Cara Melaksanakan Analisis Regresi Multiples Dengan Spss

Cara Melakukan Analisis Regresi Multiples dengan SPSS | Analisis Regresi ialah suatu cara atau teknik untuk mencari kekerabatan antara variabel satu dengan variabel lain yang dinyatakan dalam bentuk persamaan matematik dalam kekerabatan yang fungsional. Dalam pengertian lain, analisis regresi ingin mencari kekerabatan dari dua variabel atau lebih dengan mana variabel yang satu tergantung pada variabel yang lain.

Secara umum, sanggup dinyatakan pula bahwa apabila ingin mengetahui efek satu variabel X terhadap satu variabel Y maka dipakai analisis regresi sederhana, dan apabila ingin megetahui efek dua variabel X atau lebih terhadap variabel Y dipakai analisis regresi ganda (multipes)

Saya tidak akan membahas secara detail mengenai Analisis Regresi sederhana, alasannya ialah fokus saya dalam artikel ini ialah Analisis Regresi Multipes (ganda). Persamaan Analisis Regresi Multiples menurut pada rumus :

Theoremanya : Y = a+b1x1+b2x2....bn

Setelah teman mengetahui teori dasar mengenai Analisis Regresi Multiples, kini kita masuk ke bab Cara Melakukan Analisis Regresi Multipes dengan SPSS versi 21. Sebagai contoh, saya ingin mengetahui efek variabel Motivasi (X1) dan variabel Minat (X2), terhadap variabel Prestasi (Y), data penelitian ini mempuyai sampel berjumlah 12 siswa. Adapun data lengkapnya lihat pada gambar di bawah ini.

Langkah-Langkah pada SPSS
1. Buka jadwal SPSS, klik Variable View, Selanjutnya, pada bab Name tulis saja X1, X2 dan Y, pada Decimals ubah semua menjadi angka 0, pada bagian Label tuliskan Motivasi, Minat ,dan Prestasi.

2. Setelah itu, klik Data View, dan masukkan data Motivasi (X1), Minat (X2) dan Prestasi (Y) yang sudah dipersiapkan tadi.

3. Selanjutnya, dari sajian utama SPSS, Pilih Analyze – Regression – Linear

4. Muncul kotak obrolan dengan nama Linear Regression, masukkan variabel Motivasi (X1), Minat (X2) ke kotak Independent (S), masukkan variabel Prestasi (Y) pada kotak Dependent, pada Method pilih Enter, selanjutnya klik Statistics

5. Pada bab Linear Regression Statistics, berikan tanda centang pada Estimates dan Model fit kemudian klik Continue, kemudian klik OK

Output Analisis Regresi SPSS :

Beradasarkan output di atas, sanggup diketahui beberapa nilai antara lain : nilai koefosien regresi, thitung, nilai signifikansi, niai Fhitung, Nilai R Square atau R2, dan lain-lain. Untuk lebih jelasn teman sanggup melihat ringkasannya pada gambar tabel di bawah ini.

Untuk mengetahui seberapa besar lengan berkuasa efek masing-masing variabel X terhadap Y, maka perlu dilakukan Uji t Pasial, bila teman ingin mengetahui efek variabel X1 dan X2 secara simultan terhadap variabel Y maka perlu dilakukan Uji F Simultan, dan bila teman ingin mengetahui subangan relatif yang diberikan maka perlu dilakukan Analisis Koefisien Determinasi

Semua uji yang berkaitan dengan Analisis regresi di atas, akan kita bahas pada artikel berikutnya, alasannya ialah bila saya posting di artikel ini akan terlalu panjang dan menciptakan loading blog melambat, untuk itu saya minta maaf atas ketidaknyamanannya.

[Search : Cara Melakukan Analisis Regresi Multiples dengan SPSS atau sering disebut dengan Uji analisis regresi linear berganda dipakai untuk menguji efek antara variabel oleh ]
[Img : Dokumen Program SPSS versi 21]

Lihat Juga: VIDEO Uji t dan Uji F dalam Analisis Regresi Berganda

Read More

Cara Melaksanakan Uji T Parsial Dalam Analisis Regresi Dengan Spss

Cara Melakukan Uji t Parsial dalam Analisis Regresi dengan SPSS | Uji t Parsial dalam analisis regresi berganda bertujuan untuk mengetahui apakah variabel bebas (X) secara parsial [sendiri] kuat signifikan terhadap variabel (Y). Namun, kalau yang ingin diketahui ialah imbas variabel bebas secara bantu-membantu [simultan] terhadap variabel terikat maka hal ini disebut dengan uji F.

Dasar Pengambilan Keputusan untuk Uji t Parsial dalam Analisis Regresi

Berdasarkan nilai t hitung dan t tabel

1. Jika nilai t hitung > t tabel maka variabel bebas kuat terhadap variabel terikat
2. Jika nilai t hitung < t tabel maka variabel bebas tidak kuat terhadap variabel terikat

Berdasarkan nilai signifikansi hasil output SPSS

1. Jika nilai Sig. < 0,05 maka variabel bebas kuat signifikan terhadap variabel terikat
2. Jika nilai Sig. > 0,05 maka variabel bebas tidak kuat signifikan terhadap variabel terikat

Pada bab praktek Cara Melakukan Uji t Parsial dalam Analisis Regresi dengan SPSS ini, saya akan memakai hasil output SPSS dalam Analisis Regresi Multipes yang sebelumnya telah saya lakukan. Adapun ringkasan output pada tabel Coefficients sanggup dilihat pada gambar berikut ini



Dengan melihat output di atas berarti terdapat dua hipotesis [Ha] yang diajukan dalam uji t ini:
1. H1 = Motivasi (X1) kuat signifikan terhadap Prestasi (Y) – [disebut uji t pertama]
2. H2 = Minat (X2) kuat signifikan terhadap Prestasi (Y) – [disebut uji t kedua]


CARA MELAKUKAN UJI T PARSIAL [UJI T PERTAMA]
Berdasarkan output Coefficients di atas, diketahui bahwa nilai koefisien regresi variabel Motivasi (X1) ialah sebesar 0,212 bernilai kasatmata +, sehingga sanggup dikatakan bahwa Motivasi (X1) kuat kasatmata terhadap Prestasi (Y). Pengaruh kasatmata diartikan, bahwa semakin meningkat Motivasi (X1) maka akan meningkat pula Prestasi (Y).

Selanjutnya, untuk mengetahui apakah imbas tersebut signifikan atau tidak, maka nilai koefisien regresi dari variabel Motivasi (X1) ini akan diuji signifikasinya [inilaih yang sering disebut dengan uji t parsial dalam analisis regresi]

Hipotesis (Dugaan) dalam Uji t Pertama ialah :

1. H0 = Motivasi (X1) tidak kuat signifikan terhadap Prestasi (Y)
2. H1 = Motivasi (X1) kuat signifikan terhadap Prestasi (Y)

Tingkat iman yang dipakai ialah 95%, maka nilai α = 0,05

Dasar Pengambilan Keputusan dalam Uji t Pertama

1. H0 diterima dan H1 ditolak kalau nilai t hitung < t tabel atau kalau nilai Sig. > 0,05
2. H0 ditolak dan H1 diterima kalau nilai t hitung > t tabel atau kalau nilai Sig. < 0,05

Rumus untuk Mencari Nilai t Tabel ialah :
t tabel = (tingkat iman dibagi 2 ; jumlah responden dikurangi jumlah variabel bebas dikurangi 1) atau kalau ditulis dalam bentuk rumus, maka rumusnya menyerupai di bawah ini
t tabel = (α/2 ; n-k-1)
t tabel = (0,05/2 ; 12-2-1)
t tabel = (0,05/2 ; 12-2-1)
t tabel = (0,025 ; 9)
t tabel = angka 0,025 ; 9 lalu di cari pada distribusi nilai t tabel maka ditemukan nilai t tabel sebesar 2,262 [Download Distribusi Nilai t Tabel]

Hasil dan Pengambilan Keputusan dalam Uji t Pertama
Berdasarkan hasil analisis regresi diperoleh nilai t hitung sebesar 0,992 < t tabel 2,262 dan nilai singnifikansi (Sig.) 0,347 > 0,05. Maka sanggup disimpulkan bahwa H0 diterima dan H1 ditolak, yang artinya “Motivasi (X1) tidak kuat signifikan terhadap Prestasi (Y)”

Untuk uji t kedua yakni dengan H2 = Minat (X2) kuat signifikan terhadap Prestasi (Y). Silahkan teman lakukan sendiri dulu ya.. alasannya caranya sama kok menyerupai uji t pertama di atas..selamat mencoba.. agar artikel di atas bermanfaat terimakasih..

Tutorial selanjutnya akan dibahas : Cara Melakukan Uji F Simultan dalam Analisis Regresi

Baca juga: Cara Menghitung SE dan SR dalam Analisis Regresi Linear Berganda

[Search : Cara Melakukan Uji t Parsial dalam Analisis Regresi dengan SPSS | Langkah-Langkah Uji t Parsial dalam Analisis Regresi | Rumus Mencari Nilai t Tabel dalam Analisis regresi | Dasar Pengambilan Keputusan untuk Uji t Parsial dalam Analisis Regresi | Cara Praktis Melakukan Uji t dengan SPSS]

Lihat Juga: VIDEO Uji t dan Uji F dalam Analisis Regresi Lengkap

Read More

Cara Melaksanakan Uji F Simultan Dalam Analisis Regresi

Cara Melakukan Uji F Simultan dalam Analisis Regresi | Melanjutkan postingan yang kemudian mengenai Cara Melakukan Uji t Parsial dalam Analisis Regresi dengan SPSS, maka kali ini saya akan mengulas mengenai Cara Melakukan Uji F Simultan dalam Analisis Regresi. Berbeda dengan uji t yakni uji secara terpisah (parsial), uji F pada prinsipnya bertujuan untuk mengetahui dampak dari 2 (dua) variabel independent atau lebih secara simultan (bersama) terhadap variabel dependent.

Terdapat dua cara yang sanggup dipakai untuk mengetahui ada atau tidaknya dampak signifikan dalam uji F. Cara yang pertama, kita sanggup membandingkan antara nilai F hitung dengan nilai F tabel. Sedangkan cara yang kedua, kita sanggup pula membandingkan nilai signifikansi atau nilai probabilitas dari hasil perhitungan SPSS apakah nilai signifikansi tersebut lebih besar atau lebih kecil dari nilai standar statistik yakni 0,05.

Dasar Pengambilan Keputusan dalam Uji F menurut nilai F hitung dan F tabel

1. Jika nilai F hitung > F tabel maka variabel independent (bebas) secara simultan berpegaruh terhadap variabel dependent (terikat).
2. Sebaliknya, Jika nilai F hitung < F tabel maka variabel independent (bebas) secara simultan tidak berpegaruh terhadap variabel dependent (terikat).

Dasar Pengambilan Keputusan dalam Uji F berdarkan nilai signifikansi hasil dari output SPSS

1. Jika nilai signifikansi < 0,05, maka variabel independent secara bersama-sama kuat signifikan terhadap variabel dependent.
2. Jika nilai signifikansi > 0,05 maka variabel independent secara bersama-sama tidak kuat signifikan terhadap variabel dependent.

Pertanyaan yang sering diajukan oleh pelanggan saya, terkait dasar pengambilan keputusan dalam uji F ini adalah: “Mas dari dasar pengambilan keputusan dalam uji F di atas, manakah yang lebih betul atau lebih akurat, apakah dari nilai F hitung dengan F tabel atau melihat nilai signifikansi”?.

Jawaban dari pertanyaan pelanggan di atas tolong-menolong sangatlah simpel, yakni SAMA-SAMA BETUL dan SAMA-SAMA AKURAT.

Alasan yang mendasari balasan ini ialah jikalau nilai F hitung lebih besar dari F tabel, maka nilai signifikansi yang dihasilkan dari penggolahan data SPSS sudah niscaya lebih kecil dari 0,05, di mana sama-sama berartikan dampak yang signifikan. Untuk membuktikannya, mari kita simak pembahasan detailnya berikut:

Sebagai contoh saya memiliki hasil pengolahan data memakai Analisis Regresi Multipes dengan SPSS. Adapun lampiran gambar kesannya teman sanggup lihat di bawah ini.

Data Penelitian yang Dipakai



Hasil Output Anova dalam Analisis Regresi



Intrepretasi Hasil Uji F Simultan dalam Analisis Regresi

Dari hasil output SPSS di atas, saya akan melaksanakan interpretasi memakai dua dasar pegambilan keputusan dalam Uji F sebagaimana yang sudah saya jelaskan di atas.

Pengambilan Keputusan Berdasarkan nilai F hitung dan F tabel
Dari output di atas, diperolah nilai F hitung sebesar 23,978. Langkah selanjutnya saya tinggal mencari nilai F tabel dan membandingkan dengan nilai F hitung 23,978. Rumus mencari F tabel adalah (k ; n-k)

Keterangan :
k = jumlah variabel Independent (bebas)
n = Jumlah responden atau sampel penelitian

Data di atas, menawarkan bahwa k = 2 (X1 Motivasi, X2 Minat), dan n =12. Selanjutnya nilai ini kita masukkan ke dalam rumus, maka menghasilkan angka (2 ; 12-2) = (2; 10), angka ini kemudian kita jadikan contoh untuk mengetahui nilai F tabel pada distribusi nilai F tabel statistik (Download distribusi Nilai Tabel Statistik),



Maka diketahui bahwa nilai F tabel sebesar 4,10. Karena nilai F hitung 23,978 lebih besar dari nilai F tabel 4,10 maka sanggup ditarik kesimpulan bahwa variabel bebas X1 dan X2 (secara simultan) kuat terhadap variabel terikat (Y).

Pengambilan Keputusan dalam Uji F menurut Nilai Signifikansi
Dari output SPSS di atas, diketahui nilai signifikansi sebesar 0,000. Karena nilai singnifikansi 0,000 < 0,05 sesuai dengan dasar pengambilan keputusan dalam uji F maka sanggup disimpulkan pula bahwa Motivasi (X1) dan Minat (X2) (secara simultan) kuat terhadap Prestasi (Y).

Dengan melihat klasifikasi di atas, maka pengambilan keputusan dalam uji F baik itu membadingkan nilai F hitung dengan nilai F tabel, maupun berpedoman pada nilai signifikansi diperoleh hasil yang sama pula atau hasil yang konsisten.

Demikian pembahasan kali ini mengenai Cara Melakukan Uji F Simultan dalam Analisis Regresi, biar bermanfaat.. selamat mencoba, Good Luck Sobat…

Baca : Makna Koefisien Determinasi [R Square] dalam Analisis Regresi Linear

[Search : Cara Melakukan Uji F Simultan dalam Analisis Regresi memakai Program SPSS, Langkah-Langkah Uji F pada Analisis Regresi Berganda, Dasar Pengambilan Keputusan dalam Uji F]

Lihat Juga: VIDEO Uji t dan Uji F dalam Analisis Regresi Lengkap

Read More

Panduan Uji Heteroskedastisitas Dengan Gambar Scatterplots Spss

Panduan Uji Heteroskedastisitas dengan Gambar Scatterplots SPSS | Seperti yang kita ketahui bersama bahwa uji heteroskedastisitas merupakan bab dari uji perkiraan klasik dalam model regresi. Dimana, salah satu persyaratan yang harus terpenuhi dalam model regresi yang baik yaitu tidak terjadi gelaja heteroskedastisitas. Sementara itu, terjadinya tanda-tanda atau duduk kasus heteroskedastisitas ini akan berakibat pada sebuah keraguan [ketidak akuratan] pada suatu hasil analisis regresi yang dilakukan.

Uji heteroskedastisitas berfungsi untuk menguji terjadinya perbedaan variance dari nilai residual pada suatu periode pengamatan ke periode pengamatan yang lainnya. Dalam analisis statistik ada beberapa cara untuk yang sanggup kita lakukan sebagai upaya untuk mendeteksi ada tidaknya tanda-tanda heteroskedastisitas, antara lain dengan melakukan:

1. Uji Glejser
2. Uji Koefisien Korelasi Spearman
3. Melihat Pola Gambar Scatterplots
4. Uji Park

Ok lanjut, sebagaimana judul tutorial SPSS di atas, disini saya akan mempraktekkan cara melaksanakan uji heteroskedastisitas dengan melihat pola gambar scatterplots hasil dari output SPSS. Adapun aliran yang kita gunakan untuk meprediksi atau mendeteksi ada tidaknya tanda-tanda heteroskedastisitas tersebut dilakukan dengan cara melihat pola gambar scatterplots, dengan ketentuan:

TIDAK TERJADI GELAJA ATAU MASALAH HETEROSKEDASTISITAS JIKA:

1. Titik-titik data penyebar di atas dan di bawah atau di sekitar angka 0.
2. Titik-titik tidak mengumpul hanya di atas atau di bawah saja.
3. Penyebaran titik-titik data dihentikan membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.
4. Penyebaran titik-titik data tidak berpola.

CONTOH KASUS UJI HETEROSKEDASTISITAS

Data penelitian yang akan saya gunakan dalam uji heteroskedastisitas untuk pola kali ini yakni data “Pengaruh Profesionalisme [X1] dan Motivasi [X2] terhadap Kinerja [Y]”



Karena jumlah sampel sebanyak 72 sehingga gambar akan terlalu besar jikalau di tampilkan diblog ini, maka untuk latihan silahkan anda[Download Data Saja]

LANGKAH-LANGKAH MENDETEKSI HETEROSKEDASTISITAS DENGAN GAMBAR SCATTERPLOTS SPSS

1. Seperti biasa buka kegiatan SPSS kemudian klik Variable View, pada kolom Name baris pertama tuliskan X1, baris kedua X2, baris ketiga Y. Selanjutnya, pada bab Label untuk baris pertama tuliskan Profesionalisme, baris kedua Motivasi dan baris ketiga Kinerja [abaikan kolom yang lain]



2. Jika sudah, selanjutnya klik Data View kemudian masukkan data penelitian sesuai dengan nama variabel yang ada pada tampilan Data View tersebut



3. Selanjutnya klik sajian Analyze –Regression –Linear…



4. Maka keluar kotak obrolan “Linear Regression”, selanjutnya masukkan variabel Profesionalisme [X1] dan Motivasi [X2] ke kotak Independent(s), dan masukkan variabel Kinerja [Y] ke kotak Dependent, dengan cara klik tanda panah [>]. kemudian pada bab Method: pilih Enter, sesudah itu klik Plots..



5. Muncul kotak obrolan “Linear Regression: Plots”, masukkan *ZPRED pada kotak X dan *SRESID pada kotak Y, kemudian klik Continue



6. Terakhir klik Ok, maka akan muncul Ouput SPSS.. perhatikan output Scatterplots yang ada bab output paling bawah

ANALISIS OUTPUT SCATTERPLOTS SPSS

Bedasarkan output Scatterplots di atas diketahui bahwa :

1. Titik-titik data penyebar di atas dan di bawah atau di sekitar angka 0.
2. Titik-titik tidak mengumpul hanya di atas atau di bawah saja.
3. Penyebaran titik-titik data tidak membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.
4. Penyebaran titik-titik data tidak berpola.

Dengan demikian sanggup kita disimpulkan bahwa tidak terjadi duduk kasus heteroskedastistas, sampai model regresi yang baik dan ideal sanggup terpenuhi.

SOLUSI MENGATASI JIKA TERDAPAT GELAJA HETEROSKEDASTISITAS

Dalam masalah lain, dikala dimungkinkan terjadi duduk kasus heteroskedastisitas. Oleh alasannya yaitu itu, alternatif solusi yang sanggup anda lakukan untuk mengatasi duduk kasus tersebut adalah:

1. Melakukan transformasi data ke bentuk lain seperti: Log atau Ln
2. Mengganti metode pengujian heteroskedastisitas dengan metode yang lain seperti: Uji Glejser
3. Mengurangi jumlah data [outlier data ekstrim]
4. Menambah atau menganti data atau jumlah sample

Sementara hanya ini yang sanggup saya tulis dalam Panduan Uji Heteroskedastisitas dengan Gambar Scatterplots SPSS agar bermanfaat.. saya akhiri dan selamat mencoba..

Baca : Cara Melakukan Analisis Regresi Multipes dengan SPSS

[Search: Panduan Cara Uji Heteroskedastisitas dengan Gambar Scatterplots SPSS, Uji Pola Gambar Scatterplots dengan Program SPSS, Solusi Mengatasi Masalah atau Gelaja Heteroskedastisitas]
[Img: screenshot olah data SPSS versi 21]

Lihat Juga: Video Cara Uji Heteroskedastisitas dengan Scatterplots SPSS

Read More