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