Contoh Regresi Linier Sederhana dengan SPSS by I086Dh1

VIEWS: 0 PAGES: 4

									    Contoh Regresi Linier Sederhana
    dengan SPSS
    Artikel ini akan mengupas contoh regresi linier sederhana dengan SPSS menggunakan data regresi
    menggunakan data yang dipakai seperti pada perhitungan korelasi. Analisis regresi sederhana
    merupakan salah satu metodi uji regresi yang dapat dipakai sebagai alat inferensi statistik untuk
    menentukan pengaruh sebuahvariabel bebas (independen) terhadap variabel terikat (dependen).
    Regresi linear sederhana ataupun regresi linier berganda pada intinya memiliki beberapa tujuan, yaitu :

            Menghitung nilai estimasi rata-rata dan nilai variabel terikat berdasarkan pada nilai variabel
    bebas.
          Menguji hipotesis karakteristik dependensi
          Meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai variabel bebas diluar
    jangkaun sample.
    Pada analisis regresi sederhana dengan menggunakan SPSS ada beberapa asumsi dan persyaratan
    yang perlu diperiksa dan diuji, beberapa diantaranya adalah :

             Variabel bebas tidak berkorelasi dengan disturbance term (Error). Nilai disturbance term sebesar
    0 atau dengan simbol sebagai berikut: (E (U / X) = 0,
             Jika variabel bebas lebih dari satu, maka antara variabel bebas (explanatory) tidak ada hubungan
    linier yang nyata,
             Model regresi dikatakan layak jika angka signifikansi pada ANOVA sebesar < 0.05,
             Predictor yang digunakan sebagai variabel bebas harus layak. Kelayakan ini diketahui jika angka
    Standard Error of Estimate < Standard Deviation,
             Koefisien regresi harus signifikan. Pengujian dilakukan dengan Uji T. Koefesien regresi signifikan
    jika T hitung > T table (nilai kritis),

                                                                                                          2
              Model regresi dapat diterangkan dengan menggunakan nilai koefisiena determinasi (KD = r x
    100%) semakin besar nilai tersebut maka model semakin baik. Jika nilai mendekati 1 maka model regresi
    semakin baik,
             Data harus berdistribusi normal,
             Data berskala interval atau rasio,
             Kedua variabel bersifat dependen, artinya satu variabel merupakan variabel bebas (variabel
    predictor) sedang variabel lainnya variabel terikat (variabel response)
    Berikut ini contoh perhitungan regresi linier sederhana menggunakan software SPSS 19.
          Dengan menggunakan data yang sama seperti pada artikel perhitungan korelasi, proses mulai
    dengan memilih menu Analyze, kemudian pilih Linear,




             Pilih variabel Y sebagai variabel dependen (terikat) dan X1 sebagai variabel independen (bebas)
    lalu klik tombol OK,
           Output SPSS akan menampilkan hasil berupa 4 buah tabel yaitu; 1.) tabel variabel penelitian, 2.)
    ringkasan model (model summary), 3.) Tabel Anova, dan 4.) Tabel Koefisien.




            Cara membaca output spss hasil uji regresi linier tersebut adalah :
o                     Tabel pertama menunjukkan variabel apa saja yang diproses, mana yang menjadi
    variabel bebas dan variabel terikat.
o                     Tabel kedua menampilkan nilai R yang merupakan simbol dari nilai koefisien korelasi.
    Pada contoh diatas nilai korelasi adalah 0,342. Nilai ini dapat diinterpretasikan bahwa hubungan kedua
    variabel penelitian ada di kategori lemah.
    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 11,7% yang dapat ditafsirkan bahwa variabel bebas X1 memiliki pengaruh
    kontribusi sebesar 11,7% terhadap variabel Y dan 88,3% lainnya dipengaruhi oleh faktor-faktor lain diluar
    variabel X1.
o                     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. = 0,140 yang berarti > kriteria signifikan (0,05),
    dengan demikian model persamaan regresi berdasarkan data penelitian adalah tidak signifikan artinya,
    model regresi linier tidak memenuhi kriteria linieritas.
o                     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 :
    Y =38,256 + 0,229 X1


    Contoh soal regresi dan perhitungan korelasi regresi, regresi berganda, regresi linear, regresi spss,
    regresi logistik, logistik regresi, regresi linier berganda, analisis regresi berganda, regresi linier
sederhana, model regresi, persamaan regresi, regresi statistik, statistik regresi, jurnal regresi, analisis
regresi linear, analisis regresi sederhana, analisis regresi spss, penelitian regresi, contoh analisis regresi,
contoh regresi berganda


Beberapa referensi lainnya mengenai olah data statistik khususnya mengenai regresi yang dapat anda
pelajari juga dibaca pada link berikut;
- http://www.jonathansarwono.info/regresi/regresi.htm
- http://www.regresi.com/uploads/5/9/4/2/5942698/contoh_hasil.pdf

								
To top