ANALISIS
REGRESI
DENGAN
SPSS
FOR WINDOWS
A.
Pendahuluan
Istilah
regresi diperkenalkan pertama kali oleh Francis Galton dalam makalahnya yang
berjudul family likenees in stature, proceedings
of royal society London Vol. 40, 1886. hlm 42-72. Analisis regresi berkenaan
dengan studi ketergantungan suatu variabel, yaitu variabel terikat/dependent variable, pada satu atau lebih
varibel yang lain, yaitu variable bebas/independent
variable, dengan maksud menduga dan atau meramalkan nilai rata-rata hitung
(mean) dari variabel tak bebas.
Sifat
hubungan antara variabel dependen dan variabel independen pada model regresi
harus merupakan hubungan sebab-akibat yang searah (cautional relationship). Karena tujuan penggunaan model regresi ini
adalah untuk mengetahui sejauh mana variabel independen (bebas) berpengaruh
terhadap variabel dependen (terikat). Sedangkan manfaat dari analisis regeresi
adalah untuk membuat keputusan apakah naik dan menurunnya variabel dependen
dapat dilakukan melalui peningkatan variable independen atau tidak.
B.
Persamaan
Regresi Linear Sederhana
Regresi sederhana merupakan analisis
lanjutan dari analisis korelasi yang didasarkan pada hubungan fungsional
ataupun kausal satu variabel independen
dengan satu variable dependen. Persamaan umum regresi linear sederhana adalah:
Dimana:
:
Subyek dalam variable dependen yang diprediksi
a
:
Harga Y ketika harga X = 0 (harga konstan)
b
: Angka arah atau koefisien regresi, yang menunjukkan angka peningkatan ataupun
penurunan variable dependen yang didasarkan pada perubahan variable independen.
Bila (+) arah garis naik, dan bila (-) maka arah garis turun.
X : Subyek pada variabel independen yang
mempunyai nilai tertentu.
Contoh:
Data berikut adalah hasil pengamatan
terhadap nilai kualitas layanan (X), dan nilai rata-rata penjualan barang
tertentu tiap bulan (Y).
Kualitas Layanan (X)
|
Penjualan Barang (Y)
|
54
50
53
45
48
63
46
56
52
56
47
53
49
58
48
52
56
54
59
47
|
167
155
178
146
170
179
149
166
170
174
156
158
150
160
157
177
176
160
170
159
|
Hipotesis kerja:
Ho :Tidak terdapat pengaruh yang signifikan kualitas layanan
terhadap peningkatan penjualan barang.
Ha :Terdapat pengaruh yang
signifikan kualitas layanan terhadap peningkatan penjualan barang.
Hipotesis Statistik
H0; β = 0 (kualitas layanan tidak berpengaruh signifikan
terhadap penjualan barang)
Ha; β ≠ 0 (kualitas layanan berpengaruh signifikan terhadap
penjualan barang)
Pengujian dilakukan dengan menggunakan taraf signifikansi α = 5%
Analisis dengan menggunakan SPSS ver.
16.
Langkah-langkah.
1. Jalankan
program SPSS ver. 16, sehingga window Data
View terlihat seperti pada gambar berikut.
2. Masukkan
data yang ada pada tabel, seperti gambar di bawah ini.
3. SPSS
secara otomatis akan memberikan nama pada masing-masing variabel VAR00001,
VAR00002, dan seterusnya, namun untuk memberikan nama variabel sesuai dengan
keinginan yakni Kualitas Layanan (X), Penjualan Barang (Y),
dan seterusnya klik tab Variable View
yang berada dibagian bawah layar lalu rubah nama variabel sesuai keinginan
anda, seperti yang tampak pada gambar di bawah ini
(NB; pengetikan nama variabel yang
lebih dari satu kata tidak diperkenankan menggunakan space (jarak) melainkan menggunakan tanda underscore (icank_gagah)
4. Kembali
pada window Data View, selanjutnya pada
menu utama SPSS, pilih menu Analyze,
selanjutnya Regression lalu
pilih sub menu Linear seperti
yang tampak pada gambar di bawah ini.
5. Selanjutnya
akan nampak layar (kotak dialog), seperti pada gambar di bawah ini
6. Pada
layar kotak dialog, selanjutnya memasukkan varibel pada kolom yang telah
ditentukan dengan cara mengklik nama variabel selanjutnya mengklik tanda panah
pada setiap kolom variabel yang ada (dependent
variable pada bagian atas dan independen
variable pada kolom bagian bawah), seperti yang terlihat pada gambar di
bawah ini.
7. Abaikan
pilihan lain, lalu klik OK untuk
mendapatkan hasil analisis regresi
8. Berikut
Output hasil anslisis data.
Regression
Variables Entered/Removedb
|
|||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
Kualitas_Layanana
|
.
|
Enter
|
a. All
requested variables entered.
|
|||
b.
Dependent Variable: Penjualan_Barang
|
|||
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
1
|
.673a
|
.453
|
.423
|
7.76898
|
a.
Predictors: (Constant), Kualitas_Layanan
|
||||
ANOVAb
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
900.124
|
1
|
900.124
|
14.913
|
.001a
|
Residual
|
1086.426
|
18
|
60.357
|
|||
Total
|
1986.550
|
19
|
||||
a.
Predictors: (Constant), Kualitas_Layanan
|
||||||
b.
Dependent Variable: Penjualan_Barang
|
||||||
Coefficientsa
|
||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
B
|
Std. Error
|
Beta
|
||||
1
|
(Constant)
|
89.232
|
19.400
|
4.600
|
.000
|
|
Kualitas_Layanan
|
1.427
|
.369
|
.673
|
3.862
|
.001
|
|
a.
Dependent Variable: Penjualan_Barang
|
||||||
Interpretasi
Hasil Analisis
Uji pengaruh variabel independen
terhadap variabel dependen
1. Analisis
Model Regresi
Perhatikan tabel
Model Summary kolom
R dengan nilai sebesar 0,673 artinya menunjukkan
keeratan hubungan variable independent dan variable dependent yang kuat.
Nilai R merupakan nilai multiple coefficient correlation. Nilai R berkisar antara -1 sampai 1. Jika
nilai mendekati -1 atau 1 menunjukkan hubungan semakin kuat, jika nilai
mendekati 0 (nol) menunjukkan hubungan yang semakin lemah.
Perhatikan tabel
Model Summary kolom
R Square (koefisien determinasi/r2) digunakan untuk mengetahui persentase
pengaruh variable independen
terhadap variable dependen dengan
nilai sebesar 0,453 artinya pengaruh variabel
independen (kualitas pelayanan (X) terhadap perubahan variabel terikat
(penjualan barang (Y) dapat dijelaskan sebesar 45,3% sedangkan sisanya sebesar
54,7 % di pengaruhi oleh variabel lain selain variabel kualitas pelayanan (X).
Kualitas
Pelayanan (X)
|
Penjualan Baran (Y)
|
2. Uji
Hipotesis
Pengujian hipotesis dapat dilakukan
dengan cara sebagai berikut.
a. Uji
F
Ho : koefisien arah regresi tidak
berarti (b = 0)
Ha: koefisien arah regresi berarti
(b ≠ 0)
Untuk menguji hipotesis nol,
dipakai statistik F (uji F/ Fhitung) yaitu dengan membandingkan
dengan Ftabel dengan dk pembilang = 1 dan dk penyebut = n – 2. Untuk
menguji hipotesis nol, kriterianya adalah tolak hipotesis nol, apabila
koefisien F hitung (Fhitung) lebih besar dari pada harga F tabel (Ftabel)
berdasarkan taraf signifikansi yang dipilih dan dk yang bersesuaian.
Dengan menggunakan taraf
signifikansi α = 5% pada dk (degree of
freedem/df diperoleh dk pembilang
= 1 dan dk penyebut = 20 - 2 = 18 sebesar 4,41(lihat tabel distribusi F) Berdasarkan
hasil analsis data dengan menggunakan SPSS ver. 16 (lihat tabel ANOVAb pada kolom F), diperoleh nilai Fhitung
= 14,913 > Ftabel = 4,41 disimpulkan
koefisien arah regresi berarti yang menjelaskan adanya pengaruh variabel
independen dan variabel dependen. “(Uji
F di gunakan dalam kasus untuk melihat arah regresi linear dalam hal sebagai
prediksi dan umumnya lebih dari satu variabel independen/bebas)”.
b. Uji t
Untuk membuat keputusan
apakah hipotesis itu terbukti atau tidak, maka t hitung tersebut dibandingkan
dengan harga t tabel (didasarkan pada derajat kebebasan/dk yang besarnya adalah
n – 1, yaitu 20 – 2 = 18, dengan pengujian dilakukan dengan menggunakan uji dua
pihak/two tail test pada taraf
signifikansi α
= 5%, maka harga t tabel adalah = 2,101). Maka, berdasarkan
hasil analisis data dengan menggunakan SPSS ver. 16 (lihat tabel Coefficientsa pada kolom t), diperoleh nilai thitung
= 3,862 > ttabel = 2,101. Keputusannya
adalah menolak hipoteisis nol dengan menerima hipotesis alternatif (Ha).
Artinya, terdapat pengaruh yang signifikan kualitas pelayanan terhadap penjualan
barang.
c.
Pengujian dapat juga
dilakukan dengan membandingkan nilai signifikansi hitung (yang diperoleh dalam
analsis SPSS) dengan signifikansi α = 5% yang telah di
tetapkan oleh peneliti, kriteriaya adalah Sig alpha hitung (kolom sig) lebih kecil dari sig alpha 5%,
maka Ho ditolak dan menerima Ha. Jadi, berdasarkan hasil analisis data dengan
menggunakan SPSS ver. 16 (lihat tabel Coefficientsa
pada kolom
t dan Kolom Sig), diperoleh nilai thitung = 3,862 dengan taraf signifikansi 0,001 < α = 0,05 maka Ho
ditolak yang artinya terdapat pengaruh yang signifikan varibel X (kualitas
pelayanan) terhadap variabel Y (penigngkatan penjualan barang).
(NB; namun dalam analisis pengujian hipotesis yang sesungguhnya
cukup dengan satu cara/konsisten).
3.
Membuat Persamaan Regresi
Persamaan
regresi estimasi linear yang diperoleh dari perhitungan menggunakan SPSS ver.
16 (“perhatikan tabel Coefficientsa, kolom Unstandardized Coefficients, dalam
sub kolom B”) dapat diinterpretasikan sebagai berikut:
Ŷ = 89,232 + 1,427X
Persamaan
regresi yang sudah ditemukan digunakan untuk melakukan prediksi (ramalan)
bagaimana individu dalam variabel dependen (terikat) akan terjadi bila individu
dalam variabel independen (bebas) ditetapkan. Misalnya nilai kualitas layanan =
70, maka nilai rata-rata penjualan adalah:
Ŷ = 89,232 + (1,427)(70) = 189,122
Jadi diperkirakan nilai
rata-rata tiap bulan sebesar 189,122. Dari persamaan
regresi di atas dapat diartikan bahwa, bila nilai kualitas layanan bertambah 1,
maka nilai rata-rata penjualan barang tiap bulan akan bertambah sebesar 1,427
atau setiap nilai kualitas layanan bertambah 10 maka nilai rata-rata penjualan
barang tiap bulan akan bertambah sebesar 14,27.
Tugas
Mandiri 1;
Dilakukan
penelitian untuk mengetahui apakah pendapatan berpengaruh terhadap kegiatan
konsumsi. Maka untuk keperluan tersebut, telah dilakukan pengumpulan data
terhadap 17 responden selama sebulan
yang diambil secara random dengan data sebagai berikut (dalam ratusan
ribu rupiah)
Pendapatan
(X)
|
8
|
9
|
8
|
7
|
6
|
5
|
9
|
4
|
7
|
6
|
8
|
10
|
3
|
8
|
11
|
9
|
5
|
Konsumsi
(Y)
|
5
|
7
|
5
|
4
|
5
|
3
|
7
|
3
|
6
|
4
|
7
|
9
|
2
|
6
|
10
|
7
|
3
|
Pertanyaan
Penelitian;
1.
Apakah terdapat hubungan yang signifikan
antara pendapatan dengan kegiatan konsumsi?
2.
Apakah pendapatan berpengaruh signifikan
terhadap kegiatan konsumsi?
Diminta;
1.
berdasarkan kedua pertanyaan penelitian
tersebut, buatlah hipotesisnya!
2.
Pengujian hipotesis dilakukan pada taraf
signifikansi α 5%,
3.
Buatlah persamaan regresi linear yang
menunjukkan hubungan antara pendapatan dengan konsumsi
4.
Berdasarkan persamaan regresi jawaban
(3). Tentukan estimasi konsumsi jika pendapatan dinaikkan menjadi 12
5.
Interpretasikan hasil analisis anda.
Tugas
Mandiri 2;
Suatu penelitian
bertujuan untuk mengetahui besarnya perubahan jumlah uang beredar (JUB X) suatu
negara dan perubahan Pendapatan Nasional (Y) negara tersebut. Diduga JUB
berpengaruh terhadap Pendapatan Nasional. Tabel berikut ini berisi data
mengenai JUB dan Pendapaatan Nasional selama beberapa priode. Data JUB dan
Pendapatan Nasional (Y) dalam milyar rupiah.
JUB
(X)
|
Pendapatan
Nasional (Y)
|
100
|
150
|
115
|
175
|
120
|
220
|
140
|
200
|
165
|
265
|
186
|
450
|
234
|
335
|
276
|
376
|
287
|
256
|
240
|
214
|
300
|
400
|
371
|
500
|
290
|
388
|
645
|
567
|
456
|
457
|
556
|
657
|
252
|
321
|
238
|
290
|
197
|
245
|
185
|
200
|
500
|
450
|
Diminta;
1.
Berdasarkan tujuan penelitian, buatlah
hipotesisnya.
2.
Analisis menggunakan SPSS
3.
Ujilah hipotesis tersebut dengan
menggunakan taraf signifikansi α=1% uji
t (two tail test), serta ujilah
keberartian model regresi tersebut (uji F)
4.
Buatlah persamaan regresi linear yang
menunjukkan hubungan antara JUB dan Pendapatan Nasional. Interpretasikan nilai
b pada persamaan regresi tersebut.
5.
Berdasarkan persamaan regresi jawaban
(3). Tentukan estimasi Pendapatan Nasional (Y) jika JUB (X) dinaikkan menjadi
750 dan diturunkan menjadi 95
6.
Interpretasikan hasil analisis anda.
ANALISIS
REGRESI BERGANDA
A. Pengatar
Analisis regresi ganda digunakan oleh peneliti, bila
peneliti bermaksud meramalkan bagaimana keadaan (naik turunnya) variabel
independen (kriterium), bila dua atau lebih variable independen sebagai faktor
prediktor dimanipulasi (dinaik turunkan nilainya). Jadi analisis regresi ganda
akan dilakukan bila jumlah variabel independennya minimal 2.
Persamaan
regresi untuk dua prediktor adalah:
Ŷ = a + b1X1 + b2X2
Persamaan
regresi untuk tiga prediktor adalah:
Ŷ = a + b1X1
+ b2X2 + b3X3
Persamaan
regresi untuk n prediktor adalah:
Ŷ = a + b1X1
+ b2X2+ b3X3… bnXn
B. Syarat-syarat Penggunaan (asumsi
analisis)
1. Hubungan
sebab akibat (landasan teoris)
2. Hubungan antar variabel haruslah linier
dan aditif.
3. Semua variabel residu tak punya korelasi
satu sama lain.
4. Pola hubungan antar variabel adalah
rekursif atau hubungan yang tidak melibatkan arah pengaruh yang timbal balik.
5. Data Y berskala minimal interval
6. Data X berskala minimal nominal
7. Terdapat
masukan korelasi yang sesuai.
Analisis
Regresi Dua Prediktor
βYԐ
|
Diagram jalur pengaruh antar variable.
Kemampuan Kerja (X1)
|
Tipe Kepemimpinan (X2)
|
Produktivitas Kerja (Y)
|
βYX1
|
βYX2
|
rX1X2
|
Hipotesis:
1.
Ada pengaruh yang signifikan antara
kemampuan kerja pegawai terhadap produktivitas pegawai
2.
Ada pengaruh yang signifikan antara tipe
kepemimpinan direktur terhadap produktivitas pegawai
Berdasarkan hipotesis
yang diajukan, apakah dapat diterima pada taraf signifikans α = 5%?
Dengan 10 responden yang digunakan sebagai sumber
data, diperoleh data sebagai berikut.
Kemampuan
Kerja
(X1)
|
Tipe
Kepemimpinan (X2)
|
Produktivitas
Kerja
(Y)
|
10
2
4
6
8
7
4
6
7
6
|
7
3
2
4
6
5
3
3
4
3
|
23
7
15
17
23
22
10
14
20
19
|
“Analisis
data regresi berganda menggunakan SPSS ver.16 sama caranya dengan analisis
regresi sederhana, hanya saja berbeda pada banyaknya variabel independen yang
digunakan, adapun output hasil analisisnya adalah sebagai berikut”.
Regression
Variables Entered/Removedb
|
|||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
X2, X1a
|
.
|
Enter
|
a. All
requested variables entered.
|
|||
b.
Dependent Variable: Y
|
|||
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
1
|
.915a
|
.836
|
.790
|
2.52099
|
a.
Predictors: (Constant), X2, X1
|
||||
ANOVAb
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
227.512
|
2
|
113.756
|
17.899
|
.002a
|
Residual
|
44.488
|
7
|
6.355
|
|||
Total
|
272.000
|
9
|
||||
a.
Predictors: (Constant), X2, X1
|
||||||
b.
Dependent Variable: Y
|
||||||
Coefficientsa
|
||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
B
|
Std. Error
|
Beta
|
||||
1
|
(Constant)
|
3.919
|
2.418
|
1.621
|
.149
|
|
X1
|
2.491
|
.703
|
1.024
|
3.544
|
.009
|
|
X2
|
-.466
|
1.016
|
-.133
|
-.459
|
.660
|
|
a.
Dependent Variable: Y
|
||||||
Interpretasi.
Perhatikan tabel
Model Summary kolom
R dengan nilai sebesar 0,915 artinya menunjukkan
keeratan hubungan variable independent dan variable dependent yang kuat.
Nilai R merupakan nilai multiple coefficient correlation. Nilai R berkisar antara -1 sampai 1. Jika
nilai mendekati -1 atau 1 menunjukkan hubungan semakin kuat, jika nilai
mendekati 0 (nol) menunjukkan hubungan yang semakin lemah.
Perhatikan tabel
Model Summary kolom
R Square (koefisien determinasi/r2) digunakan untuk mengetahui persentase
pengaruh variable independen
terhadap variable dependen dengan
nilai sebesar 0,8363 artinya pengaruh variabel
independen (kemampuan kerja (X1) dan tipe kepemimpinan derektur (X2)
terhadap perubahan variabel terikat (produktivitas pegawai (Y) dapat dijelaskan
sebesar 83,6% sedangkan sisanya sebesar 16,4 % di pengaruhi oleh variabel lain
selain variabel kemampuan kerja (X1)dan tipe kepemimpinan derektur (X2).
Terlihat pada
tabel Coefficientsa pada kolom Standardized Coefficients, sub kolom Beta Hitung (β) bahwa koefisien jalur X1:1,024
adalah signifikan, dan X2 :
-0,133 adalah tidak signifikan (perhatikan kolom sig). Coefficients Beta ini digunakan untuk mengetahui besaran
pengaruh riil masing-masing variabel independen terhadap variable dependen.
Uji
Hipotesis
ditabel Coefficientsa pada kolom t dan sig dipakai
untuk menguji koefisien jalur.
a.
Koefisien
jalur βYX1
H0 : βYX1 = 0
Ha : βYX1 ≠ 0
Terlihat pada pada kolom t =
3.544 dengan sig = 0.009 lebih kecil (<) dari 0.05 dengan demikian H0 ditolak.
b.
Koefisien jalur βYX2
H0 : βYX2 = 0
Ha : βYX2 ≠ 0
Terlihat pada kolom t =
-0,459 dengan sig = 0,660 lebih besar
(>) dari 0.05 dengan demikian H0 diterima. Artinya tidak ada pengaruh
yang signifikan positif antara tipe kepemimpinan terhadap produktivitas kerja
pegawai. Melainkan pengaruh tipe kepemimpinan derektur (-0,133) berpengaruh
signifikan negatif terhadap produktivitas pegawai.
83,6%
|
Kemampuan Kerja (X1)
|
Tipe Kepemimpinan (X2)
|
Produktivitas Kerja (Y)
|
1,02
|
-0,133
|
16,4%
|
0,915
|
Atas dasar analisis diatas, dapat
dikemukakan beberapa hal sebagai berikut:
Hubungan antar variabel
independen adalah sangat kuat berdasarkan hasil analisis korelasi (multiple
coefficient correlation) R= 0,915.
Hubungan yang sangat kuat ini, membuktikan (koefisien determinasi) persentase
pengaruh yang sangat besar terhadap penentuan perubahaan pada variabel dependen
(terikat/Y) sebesar 83.6% sedangkan 16,4% ditentukan oleh
faktor diluar model.
Sedangkan untuk melihat
variabel atau konstruk mana yang lebih besar pengaruhnya terhadap variabel Y,
cukup dilihat pada hasil statistik uji B
(Beta “β”) yang terdapat pada table Coefficientsa kolom Standardized Coefficients pada outpot SPSS ver. 16. variabel yang memiliki hasil uji B (Beta “β”) yang lebih besar merupakan variabel yang
memiliki pengaruh yang lebih kuat dibanding
pengaruh variabel lainnya. dimana variabal X1 meiliki hasil uji
B = 1,024 dengan thitung =
3.544 dengan sig = 0.009 lebih kecil (<) dari α = 0.05 dan lebih besar dari (>) thitung varibel X2 (-0,459), jadi bisa
disimpulkan bahwa varibel X1 lebih kuat pengaruhnya dari pada
variable X2 terhadap variabel
devenden (Y).
Membuat Persamaan Regresi Ganda dengan Dua Prediktor
Persamaan
regresi estimasi linear yang diperoleh dari perhitungan menggunakan SPSS ver.
16 (“perhatikan tabel Coefficientsa, kolom Unstandardized Coefficients, dan
sub kolom B”) dapat diinterpretasikan sebagai berikut:
Ŷ = 3,919 + 2,491X1 -
0,466X2
Berdasarkan persamaan
di atas, produktivitas kerja pegawai akan naik, bila kemampuan pegawai
ditingkatkan, dan akan turun bila kepemimpinan derektur (yang diktator)
ditingkatkan. Koefisien regresi untuk kemampuan pegawai X1 = 2,491 lebih besar dari koefisien regresi untuk
tipe kepemimpinan derektur X2 = - 0,466
(harga mutlak). Jadi, jika kemampuan pegawai ditingkatkan menjadi 10 dan tipe
kepemimpinan derektur juga ditingkatkan menjadi 10, maka produktivitas kerja
pegawai adalah.
Ŷ = 3,919 + 2,491X1 -
0,466X2
Ŷ = 3,919 + 2,491(10) - 0,466
(10)
=
3,919 + 24, 91 – 4,66
=
24,168
Diperkirakan
produktivitas kerja pegawai menjadi = 24,168
Tugas Mandiri;
Dalam teori produksi, biaya waktu dan biaya variabel dalam suatu proses
produksi bergantung dari jumlah output barang yang dihasilkan. Jika suatu
perusahaan tidak berproduksi, maka
banyaknya waktu dan biaya variabel yang dikorbankan adalah nol. Jadi, lamanya
jam kerja mesin dan keberadaan biaya variabel diduga berpengaruh signifikan
terhadap kuantitas barang yang diproduksi.
Berikut data mengenai lamanya jam kerja mesin (perhari), biaya variabel,
dan kuantitas (unit) barang hasil produksi.
Jam Kerja Mesin
(X1)
|
Biaya Variabel
(X2)
|
Kuantitas Barang
(Y)
|
5
4
6
4
4
6
5
7
10
6
8
7
7
10
|
80
65
90
75
78
95
85
97
110
85
120
95
89
95
|
244
230
316
245
235
290
265
275
450
300
455
335
356
400
|
Pertanyaan
Penelitian:
1.
Apakah jam kerja mesin berpengaruh
signifikan terhadap kuantitas barang yang diproduksi?
2.
Apakah biaya variabel berpengaruh
signifikan terhadap kuantitas barang yang diproduksi?
3.
Buktikan bahwa konstruk mana yang lebih
kuat pengaruhnya terhadap variabel terikat (kuantitas barang produksi/Y)?
Diminta;
1.
Berdasarkan pertanyaan penelitian 1 dan
2, buatlah hipotesisnya!
2.
Pengujian hipotesis menggunakan uji t
pada taraf signifikansi α = 5%
3.
Ujilah keberartian regresi (pemberlakuan
pada semua sampel) dengan menggunakan uji F pada taraf signifikansi α = 1%
4.
Buatlah persamaan regresi linear yang
menunjukkan hubungan dan pengaruh antara jam kerja mesin (X1), biaya variabel
(X2), dan kuantitas barang produksi (Y). Interpretasikan nilai b pada persamaan
regresi tersebut.
5.
Berdasarkan persamaan regresi jawaban
(4). Tentukan estimasi kuantitas barang produksi (Y) jika jam kerja mesin (X1),
biaya variabel (X2), dinaikkan masing-masing menjadi 12 jam dan 200 ribu
rupiah.
6.
Gambarlah hubungan pengaruh antar
variabel dan Interpretasikan hasil analisis anda.
DAFTAR
FUSTAKA
Firdaus
M. 2004. Ekonometrika Suatu Pendekatan
Aflikatif. Jakarta: Bumi aksara.
Kuntoro,
et al. 2011. Analisis Data dengan SPSS. Surabaya: Universitas Airlangga Surabaya Fress.
Partino,
et al. 2002. Statistik Inferensial. Yoyakarta: Safiria Insania Fress
SPSS.16.0
Brief Guide. 2007. USA: Chicago
Tidak ada komentar:
Posting Komentar