Analisa Regresi Sederhana (Bagian 2)

Pada postingan sebelumnya telah dibahas bagaimana langkah-langkah menganalisis hubungan secara linier antara satu variabel independen (X) dengan variabel dependen (Y) menggunakan program SPSS melalui Analisa Regresi Sederhana (Bagian1).

Kali ini, saya akan melanjutkan postingan sebelumnya untuk membahas output dan analisis output dari data yang telah kita olah dengan menggunakan program SPSS tersebut. Pada permasalahan kali ini kita akan mencari tahu hubungan antara biaya iklan dengan hasil penjualan motor. Berikut analisis lengkapnya:

1.    Uji Asumsi

• Asumsi Linieritas

klik untuk memperbesar gambar

Dilihat pada *zresid by *zpred Scatterplot, plot-potnya menyebar secara acak dan tidak membentuk pola, maka asumsi linieritasnya terpenuhi.

• Asumsi Normalitas

klik untuk memperbesar gambar

Dilihat pada *zresid Normal P-P Plot, plot-plotnya menyebar disekitar garis linier (dekat dengan garis linier), maka asumsi normalitasnya terpenuhi secara visual.

• Asumsi Homoskedastisitas

klik untuk memperbesar gambar

Dilihat pada *sresid by *zpred Scatterplot, plot-plotnya menyebar secara acak dan tidak membentuk pola, maka asumsi homoskedastisitasnya terpenuhi.

• Asumsi Non Autokorelasi

klik untuk memperbesar gambar

Dilihat pada tabel Model Summary, nilai Durbin-Watson-nya 1,343. Sehingga tidak mendekati atau sama dengan 2, maka asumsi Non Autokorelasi tidak terpenuhi.

2.    Persamaan Regresi Sederhana

klik untuk memperbesar gambar

Dilihat pada tabel Coefficients, nilai B (constant) = 187,681 sehingga B₀ = 187,681. Sedangkan nilai B Biaya Iklan = 18,457 sehingga nilai B₁ = 18,457. Maka persamaan regresi sederhananya dinyatakan dengan:

y = 187,681+18,457x

3.    Uji F (Uji Kecocokan Model)

• Hipotesis

H₀ : B₁ = 0 (model tidak cocok)

H₁ : B₁ ≠ 0 (model cocok)

• Taraf signifikansi

α = 5% = 0,05

• Statistik uji

klik untuk memperbesar gambar

F₀ = 444,129

Sig = 0,000

*Nilai F dan sig dilihat pada tabel Anova

• Daerah kritis

H₀ ditolak jika sig < α

• Keputusan

H₀ ditolak karena sig < α, yaitu 0,000 < 0,05

• Kesimpulan

Jadi, pada taraf signifikansi 5% H₀ ditolak sehingga model cocok [persamaan y = 187,681+18,457x cocok digunakan untuk menyatakan hubungan hasil penjualan motor (variabel y) dengan biaya iklan (variabel x)]

4.    Uji t (Uji Signifikansi Parameter)

• Hipotesis

H₀ : B₁ = 0 (koefisien tidak signifikan terhadap variabel X)

H₁ : B₁ ≠ 0 (koefisien signifikan terhadap variabel X)

• Taraf signifikansi

α = 5% = 0,05

• Statistik uji

klik untuk memperbesar gambar

t = 21,074

Sig = 0,000

*Nilai t dan sig dilihat pada tabel Cofficients bagian t dan sig biaya iklan.

• Daerah kritis

H₀ ditolak jika sig < α

• Keputusan

H₀ ditolak karena sig < α, yaitu 0,000 < 0,05

• Kesimpulan

Jadi pada taraf signifikansi 5% H₀ ditolak sehingga koefisien signifikan terhadap variabel X (parameter B₀ = 187,681 dan B₁ = 18,457 pada persamaan y = 187,681+18,457x dinyatakan signifikan terhadap variabel biaya iklan).

5.    Koefisien Korelasi

klik untuk memperbesar gambar

Dilihat pada tabel Model Summary, R = 0,989

Interpretasi: nilai R = 0,989 mendekati 1, maka variabel X (biaya iklan) dan variabel Y (hasil penjualan motor) berkorelasi positif sehingga semakin besar X (biaya iklan) maka semakin besar pula Y (hasil penjualan motor).

6.    Koefisien Determinasi

klik untuk memperbesar gambar

Dilihat pada tabel Model Summary bagian R Square, R² = 0,978

Interpretasi: 97,8% hasil penjualan motor dipengaruhi oleh biaya iklan dan sisanya 2,2% dipengaruhi oleh faktor lain.

Nah, sekian pembahasan output dan analisis output dari data hubungan antara biaya iklan dengan hasil penjualan motor yang telah kita olah dengan menggunakan program SPSS. Semoga postingan kali ini bermanfaat.

Selamat belajar!