285.014 1 8285.014 52.380 .000a1423.532 9 158.1709708.545 10
RegressionResidualTotal
Model1
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), Car Age (years)a. Dependent Variable: Price ($)b.
InterceptSlope
Signifikansi regresiIs regression Significant?
Kesalahan PrediksiError of prediction
CONTOH 1: REGRESI DG SATU VARIABEL BEBAS: ANALISIS REGRESI ANTARA USIA MOBIL & HARGA JUAL
Cara membaca output spss hasil uji regresi
linier tersebut adalah : Tabel pertama menunjukkan variabel apa saja yang diproses, mana yang menjadi variabel bebas
dan variabel terikat. Tabel kedua menampilkan nilai R yang merupakan simbol dari nilai koefisien korelasi. Pada
contoh diatas nilai korelasi adalah 0,924. Nilai ini dapat diinterpretasikan bahwa hubungan kedua variabel penelitian ada di kategori kuat. Melalui tabel ini juga diperoleh nilai R Square atau koefisien determinasi (KD) yang menunjukkan seberapa bagus model regresi yang dibentuk oleh interaksi variabel bebas dan variabel terikat. Nilai KD yang diperoleh adalah 85,3% yang dapat ditafsirkan bahwa variabel bebas USIA memiliki pengaruh kontribusi sebesar 85,3% terhadap variabel HARGA dan 14,7% lainnya dipengaruhi oleh faktor-faktor lain diluar variabel USIA.
Tabel ketiga digunakan untuk menentukan taraf signifikansi atau linieritas dari regresi. Kriterianya dapat ditentukan berdasarkan uji F atau uji nilai Signifikansi (Sig.). Cara yang paling mudah dengan uji Sig., dengan ketentuan, jika Nilai Sig. < 0,05, maka model regresi adalah linier, dan berlaku sebaliknya. Berdasarkan tabel ketiga, diperoleh nilai Sig. = 0,000 yang berarti < kriteria signifikan (0,05), dengan demikian model persamaan regresi berdasarkan data penelitian adalah signifikan artinya, model regresi linier memenuhi kriteria linieritas.
Tabel keempat menginformasikan model persamaan regresi yang diperoleh dengan koefisien konstanta dan koefisien variabel yang ada di kolom Unstandardized Coefficients B. Berdasarkan tabel ini diperoleh model persamaan regresi : HARGA=195,468 + -20,261 USIA.