Uji asumsi normalitas, linieritas dan regresi linier sederhana

Uji asumsi normalitas, linieritas dan regresi linier sederhana

https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhk6SJhSwTbJS8uAt3ZjCYuc6twG1AMH4upnWDg3PRII0Z5C8p1B4SWvzRWxB1bv47rp9x0Pfm8yGSuOUAmQh3E6m1VorJR8G3zRs8jwbYB2i3ZBnFM8c3UAukZ47Q1ZM_tRo_Qypb6OTw/s72-c/Simple%252BLinear%252BRegression%252BConceptual%252BModel.jpg

Rp 80.000

ANALISIS REGRESI SEDERHANA

Analisis regresi merupakan analisis ketergantungan dari satu atau lebih variabel bebas terhadap satu variabel tergantung, dengan tujuan untuk menduga atau memprediksi nilai rata-rata populasi berdasarkan niali-nilai variabel bebasnya.

Perbedaan mendasar antara analisis korelasi dengan analisis regresi adalah bahwa analisis korelasi hanya bertujuan untuk mengukur kekuatan hubungan linier antar dua variabel, sehingga pada analisis korelasi tidak membedakan antara variabel bebas dengan variabel tergantung. Sedangkan analisis regresi selain mengukur kekuatan hubungan antar dua variabel atau lebih, analisis regresi juga digunakan untuk menetukan aarah hubungan antara variabel bebas dengan variabel tergantungnya. Berikut ini adalah istilah lain dari variabel bebas dan variabel tergantung.

• Variabel yang Dipengaruhi (Y) : variabel tergantung/terikat (Dependent Variable), variabel yang dijelaskan (Expalined variable); variabel yang diramalkan (Predictand variable); variable yang diregresi (Regressand variable); Variabel tanggapan (Response variable).
• Variabel yang Memengaruhi (X) : variabel bebas (Dependent variable); variabel yang menjelaskan (Explanatory variable); variabel peramal (Predictor variable); variabel yang meregresi (Regressor variable); variabel perangsang atau kendali (Stimulus or Control variable).

Analisis regresi tidak boleh digunakan untuk menguji hubungan bersifat identitas. Hubungan identitas merupakan bentuk hubungan yang bukan disebabkan oleh adanya fenomena sebab-akibat tetapi disebabkan oleh sebuah persamaan yang telah dibentuk (seperti produktifitas dengan hasil produksi, upah yang diterima dengan hasil produksi). Berkaitan dengan analisis regresi ini setidaknya ada empat kegiatan yang dapat dilaksanakan dalam analisis regresi:

• Mengadakan estimasi terhadap parameter berdasarkan data empiris
• Menguji berapa besar variasi variasi variabel dependent dapat diterangkan oleh variasi variabel independent
• Menguji apakah estimasi parameter tersebut signifikan atau tidak dan
• Melihat apakah tanda dan magnitud dari estimasi parameter cocok dengan teori

Model Regresi Sederhana

Regresi sederhana digunakan unuk menganalisis hubungan kausal satu variabel bebas terhadap satu variabel tergantung. Model yang digunakan untuk analisis regresi sederhana adalah:

Y = a + bX + ε

• Y = nilai yang diramalkan
• a  = konstanta/intercept
• b  = koefisien regresi/slope
• X = variabel bebas
• ε  = nilai residu

Dalam analsis regresi menggunakan SPSS ada beberapa hal yang dianalisis sebagai dasar untuk melakukan analisis lebih mendalam dari sekedar persamaan regresi yang terbentuk, diantaranya:

1. Persamaan Regresi, menggambarkan model hubungan antar variabel bebas dengan variabel yang terikatnya (yang diramalkan). Persamaan ini tersusun dari nilai konstanta/intercept (a) dan nilai koefisien regresi/slope (b) variabel bebasnya
2. Nilai prediksi, merupakan besar nilai variabel terikat ( Ŷ ) yang diperoleh dari prediksi dengan menggunakan persamaan regresi yang terbentuk.
3. Koefisien Determinasi (R), merupakan besarnya kontribusi variabel bebas terhadap variabel terikat, yang nilainya semakin tinggi maka semakin tinggi variabel bebas menjelaskan variasi perubahan pada variabel terikatnya.
4. Kesalahan Baku Estimasi, merupakan satuan yang digunakan untuk menentukan besarnya tinggkat penyimpangan dari persamaan yang terbentuk dengan nilai senyatanya. Semakin tinggi kesalahan baku estimasi maka semakin lemah persamaan regresi tersebut untuk digunakan sebagai alat proyeksi
5. Kesalahn Baku Koefisien Regresi, meerupakan satuan yang digunakan untuk menunjukkan tingkat penyimpangan dari masing-masing koefisien regresi. Semakin tinggi kesalahan baku koefisien regresi maka semakin lemah variabel tersebut untuk diikutkan dalam model persamaan regresi (semakin tidak berpengaruh).
6. Nilai F hitung, digunakan untuk menguji model persamaan regresi fit (cocok) atau tidak dari pengaruh secara simultan variabel bebasnya terhadap varibel terikatnya.
7. Nilai t hitung, digunakan untuk menguji secara parsial (per variabel) terhadap variabel terikatnya.