METODOLOGI PENELITIAN Korelasi dan REGRESI Analisis Faktor ANALISIS

METODOLOGI PENELITIAN Korelasi dan REGRESI Analisis Faktor

ANALISIS DEPENDEN VARIABEL SATU VARIABEL METRIK INDE PENDEN VARIABEL SATU VARIABEL LEBIH DARI SATU VAR: NONMETRIK LEBIH DARI SATU VARIABEL METRIK NONMETRIK Regresi -Discriminan -Logistic regresion Korelasi Kanonikal Mlti-group anaysis diskriminant (MDA) NON METRIK t-test -Diskrit analisis diskriminan MANOVA -Diskrit MD METRIK Multiple regresion -Discriminan -Logistic regresion Korelasi Kanonikal MDA NON METRIK ANOVA -Diskrit MDA MANOVA -Conjoint analysis Diskrit MD

KORELASI § Analisis ini berguna untuk: 1. mengetahui apakah diantara dua variabel terdapat hubungan. 2. Jika terdapat hubungan bagaimana arah hubungan. 3. Berapa besar hubungan.

Jenis Korelasi § 1. Korelasi Bivariat (berganda) a. Data Interval……Pearson b. Data Ordinal……Kendal, Spearmen § 2. Korelasi Parsial

KORELASI BIVARIATE § Pearson corr: § Prosedur: Analyze, Correlate, Bivariate, masukkan variabel yang diuji, pearson, ok.

Correlations unit Pearson Correlation unit promosi 1 Sig. (2 -tailed) N promosi Pearson Correlation Sig. (2 -tailed) N **. Correlation is significant at the 0. 01 level (2 -tailed). . 924**. 000 24 24 . 924** 1 . 000 24 24

Output_1 unit Correlations Pearson Correlation Sig. (2 -tailed) promosi N Pearson Correlation Sig. (2 -tailed) N **. Correlation is significant at the 0. 01 level (2 -tailed). unit 1 24. 924**. 000 24 promosi. 924**. 000 24 1. Hubungan antara Total penjualan Promosi Penjualan dilihat dari angka signifikansi yaitu sebesar 0, 000. Bandingkan dengan 5%, jika sig < 5% maka terdapat hubungan 2. Arah hubungan dilihat dari tanda + atau – didepan angka Pearson Corr. Diketahui bahwa hub positif. 3. Besarnya hubungan dilihat dari angka pearson corr. Yaitu 0, 924 4. Jika promosi meningkat berhubungan dengan peningkatan total penj sebaliknya

KORELASI PARSIAL § Untuk mengetahui hubungan dua variabel dimana ada satu variabel pengontrol. Yang diasumsikan memiliki hubungan tetap. § Prosedur: Analyze, Correlate, Parsial, masukkan variabel yg ingin dianalisis, dg jumlah dealer sbg pengontrol, kmd two tails, ok.

Output_2 Control Variables jml_Dealer unit promosi Correlations Correlation Significance (2 -tailed) df unit promosi 1. 000. 677. . 000 0 21. 677 1. 000. 21 0 1. Hubungan antara Total penjualan Promosi Penjualan dilihat dari angka signifikansi yaitu sebesar 0, 000. Bandingkan dengan 5%, jika sig < 5% maka terdapat hubungan 2. Arah hubungan dilihat dari tanda + atau – didepan angka Pearson Corr. Diketahui bahwa hub positif. 3. Besarnya hubungan dilihat dari angka pearson corr. Yaitu 0, 677 4. Semakin tingginya jml dealer maka kenaikan promosi penjualan berhubungan dengan peningkatan penjualan

Pengertian § Analisis regresi secara umum adalah studi mengenai ketergantungan variabel terikat (dependen) dengan satu atau lebih variabel independen (variabel penjelas/ bebas), dengan tujuan untuk mengestimasi dan atau memprediksi rata -rata populasi atau nilai rata-rata variabel dependen berdasar nilai variabel independen yang diketahui (Gujarati, 2003)

§ Hasil analisis regresi adalah berupa koefisien untuk masing-masing variabel independen. Koefisien ini diperoleh dengan cara memprediksi nilai variabel dependen dengan suatu persamaan, koefisien regresi dihitung dengan tujuan : meminimumkan penyimpangan antara nilai aktual dan nilai estimasi variabel dependen berdasarkan data yang ada (Tabachnic, 1996).

Regresi Vs Korelasi § Korelasi bertujuan untuk mengukur kekuatan hubungan linier antara dua variabel. Korelasi tidak menunjukkan hubungan fungsional atau dengan kata lain analisis korelasi tidak membedakan variabel dependen dan independen. § Dalam regresi, selain mengukur kekuatan hubungan dua variabel atau lebih, juga menunjukkan arah hubungan antara variabel dependen dan independen § Teknik estimasi variabel dependen yang melandasi analisis regresi disebut ordinary least squares (OLS). Inti metode OLS adalan mengestimasi suatu garis regresi dengan jalan meminimalkan jumlah dari kuadrat kesalahan setiap observasi terhadap garis tersebut.

Menilai Goodness of Fit Suatu Model § Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari goodness of fitnya. Secara statistik, setidaknya dapat diukur dari nilai koefisien determinasi (R 2), nilai statistik F dan nilai statistik t. § Perhitungan statistik disebut signifikan secara statistik apabila uji statistiknya berada dalam daerah kritis (daerah dimana Ho ditolak). § Sebaliknya disebut tidak signifikan bila nilai uji statistiknya berada dalam daeerah dimana Ho diterima

koefisien determinasi (R 2) § Koefisien determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen § Uji Signifikansi simultan (F) pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model memiliki pengaruh secara bersama-sama terhadap variabel dependen

Regresi § Sederhana Model Summaryb Model 1 R R Square. 924 a a. Predictors: (Constant), promosi b. Dependent Variable: unit . 854 Adjusted R Square. 848 Std. Error of the Estimate 3. 621

§ Uji F Signifikan § Uji t Signifikan ANOVAb Model 1 Sum of Squares Regression 1693. 542 Residual 288. 416 Total 1981. 958 a. Predictors: (Constant), promosi b. Dependent Variable: unit Mean df Square F 1 1693. 542 129. 18 1 22 13. 110 23 Sig. . 000 a

Coefficientsa Model 1 (Constant) promosi a. Dependent Variable: unit Standardize Unstandardized d Coefficients B Std. Error Beta 68. 615 5. 818. 446 . 039 t 11. 793 Sig. . 000 . 924 11. 366 . 000

REGRESI BERGANDA § Regresi berganda: variabel indep lebih dari 1 seperti berikut § Y= α + β 1 X 1 + β 2 X 2 + ε

Model Summaryb Model 1 R R Square Adjusted R Square. 955 a. 912. 904 a. Predictors: (Constant), jml_Dealer, promosi Std. Error of the Estimate 2. 880 b. Dependent Variable: unit ANOVAb Model 1 Regression Residual Total Sum of Squares 1807. 748 174. 210 df 1981. 958 a. Predictors: (Constant), jml_Dealer, promosi b. Dependent Variable: unit 2 21 23 Mean Square F 903. 874 108. 956 8. 296 Sig. . 000 a

Coefficientsa Unstandardized Coefficients Model 1 (Constant) promosi jml_Dealer a. Dependent Variable: unit B Standardized Coefficients Std. Error 62. 981 4. 871 . 254 . 060 2. 850 . 768 Beta t Sig. 12. 930 . 000 . 527 4. 210 . 000 . 464 3. 710 . 001

§ Lakukan Prediksi Unit Penjualan Jika Biaya Promosi 124, dan jumlah dealer 15 § Y= α + β 1 X 1 + β 2 X 2 + ε § Y= 62, 981 + 0, 254 X 1 + 2, 850 X 2 + ε § Y = 137, 22 § Prediksi Akurat jika Regresi memenuhi asumsi sbb:

§ UJI KWALITAS DATA

§ § Pengujian Statistik: 1. Apakah pengujian parametrik atau pengujian nonparametrik 2. Apakah pengujian beda rata-rata atau pengujian asosiasi atau pengujian pengaruh

§ Pengujian Parametrik, pengujian statistik yang menggunakan nilai (magnitude) dari data. Pengujian ini diterapkan untuk data dengan skala pengukuran interval dan rasio. § Pengujian nonparametrik, pengujian statistik yang menggunakan jarak (range) atau tanda (sign) atau urutan dari datanya. Pengujian ini diterapkan untuk data dengan skala pengukuran nominal dan ordinal

Pengujian Parametrik lebih kuat dibandingkan dengan pengujian nonparametrik pengujian ini harus memenuhi asumsi-asumsi berikut: § Observasi harus independen, yaitu pemilihan dari sebuah kasus tidak akan mempengaruhi kesempatan kasus lain untuk dipilih didalam sampel. § Observasi harus diambil dari populasi yang berdistribusi normal dan memiliki varian-varian yang sama.

§ Bahkan untuk pengujian parametrik yang menggunakan regresi linier berganda harus memiliki ciri data sbb: § 1. Tidak mengandung multikoloniaritas § 2. Tidak mengandung heteroskedasitas § 3. Tidak mengandung autokorelasi § 4. Data berdistribusi normal § 5. Model penelitian adalah linier

Uji Asumsi Klasik § Lakukan Regresi berganda masukkan (centang) Cov matriks dan coll diagnostic kemudian ok 1. Multikoloniaritas, cirinya: -R-Square tinggi (>0, 90) -Masing-masing independen variable signifikan berhubungan, -Tolerance mendekati 0 (dimana Toll=1 -R 2) atau Toll = 1/VIF -VIF > 10 -Condition indeks (CI) > 10

HETEROSKEDASITAS § Lakukan prosedur plot berikut: § -Analize, regresi, kmd masuk ke plot masukkan s-resid di y dan z-pred di x § Ciri jika berbentuk pola berarti mengandung hetero.

§ Dengan Park test § Jika Ln disturbin error kwadrat tdk signifikan terhadap independen variabel maka tdk mengandung hetero. § Prosedur: 1. regresi model penelitian misal Income = a + b 1 size + b 2 earns + b 3 wealth + b 4 saving + e

§ 2. dapatkan residual (U) dengan cara memilih tombol save pada tampilan window regresi dan aktifkan unstandardized residual. § 3. Kuadratkan nilai residual dengan menu transform dan compute § 4. Hitung logaritma dari kuadrat residual dengan menu transform dan compute § 5. Regresi Ln. U 2 i sebagai variabel dependen dengan variabel independen seluruh variabel independen dalam regresi utama

§ Jika koefisien parameter beta dari regresi Ln. U 2 i sebagai variabel dependen dengan variabel independen seluruh variabel independen dalam regresi utama signifikan secara statistik, maka data mengandung heteroskedasitas. § Sebaliknya jikakoefisien parameter beta dari regresi Ln. U 2 i sebagai variabel dependen dengan variabel independen seluruh variabel independen dalam regresi utama tidak signifikan secara statistik, maka data tidak mengandung heteroskedasitas.

AUTOKORRELASI § Prosedur Lakukan regresi kemudian klik durbin watson test.

§ Nilai du dan dl dilihat pada tabel durbin. Watson § Dengan cara tentukan signifikasi pengujian (alpha) § Tentukan jumlah independen variabel regresi Park (k). § Tentukan jumlah sampel. § Misal pada n = 100, k = 4, dan alpha 5% makadiperoleh: § dl = 1, 59 § du = 1, 76

Uji Normalitas data § Kolmogorov-Smirnove test § Jika K-S test Signifikan maka data tdk normal § Dan Jika K-S test tdk signifikan data normal § dapatkan residual dengan cara memilih tombol save pada tampilan window regresi dan aktifkan unstandardized residual.

Uji Linieritas § Graph, interaktive, scater plot, fit masukkan (regression, total), Spike (X 1 axis, floor)

Uji Linieritas § Uji Linieritas dapat pula dilakukan dengan: -Ramsey test -Langrange Multiplier test

§ Prosedur Langrange Multiplier test § Lakukan regresi utama. Y = a + b 1 X 1 + b 2 X 2 + e § Nilai residual regresi utama (e atau u) kemudian diregresikan dengan kuadrat variabel independen pada regresi utama: U = a + b 1 X 1 2 + b 2 X 2 2 + e Dapatkan chi square hitung dengan (perkalian R 2 kali jml Observasi) R 2 x N

§ Kemudian bandingkan chi square hitung dengan chi square tabel. § Chi square tabel diperoleh dari tabel chi square pada df regresi dan pada alpha. § Jika Chi square hitung < Chi square tabel, maka model Linier.

§ Data Berdistribusi Normal, residual diuji dengan: Kolmogorov Smirnov Test § Dapatkan residual, kemudian lakukan KS test. § Jika sig > 5%, maka data berdistribusi normal.

Uji Multikoloniaritas § Suatu regresi tidak boleh mengandung multikoloniaritas. § Ciriregresi yang mengandung Multikoloniaritas adalah: § 1. R 2 > 0, 9 § 2. Tollerance < 0, 1 § 3. VIF > 10 § 4. Condition Index >10 § 5. Var Independen berkorelasi