Uji Regresi Choirudin M Pd Analisa Regresi Analisa

  • Slides: 21
Download presentation
Uji Regresi Choirudin, M. Pd

Uji Regresi Choirudin, M. Pd

Analisa Regresi • Analisa Regresi hubungan merupakan sebab-akibat, analisa pengaruh, atau analisa dampak. •

Analisa Regresi • Analisa Regresi hubungan merupakan sebab-akibat, analisa pengaruh, atau analisa dampak. • Variabel yang dihubungkan tidak setara, ada yang mempengaruhi/menjadi penyebab/menjadi independen), prediktor ada (variabel yang 2

Analisis Regresi Linier • Analisis Regresi mengukur hubungan sebab-akibat atau hubungan pengaruh antara variabel

Analisis Regresi Linier • Analisis Regresi mengukur hubungan sebab-akibat atau hubungan pengaruh antara variabel dependen yang bersifat metrik dengan satu atau lebih variabel independen yang juga bersifat metrik. 3

Analisis Regresi Linier • Apabila variabel independen hanya 1, maka regresinya adalah regresi linier

Analisis Regresi Linier • Apabila variabel independen hanya 1, maka regresinya adalah regresi linier sederhana (simple linier regression) atau bivariate regression. • Apabila variabel independennya lebih dari 1, maka menggunakan analisis regresi linier berganda (multiple linier regression) 4

Analisis Regresi Sederhana Persamaan model regresi sederhana: Y = α + βX + e

Analisis Regresi Sederhana Persamaan model regresi sederhana: Y = α + βX + e dimana: Y = variabel dependen X = variabel independen (prediktor) α = konstanta β = koefisien regresi e = error 5

Analisis Regresi Berganda • Menguji secara serentak kemampuan variabel independen (x) dalam menjelaskan variasi

Analisis Regresi Berganda • Menguji secara serentak kemampuan variabel independen (x) dalam menjelaskan variasi nilai variabel dependen Y= α + b 1 X(Y). 1 + b 2 X 2 + b 3 X 3. . . + bk. Xk • Persamaan regresi linier berganda adalah: Y= a +b 1 X 1 + b 2 X 2 + b 3 X 3. . . + bk. Xk • Model penduganya adalah: 6

Perhitungan statistik terkait dengan hasil uji regresi § Coefficient of determination…R 2 (Koefisien Determinasi)

Perhitungan statistik terkait dengan hasil uji regresi § Coefficient of determination…R 2 (Koefisien Determinasi) Kekuatan hubungan antar variabel (X) dan (Y) ditentukan oleh nilai koefisien determinasi, (r 2). Nilainya bervariasi antara 0. 00 sampai 1. 00. Koefisien determinasi menentukan seberapa besar variasi nilai Y (dlm prosentase) yang mampu dijelaskan oleh variasi dari (x). § Adjusted R 2 (Koefisien Determinasi yang Disesuaikan) Koefisien determinasi yang § 7

Perhitungan statistik terkait dengan hasil uji regresi F test (Uji F) § Menguji apakah

Perhitungan statistik terkait dengan hasil uji regresi F test (Uji F) § Menguji apakah seluruh variabel independen (X) secara serentak /bersama-sama (simultaneously) berpengaruh signifikan terhadap variabel dependen (Y). § Dengan kata lain, Uji F dipakai untuk menguji signifikansi dari Koefisien Determinasi (R 2 ). § Hipotesis yang diuji adalah: H 0 : β 1 = 0 § H 1 : β 1 ≠ 0 § Pada regresi berganda, dimana jumlah (x) lebih dari 1 variabel, maka hipotesis yang diuji dengan F test adalah: 8

Perhitungan statistik terkait dengan hasil uji regresi t test (Uji t) 9 § Menguji

Perhitungan statistik terkait dengan hasil uji regresi t test (Uji t) 9 § Menguji apakah variabel independen secara individu (parsial) berpengaruh signifikan terhadap variabel dependen. § Hipotesis yang diuji adalah: H 0 : β 1 = 0 H 1: β 1 ≠ 0 § Pada regresi berganda, dimana jumlah (x) lebih dari 1 variabel, maka hipotesis yang diuji dengan t test adalah: H 0 : β 1 ; β 2 ; β 3 ; β k = 0 H 1 : β 1 ; β 2 ; β 3 ; β k ≠ 0

Contoh Analisis Regresi Linier Berganda • Diuji apakah lama responden tinggal di sebuah kota

Contoh Analisis Regresi Linier Berganda • Diuji apakah lama responden tinggal di sebuah kota (x 1) dan skala kepentingan mengenai cuaca (x 2) signifikan mempengaruhi sikap terhadap kota yang ditinggali. • Bila mengacu pada koefisien determinasinya, maka 2 rumusan hipotesis statistiknya sbb: H 0: R pop = 0 H 1: R 2 pop > 0 • Rumusan hipotesis kerjanya sbb: H 0 : lama responden tinggal di sebuah kota dan skala kepentingan mengenai cuaca tidak signifikan berpengaruh terhadap sikap responden terhadap kota yang ditinggali. H 1 : lama responden tinggal 10 di sebuah kota skala kepentingan mengenai cuaca

Contoh Analisis Regresi Linier Berganda § Bila mengacu pada uji F, maka rumusan hipotesisnya:

Contoh Analisis Regresi Linier Berganda § Bila mengacu pada uji F, maka rumusan hipotesisnya: H 0 : β lama tinggal = βkepentingan cuaca = 0 H 1 : β lama tinggal ≠ β kepentingan cuaca ≠ 0 § Rumusan hipotesis kerjanya sbb: H 0 : lama responden tinggal di sebuah kota dan skala kepentingan mengenai cuaca secara simultan tidak signifikan berpengaruh terhadap sikap responden terhadap kota yang ditinggali. H 1 : lama responden tinggal di sebuah kota skala kepentingan mengenai cuaca secara simultan 11 signifikan berpengaruh terhadap sikap

Uji Regresi Linier Berganda 1. Masukkan data, melui menu Data View, kemudian Klik Variable

Uji Regresi Linier Berganda 1. Masukkan data, melui menu Data View, kemudian Klik Variable View untuk memberi nama pada variabel penelitian 2. Klik Analyze 3. Klik Regression 4. Klik Linier 12

Uji Regresi Linier Berganda 13

Uji Regresi Linier Berganda 13

Uji Regresi Linier Berganda 5. Klik Variabel Attitude pada Dependen, Duration dan Weather ke

Uji Regresi Linier Berganda 5. Klik Variabel Attitude pada Dependen, Duration dan Weather ke Independen (s) 14

Uji Regresi Linier Berganda 6. Klik Ok 15

Uji Regresi Linier Berganda 6. Klik Ok 15

Analisis Regresi Linier Berganda: R 2 • Nilai korelasi (R) = 0. 972, variabel

Analisis Regresi Linier Berganda: R 2 • Nilai korelasi (R) = 0. 972, variabel X 1, X 2 dan Y memiliki hubungan positif yang sangat kuat. • Koefisien Determinasi (R 2) menunjukkan bahwa variasi nilai dari variabel Sikap Terhadap Kota (Y) dapat dijelaskan sebanyak 94. 5% oleh variasi nilai variabel Lama Tinggal (x 1) dan variabel Kepentingan Terhadap Cuaca (x 2); sedangkan 5, 5% sisanya 16 dijelaskan oleh variabel lain di luar model yang

Analisis Regresi Linier Berganda: Uji F Nilai signifikansi uji F = 0. 000 <

Analisis Regresi Linier Berganda: Uji F Nilai signifikansi uji F = 0. 000 < 0. 05, sehingga dengan demikian dapat dikatakan bahwa variabel Lama Tinggal di Kota dan Kepentingan terhadap Cuaca secara simultan berpengaruh secara 17 Kota. signifikan terhadap Sikap Terhadap

Analisis Regresi Linier Berganda: Uji t Nilai signifikansi uji t : X 1 (duration)

Analisis Regresi Linier Berganda: Uji t Nilai signifikansi uji t : X 1 (duration) = 0, 000 < 0, 05, variabel Lama Tinggal di Kota secara individu berpengaruh signifikan terhadap Sikap Terhadap Kota. X 2 (importance wheather) = 0, 008 < 0, 05, variabel Kepentingan Terhadap Cuaca 18 secara individu

Analisis Regresi Linier Berganda: Persamaan Regresi Persamaan regresinya: Y= α +b. Xduration Interprestasi dari

Analisis Regresi Linier Berganda: Persamaan Regresi Persamaan regresinya: Y= α +b. Xduration Interprestasi dari persamaan regresi di atas adalah: importance • +b. X Nilaiwheather konstanta (a) sebesar 0. , 37 menunjukan bahwa apabila Sikap thd = kota = variabel 0. 337 sikap+0. 481 X variabel bebas 0 maka nilai respondenduration terhadap kota (Y)Xsebesar 0, 337. +0. 289. wheather importance • Nilai koefisien lama tinggal (β 1) sebesar 0, 481 menunjukkan dengan naiknya satuan lama tinggal, maka nilai sikap responden terhadap kota akan naik sebesar 0, 481 satuan, dengan asumsi variabel bebas yang lain konstan. • Nilai koefisien kepentingan thd cuaca ( β 2 ) sebesar 0, 289 menunjukkan dengan naiknya satuan kepentingan thd 19 cuaca, maka nilai sikap responden terhadap kota akan naik

Latihan Berikan analisis Regresi data berikut! Pengetahuan Ibu tentang Kesehatan Intensitas Pemberian Asi Eksklusif

Latihan Berikan analisis Regresi data berikut! Pengetahuan Ibu tentang Kesehatan Intensitas Pemberian Asi Eksklusif Perkembangan Kesehatan Balita 60 70 75 75 85 65 65 63 80 73 85 81 70 80 78 75 85 75 73 60 80 55 85 80 75 80 85 82 60 65 75 60 85 85 20

Thank You…!!

Thank You…!!