LKM ANALISIS REGRESI (Praktikum SPSS)

1. PENGERTIAN DASAR

Analisis regresi

2. Contoh Soal

Seorang peneliti ingin memprediksikan nilai Psikotest dengan menentukan persamaan regresinya jika diketahui Nilai akademik dan tingkat IQ-nya, dengan data sebagai berikut:

Psikotes	205	206	254	246	201	291	234	209	204	216	245	286	312	265	322
IQ	104	112	119	103	84	123	120	120	96	103	107	112	129	106	114
Akademik	159	164	198	184	150	208	184	154	149	175	192	201	248	166	287

Analisis / Interpretasi Output :

1. Koefisien Determinasi

Pada output, R2 = 0,823 → 82,3% Variabel bebas memberi sumbangsih atau pengaruh terhadap variable terikat dan sebesar 17,7% dipengaruhi oleh factor lain yang tidak dijelaskan dalam persamaan regresi. (100%-82,3%=17,7%).

2. Uji Statistik F (Uji Anova)

• Hipotesis

H0: Tidak ada pengaruh antara nilai akademik dan tingkat IQ terhadap nilai psikotest

(model regresi tidak dapat dipakai untuk memprediksi nilai psikotest)

H1: Ada pengaruh antara nilai akademik dan tingkat IQ terhadap nilai psikotest

(model regresi dapat dipakai untuk memprediksi nilai psikotest)

• Pengambilan keputusan

Berdasarkan nilai probabilitas

Syarat :

• H0 diterima : jika nilai probabilitas >0,05
• H0 ditolak : jika nilai probabilitas <0,05

Diketahui sig.(tabel ANOVA) : 0,000 < 0,05→ Ho ditolak

Kesimpulan :

Ada pengaruh antara nilai akademik dan tingkat IQ terhadap nilai psikotest  (model regresi dapat dipakai untuk memprediksi nilai psikotest)

3. Uji Statistik T

Pada kasus diatas menggunakan regresi linear berganda, bentuk umum persamaan regresi:  Y =  a1X1+ a2X 2+ … + anXn+ C

Pada output tabel Coefficient hasil perhitungan diatas dapat dibuat  persamaan regresi :

Y=0,438X1 +0,900X 2+29,041

Dimana:

Y = Nilai Psikotes ; X1= Tingkat IQ ; X 2=Nilai Akademik

Dari persamaan tersebut menunjukkan bahwa :

• Koefisien regresi  X1sebesar 0,438   menyatakan bahwa setiap penambahan 1 tingkat IQ akan meningkatkan nilai psikotest sebesar  0,438
• Koefisien regresi X 2 sebesar 0,900 menyatakan bahwa setiap penambahan 1 nilai akademik akan meningkatkan nilai psikotest sebesar 0,900
• Konstanta sebesar 29,041 menyatakan bahwa jika variabel bebas tingkat IQ dan Nilai Akademik tidak ada maka Nilai Psikotest adalah 0,900

• Hipotesis

H0 : Koefisien regresi tidak berpengaruh signifikan terhadap variabel Y

H1 : Koefisien regresi berpengaruh signifikan terhadap variabel Y

• Pengambilan Keputusan

1. Berdasarkan Perbandingan Thitung dan Ttabel

Syarat :

• H0 diterima : jika Thitung berada diantara nilai ±Ttabel
• H0 ditolak : jika Thitung tidak berada diantara nilai ±Ttabel

Dari output diperoleh nilai thitung masing-masing koefisien regresi berturut-turut:

T1=0,846(Thitung untuk variabel independen X1= Tingkat IQ)

T2=5,724 (Thitunguntuk variabel independen X2=Nilai Akademik)

Prob=0,975

DF=12

Sehingga Ttabel=…

T1=…  

T2=…

Berdasarkan Nilai Probabilitas

Syarat :

• H0 diterima : jika nilai probabilitas >0,05
• H0 ditolak : jika nilai probabilitas <0,05

Diketahui sig.(tabel Coefficient) : 0,1 (>0,05)

Probabilitas T1=0.415 > 0.05 maka Ho diterima   

Probabilitas T2=0.000 < 0.05 maka Ho ditolak

Kesimpulannya:

Koefisien regresi pada variable tingkat IQ tidak berpengaruh signifikan terhadap variabel psikotes sedangkan koefisien variabel akademik berpengaruh signifikan terhadap variabel psikotes.

UJI PENYIMPANGAN ASUMSI KLASIK

a.  Autokorelasi

Autokorelasi adalah hubungan yang terjadi antara residual dari pengamatan satu dengan pengamatan yang lain. Model regresi yang baik seharusnya tidak menunjukkan adanya autokorelasi. Untuk mendeteksi ada atau tidaknya autokorelasi, maka Durbin Watson akan dibandingkan dengan DWtabel dengan kriteria sebagai berikut:

Jika DW < dU atau DW > 4 – dL, maka ada autokorelasi

Jika DW diantara dU dan 4 – dU, maka tidak ada autokorelasi

Jika DW diantara dU dan dL atau 4 – dU dan 4 – dL, maka tidak ada kesimpulan yang pasti

dU : batas atas dari DWtabel (DW upper bound)

dL : batas bawah dari DWtabel (DW lower bound)

Dari output diketahui DW =2,003

Dari tabel Durbin Watson dengan taraf signifikansi 5%,  k = 2, n= 15 di peroleh

dL =0,9455 → 4 – dL =3,0545

dU =1,5432 → 4 – dU =2,4568

Karena DW terletak diantara 4 – dL dan dU, maka tidak ada autokorelasi

b.  Multikolinieritas

Multikolinieritas adalah hubungan antar variable independen yang terdapat dalam model regresi memiliki hubungan linier yang sempurna atau mendekati sempurna Konsekuensi adanya multikolinieritas adalah koefisien korelasi variable tidak tertentu dan kesalahan menjadi sangat besar atau tidak terhingga.

Syarat uji multikolinieritas adalah :

Jika Tolerance < 0.1 atau inflation factor (VIF) > 10 → terjadi multikolinieritas

Dari output diperoleh:

Tolerance  = 0,697

VIF =1,434   

Kesimpulan → Tidak terjadi multikolinieritas

c.  Heteroskedastisitas

Scatterplot digunakan untuk mendeteksi ada atau tidaknya penyimpangan pada asumsi klasik, yaitu heteroskedastisitas. Heteroskedastisitas adalah varian residual yang tidak sama pada semua pengamatan di dalam model regresi. Regresi yang baik seharusnya tidak terjadi heteroskedastisitas.

Syarat uji heteroskedastisitas adalah :

• Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar, menyempit) maka terjadi heteroskedastisitas
• Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas

KESIMPULAN: tidak terjadi heteroskedastisitas