Regresi
adalah bentuk hubungan fungsional antara variabel respon dan prediktor. Guna
regresi adalah untuk prediksi. Dalam analisis regresi variabel prediktor
disebut dengan variabel independen/bebas yang disimbolkan dengan X sementara
variabel respon disebut dengan variabel dependen/terikat yang disimbolkan
dengan Y. Bila ada satu variabel prediktor disebut dengan regresi sederhana
sedangkan bilai variabel prediktornya lebih dari satu bisa dua, tiga dan seterusnya
disebut dengan regresi berganda.
Dataset
Untuk contoh penelitian tentang pengaruh kualitas pelayanan yang
terdiri dari Bukti fisik (tangibles); b) Reliabilitas (reliability); c) Daya
tanggap (responsiveness); d) Jaminan (assurance); dan e) Empati (emphaty)
terhadap kepuasan konsumen. Jumlah data
sebanyak 100.
Kotak Dialog untuk Analisis Regresi Linier
Klik "Linier Regression"maka kotak dialog Linier
Regresion akan muncul.
Pada Dependent
Variable/Y, sorot semua data yang ada dikolom A "kecuali judul
variabel". Catatan: Data variabel dependen harus selalu diletakan di kolom
A. Pada Independent variable sorot semua data yang ada
dikolom B sampai F.
Pada bagian Statistics centang
pada Collinearity diagnostics jika kita akan menguji kolinieritas dan centang
pada Durbin Watson Test jika kita ingin menguji autokorelasi.
Pada bagian Predicted and
Residuals centang pada semua pilihan jika kita ingin menampilkan nilai prediksi
dan residual.
Jika kita ingin menampilkan
plot centang pada semua pilihan pada bagian Plot.
Untuk menampilkan Output klik OK, untuk mengulangi pilih data klik Reset dan untuk keluar/membatalkan pilih Cancel. Hasil Output akan ditampilkan pada Sheet baru.
Tabel yang pertama adalah Model Summary yang menampilkan koefisien
korelasi antara Bukti fisik (tangibles); Reliabilitas
(reliability); Daya tanggap (responsiveness); Jaminan (assurance); dan Empati
(emphaty) dengan kepuasan konsumen yaitu sebesar 0,728 ( lihat
pada kolom R) dan koefisien determinasi sebesar 0,530 (nilai kuadrat dari
koefisien korelasi). Koefisien determinasi dapat diartikan berapa persen
pengaruh variabel independen terhadap variabel dependen Nilai koefisien
determinasi sebesar 0,530 yang berarti 0,530 x 100 = 53% artinya 53 % kepuasan
konsumen dipengaruhi oleh Bukti fisik (tangibles); Reliabilitas (reliability); Daya
tanggap (responsiveness); Jaminan (assurance); dan Empati (emphaty)
Tabel yang kedua adalah tabel
Anova untuk menguji keberartian regresi secara bersama. Dari uji Anova
diperoleh nilai F sebesar 31, 239 dengan tingkat signifikan 0,000. Oleh karena
nilai signifikan/probabilitas lebih kecil 0,05 maka model regresi yang
terbentuk bisa dipakai untuk memprediksi artinya secara bersama /simultan
variabel independen berpengaruh terhadap variabel dependen.
Tabel ketiga menampilkan uji
parsial/Uji t (lihat pada kolom t) digunakan untuk menguji hipotesis dari
koefisien regresi. Dari uji t diperoleh nilai t hitung semua variabel
independen > dari ttabel (1,985) dan nilai sig < 0,05.
Oleh karena nilai
signifikan/probabilitas lebih kecil 0,05 maka dapat disimpulkan koefisien
regresi semua varaibel independen signifikan atau mempengaruhi kepuasan
konsumen secara parsial.
Uji multikolinearitas adalah
untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel
bebas dalam suatu model regresi linear berganda. Jika ada korelasi yang tinggi
di antara variabel-variabel bebasnya, maka hubungan antara variabel bebas
terhadap variabel terikatnya menjadi terganggu.
Alat statistik yang sering dipergunakan untuk menguji gangguan
multikolinearitas adalah dengan variance inflation factor (VIF). Dari output di
atas diperoleh nilai VIF semua variabel independen lebih kecil dari 10 maka
dapat disimpulkan tidak ada multikolinearitas antar variabel independen.
Dari tabel di atas nilai Durbin-Watson yang diperoleh adalah 1,835, nilai ini kita bandingkan dengan tabel Durbin-Watson dengan jumlah variabel independen 5 dan jumlah sampel 100 maka diperoleh nilai dl 1,571 dan nilai du 1,780. Karena nilai Durbin-Watson 1,835 lebih besar nilai Durbin-Watson dl dan kurang dari (4 – du =2.22) maka dapat disimpulkan tidak terjadi autokorelasi
Sebagian output nilai prediksi
dan residual
Plot
Plot
menampilkan perbandingan nilai actual dan prediksi. Kemudian nilai residual
yang mengikuti garis linier dan nilai residual tiap variabel untuk mengetahui heteroskedastisitas.
Berdasarkan plot residual tiap variabel dapat di ketahui bahwa tidak ada pola
yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 dan sumbu
Y, maka tidak terjadi heteroskedastisitas.
- Variabel dependen/Y harus selalu diletakan dikolom A
- Gunakan Sheet 1 untuk input data
- Pada Bandistats versi 1.0 maksimal variabel independen yang dapat dianalisis adalah 5 variabel