1 / 37

Tulis Pada Lembar Jawaban

NAMA. Tulis Pada Lembar Jawaban. NPM. DOSEN. TA MANUAL. JADWAL MANUAL. TA KOMPUTER. JADWAL KOMPUTER. ANALISIS REGRESI & KORELASI BERGANDA ( Multiple Regression & Correlation ). Regresi Berganda ( Multiple Regression ). Regresi linier berganda menunjukan :

lamond
Télécharger la présentation

Tulis Pada Lembar Jawaban

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. NAMA TulisPadaLembarJawaban NPM DOSEN TA MANUAL JADWAL MANUAL TA KOMPUTER JADWAL KOMPUTER

  2. ANALISIS REGRESI & KORELASI BERGANDA(Multiple Regression & Correlation)

  3. RegresiBerganda (Multiple Regression) • Regresi linier bergandamenunjukan : • hubunganlinear (garislurus) antaravariabeldependendanvariabelindependen, dimanavariabel independennyalebihdari 1sertamemperkirakannilaivariabeldependenberdasarkannilaidarivariabel-variabelindependentersebut. • 2 jenis variabel : • Variabelterikat (dependent variable) • Variabelbebas (independent variabel), variabelindependendalamregresibergandalebihdari 1 (ex : X1, X2, X3 dsb)

  4. BentukUmumPersamaanRegresiBerganda • Ŷ = β0 + β1.X1 + β2.X2 +…+ βk.Xk Keterangan : • Ŷ adalahVariabelterikat (Dependent Variable) • X1, X2,…, XkadalahVariabelbebas(Independent Variable) • Β0 adalahKonstanta • β1 , β2 , …, βkadalahKoefisienvariabel/Parameter/Slope

  5. Macam-MacamIstilahdalamRegresidanKorelasiBerganda • KoefisienKorelasiParsial (ryxn)  Koefisien yang menunjukankuat-lemahnyahubunganvar.independen (X1,X2,Xn) secaraparsialterhadapvar.dependen (Y) • KoefisienKorelasi (Ryx) Koefisien yang menunjukankuat-lemahnyahubungansemuavar.independent(X) terhadap var. dependent(Y). Nilainyaantara-1 sampai +1

  6. 0.00 < r ≤ 0.20  sangat lemah • 0.21 < r ≤ 0.40  lemah • 0.41 < r ≤ 0.60  cukup • 0.61 < r ≤ 0.80  kuat • 0.81 < r ≤ 1.00  sangat kuat Tanda + atau – tidak mempengaruhi kekuatan hubungan.

  7. KoefisienDeterminasi (R2)  Koefisien yang menunjukkanbesarnyapengaruh/kontribusisemuavar.independen(X) dalammenjelaskanvar.dependen(Y) • KoefisienNondeterminasi (k2=1-R2)  Koefisien yang menunjukkanbesarnyapengaruh/kontribusifaktor lain (selain X) dalammenjelaskanvar.dependen (Y) • Standar Error of Estimate (Syx)  Rata-rata penyimpangannilai var. dependent(Ŷ) prediksi/perkiraanterhadapnilai var. dependen (Y) sebenarnya.

  8. JenisPengujianDalamRegresidanKorelasiBerganda • Uji T-Statistik Digunakanuntukmelihatsignifikansivariabelindependen(X1,X2, …,Xn)secaraparsialdalammempengaruhinilaivariabeldependen (Y) • Uji F-Statistik Digunakanuntukmelihatsignifikansivariabel independent (X1,X2, …,Xn) secarakeseluruhan/bersama-sama/simultandalammempengaruhinilaivariabel dependent (Y)

  9. LangkahUji T-Statistik Ŷ = β0 + β1 X1 + β2 X2 +…+ βkXk 1. Hipotesis: Ho : β1 = 0 Ha : β1 ≠ 0 = : TIDAK BERPENGARUH signifikan ≠ : BERPENGARUH sifnifikan Ho : β2 = 0 Ha : β2 ≠ 0 2. Bandingkannilaipeluang/sig. padatabelcoefficientdengannilaiα, kriteria: 1. Sig. Test Sig. ≥ α Ho tidakdapatditolak Sig. < α Ho ditolak Untukuji t var. X1terhadap Y Untukuji t var. X2terhadap Y

  10. 2. T-table Test df = n – k – 1 -t table ≤ t-stat ≤ t table • Ho tidak dapat ditolak t stat ‹ -t table or t stat › -t table  Ho ditolak 3. Kesimpulan

  11. LangkahUji F-Statistik Ŷ = β0 + β1 X1 + β2 X2 +…+ βkXk 1.Hipotesis: Ho : β1, β2,…, βk = 0 Ha : β1, β2,…, βk ≠ 0 2. Bandingkannilaipeluang/sig. padatabel ANOVA dengannilaiα, kriteria: 1. Sig. Test Sig. ≥ α Ho tidakdapatditolak Sig. < α Ho ditolak

  12. 2. F-table Test V1 = k – 1 V2 = n – 1 (Check Table F) Criteria : F-stat ≤ F-table  Ho tidak dapat ditolak F-stat > F-table  Ho ditolak 3. Kesimpulan

  13. SOAL This data indicate the overhead cost vary with direct labor-hours used and electricity used for cooking in Karina’s Catering Company.

  14. PERTANYAAN • Determine regression equation for Karina’s Catering Company, then interpret it! • Determine determination and nondetermination coefficient and interpret the value! • Find the difference between predicted overhead cost variable and actual overhead cost! • Determine the multiple regression correlation coefficient and all possible partial correlation! How strong it is? • Conduct a global test of hypothesis with α= 5%! • Using α=5%, conduct a test of hypothesis for the individual regression coefficient! • Is there any variable that must be eliminated from the model?

  15. Langkah – langkahdengan menggunakan softwareSPSS

  16. Masukkannamavariabelpadavariable view 1. Buka SPSS Masukkan data padadata view 

  17. 3. Masukkan variabel Y ke dalam kotak dependent dan X1 dan X2 ke dalam kotak independent 2. Pada menu bar, pilih Analyze, sub menu Regression, lalu klik Linear

  18. 4. Klik Statistics - Regression Coefficient→ aktifkan Estimates - Aktifkan Model Fit, Descriptives, danPart And Partial Correlations - Klik Continue

  19. 5. Klik Option - Pilih Stepping Method Kriteria→ entry 0.05 - Aktifkan Include Constant in Equation - Pada Box Missing Value pilih Exclude Cases Pairwise - Klik Continue - Lalu klik OK

  20. Hasil dengan softwareSPSS

  21. 1. Persamaan Regresi &Interpretasi

  22. PersamaanRegresi Ŷ = 62.878,868 + 1,783 X1 + 0,24X2 Ŷ=overhead cost X1 = labor hours X2 = electricity PersamaanRegresi • a = 62.878,868 Tanpa dipengaruhi oleh variabel apapun, rata – rata overhead cost yang didapatkan dari adalah sebesar $62.878,868 dengan asumsi ceteris paribus • b1 = 1,783 Setiapkenaikanlabor hourssebanyak1 jam, maka rata – rata overhead costakannaiksebesar$1,783denganvariable electricity dianggapkonstan. • b2 = 0,24 Setiapkenaikanjumlah electricity sebesar1 Kwh, maka rata – rata overhead costakannaiksebesar$0,24 denganvariabellabor hoursdianggapkonstan.

  23. KoefisienKorelasiBerganda(R), KoefisienDeterminasi(R2), KoefisienNondeterminasi(k2), & Standard Error of estimate (SE)

  24. 2. KoefisienDeterminasi & Nondeterminasi Adj.R2=0.529 k2= 0.408 Artinya variabel labor hous dan electricity mampu menjelaskan variasi variabel overhead costsebesar 52,9%,dan sisanya sebesar 47,1%dijelaskan oleh faktor lain di luar model. 3. Standard Error of Estimate (SE) SE = 2482,01916 artinya rata-rata penyimpangan overhead costyang diprediksi dengan overhead costsebenarnya adalah sebesar $2482,01916.

  25. Koefisien Korelasi Parsial AntaraX1 Dan X2 Terhadap Y

  26. b. Koefisien korelasi parsial antara X1 terhadap Y dan X2 terhadap Y r1y.2 =0.813 Artinya hubungan antara variabel labor hour terhadap overhead cost secara parsial adalah positif dan sifatnya kuat yaitu sebesar 0.813,dimana variabel electricity dianggap konstan. 4. KorelasiBerganda & KorelasiParsial a. Koefisien korelasi berganda (R) = 0.816 artinya bahwa hubungan keseluruhan antara variabel overhead cost, labor hours dan electricity adalah positif dan sifatnya sangatkuatyaitu sebesar 0.816

  27. r2y.1 = 0.440 Artinya hubungan antara variabel electricity terhadap overhead cost secara parsial adalah positif dan sifatnya cukupkuat yaitu sebesar 0.440,dimana variabel labor hour dianggap konstan. r12.y =0.463 Artinya hubungan antara variabel labor hour terhadap electricity secara parsial adalah positif dan sifatnya cukup kuat yaitu sebesar 0.463,dimana variabel overhead cost dianggap konstan.

  28. 5. PengujianHipotesisKeseluruhan (F Statistik)

  29. Hipotesis : Ho : β1, β2,…, βk = 0 (variabel labor hours dan electricity secara bersama-samatidak berpengaruh signifikanpadavariabeloverhead cost) Ha : β1, β2,…, βk ≠ 0 (variabel labor hours dan electricity secarabersama-samaberpengaruhsignifikanpadavariabel overhead cost) • Nilai sig dan α : Sig. = 0.007 α = 0,05 V1= k – 1 = 2 – 1 = 1 ; V2 = n – k = 12 – 2 = 10 F-stat = 8,983 ; F-table = 4,96 • Kriteriauji : 1. Sig. Test Sig. ≥ α → Hotidakdapatditolak Sig. < α → Ho ditolak

  30. 2. F-table Test F-stat ≤ F-table  Ho tidak dapat ditolak F-stat > F-table  Ho ditolak • TernyataSig. < α → 0.007 < 0.05 • F-stat > F-table  8,983 > 4,96 • maka Ho Ditolak • Kesimpulan: Padatingkatsignifikansi5%, variabel labor hours dan electricity secara bersama-sama berpengaruh signifikan terhadap variabel overhead cost.

  31. 6. PengujianHipotesisParsial(t statistik)

  32. Hipotesis : Ho: 𝛃1 = 0 (variabel labor hours secara parsial tidakberpengaruhsignifikan terhadap variabel overhead cost) Ha:𝛃1≠ 0 (variabel labor hours secara parsial berpengaruhsignifikan terhadap variabel overhead cost ) • Nilai sig dan α : Sig. : 0.006 α = 0,05 t-stats = 3,568 t-table = 2,262 (df = n – k – 1 = 12 – 2 – 1 = 9) • Kriteria uji : • Sig. Test Sig. ≥ α → Ho tidakdapatditolak Sig. < α → Ho ditolak

  33. 2. T-table Test -t table ≤ t-stat ≤ t table • Ho tidak dapat ditolak t stat ‹ -t table or t stat › -t table  Ho ditolak • TernyataSig. < α 0.006<0.05 • -t table ≤ t-stat ≤ t table 3,568 > 2,262 • maka Ho Ditolak • Kesimpulan : Padatingkatsignifikansi5%, variabel labor hours secara parsial berpengaruhsignifikan terhadap variabel overhead cost.

  34. Hipotesis : Ho: 𝛃2 = 0 (variabel electricity secara parsial tidakberpengaruhsignifikan terhadap variabel overhead cost) Ha:𝛃2≠ 0 (variabel electricity secara parsial berpengaruhsignifikan terhadap variabel overhead cost) • Nilai sig dan α : Sig = 0,715 α = 0.05 t-stat = 0,377; df = n – k – 1 = 12 – 2 – 1 = 9 t-table = 2,262 • Kriteria uji : 1. Sig. Test Sig. ≥ α → Ho tidakdapatditolak Sig. < α → Ho ditolak

  35. 2. T-table Test -t table ≤ t-stat ≤ t table • Ho tidak dapat ditolak t stat ‹ -t table or t stat › -t table  Ho ditolak • TernyataSig. >α 0.715> 0.05 • -t table ≤ t-stat ≤ t table  -2,262 ≤ 0,377 ≤ 2,262 •  maka Ho Tidak Dapat Ditolak • Kesimpulan : Padatingkatsignifikansi5%, variabel electricity secara parsial tidak berpengaruhsignifikan terhadap variabel overhead cost.

  36. 7. Variable Yang Dikeluarkan  Jadi, tidakperluadavariabel yang dihilangkandari model , karenasemuavariabeldalam model tersebutsamapentingnyadanberpengaruhpadapersamaanregresi).

  37. Pertemuan minggu depan :Chi-Square (Manual)

More Related