Professional Documents
Culture Documents
Cara Membaca Hasil Regresi
Cara Membaca Hasil Regresi
05) POUT(.10) /NOORIGIN /DEPENDENT Emotional /METHOD=ENTER Sense Feel Act /RESIDUALS HISTOGRAM(ZRESID) NORMPROB(ZRESID) /SAVE RESID.
Regression
Notes Output Created Comments Input Data Active Dataset Filter Weight Split File N of Rows in Working Data File Missing Value Handling Definition of Missing User-defined missing values are treated as missing. Cases Used Statistics are based on cases with no missing values for any variable used. E:\olahdata 2011\andreas\data2.sav DataSet1 <none> <none> <none> 103 13-May-2011 22:13:44
Syntax
REGRESSION /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA COLLIN TOL /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT Emotional /METHOD=ENTER Sense Feel Act /RESIDUALS HISTOGRAM(ZRESID) NORMPROB(ZRESID) /SAVE RESID.
Resources
Processor Time Elapsed Time Memory Required Additional Memory Required for Residual Plots
RES_1
Unstandardized Residual
Descriptive Statistics Mean Emotional Sense Feel Act 11.11 9.59 9.91 14.70 Std. Deviation 2.249 1.511 .864 2.240 N 103 103 103 103
Descriptive statistics menggambarkan nilai rata-rata variabel, deviasi standar dan jumlah data variabel dependen dan variabel independen.
Pearson Correlation
1.000 .088 .529 .703 . .188 .000 .000 103 103 103 103
.088 1.000 .048 .129 .188 . .317 .098 103 103 103 103
.529 .048 1.000 .543 .000 .317 . .000 103 103 103 103
.703 .129 .543 1.000 .000 .098 .000 . 103 103 103 103
Sig. (1-tailed)
Variables Entered/Removed Variables Model 1 Entered Act, Sense, Feel Variables Removed
Method . Enter
Model Summary
R Square .525
Square .511
1.573
Koefisen korelasi R = 0.725 menunjukkan tingkat hubungan variabel dependen dengan variabel independen pada tingkat sangat kuat (0.725) untuk slala 0 1. Kuat lemahnya hubungan dua variabel ditunjukkan oleh nilai Pearson Correlation (R) dimana nilai secara umum dibagi menjadi sbb: 0 0.25 korelasi sangat lemah 0.25 0.50 korelasi moderat 0.50 0.75 korelasi kuat
0.75 1.00 korelasi sangat kuat Nilai R square = 0.525 dari tabel di atas menunjukkan bahwa 52.5 % dari varians Emotional dapat dijelaskan oleh perubahan dalam variabel Sense, feel dan Act.
ANOVA Model 1 Regression Residual Total Sum of Squares 271.010 244.815 515.825 df
F 36.531
Sig. .000
a
Uji F dimaksudkan untuk menguji apakah variabel-variabel independen secara bersama-sama berpengaruh signifikan terhadap variabel dependen . Hipotesis: H0: variabel-variabel independen secara bersama-sama tidak berpengaruh signifikan terhadap variabel dependen H1: variabel-variabel independen secara bersama-sama berpengaruh signifikan terhadap variabel dependen Dasar Pengambilan Keputusan Jika probalitasnya (nilai sig) > 0.05 atau F hitung < F tabel maka H0 diterima Jika probalitasnya (nilai sig) < 0.05 atau F hitung > F tabel maka H0 ditolak Keputusan: Pada tabel di atas nilai sig = 0.000 < 0.05, sehingga H0 ditolak, yang
Uji t dimaksudkan untuk menguji apakah variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen.
Hipotesis: H0: variabel independen secara parsial tidak berpengaruh signifikan terhadap variabel dependen H1: variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen Dasar Pengambilan Keputusan Jika probalitasnya (nilai sig) > 0.05 atau - t tabel < t hitung < t tabel maka H0 diterima
Jika probalitasnya (nilai sig) < 0.05 atau t hitung < - t tabel atau t hitung > t tabel maka H0 ditolak Keputusan: Pada tabel di atas nilai sig variabel Feel dan Act masing-masing 0.013 dan 0.000 dimana keduanya < 0.05 sehingga H0 ditolak, yang berarti variabel independen Feel dan Act secara parsial berpengaruh signifikan terhadap variabel Emotional. Sedangkan Feel tidak berpengaruh nyata kepada Emotional karena nilai sig = 0.974 > 0.05.
Dengan demikian persamaan estimasinya adalah : Emotional = -3.015 + 0.03*Sense + 0.544*Feel + 0.592*Act
Multikolinearitas (kolinearitas ganda) berarti adanya hubungan linear yang sempurna di antara variabel-variabel bebas dalam model regresi. Korelasi yang kuat antar variabel bebas menunjukkan adanya multikolinearitas. Jika terdapat korelasi yang sempurna di antara variabel bebas, maka konsekuensinya adalah koefisien-koefisien regresi menjadi tidak dapat ditaksir, nilai standard error setiap regresi menjadi tidak terhingga Ada atau tidak adanya multikolinearitas dapat dilihat dari nilai tolerance yang lebih dari 0.1 atau VIF yang kurang dari 10. Kesimpulan: Berdasarkan nilai VIF yang berada di antara 0.1 dan 10, disimpulkan tidak terjadi multikolinieritas antar variabel independen Sense, Feel dan Act.
Variance Proportions
(Constant) 1 1 2 3 4 a. Dependent Variable: Emotional 3.965 .022 .011 .003 1.000 13.559 19.394 35.785 .00 .00 .18 .82
Residuals Statistics Minimum Predicted Value Residual Std. Predicted Value Std. Residual 6.63 -3.874 -2.748 -2.464 Maximum 14.24 3.670 1.921 2.334
Charts
NPar Tests
Notes Output Created Comments Input Data Active Dataset Filter Weight Split File E:\olahdata 2011\andreas\data2.sav DataSet1 <none> <none> <none> 13-May-2011 22:14:07
N of Rows in Working Data File Missing Value Handling Definition of Missing User-defined missing values are treated as missing. Cases Used
103
Statistics for each test are based on all cases with valid data for the variable(s) used in that test.
Syntax
Resources
One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N Normal Parametersa,b Mean Std. Deviation Most Extreme Differences Absolute Positive Negative Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a. Test distribution is Normal. b. Calculated from data. 103 .0000000 1.54924112 .125 .044 -.125 1.269 .080
Uji normalitas (uji Kolmogorov- Smirnov) Uji normalitas adalah untuk melihat apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik adalah memiliki nilai residual
yang terdistribusi normal. Jadi uji normalitas bukan dilakukan pada masing-masing variabel tetapi pada nilai residualnya. Hipotesis: H0: data berdistribusi normal H1: data tidak berdistribusi normal Dasar Pengambilan Keputusan Jika probalitasnya (nilai sig) > 0.05 maka H0 diterima Jika probalitasnya (nilai sig) < 0.05 maka H0 ditolak Keputusan: Pada tabel di atas nilai sig = 0.080 > 0.05, sehingga H0 diterima, yang berarti data residual berdistribusi normal.
COMPUTE AbsRes1=abs(RES_1). EXECUTE. REGRESSION /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA COLLIN TOL /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT AbsRes1 /METHOD=ENTER Sense Feel Act /RESIDUALS HISTOGRAM(ZRESID) NORMPROB(ZRESID).
Regression
Comments Input Data Active Dataset Filter Weight Split File N of Rows in Working Data File Missing Value Handling Definition of Missing User-defined missing values are treated as missing. Cases Used Statistics are based on cases with no missing values for any variable used. Syntax REGRESSION /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA COLLIN TOL /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT AbsRes1 /METHOD=ENTER Sense Feel Act /RESIDUALS HISTOGRAM(ZRESID) NORMPROB(ZRESID). E:\olahdata 2011\andreas\data2.sav DataSet1 <none> <none> <none> 103
Resources
Processor Time Elapsed Time Memory Required Additional Memory Required for Residual Plots
Descriptive Statistics Mean AbsRes1 Sense Feel 1.2064 9.59 9.91 Std. Deviation .96463 1.511 .864 N 103 103 103
Descriptive Statistics Mean AbsRes1 Sense Feel Act 1.2064 9.59 9.91 14.70 Std. Deviation .96463 1.511 .864 2.240 N 103 103 103 103
Correlations AbsRes1 Pearson Correlation AbsRes1 Sense Feel Act Sig. (1-tailed) AbsRes1 Sense Feel Act N AbsRes1 Sense Feel Act 1.000 -.237 .182 -.046 . .008 .033 .321 103 103 103 103 Sense -.237 1.000 .048 .129 .008 . .317 .098 103 103 103 103 Feel .182 .048 1.000 .543 .033 .317 . .000 103 103 103 103 Act -.046 .129 .543 1.000 .321 .098 .000 . 103 103 103 103
Variables Entered/Removedb Variables Model 1 Entered Act, Sense, Feel Variables Removed Method . Enter
R Square .115
Square .088
.92135
R Square .115
Square .088
.92135
ANOVAb Model 1 Regression Residual Total Sum of Squares 10.873 84.040 94.913 df 3 99 102 Mean Square 3.624 .849 F 4.269 Sig. .007
a
Coefficients
Unstandardized Coefficients Model 1 (Constant) Sense Feel Act B .525 -.146 .320 -.075 Std. Error 1.177 .061 .126 .049 Coefficientsa Standardized Coefficients Model 1 (Constant) Sense Feel Act -.229 .287 -.173 Beta t .446 -2.396 2.548 -1.524 Sig. .656 .018 .012 .131 .983 .704 .694 1.018 1.420 1.440 Collinearity Statistics Tolerance VIF
memiliki varian yang sama. Heteroskedastisitas akan menyebabkan penaksiran koefisien-koefisien regresi menjadi tidak efisien. Pendeteksian ada tidaknya heteroskedastisitas mengunakan uji Glejser yang meregresikan nilai absolute residual terhadap variabel independen. Hipotesis: H0: tidak terjadi heteroskedastisitas H1: terjadi heteroskedastisitas Dasar Pengambilan Keputusan Jika probalitasnya (nilai sig) > 0.05 maka H0 diterima Jika probalitasnya (nilai sig) < 0.05 maka H0 ditolak Keputusan: Pada tabel di atas nilai sig variabel Act 0.131 > 0.05, sehingga H0 diterima, yang berarti tidak terjadi heteroskedastisitas pada variabel tersebut. Sedangkan nilai sig variabel Feel dan Act, masing-masing adalah 0.018 dan 0.012 dimana keduanya < 0.05, sehingga disimpulkan terjadi heteroskedastisitas pada kedua variabel tersebut. Bila signifikansi diturunkan menjadi 0.01 maka disimpulkan tidak terjadi heteroskedastisitas pada kedua variabel tersebut.
Collinearity Diagnosticsa Variance Proportions Model 1 Dimension 1 2 3 Eigenvalue 3.965 .022 .011 Condition Index 1.000 13.559 19.394 (Constant) .00 .00 .18 Sense .00 .70 .22 Feel .00 .01 .08 Act .00 .21 .63
.003
35.785
.82
.07
.91
.16
Residuals Statistics Minimum Predicted Value Residual Std. Predicted Value Std. Residual .4943 -1.41192 -2.181 -1.532 Maximum 2.2291 2.62438 3.132 2.848
Charts