Wednesday, July 13, 2011

Regresi linier berganda



Regresi adalah sebuah istilah umum semua metoda yang mengupayakan meng-pas-kan (to fit) sebuah model dengan data hasil observasi dalam rangka mengkuantitatifkan hubungan antara dua atau lebih variabel. Model yang telah di-fit-kan, bisa digunakan untuk menggambarkan hubungan tersebut atau untuk meprediksi sebuah nilai tertentu.

Seorang peneliti ingin melakukan riset mengena
i pengeluaran tahunan untuk makanan dala
m keluarga. Ada tiga variabel yang diperkirakan mempengaruhi pengeluaran keluarga untuk makanan (Food) yaitu income total keluarga (Income) dalam $00, jumlah anggota keluarga (Size) dan ada atau tidaknya anak yang kuliah (Collage). Data dari 12 keluarga yang diteliti tertera pada tabel di bawah ini.


Family
Food
Income
Size
Student
1
3900
376
4
0

2
5300
515
5
1
3
4300
516
4
0
4
4900
468
5
0
5
6400
538
6
1
6
7300
626
7
1
7
4900
543
5
0
8
5300
437
4
0
9
6100
608
5
1
10
6400
513
6
1
11
7400
493
6
1
12
5800
563
5
0



Variabel College dalam hal ini merupakan variabel dummy, dimana nilainya hanya ada dua kemungkinan yaitu 0 yang berarti keluarga tersebut tidak mempunyai anak yang sedang kuliah dan nilai 1 yang berarti keluarga tersebut mempu
nyai anak yang sedang kuliah, berapapun jumlahnya.

Prosedur SPSS adalah : Analyze > Regression &g
t; Linier





kemudian masukkan variabel dependen Food dan ketiga variabel independen.



Hasil analisis regresi sebagai berikut:

Regression

Descriptive Statistics
Mean
Std. Deviation
N
Food
5666.67
1103.163
12
Income
516.33
69.196
12
Size
5.17
.937
12
Student
.50
.522
12


Descriptive statistics menggambarkan nilai rata-rata variabel, deviasi standar dan jumlah data variabel dependen dan variabel independen.
Correlations
Food
Income
Size
Student
Pearson Correlation
Food
1.000
.587
.876
.773
Income
.587
1.000
.609
.491
Size
.876
.609
1.000
.743
Student
.773
.491
.743
1.000
Sig. (1-tailed)
Food
.
.022
.000
.002
Income
.022
.
.018
.053
Size
.000
.018
.
.003
Student
.002
.053
.003
.
N
Food
12
12
12
12
Income
12
12
12
12
Size
12
12
12
12
Student
12
12
12
12
Koefisen korelasi menunjukkan tingkat hubungan variabel yang digunakan dalam penelitian.

Model Summary
Model
R
R Square
Adjusted R Square
Std. Error of the Estimate
1
.897a
.804
.731
572.687
a. Predictors: (Constant), Student, Income, Size

Nilai R square = 0.897 dari tabel di atas menunjukkan bahwa 89.7 % dari varians Food dapat dijelaskan oleh perubahan dalam variabel Income, Size dan Student.


ANOVAb
Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
10762902.960
3
3587634.320
10.939
.003a
Residual
2623763.707
8
327970.463
Total
13386666.667
11
a. Predictors: (Constant), Student, Income, Size
b. Dependent Variable: Food

UJI F

Uji F dimaksudkan untuk menguji apakah variabel-variabel independen secara bersama-sama berpengaruh signifikan terhadap variabel dependen .

Hipotesis:

H0: variabel-variabel independen secara bersama-sama tidak berpengaruh signifikan terhadap variabel dependen

H1: variabel-variabel independen secara bersama-sama berpengaruh signifikan terhadap variabel dependen


Dasar Pengambilan Keputusan

Jika probalitasnya (nilai sig) > 0.05 atau F hitung < F tabel maka H0 tidak ditolak

Jika probalitasnya (nilai sig) < 0.05 atau F hitung > F tabel maka H0 ditolak

Keputusan:

Pada tabel di atas nilai sig = 0.003 < 0.05, sehingga H0 ditolak, yang berarti variabel-variabel independen secara bersama-sama berpengaruh signifikan terhadap variabel dependen Food.


Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t
Sig.
B
Std. Error
Beta
1
(Constant)
954.024
1580.839
.603
.563
Income
1.092
3.153
.068
.346
.738
Size
748.384
302.953
.636
2.470
.039
Student
564.521
495.135
.267
1.140
.287
a. Dependent Variable: Food


UJI t

Uji t dimaksudkan untuk menguji apakah variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen.

Hipotesis:

H0: variabel independen secara parsial tidak berpengaruh signifikan terhadap variabel dependen

H1: variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen

Dasar Pengambilan Keputusan

Jika probalitasnya (nilai sig) > 0.05 atau - t tabel < t hitung < t tabel maka H0 tidak ditolak

Jika probalitasnya (nilai sig) < 0.05 atau t hitung < - t tabel atau t hitung > t tabel maka H0 ditolak

Keputusan:

Pada tabel di atas nilai sig variabel Size 0.039 < 0.05 sehingga H0 ditolak, yang berarti variabel independen Size secara parsial berpengaruh signifikan terhadap variabel Food. Sedangkan Income dan Student tidak berpengaruh nyata kepada Food karena nilai sig keduanya masing-masing 0.738 dan 0.287 dimana keduanya > 0.05.

Dengan demikian persamaan estimasinya adalah :

Food = 954.024 + 1.092*Income + 748.384*Size + 565.521*Student



4 comments:

  1. Salam kenal mas, kebetulan banget sy ada tugas dari dosen ttg regresi linier ini.
    Yang ingin saya tanyakan adalah :
    1. Bagaimanakah cara menetukan nilai t tabel dan F tabel jika hasil regresi SPSS diketahui sbb :
    Ln Produksi = Ln 3.865+Ln 0.066 TENAGA+Ln 0.737 BIBIT+Ln 0.230 PUPUK
    R SQUARE = 0.825
    F =56.728
    2. Bgmn cara mencari nilai elastisitas setiap input dan urutan tiap inputnya.
    Terima kasih atas kesediaannya untuk menjelaskannya.

    ReplyDelete
  2. sya ingin tnya,,kan regresi itu sampelnya hrs acak kan?nah gmana klo pnlitian sya ini pake data sekunder ygmana gak semua populasi itu datanya lengkap?


    ReplyDelete
  3. Bagi teman - teman yang masih kesulitan mengolah data dengan SPSS, kunjungi http://olahdatainstan.com/spss/?reg=angga-febry Tanpa perlu Kursus, Pelatihan atau mengikuti Workshop yang MAHAL. ayo kunjungi sekarang juga! ^_^

    ReplyDelete
  4. kalo pake data sekunder,ambil data sebanyak yang bisa diambil. makin banyak sampel, makin baik.

    ReplyDelete