TUGAS
3
CONTOH
ANALISA REGRESI LINIER BERGANDA
Pratikum Metoda Statistika
SPSS
DISUSUN
OLEH :
NAMA : SISWANTO
NIM : 131051009
KELAS : SL1
Asisten
Jaga : Abdurrahman A. B
INSTITUT
SAINS & TEKNOLOGI AKPRIND YOGYAKARTA
JURUSAN
TEKNIK INFORMATIKA
FAKULTAS
TEKNIK INDUSTRI
2013/2014
KATA
PENGANTAR
Segala
puji dan syukur penulis hanturkan kehadirat Allah SWT yang telah melimpahkan
segala rahmat serta hidayah- Nya, sehingga memberikan kekuatan, kemudahan, dan
kemampuan kepada penulis untuk dapat menyelesaikan laporan ini dengan judul “
Contoh Analisa Regresi Linier Berganda“ guna memenuhi sebagian persyaratan
untuk memperoleh nilai pada mata kuliah praktikum metoda statistika.
Penulis
menyadari akan kelemahan serta keterbatasan yang ada sehingga dalam
penyelesaian laporan ini memperoleh bantuan dari berbagai pihak.
Penulis menyadari
bahwa laporan ini masih banyak kekurangan baik isi maupun susunannya.
Untuk itu kritik dan saran yang bersifat membangun senantiasa diharapkan.
Semoga amal dan kebaikan dari semua pihak mendapatkan balasan dari Allah SWT.
Akhirnya penulis mengucapkan terima kasih dan semoga laporan ini dapat
bermanfaat tidak hanya bagi penulis tetapi juga para pembaca.Amin.
Yogyakarta, 15 Mei
2014
Penulis
BAB I
PENDAHULUAN
A.
Tujuan
Pelaksanaan Praktikum
Tujuan Pelaksanaan Praktikum :
•
Mahasiswa
dapat memperoleh kemantapan untuk memperdalam materi yang diberikan oleh dosen
ataupun aslep dengan kompetensi yang ada di kampus atau waktu praktikum.
•
Dapat
membandingkan kompetensi yang diperoleh dikampus baik teori maupun praktikum.
•
Dapat
mengerjakan tugas dengan baik dan benar.
•
Dapat
membedakan cara kerja dan fungsi masing – masing bagian dari suatu pekerjaan
yang berkaitan dengan materi yang telah disampaikan ( SPSS ).
•
Dapat
menggunakan suatu jenis pekerjaan yang berkaitan dengan SPSS.
•
Untuk
menghitung data statistic ataupun bagaimana cara membaca atau menganalisisnya.
•
Disiplin,
teliti, dan bertanggung jawab terhadap tugas yang diberikan oleh dosen.
•
Kreatif,
inisiatif, dan inovatif dalam melaksanakan tugas.
BAB II
CONTOH ANALISA REGRESI LINIER
BERGANDA
a.
Contoh
Kasus
PT. CEMERLANG dalam beberapa bulan
gencar mempromosikan sejumlah peralatan elektronik dengan membuka outlet di
berbagai daerah. Berikut ini adalah data mengenai Penjualan, Biaya Promosi dan
Luas Outlet yang berasal dari 15 daerah di Indonesia.
|
Daerah
|
Sales
|
Promosi
|
Outlet
|
|
|
(dalam jutaan)
|
(dalam jutaan)
|
(dalam m2)
|
|
|
|
|
|
|||
|
Jakarta
|
205
|
26
|
159
|
|
|
Tangerang
|
206
|
28
|
164
|
|
|
Bekasi
|
254
|
35
|
198
|
|
|
Bogor
|
246
|
31
|
184
|
|
|
Bandung
|
201
|
21
|
150
|
|
|
Semarang
|
291
|
49
|
208
|
|
|
Solo
|
234
|
30
|
184
|
|
|
Yogya
|
209
|
30
|
154
|
|
|
Surabaya
|
204
|
24
|
149
|
|
|
Purwokerto
|
216
|
31
|
175
|
|
|
Madiun
|
245
|
32
|
192
|
|
|
Tuban
|
286
|
47
|
201
|
|
|
Malang
|
312
|
54
|
248
|
|
|
Kudus
|
265
|
40
|
166
|
|
|
Pekalongan
|
322
|
42
|
287
|
|
Dari table tadi, akan dilakukan analisis regresi
untuk mengetahui hubungan di antara variable Penjualan dengan Biaya Promosi dan
Luas Outlet.
b.
Pengolahan
Data Dengan SPSS
Langkah-langkah :
1. Buka
file berganda.sav
2. Dari
menu utama SPSS, pilih menu Statistics, kemudian pilih submenu Regression,
lalu pilih Linear…
3. Tampil
kotak dialog Linear Regression
4. Pengisian
:
·
Dependent.
Dalam hal ini variable tergantung adalah variable Sales, jadi klik Sales,
kemudian klik tanda > (yang sebelah atas), maka variable Sales berpindah ke
Dependent.
·
Independent(s).
Dalam hal ini variable bebas adalah variable Promosi. Klik variable Promosi
juga Outlet. Kemudian klik tanda > (yang sebelah tengah), maka
variable Promosi dan Outlet berpindah ke Independent(s).
Method, atau cara
memasukkan/selekasi variable. Metode ini bermacam-macam, seperti Stepwise,
Remove, Backward dan Forward (Stepwise). Untuk keseragaman, pilih default yang
ada, yaitu Enter, yaitu prosedur pemilihan variable di mana semua
variable dalam blok dimasukkan dalam perhitungan ‘single step’.
·
Pilih tombol Options, maka :
Untuk Stepping Method Criteria, digunakan uji
F yang mengambil standar angka probabilitas 5%. Karena itu, angka Entry .05
atau 5% dipilih.
Pilihan default Include constantin equation
atau menyertakan konstanta tetap dipilih.
Penanganan Missing Value atau data yang
hilang, digunakan default dari SPSS, yaitu Exclude cases pairwise. Data
kasusu tidak ada yang hilang. Klik Continue untuk meneruskan.
·
Pilih tombol Statistics. Pilihan
ini berkenaan dengan perhitungan statistic regresi yang akan digunakan.
Perhatikan default yang ada di SPSS adalah Estimates dan
Model fit.
Regression Coefficient
atau perlakuan koefisien regresi, pilih default atau
Estimates.
Klik pilihan Descriptive selain pilihan Model
fit. Klik Continue untuk meneruskan.
·
Pilih tombol Plots atau
berhubungan dengan gambar/grafik untuk regresi. Klik produce all partial
plots, kemudian klik Continue untuk meneruskan.
5. Kemudian
tekan OK untuk proses data.
c. Output
23
Oct 89 SPSS for MS WINDOWS Release 6.0
*
* * * M U L T I P L E R E G R E S S I O N * * * *
Listwise
Deletion of Missing Data
Mean Std Dev
Label
|
SALES
|
246.400
|
41.113
|
|
|
|
OUTLET
|
187.933
|
38.087
|
|
|
|
PROMOSI
|
34.667
|
9.678
|
|
|
|
N of Cases =
|
15
|
|
|
|
|
Correlation,
1-tailed Sig:
|
|
|||
|
|
|
SALES
|
OUTLET
|
PROMOSI
|
|
SALES
|
|
1.000
|
.901
|
.916
|
|
|
|
.
|
.000
|
.000
|
|
OUTLET
|
|
.901
|
1.000
|
.735
|
|
|
|
.000
|
.
|
.001
|
|
PROMOSI
|
|
.916
|
.735
|
1.000
|
|
|
|
.000
|
.001
|
.
|
|
23 Oct 89 SPSS
for MS WINDOWS Release
|
6.0
|
|
|
||
|
|
M U L T I P L
E
|
R
E G R E S S I O N
|
|
||
|
Equation
Number 1
|
Dependent
Variable..
|
SALES
|
|
||
|
Descriptive
|
Statistics
are printed on Page
|
1
|
|
||
|
Block Number
|
1.
|
Method: Enter
|
OUTLET
|
PROMOSI
|
|
Variable(s)
Entered on Step Number
1..
PROMOSI
2..
OUTLET
|
Multiple
|
R
|
.97557
|
|
|
|||||||
|
R Square
|
|
.95173
|
|
|
|||||||
|
Adjusted
|
R
Square
|
.94368
|
|
|
|||||||
|
Standard
|
Error
|
9.75663
|
|
|
|||||||
|
Analysis
|
of Variance
|
|
|
|
|||||||
|
|
|
DF
|
Sum
of Squares
|
Mean
Square
|
|||||||
|
Regression
|
2
|
22521.29893
|
11260.64946
|
||||||||
|
Residual
|
|
12
|
1142.30107
|
95.19176
|
|||||||
|
F =
|
118.29438
|
Signif F = .0000
|
|
||||||||
|
------------------
|
|
Variables in the Equation ------------------
|
|||||||||
|
Variable
|
|
B
|
SE
B
|
Beta
|
T
|
Sig T
|
|||||
|
OUTLET
|
|
.535102
|
.101019
|
.495724
|
5.297
|
.0002
|
|||||
|
PROMOSI
|
2.342246
|
.397548
|
.551377
|
5.892
|
.0001
|
||||||
|
(Constant)
|
64.638577
|
13.111991
|
|
4.930
|
.0003
|
||||||
|
End Block
Number
|
1
|
All requested variables entered.
|
|
||||||||
|
Hi-Res Chart
|
# 1:Partial residual plot of sales
with outlet
|
||||||||||
|
Hi-Res Chart
|
# 2:Partial residual plot of sales
with promosi
|
||||||||||
d. Analisis
1. Output bagian pertama
|
|
|
Mean
|
Std
Dev Label
|
|
SALES
|
246.400
|
41.113
|
|
|
OUTLET
|
187.933
|
38.087
|
|
|
PROMOSI
|
34.667
|
9.678
|
|
|
N of Cases =
|
15
|
|
|
Rata-rata
Sales (dengan jumlah data 15 buah) adalah Rp. 246.400.000,- dengan
standar deviasi Rp. 41.110.000,-.
Rata-rata luas Outlet (dengan jumlah data 15 buah)
adalah 187,93 m2 dengan standar deviasi 38,09 m2.
Rata-rata Biaya Promosi (dengan jumlah data 15 buah)
adalah Rp. 34.670.000,-dengan standar deviasi Rp. 9.680.000,-
2.
Output
bagian kedua
Correlation,
1-tailed Sig:
|
|
SALES
|
OUTLET
|
PROMOSI
|
|
SALES
|
1.000
|
.901
|
.916
|
|
|
.
|
.000
|
.000
|
|
OUTLET
|
.901
|
1.000
|
.735
|
|
|
.000
|
.
|
.001
|
|
PROMOSI
|
.916
|
.735
|
1.000
|
|
|
.000
|
.001
|
.
|
a. Besar
hubungan antar variable Sales dengan Outlet yang dihitung dengan koefisien
korelasi adalah 0.901, sedangkan korelasi variable Sales dengan Promosi adalah
0.916. Secara teoritis, karena korelasi antara Sales dengan Promosi lebih
besar, maka variabel Promosi lebih berpengaruh terhadap Sales dibanding
variable Outlet.
b. Terjadi
korelasi yang cukup kuat antara variable Promosi dengan Outlet, yaitu 0.735.
hal ini menandakan adanya multikolineritas, atau korelasi di antara variable
bebas.
c. Tingkat
signifikansi koefisien korelasi satu sisi dari output (diukur dari
probabilitas) menghasilkan angka 0.000 atau praktis 0. Karena probabilitas jauh
di bawah 0.05, maka korelasi di antara variable Sales dengan Promosi dan Outlet
sangat nyata.
3. Output bagian ketiga
|
Equation
Number 1
|
Dependent
Variable..
|
SALES
|
||
|
Descriptive
|
Statistics
are printed on Page
|
1
|
||
|
Block
Number
|
1.
|
Method: Enter
|
OUTLET
|
PROMOSI
|
Variable(s)
Entered on Step Number
1..
PROMOSI
2..
OUTLET
|
Multiple
|
R
|
|
.97557
|
|
R Square
|
|
|
.95173
|
|
Adjusted
|
R
|
Square
|
.94368
|
|
Standard
|
Error
|
9.75663
|
|
a. Variabel
Entered menunjukkan bahwa tidak ada variable yang dikeluarkan (removed), atau
dengan kata lain kedua variable bebeas dimasukkan dalam perhitungan regresi.
b. Angka
R square adalah 0.952. hal ini berarti 95,2% Sales perusahaan bisa dijelaskan
oleh variable Promosi dan outlet yang disewa, sedangkan sisanya (100% - 95,2% =
4,8%) dijelaskan oleh sebab/factor yang lain.
c. Standard
error of estimate adalah 9.76 atau Tp. 9.760.000,- (satuan yang dipakai adalah
variable dependent, atau dalam hal ini adalah Sales). Perhatikan pada analisis
sebelumnya, bahwa standard deviasi Sales adalah Rp. 41.110.000,-, yang jauh
lebih besar dari standard error of estimate yang hanya Rp. 9.760.000,-. Karena
labih kecil dari standard deviasi Sales, maka model regresi lebih bagus dalam
bertindak sebagai predictor Sales daripada rata-rata Sales itu sendiri.
4. Output bagian keempat
|
Analysis
|
of Variance
|
|
|
|
|
|
|
DF
|
Sum of Squares
|
Mean Square
|
|
Regression
|
2
|
22521.29893
|
11260.64946
|
|
|
Residual
|
|
12
|
1142.30107
|
95.19176
|
|
F =
|
118.29438
|
Signif
F =
|
.0000
|
|
|
|
|
------------------
|
|
Variables
in the
|
Equation
------------------
|
|
|
|
|
Variable
|
|
B
|
SE
B
|
Beta
|
T
|
Sig T
|
|
OUTLET
|
|
.535102
|
.101019
|
.495724
|
5.297
|
.0002
|
|
PROMOSI
|
|
2.342246
|
.397548
|
.551377
|
5.892
|
.0001
|
|
(Constant)
|
64.638577
|
13.111991
|
|
4.930
|
.0003
|
|
a. Dari
ujia ANOVA atau F test, didapat F hitung adalah 118.294 dengan tingkat
signifikansi 0.0000. karena probabilitas (0.0000) jauh lebih kecil dari 0.05,
maka model regresi bisa dipakai untuk memprediksi sales. Atau bisa dikatakan,
Promosi dan luas Outlet yang disewa secara bersama-sama berpengaruh
terhadap Sales.
b. Persamaan
regresi yang dapat dilihat pada Variables in the Equation, yaitu :
Y = 64.639 + 2.342 X1
+ 0.535 X2
Di mana : Y = Sales, X1
= Biaya Promosi, dan X2 = Luas Outlet
Konstanta
sebesar 64.639 menyatakan bahwa jika tidak ada Biaya Promosi
atau
Outlet
yang disewa perusahaan, maka Sales adalah Rp. 64.639.000,-
Koefisien regresi X1 sebesar 2.343
menyatakan bahwa setiap penambahan (karena
tanda +) Rp. 1,- Biaya Promosi, akan meningkatkan
Sales sebesar Rp. 2.343.000,-. Koefisien regresi X2 sebesar 0.535
menyatakan bahwa setiap penambahan (karena
tanda
+) 1 m2 Luas Outlet yang disewa, akan meningkatkan Sales sebesar Rp.
535.000,-.
c. Uji
t untuk menguji signifikansi konstanta dan variable dependent, yaitu Biaya
Promosi. (Di sini akan diberi contoh uji koefisien regresi dari variable
Promosi).
Hipotesis
Hipotesis untuk kasus ini adalah
:
Ho =
Koefisien regresi tidak signifikan.
Ha =
Koefisien regresi signifikan.
Pengambilan Keputusan
Dasar
pengambilan keputusan adalah : Jika probabilitas > 0,05, maka Ho
diterima Jika probabilitas < 0,05, maka Ho ditolak
(dalam SPSS, biasanya
kata probabilitas diwakili dengan kata signifikan / sig.)
Keputusan
Terlihat bahwa Sig. T adalah 0.0001, atau
probabilitas jauh di bawah 0.05, maka Ho ditolak, atau koefisien
regresi signifikan, atau Promosi benar-benar berpengaruh secara signifikan
terhadap Sales.
Uji yang sama, jika diterapkan pada variable Outlet,
akan menghasilkan kesimpulan yang sama, yaitu variable Outlet benar-benar
berpengaruh secara signifikan terhadap Sales.
5. Output bagian kelima
Hi-Res
Chart # 1:Partial residual plot of sales
with outlet
Hi-Res
Chart # 2:Partial residual plot of sales
with promosi
a.
Hubungan
Sales dengan Outlet
Terlihat bahwa sebaran data membentuk arah ke kanan
atas, dan jika ditarik garis lurus akan didapat slope yang positif. Hal ini
sesuai dengan koefisien regresi (yang adalah nilai slope) Outlet yang positif.
Partial Regression Plot
Dependent Variable: SALE
50
40
30
20
10
|
0
|
|
|
|
|
|
|
|
-10
|
|
|
|
|
|
|
|
-20
|
|
|
|
|
|
|
|
-40
|
-20
|
0
|
20
|
40
|
60
|
80
|
OUTLET
b.
Hubungan
Sales dengan Promosi
Terlihat bahwa sebaran data membentuk arah ke kanan
atas, dan jika ditarik garis lurus akan didapat slope yang positif. Hal ini
sesuai dengan koefisien regresi (yang adalah nilai slope) Promosi yang positif.
Partial Regression Plot
Dependent Variable:
SALES
50
40
30
20
10
|
0
|
|
|
|
|
|
-10
|
|
|
|
|
|
-20
|
|
|
|
|
|
-30
|
|
|
|
|
PROMOSI
0 komentar:
Posting Komentar