Transcript Tampilan Output Regresi pada SPSS

REGRESI DENGAN
SPSS
Julian Adam Ridjal, SP., MP.
Tampilan Analisis Regresi pada SPSS
Dependent, digunakan untuk
mendaftar sebuah variabel
numerik yang akan dijadikan
sebagai variabel respon.
 Independent (s), digunakan untuk
mendaftar satu atau beberapa
variabel numerik yang akan
dijadikan sebagai variabel
prediktor.
5 macam metode yang digunakan :
 Enter, merupakan pilihan default
yang paling sederhana untuk
medapatkan persamaan regresi.
Pada metode ini semua variabel
dari suatu blok akan dijadikan satu
group dalam persamaan.
 Remove, metode ini tidak berlaku untuk blok pertama, metode ini bertujuan
untuk mengeluarkan variabel yang ditentukan pada blok sebelumnya.
 Stepwise, metode regresi reduksi bertahap, yang bertujuan untuk
menambahkan dan mengeluarkan variabel independen sesuai kriteria.

Tampilan Analisis Regresi pada SPSS



Backward, merupakan metode
untuk mengeluarkan variabel yang
ditentukan.
Forward, digunakan untuk
menambahkan variabel
independent sesuai ketentuan.
Select Variabel berguna untuk memilih (membatasi) sejumlah kasus-kasus
tertentu dari suatu variabel yang akan diikutsertakan dalam analisis.
Ketik Select Variabel lalu pilih Rule
CATATAN :
SELECT VARIABEL JARANG DIGUNAKAN, KARENA MENU EQUAL TO
SUDAH MENJADI DEFAULT DAN ATURAN ITU YANG SERING DIGUNAKAN.
Tampilan Analisis Regresi pada SPSS




Regression Coefficient,
menampilkan taksiran (estimates),
selang kepercayaan dan matriks
kovarian.
Perumusan model, digunakan
untuk menyusun model yang
dapat dibuat pada regresi.
Residuals, terdiri dari DW dan
diagnosa kasus yang diterima.
CATATAN :
PADA KASUS REGRESI LINIER BERGANDA YANG SEDERHANA MAKA
CUKUP DIAKTIFKAN PADA ESTIMATES DAN MODEL FIT SAJA.
Tampilan Analisis Regresi pada SPSS









DEPENDNT, untuk dependent variabel.
ZPRED, merupakan nilai-nilai prediksi
yang terstandarisir.
ZRESID, merupakan residual yang
terstandarisir.
DRESID, akan mengaktifkan delete
residual.
ADJPRED, merupakan harga prediktor
yang ditetapkan.
SRESID, merupakan residual student.
SDRESID, akan menghilangkan residual
student.

Histogram, menampilkan distribusi dari
residual yang terstandar.
Normal Probability, membandingkan
distribusi residual yang terstandar
dengan distribusi normal.
CATATAN :
PADA KASUS REGRESI LINIER
BERGANDA YANG SEDERHANA
MAKA KITA DAPAT MENGABAIKAN
MENU INI.
Tampilan Analisis Regresi pada SPSS





Use probability of F, jika memilih ini,
maka harus dimasukkan harga entry lebih
rendah dari harga removal. Jika pada
harga entry 0,05 dan harga removal 0,10
maka suatu variabel akan dimasukkan jika
tingkat signifikansi dari F lebih kecil dari
harga entry, dan akan dikeluarkan jika
tingkat signifikansi lebih besar dari harga
removal.
Use F value , jika menggunakan pilihan
ini, maka harga entry harus lebih besar
daripada harga removal. Jika harga F lebih
besar dari harga entry maka dimasukkan,
demikian sebaliknya.
Exclude cases listwise, menganalisis kasus yang memiliki harga valid dari
semua variabel.
Exclude cases pairwise, menganalisis koefisien korelasi dari seluruh kasus
yang berharga valid dari dua variabel yang dikorelasikan.
Replace with mean, menggantikan missing value dengan mean variabel.
Tampilan Output Regresi pada SPSS
Descriptive Statistics
penjualan
selling



Mean
431.4167
7234571
Std. Deviation
98.05514
2647359.079
N
12
12
Pada tabel deskripsi ini terlihat bahwa terdapat variabel penjualan (Y) dan selling
(x1) dengan beberapa keterangan :
Rata-rata dari penjualan sebesar 431, 4167 dengan SD 98,05514.
Jumlah kasus ada 12.
Tampilan Output Regresi pada SPSS
Correlations
Pearson Correlation
Sig . (1-tailed)
N



penjualan
selling
penjualan
selling
penjualan
selling
penjualan
1.000
.888
.
.000
12
12
selling
.888
1.000
.000
.
12
12
Bagian ini menunjukkan hasil koefisien korelasi. Mengapa korelasi perlu di
regresi ? Karena dalam melakukan uji regresi perlu dicek terlebih dahulu tingkat
korelasinya.
Hasil korelasi antara penjualan dengan selling sebesar 0,888 dengan tingkat
signifikansi 0,000.
Nilai korelasi > 0,8 berarti korelasi kuat.
Tampilan Output Regresi pada SPSS
Variables Entered/Removedb
Model
1
Variables
Entered
selling a
Variables
Removed
.
Method
Enter
a. All req uested variables entered.
b. Dependent Variable: penjualan

Pada bagian ini untuk menunjukkan bahwa variabel yang dimasukkan adalah
selling dan variabel yang dikeluarkan tidak ada.
Tampilan Output Regresi pada SPSS
Model Summary
Model
1
R
.888a
R Sq uare
.788
Adjusted
R Sq uare
.767
Std. Error of
the Estimate
47.33382
a. Predictors: (Constant), selling

Nilai koefisien determinasi R2 (R Square) sebesar 0,788, artinya bahwa sebesar
78,8 % sumbangan pengaruh x1 (selling) terhadap y (penjualan), sedang sisanya
sebesar 21,2 % dipengaruhi oleh faktor lain.
Tampilan Output Regresi pada SPSS
ANOVAb
Model
1
Reg ression
Residual
Total
Sum of
Squares
83358.010
22404.907
105762.9
df
1
10
11
Mean Square
83358.010
2240.491
F
37.205
Sig .
.000a
a. Predictors: (Constant), selling
b. Dependent Variable: penjualan


Uji anova sebenarnya digunakan untuk menguji ada tidaknya pengaruh beberapa
variabel independent terhadap variabel dependent.
Nilai F sebesar 37,205 dengan tingkat signifikasi sebesar 0,000 berarti terdapat
pengaruh variabel x1 (selling) terhadap y (penjualan) dengan sangat nyata.
Tampilan Output Regresi pada SPSS
Coefficientsa
Model
1
(Constant)
selling
Unstandardized
Coefficients
B
Std. Error
193.526
41.325
3.280
.000
a. Dependent Variable: penjualan

Diperoleh model yaitu :
Y = 193,526 + 3,28 x
Standardized
Coefficients
Beta
.888
t
4.683
6.100
Sig .
.001
.000
SELAMAT
BELAJAR