Artikel ini merupakan lanjutan dari Regresi Berganda dan Masalah 1. Akibat terlalu panjang, maka kami pisah menjadi dua. Artikel ini adalah lanjutan dari yang pertama itu.
Kadang diskusi melebar ke topik-topik lain, tetapi tema Uji Regresi tetap yang pokok. Artikel ini merupakan upaya saling berbagi informasi yang penuh keterbatasan. Pemirsa tentu tetap perlu mencerna dengan kritis seraya melakukan perbandingan dengan sumber lain. Artikel ini merupakan lanjutan dari masalah-masalah seputar Uji Regresi Berganda.
Disclaimer
Diskusi di bawah merupakan pindahan sebagian
dari yang terdapat pada artikel kami :
Silakan berkunjung untuk melihat diskusi lainnya.
Link diskusi Bagian 1 ada di:
Selamat membaca.
Dhimas Anggoro Bangun
20.2.13
pak... saya mau tanya
kalau mau lihat variabel bebas X1, X2, dan X3 yang paling berpengaruh/peringkat 1,2,3 nya terhadap variabel Y itu dilihat dari mana sih?
Tanggapan
14.4.13
Sepertinya Anda melakukan multiple regression test. Nilai yang paling berpengaruh dapat dilihat pada Adjusted R Square di tabel Model Summary.
Demikian. Semoga bermanfaat.
MOHAMMAD ISNAIN
25.2.13
Ass wr wb.
Pa seta.. saya mau tanya kalau mau melihat Variabel yang dominan secara parsial, lihat dimana ? dan perhitungannya gimana pak
terima kasih sebelumnya..
Tanggapan
14.4.13
Wa'alaykumus salaam.
Variabel yang dominan secara parsial hanya terdapat dalam konteks multiple regression. Melihatnya pun cukup mudah (misalnya di Adjusted R Square). Nilai yang paling besar adalah yang paling dominan secara parsial. Namun, jangan lupa pula melihat nilai sig. hitungnya, apakah signifikan ataukah tidak.
Sama-sama. Semoga bermanfaat.
Unknown
25.2.13
Mas Seta, berkaitan dengan regresi berganda saya ingin tanyakan apakah kita dapat menggunakan hasil dari Faktor Analysis (PCA) untuk langsung digunakan untuk analisis korelasi, uji asumsi, dan regresi berganda linier dimana variabel terikat saya hanya satu dan bersifat ordinal (skala likert). Terima kasih sebelumnya dan mohon pencerahannya!
Tanggapan
14.4.13
Tentu saja bisa. Tujuan dari PCA adalah eksplorasi atas serangkaian variabel penelitian yang "terserak" kemudian dilakukan "klasifikasi." PCA sendiri dapat diumpakan seperti "preliminary analysis" sebelum seorang peneliti menentukan variabel-variabel penelitian yang nantinya akan dianalisi hubungan atau pengaruhnya. Tentu saja, Anda perlu dukungan teori atau pendapat ahli mengenai penentuan hubungan atau pengaruh antar variabel tersebut.
Demikian. Semoga bermanfaat.
Harfaiz
26.2.13
Salam jumpa kembali Pak Seta, saya mau menanyakan ttg analisis regresi yang mana var. dependennya adalah ordinal (sesuai/cocok 1,2,3 dan 4) dan variabel independennya adalah rasio. Untuk yg demikian analisis regresinya bgmna ya? apakah dg regresi ordinal? bgmna caranya? Mksh
saya
14.4.13
Salam jumpa pula untuk Anda.
Untuk variabel dependen yang Ordinal, uji regresi yang kiranya dapat Anda pertimbangkan penggunaannya adalah Multinomial Logistic Regression. Variasi uji regresi tersebut dapat diterapkan apabila Prediktor adalah kontinus (rasio) sementara variabel dependen adalah kategoris (ordinal).
Apabila Anda menggunakan SPSS klik Analyze > Regression > Multinomial Logistic... Lalu masukkan variabel dependen ke Dependent sementara Prediktor rasio ke Covariate(s).
Demikian. Sama-sama. Semoga bermanfaat.
Anonim
28.2.13
pak saya mau tanya,, kalau jumlah populasinya cuma 13, saya make kuesioner. nah uji asumsi klasik sama analisis datanya pake apa ya pak?
saya
5.3.13
Kembali kepada perumusan masalah penelitian. Apa tujuan dari penelitian kita? Apakah hendak menganalisis secara kualitatif, mencari hubungan, mencari pengaruh, mencari perbedaan, atau lainnya? Dari rumusan masalah tersebut kita lihat berapa populasi kita. Dalam penelitian Anda, jumlah populasi adalah 13. Sementara dalam penelitian korelasional (mencari pengaruh ataupun hubungan) ada standar obyek sekitar 30. Bahkan, untuk mencari pengaruh ada sejumlah peneliti yang mensyaratkan minimal 58. Hal ini yang perlu diingat dalam proses penelitian. Bukan sarana (misalnya uji statistik) melainkan tujuan (rumusan masalah penelitian).
Apabila Anda tetap hendak menerapkan uji statistik, dan apabila dosen Anda menyetujui, silakan dilakukan. Apabila rumusan masalah Anda adalah mencari 'hubungan' maka analisis data menggunakan uji korelasi spearman, pearson, bisserial, ataupun point-bisserial (sesuai karakteristik skala pengukuran variabel penelitian apakah nominal, ordinal, interval, atau rasio). Apabila hendak mencari 'pengaruh' dan skala pengukuran data Anda adalah minimal interval, dapat digunakan uji regresi. Untuk uji asumsi klasik regresi ada di artikel bagian atas. Untuk uji asumsi korelasi dapat Anda lihat di link ini:
- http://setabasri01.blogspot.com/2011/04/uji-korelasi-pearson.html
- http://setabasri01.blogspot.com/2012/04/uji-korelasi-spearman-dengan-spss-dan.html
Demikian. Semoga bermanfaat.
Anonim
8.3.13
Maaf saya mau tanya pak.
jujur saya masih bingung soal statistika.tetapi saya coba memahaminya.saya masih bingung mengenai uji hubungan.
dan minggu depan saya diminta presentasi mengenai uji hubungan.saya bingung pak...tolong bantu saya
Tanggapan
14.4.13
Anda dapat membacanya di link ini:
http://setabasri01.blogspot.com/2011/04/uji-korelasi-pearson.html
Dapatlah kiranya Anda mendiskusikan kembali dengan saya setelahnya. Intinya, uji hubungan (bahasa populernya: korelasi) adalah uji yang hendak melihat apakah perubahan nilai mean di satu variabel (misalnya X) juga diikuti oleh perubahan mean serupa pada variabel (Y). Variabel X dan Y ini yang hendak peneliti lihat hubungannya.
Demikian. Semoga bermanfaat.
Anonim
20.3.13
salam kenalpak basri saya seorang mahasiswa yang saat ini sedang dalam penyusunan skripsi dalam analisis regresi berganda nilai constant pada tabel "unstandardized coefficients" saya adalah negatif sebesar -3,022 tapi variabel lainya sig < 0,05..gimana cara saya untuk menginterpretasikanya pak...apakah nilai constant yang negatif tersebut berpengaruh pada variabel lainya...judul penelitian saya adalah " pengaruh marketing mix terhadap minat beli"...trima kasih sebelumnya pak
Tanggapan
14.4.13
Salam kenal juga untuk Anda.
Terlebih dahulu mohon dirinci apakah nilai -3,022 tersebut adalah Constant (konstanta, b0) ataukah nilai milik variabel prediktor. Apabila nilai tersebut adalah milik Constant, maka nilai minus (juga plus) belum menunjukkan arah hubungan. Namun, apabila nilai tersebut adalah milik variabel Prediktor, maka nilai negatif menunjukkan arah yang berlawanan (misal: makin tinggi x maka makin rendah Y, dan sebaliknya).
Mengenai sig. yang < 0,05 bermakna hasil tersebut adalah signifikan. Namun, apabila Anda yakin bahwa nilai minus tersebut adalah pada Constant, maka lihatlah nilai prediktor. Di sanalah arah hubungan variabel Anda termaktub.
Demikian jawaban saya. Sama-sama. Semoga bermanfaat.
angga
26.3.13
pak saya meneliti i variabel independen, i variabel dependen, dan 1 variabel moderasi...
alat analisis apa yang tepat di pakai untuk menghitung penelitian saya?
dan teknik2 analisis apa yang cocok buat penelitian saya?
Tangggapan
14.4.13
Sebelumnya, mungkin dapat Anda sebutkan rumusan masalah penelitian Anda? Alat dan teknik analisis hanyalah tools, alat, yang tunduk pada rumusan penelitian kita. Ditunggu.
Anonim
28.3.13
pak, saya mau tanya, hasil r square saya kecil hanya 7,6% tapi yang signifikan cuma 1 variabel dar 6 variabel bebas yang ada, bagaimana itu kira2?
Tangggapan
14.4.13
Mengapa r square kecil, terdapat sejumlah penyebab (silakan lihat pada komentar-komentar di bagian atas). Suatu penelitian terbaik adalah menganalisis hasil penelitian secara "apa adanya." Suatu penelitian tidak boleh "memaksakan" hasil. Misalnya harus signifikan, nilai R harus besar, dan sebagainya. Justru dengan keberadaan hanya 1 variabel yang signifikan, membuat penelitian menjadi unik: Bahwa Anda melakukan verifikasi atas teori. Tidak semua teori berlaku ketat terhadap seluruh kasus di kenyataan. Jawaban saya adalah: Analisislah hasil penelitian secara apa adanya. Jadikan hal tersebut sebagai bukti seorang peneliti tetap harus kritis terhadap aneka teori yang ada.
Demikian. Semoga bermanfaat.
Unknown
30.3.13
saya mau tanya pak
bagaimana jika hasil dari uji normalitas pada penelitian saya dengan menggunakan grafik Normal P-P Plot of regression standardized residual dan dengan metode Metode statistik One Sample Kolmogorov Smirnov, semua nya tidak terdistribusi dengan normal semua,
apakah penelitian saya ini tidak bisa dilanjutkan atau diselesaikan
Tangggapan
14.4.13
Tentu saja, penelitian tetap dapat dilanjutkan. Memang, asumsi normalitas hendaklah terpenuhi sebagai prasyarat melakukan uji regresi. Apabila asumsi tersebut tidak terpenuhi (data tidak normal) sesungguhnya penelitian tetap dapat diteruskan. Misalnya dengan mengubah analisis data menjadi korelasi (dengan Spearman misalnya, bagi distribusi data tidak normal). Intinya, penelitian dapat diteruskan dan konsultasikan dengan pembimbing penelitian Anda.
Selamat melanjutkan. Semoga bermanfaat.
Bemby
3.4.13
artikelnya sangat bermanfaat pak,
o iya saya hendak bertanya pak, saya melakukan penelitian mengenai ekonomi, dengan 1 variabel bebas, 6 variabel independen dan 1 variabel kontrol, sampel 72. yang saya ingin tanyakan analisis apakah yang cocok buat penelitian saya pak? analisis regresi berganda atau analisis korelasi, sementara saya ingin menguji pengaruh variabel independen terhadap variabel dependen dengan z sebagai variabel kontrol,
mohon bantuannya pak saya
Tangggapan
14.4.13
Apa lebih tepatnya yang dimaksud dengan "1 variabel bebas, 6 variabel independen ..." Berdasarkan tujuan penelitian, Anda hendak melihat "pengaruh." Apabila ini yang dikehendaki maka analisis statistik yang lebih tepat adalah analisis regresi berganda (multiple regression). Namun, dalam menentukan analisis regresi tersebut, perlu Anda rinci skala data yang ada pada variabel prediktor (apakah kontinus ataukah kategoris) serta skala data yang ada pada variabel dependen (kontinus ataukan kategoris).
Terima kasih. Sama-sama. Semoga bermanfaat.
Anonim
6.4.13
boleh tanya?
kalau misal var independennya(x) bda2 gimana? misalnya umur, pendidikan, pendapatan
terimakasih
Anonim
6.4.13
jadi satuannya kan beda semua bapak, yg umur=tahun, pendidikan=ordinal, pendapatan di kuesioner merupakan pilihan rentang nilai, jadi misal jawaban (a) <100.000, (b) 100.000-200.001, dst,ada juga variabelnya berupa skala likert(sikap), itu bagaimana bapak?
terimakasih
Tangggapan
14.4.13
Apabilan berbeda ukuran datanya tentu berbeda pula teknik regresi yang digunakan. Untuk yang umur dan penghasilan (interval) dapat digunakan regresi biasa. Namun, untuk yang kategorik lebih tepat digunakan Logistic Regression (untuk yang nominal) atau Multinomial (untuk yang ordinal yaitu sikap).
Sama-sama. Semoga bermanfaat.
the mbemb
13.4.13
pak... judul skripsi saya "analisis pengaruh kapitalisasi, likuiditas dan profitabilitas terhadap probabilitas kebangkrutan Pt.ABC periode 2007-2011.
yg saya tanyakan.. pada variabel Y/ probabilitas kebangkrutan, saya menggunakan variabel dummy ) unt bangkrut dan 1 unt tidak bangkrut.. apakah regresi linier berganda bisa digunaan dlm penelitian saya? ato saya harus menggunakan regresi logistik, paakkk.. terima kasih..
Tangggapan
14.4.13
Sebaiknya Anda menggunakan Logistic Regression. Mengapa? Ketiga variabel prediktor Anda (kiranya) berskala kontinus atau kategoris sementara variabel dependen Anda adalah kategoris (0 dan 1). Esensinya, Logistic Regression adalah multiple regression juga tetapi memiliki karakteristik data seperti tersebut di atas.
Sama-sama. Semoga bermanfaat.
ika
15.4.13
terimakasih pak,sangat membantu sekali
saya ika dari untirta
maaf pak mau tanya untuk hasil dari keluaran curve estimation pada hasil regresi dengan model quadratic.data yang saya dapatkan pada tabel parameter estimates dengan data:
constant 42.428
b1:.126
b2:4.5E-006
yang saya mau tanyakan arti dari data b2:4.5E-006 ini apa ya pak??
terimakasih pak sebelumnya
Tangggapan
19.4.13
Angka tersebut (misalnya 4.5E-006 pada output Anda) merupakan notasi saintifik (scientific, kalau di Excel). Di sana, nilai E--006 memberitahu kita untuk memindahkan koma desimal 0,006 ke sebelah kiri. Misalnya, nilai 10,111-2 akan menjadi 0,10111. Apabila kita tidak menghendaki pemindahan desimal tersebut, klik-klik (secara cepat) beberapa kali nilai tersebut (yang terdapat di output SPSS). Mudah-mudahan SPSS akan memperlihatkan nilai koefisien yang sesungguhnya.
Sama-sama. Semoga bermanfaat.
gunawa
16.4.13
Ass. Pak saya
saya mau bertanya, apakah data panel bisa menggunakan model regresi linear berganda?
Terima Kasih pak
Tangggapan
19.4.13
Wa'alaykumus salaam.
Menurut sumber ini sepertinya bisa:
http://www.indiana.edu/~statmath/stat/all/panel/panel3.html
Silakan langsung diperiksa. Proses formulasinya cukup lengkap.
Demikian. Semoga bermanfaat.
Anonim
17.4.13
salam kenal pak seta,saya michael
saya sedang mengerjakan skripsi,saya sedang mengalami kesulitan dalam Regresi Berganda Hirarki.bisa tolong jelaskan lebih dalam pak mengenai ini?
dan bagaimana cara langkah2 dalam spss dengan menggunakan Regresi Berganda Hirarki?
mohon bantuannya yh pak,terima kasih
saya
19.4.13
Regresi model hirarkis adalah model regresi yang memungkinkan peneliti menentukan pengaturan urutan VB-VB ke dalam persamaan regresi. Setiap VB yang dimasukkan tersebut nantinya dilihat nilai masing-masingnya. Tujuannya sebagai tambahan informasi berapa kekuatan pengaruh setiap VB tersebut atas VT. Nah, dalam menentukan urutan pemasukan tiap-tiap VB ke dalam persamaan, peneliti umumnya menggunakan urutan berdasarkan kerangka teori yang digunakan dalam penelitian. Misalnya ada 4 VB yaitu X1, X2, X3, dan X4. Peneliti hendak menguji pengaruh keempat VB ini atas VT. Berdasarkan teori, peneliti menganggap variabel X2 dan X4 punya pengaruh yang lebih kuat atas VT ketimbang 2 lainnya. Dengan demikian, X2 dan X4 ini dimasukkan lebih dahulu ke dalam persamaan regresi. Setelahnya, hasil pengaruhnya diperiksa (jumlah total varians VT yang berhasil dijelaskan oleh X3 dan X4). Kemudian peneliti memasukkan 2 variabel sisa yaitu X1 dan X3 lalu mengaji bagaimana penambahan penjelasannya atas kedua variabel terdahulu. Juga bisa pula sebaliknya, variabel yang kurang prioritas dimasukkan terlebih dahulu baru yang prioritas lebih memengaruhi.
Untuk prosedur perhitungan regresi hirarki dengan SPSS, dapat dilihat pada komentar balasan pada Rabu, 28 Maret 2012.
Demikian jawaban saya. Semoga bermanfaat.
Anonim
19.4.13
ooww...kalau skrpsi saya ada variabel mediasinya pak,bisa pakai metode hierarki ini pak?
kerangkany seperti ini...VB->variabel mediasi->VT....
terima kasih
Tangggapan
19.4.13
Konteks penelitian Anda kiranya adalah apakah variabel bebas memengaruhi variabel terikat melalui variabel mediasi. Apabila ini memang ya, maka sebenarnya, metode penyelenggaraan uji regresi apabila terdapat Variabel Mediator (VM) serupa dengan regresi biasa. Misalnya model analisis Anda sebagai berikut:
|---------c---------|
| |
| ^
VB -----> VM -----> VT
a b
Berdasarkan misal di atas, Anda menganalisis lewat uji regresi seputar masalah apakah VB memengaruhi VT melalui VM. Dengan demikian terdapat 4 langkah penting yang dilakukan, yaitu:
- Berdasarkan pertanyaan "apakah terdapat asosiasi VB dengan VM (a)" lakukan Analyze > Regression > Linear. VB masukkan ke Independent(s) > VM masukkan ke Dependent. Klik OK. Amati dan biarkan dahulu hasilnya.
- Berdasarkan pertanyaan "apakah terdapat asosiasi VM dengan VT (b)" lakukan Analyze > Regression > Linear. VM masukkan ke Independent(s) > VT masukkan ke Dependent. Klik OK. Amati dan biarkan dahulu hasilnya.
- Berdasarkan pertanyaan "apakah terdapat asosiasi VB dengan VT (c)" lakukan Analyze > Regression > Linear. VB masukkan ke Independent(s) > VT masukkan ke Dependent. Klik OK. Amati dan biarkan dahulu hasilnya.
- Dan terakhir, sehubungan dengan eksistensi VM lakukan langkah ini. Klik Analyze > Regression > Linear > Masukkan VB ke Independent(s) > Masukkan VT ke Dependent > Klik Next > Masukkan VM ke Independent(s) > Klik OK. Apabila R antara VB terhadap VT berkurang secara signifikan maka terjadi mediasi parsial (partial mediation). Atau, terjadi mediasi penuh (full mediation) apabila malah nilai R-nya hilang sama sekali. Namun, apabila nilai R dari VB terhadap VT tidak berubah dapat dipertimbangkan mediasi tidak terjadi.
Demikian. Semoga bermanfaat.
Anonim
22.4.13
iy,penelitian saya tepat seperti yang bapak bilang pak..variabel bebas mempengaruhi variabel terikat yang di mediasi oleh variabel mediasi...brarti saya cukup hanya menggunakan regresi biasa saja yh pak?
terima kasih sekali yah pak atas masukannya...
Tangggapan
22.4.13
Kelihatannya demikian. Namun, jangan lupa untuk mengonsultasikan dengan dosen pembimbing seputar pelaksanaan uji ini.
Sama-sama. Semoga bermanfaat.
Anonim
24.4.13
maaf pak,maksudny regresi biasa dsini itu regresi ganda kan yah?
thx..
Tangggapan
25.4.13
Untuk langkah 1 s/d 3 adalah regresi biasa. Untuk langkah 4 adalah hirarki. Agar teliti dalam menganalisis angka-angka hasil uji, ya.
Demikian. Semoga bermanfaat.
Farharry
22.4.13
maaf pak kalao boleh tanya,
jika hasil uji t diketahui t hitung 1.98 dan signifikansi 0.05
signifikansi 0.00 < 0.05 Ho ditolak
thitung -3.58 < 1.98 Ho diterima
bagaimana cara pengambilan hipotesisnya apakah variabel independen berpengaruh secara parsial atau tidak?
mohon bantuan dan pencerahannya, terima kasih
Tangggapan
22.4.13
Sebelumnya, apakah uji regresi Anda adalah regresi sederhana (1 VB) ataukan regresi berganda (> 1 VB)? Baiklah diasumsikan bahwa regresi Anda adalah 1 VB. Nilai t (pada tabel Coefficients) menunjukkan kontribusi prediktor atas model regresi yaitu -3,58. Nilai sig. hitung t adalah 0,00 (artinya signifikan). Nilai negatif tersebut muncul akibat mean VB lebih kecil ketimbang mean VT. Namun, silakan Anda fokus pada nilai sig.hitung sehubungan dengan nilai t ini dalam hal pengambilan keputusan. Kelihatannya, H0 Anda ditolak dan H1 diterima, bukan?
Sama-sama. Semoga bermanfaat.
fitri
4.9.13
assalamualaikum pak.....
pak saya mau tanya, setelah data diolah, trus yang bagian correlations nilai sig (1-tailed) sEmuanya 0,000. saya bingung pak,,,,, apakah ini sudah benar????????
Tangggapan
13.10.13
Wa'alaikum salam. Nilai 0,000 maknanya adalah hasil uji korelasi adalah signifikan. Mengapa signifikan? Nilai tersebut adalah Signifikansi Hitung (sig. hitung). Untuk menentukan signifikan atau tidak signifikannya hasil uji korelasi adalah dengan membandingkan antara sig. hitung ini dengan sig. penelitian. Sig. penelitian umumnya untuk ilmu sosial adalah 0,05. Penentuannya, apabila Sig. Hitung < Sig. Penelitian maka signifikan. Apabila Sig. Hitung > Sig. Penelitian maka tidak signifikan.
Berdasarkan hal-hal ini maka penelitian Anda adalah signifikan, berapa pun nilai korelasi yang diperoleh.
Demikian tanggapan dari saya. Semoga bermanfaat.
Unknown
9.12.13
Berarti kalau nilai T hitungnya negatif tetap dianggap positif yah pak basri ?
Tangggapan
10.12.13
Seperti telah diketahui, salah satu fungsi t-test adalah memeriksa apakah mean dari dua kelompok data secara statistik berbeda. Dalam uji regresi, apabila nilai t-test adalah positif maka dapat diketahui bahwa mean variabel bebas lebih besar dari mean variabel terikat. Sebaliknya, apabila nilai t-test negatif maka dapat diketahui bahwa mean varibel bebas lebih kecil daripada mean varibel terikat.
Nah, dengan demikian tanda minus hanya menunjukkan masalah nilai mean. Misalnya, nilai t-hitung adalah -17,79. Tanda minus menunjukkan masalah mean, sementara 17,79 adalah nilai t-hitungnya. Namun, masalah tanda minus ini tetap harus dicatat dan disebutkan di dalam analisis/pembahasan.
Demikian tanggapan dari saya. Semoga bermanfaat.
Unknown
5.5.13
Komentar ini telah dihapus oleh pengarang.
Unknown
5.5.13
maaf pak saya mau nanya mengenai hasil spss skripsi saya, skripsi saya tuh variabelnya x1 sma x2 ke y nah pas di masukin angkanya (rasio rupiah) dan keluar standardized coefficients nya lebih dari 1 yg x1 = 3,958 trus yg x2=3,952 nah yg mau ditanyain itu betul apa gmna pak saya bingung soalnya ngeliat hasil skripsi2 yg lain yg pakai regresi berganda baik 2 atau lebih hasil dari standardized coefficientsnya ga melebihi 1, mohon bantuannya pak trima kasih
Tangggapan
3.6.13
Nilai Standardized Coefficients yang > 1 atau < -1 umumnya memperlihatkan gejala multikolinieritas antarvariabel independent. Ada baiknya Anda kembali lakukan uji asumsi mengenai multikolinieritas dan selidiki hasilnya.
Sama-sama. Semoga bermanfaat.
Anonim
10.5.13
pak, mau tanya kalau skripsi saya datanya 2 tahun, dan variable'nya jg lbh dari satu, itu bagaimana y pak pengolahanny ? mohon solusinya, thx
Tangggapan
3.6.13
Mungkin Anda dapat menerapkan metode Time Series. Silakan Anda cari informasi mengenai metode tersebut.
Sama-sama. Semoga bermanfaat.
Anonim
10.5.13
permisi pak mau tanya, kl skripsi saya data'nya 2 tahun sedangkan variable'nya jg lbh dari 1, itu pengolahan datanya bagaimana y pak ? mohon solusinya.. trima kasih..
Tangggapan
3.6.13
Sudah di bagian atas.
Anonim
29.5.13
Pak, mohon balasannya, Saya Hesti sedang skripsi. Saya sedang penelitian tentang merek di Jakarta, dengan jumlah sampel 210. Saya sudah uji validitas dan reabilitas sebelumnya, namun setelah diolah, teryata R square saya hanya 0.12 pak. Variabel bebas saya hanya 3. Bagaimana ya pak mengatasinya? Terima kasih.
Tangggapan
3.6.13
Mungkin alangkah baiknya apabila dirinci nama variabel dan skala pengukurannya. Namun, secara umum dapat dikatakan bahwa setelah aneka prosedur pengujian regresi sudah dilakukan, maka hasil merupakan sesuatu yang valid. Dalam hal ini, nilai 0.12 adalah hasil penelitian Anda. Dilihat dari sisi sampel, maka sampel Anda adalah baik dan tidak ada masalah.
Sama-sama. Semoga bermanfaat.
Unknown
30.5.13
selamat malam pa seta. perkenalkan saya sofi mahasiswa unpad. terima kasih sebelumnya untuk sharing ilmu yang sudah bapak lakukan, sangat berguna.
ada hal yang ingin saya tanyakan terkait statistik skripsi saya. VB saya adalah DPK, CAR, LDR dan ukuran bank sedangkan VT saya adalah ROA.
saya mencoba beberapa kali regresi. pada regresi pertama DPK dan ukuran bank saya Ln kan (variabel lain tidak) hasilnya data tidak normal.
regresi kedua kalinya, data tidak ada yg saya Ln kan. hasilnya data terdistribusi normal namun hasil perhitungsn beta standardized coefficient saya untuk DPK lebih dari 1 (1,262).
pertanyaan saya, apa maksud hasil yang lebih dari 1 dan bagaimana cara memperbaikinya?
terima kasih sebelumnya
Tangggapan
3.6.13
Selamat malam. Apabila sebagian data dilakukan logaritma natural, maka sebagian lagi perlu diberlakukan hal yang sama. Kemungkinkan ketidaknormalan akibat ketidakseimbangan ini. Ketika Anda tidak melakukan konversi data berdistribusi normal, tetapi nilai standardized coefficients > 1. Umumnya nilai tersebut terjadi akibat adanya gejala multikolinieritas. Pemecahan masalah sebaiknya ditujukan kepada pencarian solusi multikolinieritas tersebut.
Sama-sama. Semoga bermanfaat.
ahmad
10.6.13
maaf pak basri mau bertanya...
sangat mendasar, dalam path analisis model struktural menggunakan analisis regresi.... yang saya tanyakan prasyarat analisis yang tepat digunakan itu apa saja... trima kasih.
Tangggapan
10.6.13
Asumsi-asumsi yang harus dipenuhi dalam path analysis adalah Linieritas, Normalitas, Autokorelasi, dan Skala Interval (data harus diukur minimal dalam skala interval).
Sama-sama. Semoga bermanfaat.
Anonim
10.6.13
pak bagaimana cara memperoleh nilai untuk variabel x dan y untuk perhitungan regresi ? kenapa ketika nilai x dan y yang saya masukkan dari total skor jawaban masing2 responden, dosen saya tidak membenarkan hal tersebut. padahal dari beberapa teman mengatakan, nilai untuk x1, x2, x3, dan y di dapat dari skor total dari masing2 responden pada setiap variabel ? kata dosen saya, secara logika harusnya x1, x2, y nya bernilai 1-5 krn menggunakan likert ? bisa bapak jelaskan cara memperoleh nilai dari variabel x dan y disertai rujukan yang jelas. terima kasih atas bantuannya pak
Tangggapan
10.6.13
Penelitian Anda terdiri atas 3 variabel bebas (x1, x2, dan x3) serta 1 variabel terikat (y). Yang disebut dengan variabel x1 adalah total skor dari seluruh item pertanyaan dalam variabel x1 (demikian pula x2, x3, dan y). Jadi per satu responden, dilihat nilai total x1, x2, x3, dan y. Kecuali, apabila hendak dilihat nilai Mean sikap x1, x2, x3, dan y. Apabila hendak dilihat nilai Mean maka pasti berada dalam interval 1 hingga 5 karena menggunakan Likert.
Khusus dalam pembuatan nilai skor total masing-masing variabel, dapat dilihat di Muhammad Nisfiannoor, Pendekatan Statistika Modern untuk Ilmu Sosial (Jakarta: Salemba Humanika, 2009) h. 321-40.
Demikian. Semoga bermanfaat.
Unknown
10.6.13
selamat malam pak maaf mau nanya lagi :), kalo misalkan hipotesis pnelitian x1,x2 berpengaruh negatif trhadap y, berati itu diujinya sebaiknya bagaimana pak? karena saya masi bingung antara hanya melihat dari arah pada Standardized Coefficients yaitu betanya atau menggunakan uji-t nya pak?
Tangggapan
10.6.13
Selamat malam.
Kalau menurut hemat saya adalah sama keduanya bisa. Bergantung kepada kemudahan bagi peneliti. Juga, kesepakatan dengan dosen pembimbing tentunya jangan dilupakan. Mungkin, uji t lebih mudah dan familiar pembuatan bahasa statistiknya. (Misalnya H0: t >= 0; H1: t < 0).
Demikian. Semoga bermanfaat.
Unknown
11.6.13
oh gt pak, nanya lagi yah hehe.
klo misalnya uji parsialnya uji-t, apa harus tetap membandingkan hasil t pada model regresi dengan tabelnya atau bisa nggak cukup hanya dengan mengetahui tanda dari nilai t tersebut misalnya t pda x1=-4,324.
masalahnya pada penelitian saya itu dari data yg diperoleh dimasukan ke regresi berganda semua hasilnya berpengaruh negatif jika dilihat dari arahnya pak karena betanya -, namun dilihat dari sig.nya salah satu ada yg dibawah 0.05(tidak signifikan). makanya bingung fungsi uji-t itu untk menentukan hipotesis arah parsialnya atau signifikannya sekian pak
maaf merepotkan makasi :)
Tangggapan
13.6.13
Menurut hemat saya, apabila yang hendak dicari adalah "pengaruh" tentu hendaklah ada perbandingan t-hitung dengan t-tabel, sebab bisa saja nilai t-hitung tersebut >, <, atau = t-tabel. Untuk "arah" ya tentu saja tanda - ataupun tanpa tanda (positif). Jadi, dalam pengambilan keputusan harus diterakan sekurangnya 3 hal yaitu: ada-tidaknya pengaruh, apabila ada pengaruh bagaimana arahnya, dan signifikan atau tidak? Mengenai signifikan atau tidak, apabila sig. hitung > sig. penelitian (0,05) maka tidak signifikan. Apabila sig. hitung < sig. penelitian (0,05) maka signifikan.
Sama-sama. Semoga bermanfaat.
Anonim
11.6.13
assalamualaikum.. pak saya mau tanya. saya melakukan penelitian dengan 4 variabel X, data X nya campuran antara data rasio dan nominal dan penelitian tersebut selama 4 tahun, tetapi datanya time series sehingga kalau dilihat di tabel DW, data tersebut tidak dapat diputuskan. Bagaimana mengobati autokorelasi, atau saya salah menggunakan model uji?
saya
13.6.13
Wa'alaikum salaam. Mungkin dapat diterakan berapa jumlah sampel yang digunakan serta tipe data variabel terikat (nominal, ordinal, interval, ataukah rasio). Hal ini mungkin dapat dijadikan point penelusuran. Apabila data VB tipenya bervariasi seperti kontinus ataupun kategoris, sementara VT tipenya kategoris (nominal atau ordinal) maka sepatutnya dipertimbangkan penggunaan uji Regresi Logistik.
Anonim
17.6.13
Jumlah sampelnya 124. variabel Y nya rasio dan variabel bebasnya campuran antara rasio dan dummy. tapi setelah disehatkan nilai DW nya berubah dan tidak mengandung autokorelasi.
Apakah persamaan regresi logistik yang saya cantumkan di skripsi saya harus diganti juga?
Anonim
17.6.13
maksud saya apakah persamaan regresi yang saya cantumkan di skripsi sayan harus diganti juga???
Tangggapan
18.6.13
Sebelumnya kami mohon maaf. Ternyata VB penelitian Anda adalah campuran antara rasio dan dummy. VT penelitian Anda adalah rasio. Dengan demikian, uji regresi yang dapat digunakan kiranya dapat tetap multiple regression. Tentu dengan persyaratan asumsi-asumsinya terpenuhi (bukan regresi logistik, karena awalnya kami mengira VT Anda kategoris).
Demikian. Semoga bermanfaat.
Anonim
13.6.13
Assalamualaikum pak, saya mau tanya, penelitian saya ada 4 variabel bebas dan satu variabel terikat, dengan jumlah n = 51, pertanyaan saya, dalam pengujiannya untuk uji heteroskedasitas tidak memenuhi ketika diuji memakai uji geljser, dan autokorelasiya juga ditolak krna adanya otokorelasi yg positif, bagaimana yah pak? apa yg harus saya lakukan?
Tangggapan
13.6.13
Wa'alaikum salaam. Sesungguhnya terdapat sejumlah pilihan. Pertama, apabila Anda meyakini bahwa hasil pengujian telah teliti, kemudian terjadi homoskedastisitas dan autokorelasi pada data, maka dapat dipertimbangkan apakah akan meneruskan uji regresi (pengaruh) ataukah mencukupkan pada uji hubungan (korelasi). Kedua, dengan 4 variabel bebas, jumlah sampel 51 cukup minim dan apabila tidak menyulitkan alangkah baiknya apabila dipertimbangkan untuk menambah jumlah sampel. Ketiga, harap diwaspadai keberadaan missing values dalam data mentah penelitian.
Demikian. Semoga bermanfaat.
Anissa Hakim
20.6.13
Selamat siang Pak..
Saya ingin bertanya, untuk menentukan df pada regresi linear berganda dengan 2 VB bagaimana ya pak? sampel ada 59.
Apakah dengan rumus df= n - 1 atau df = n - k - 1 atau df= n-k
apakah perbedaan menggunakan rumus df tersebut?
terimakasih banyak...
Tangggapan
21.6.13
Selamat siang A.Ha. Mungkin kamu hendak mencari nilai F? Untuk df1 adalah jumlah variabel bebas. Untuk df2 = n - k - 1. Keterangannya, n = sampel, k = jumlah variabel bebas. 1 = konstanta. Perbedaannya, untuk n - 1 adalah apabila VB kita cuma satu. Untuk n - k - 1 adalah apabila VB kita lebih dari satu.
Sama-sama. Semoga bermanfaat.
Anonim
23.6.13
Assalamualaikum Pak saya mau tanya:
Pada saat pemodelan, perubahan yang dilihat itu unstandardized koef. b atau standardized koef. beta?
- Apakah yg menjadi faktor predominan tidak boleh variabel yang pernah dikeluarkan namun dimasukkan ke pemodelan lagi meskipun variabel tsb memiliki koef. beta terbesar?
- Jika variabel yang memiliki koefisien beta terbesar merupakan variabel yg pernah dikeluarkan dan dimasukkan lg tersebut bagaimana?
- Apakah variabel yg pernah dikeluarkan dan dimasukkan lg tersebut disebut confounding?
Mohon bantuannya dan terima kasih sebelumnya.
Tangggapan
27.6.13
Wa'alaikum salaam.
- Unstandardized Coefficients B. Karena ini dapat langsung dimasukkan ke dalam persamaan. Khususnya dalam hal hingga derajat mana setiap prediktor memengaruhi variabel terikat apabila dampak dari prediktor-prediktor lain tetap konstan. Namun, nilai Unstandardized Coefficients B tidak dapat langsung digunakan untuk memperbandingkan efek prediktor satu dengan lainnya dalam persamaan. Untuk perbandingan, digunakan nilai dalam Standardized Coefficients Beta. Nilai ini menggunakan Standard Deviation sebagai patokan.
- Tentu saja faktor predominan tersebut adalah di mana nilai R Square secara signifikan berbeda dari 0. Uji statistik secara umum pertama kali mencari nilai hasil yang signifikan.
- Apabila asosiasi antara X terhadap Y diganggu oleh Z, maka terjadilah confounding. Z menjadi confounding variable baik terhadap X maupun Y. Variabel ini dicirikan "sesuatu" yang berkorelasi dengan dua atau lebih perlakuan pada persamaan. Ia muncul secara kausal, lebih dahulu sebelum perlakuan atas persamaan diberlakukan oleh peneliti. Juga, variabel ini disebut sebagai "pengganggu", "covariate", atau "concomitant". Umumnya, confounding menjadi masalah dalam konteks penelitian observasional, bukan penelitian acak (random). Ini karena proses pengacakan akan otomatis mengeliminasi korelasi antara variabel confounder dengan variabel prediktor. Untuk bahasan teoretis mengenai confounder Anda dapat mempelajarinya di link: http://www.soc.duke.edu/~jmoody77/205a/ecp/frank_smr_2000.pdf
Demikian. Semoga bermanfaat.
nisa
25.6.13
Assalamualaikum Pak saya melakukan regresi ganda untuk mengetahui faktor predominan, semua uji asumsi telah terpenuhi dan tidak terjadi multikolinearitas, yang mau saya tanyakan:
- Pada saat pemodelan, perubahan yang dilihat itu unstandardized koef. b atau standardized koef. beta?
- Apakah yg menjadi faktor predominan tidak boleh variabel yang pernah dikeluarkan namun dimasukkan ke pemodelan lagi meskipun variabel tsb memiliki koef. beta terbesar dan signifikan pada akhir pemodelan?
- Jika variabel yang memiliki koefisien beta terbesar merupakan variabel yg pernah dikeluarkan dan dimasukkan lg tersebut bagaimana?
- Apakah variabel yg pernah dikeluarkan dan dimasukkan lg tersebut disebut confounding?
Mohon bantuannya dan terima kasih sebelumnya.
Tangggapan
27.6.13
Wa'alaikum salaam.
Silakan lihat pada komentar atas.
Demikian. Semoga bermanfaat.
Anonim
25.6.13
halo pak, saya ingin bertanya pak,
- apa itu persamaan non linear pak? apakah berkenaan dengan model regresi kita yg tidak linear pak?
- bagaimana tahapan persamaan non linear itu pak?
- nilai b saya minus pak sehingga jika di masukkan ke persamaan regresi (y = a + bx) apakah akan menjadi minus persamaan regresi tersebut pak? dan apa itu linear model saya pak?
blog yg sangat membantu pak, terima kasih telah menuangkan pikiran bapak di blog ini^^
-sunny
Tangggapan
27.6.13
Halo.
- Pada pokoknya, regresi nonlinier serupa dengan regresi linier, yaitu adanya upaya merelasikan suatu respons yaitu "Y" yang diakibatkan oleh serangkaian prediktor (X). Ciri utama regresi nonlinier adalah fakta bahwa persamaan bergantung secara "nonlinier" kepada satu atau lebih parameter yang belum diketahui sebelumnya. Perbandingannya, apabila regresi linier kerap digunakan untuk membangun model empiris yang "murni", regresi nonlinier digunakan untuk membangun model yang mengikuti bentuk-bentuk fungsional tertentu. Atau, regresi nonlinier juga disebut sebagai suatu cara menemukan model hubungan yang bersifat nonlinier antara variabel terikat dengan seperangkat variabel bebas. Jika regresi linier terbatas taksirannya dalam suatu model linier, maka regresi nonlinier dapat menaksir aneka model dengan pola-pola tertentu yang layah antara VB dengan VT.
- Untuk tahapan lengkap pembentukan persamaan nonlinier, saya sangat menyarankan untuk mempelajarinya secara lengkap di link http://publib.boulder.ibm.com/infocenter/spssstat/v20r0m0/index.jsp?topic=%2Fcom.ibm.spss.statistics.cs%2Fnonlinearregressionanalysis_table.htm
- Masalah nilai b negatif sesungguhnya bukan pokok dari kasus nonlinier. Nilai b negatif hanya menunjukkan arah hubungan. Apabila positif maka "makin tinggi X makin tinggi Y". Apabila negatif maka "makin tinggi X makin rendah Y" atau sebaliknya.
Terima kasih. Sama-sama. Semoga bermanfaat.
Anonim
29.6.13
terimakasih pak untuk penjelasannya daan link yg bapak share^^, sangat membantu pak,
Tangggapan
30.6.13
Alhamdulillah. Selamat meneliti.
Anonim
28.6.13
Salam pak, saya mau tanya. Dalam penelitian saya menggunakan 4 Independent variable dan 1 Dependent variable. Saya menggunakan analisis regresi berganda dengan metode enter. Pada output model summary dan ANOVA mendapatkan nilai yg signifikan (0.000), tapi pada output coefficient satu Independent variable saya bernilai Beta negatif (-.062) dan tidak signifikan. Jadi bagaimana pak penjelasannya? Apakah model regresi saya ini tidak baik? Menurut bapak apa yang menyebabkan nilai Beta negatif? Mohon bantuannya pak. Terima kasih, barakallah.
Tangggapan
28.6.13
Salam. Sebelumnya, hendak meyakinkan terlebih dahulu apakah keempat VB dimasukkan sekaligus ke kotak analisis saat pertama kali? Apabila memang demikian kiranya metode Enter yang dipilih. Mungkin sudah tidak ada masalah dengan tabel Model Summary dan ANOVA. Tentu berdasarkan kedua tabel tersebut Anda telah melakukan pengujian hipotesis. Kini tertinggal tabel Coefficients. Tabel ini bermanfaat dalam dalam menaksir prediksi Y oleh semua X. Tiga X tidak bermasalah. Tinggi satu X yang perlu dikaji lebih lanjut. Model Anda tentu saja tidak dapat dikatakan tidak baik, selama rangkaian uji validitas, reliabilitas, dan asumsi-asumsi terpenuhi. Saat ini adalah "data" yang beraksi. Ada sebuah X yang bernilai Beta -0,062 dan tidak signifikan (mungkin > 0,05). Apakah nilai Beta ini yang di kolom Standardized Coefficients? Apabila "ya" maka tanda - menunjukkan arah negatif (jika X naik maka Y turun) khusus untuk variabel tersebut. Namun, prediksi tersebut tidak signifikan (meyakinkan) karena sig. hitung > sig. penelitian.
Tentu banyak kemungkinan mengapa nilai tersebut menjadi negatif dan tidak signifikan, seperti adanya outlier, kecukupan jumlah sampel, autokorelasi, dan sejenisnya. Saran saya, lebih baik Anda menerima hasil perhitungan secara apa adanya. Berikan catatan khusus mengenai variabel tersebut, analogikan dengan konstruk (kerangka teori), lalu lakukan pembahasan mengenai kemungkinan-kemungkinan digunakannya variabel tersebut dalam penelitian-penelitian yang akan datang.
Demikian. Semoga bermanfaat.
Anonim
29.6.13
Iya betul pak, saya memasukkan keempat VB sekaligus dan benar nilai Beta yg saya maksud pada kolom Standardized Coefficients. Beta (-.062) dan Sig (0.298). Sebelumnya uji asumsi klasik juga sudah terpenuhi. Saya terima dengan baik saran dari bapak, terima kasih banyak dan ini sangat bermanfaat. Barakallah.
Tangggapan
15.6.14
Alhamdulillah. Sukses untuk Anda.
Tangggapan
15.6.14
Alhamdulillah. Sukses untuk Anda.
Anonim
29.6.13
Iya betul pak, saya memasukkan keempat VB sekaligus dan benar nilai Beta yg saya maksud pada kolom Standardized Coefficients. Beta (-.062) dan Sig (0.298). Sebelumnya uji asumsi klasik juga sudah terpenuhi. Saya terima dengan baik saran dari bapak, terima kasih banyak dan ini sangat bermanfaat. Barakallah.
Tangggapan
30.6.13
Alhamdulillah. Semoga bermanfaat.
Anonim
1.7.13
Pak terima kasih artikel anda sangat bermanfaat buat banyak orang
Tangggapan
1.7.13
Sama-sama. Alhamdulillah.
Anonim
1.7.13
Pak terima kasih artikel bapak sangat membantu banyak orang
Tangggapan
1.7.13
Sama-sama. Alhamdulillah.
Boni
6.7.13
Hasil regresi menunjukkan pengaruh negatif signifikan VB1 terhadap VT sementara jika menggunakan logika VB1 seharusnya berpengaruh positif terhadap VT.
Mengapa bisa begitu?
Boni
6.7.13
Oh iya Pak, penelitiannya menggunakan 3 VB dan 1 VT.
Dari hasil tabel Coefficients, VB1 negatif dan tidak signifikan jika diregresikan sendiri terhadap VT.
Saat diregresi bersama VB2, VB1 negatif signifikan, VB2 positif signifikan.
Apa ada cara membuat VB1 bernilai positif Pak?
Terima kasih sebelumnya.
Tangggapan
7.7.13
Hal yang cukup sederhana guna diperiksa kembali adalah instrumen penelitian kita. Apakah konsistensi pilihan sudah terimplementasi. Adalah mohon diperiksa ulang apakah pilihan jawaban untuk VB1 (misalnya) 1=SS, 2=S, 3=TS, dan 4=STS serupa dengan Y (misalnya) 1=SS, 2=S, 3=TS, dan 4=STS? Adalah baik apabila setiap instrumen di seluruh variabel memiliki konsistensi yang serupa.
Juga, setelah yakin bahwa instrumen pilihannya sudah konsisten, hendaklah dapat dilihat apakah pernyataan dalam kuesioner bersifat positif ataukah negatif? Pernyataan positif atau negatif ini tentu memiliki pengaruh akan distribusi data. Apabila hal ini memang ada, dapatlah kiranya dilakukan "recode" terlebih dahulu sebelum dilakukan analisis regresi.
Demikian. Semoga bermanfaat.
tika
11.7.13
Mohon dijelaskan apa sih sebenarnya arti dan fungsi konstanta dalam persamaan regresi??? Apabila ada contoh= Y = 0,5+0,3X1+0,4X2...
dimana Y = kredit yang disalurkan, X1=ROA, X2=DPK. Maka apabila X1 dan X2 apa berarti Y=0,5 atau kredit yang disalurkan 0,5??? Trus kalau ada pertanyaan dari mana sumber dana dari penyaluran kredit tersebut? kan tidak ada ROA dan DPK? Apa logika ini benar??? Bagaimana menjelaskannya kalau ada logika ini?? Maaf semuanya, saya betul-betul tidak mengerti. mohon bantuannya ya.... terima kasih
Tangggapan
15.7.13
Nilai konstanta pada tabel Unstandardized Coefficients ada dua macam. Pertama, konstanta persamaan (umum disimbolkan a atau b0). Kedua, konstanta setiap VB. Untuk yang pertama. Konstanta ini merupakan intersep dari Y (variabel terikat, kredit yang disalurkan). Pada persamaan Anda, nilai b0 adalah 0,5. Jadi, apabila nilai X1 dan X2 adalah 0, maka diasumsikan oleh persamaan regresi kredit yang disalurkan = 0,5. Untuk yang kedua. Konstanta ini umum disebut b1 dan b2 (apabila jumlah VB adalah 2). Ia menunjukkan gradien dari garis regresi. Sehingga, ia memberitahukan peneliti hingga derajat mana setiap prediktor memengaruhi Y apabila efek dari preditor-prediktor lainnya tetap konstan (tetap).
Kembali kepada permasalah persamaan regresi Y=0,5+0,3X1+0,4X2. Nilai X1 dan X2 adalah nilai b1 dan b2 dari tabel Coefficients (pada kolom B Unstandardized Coefficients). Ambil sebagai responden nomor 1 (dari penelitian Anda). Misalnya, nilai RoA-nya 30 dan DPK-nya 40. Maka ditulis ke persamaan regresi sebagai berikut: Y=0,5+0,3.30+0,4.40=0,5+9+16=25,5. Dengan demikian, Y atau kredit yang disalurkan untuk responden 1 adalah 25,5.
Sebagai contoh lain apabila X1 = 0 dan X2 = 0. Maka Y=0,5+0,3.0+0,4.0=0,5+0+0=0,5. Dengan demikian, Y atau kredit yang disalurkan adalah 0,5.
Sama-sama. Semoga bermanfaat.
Unknown
15.7.13
Makasih banyak it helps me so much :)
Tangggapan
15.7.13
Sama-sama. Alhamdulillah.
Unknown
16.7.13
salam pak. pak cara mencari harga Yc pada standard Error of Estimate (SY X1 X2) itu bagaimana yah pak? mohon bantuannya :(
Tangggapan
12.10.13
Salam.
Mungkin agar lebih jelas dapat kiranya ditelusuri link ini. Metode pencariannya cukup jelas di sumber tersebut (tanda kutip tidak perlu diambil):
"http://books.google.co.id/books?id=GliVtKqkKgwC&pg=PA139&lpg=PA139&dq=Yc+standard+error+of+estimate&source=bl&ots=-VUeKTCr0e&sig=1BKRna3Hv2WSlWwDg_1vX6QH6P8&hl=en&sa=X&ei=g2BZUtGaBMPqrAeItYCwCA&redir_esc=y#v=onepage&q=Yc%20standard%20error%20of%20estimate&f=false"
Demikian tanggapan saya. Semoga bermanfaat.
pandu
24.7.13
Selamat sore pak Seta, kalau saya ingin melakukan uji "skenario worst case" terhadap suatu kumpulan data.. sebaiknya menggunakan alat uji statistik apa..? misal : scenario 1 : jika USD naik jadi Rp 15.000, jadi Rp 20.000, dst.. bagimana pengaruhnya trhdp kredit bermasalah atau misal jika inflasi naik jadi 15% bgmn pngruhnya terhadap permintaan kredit...
Terima kasih sebelumnya
Pandu
Tangggapan
12.10.13
Selamat sore. Penelitian Anda menarik dan ada nuansa eksperimental. Untuk itu, dapat juga digunakan uji regresi. Misalnya untuk Y Kredit Bermasalah, prediktornya dibuat (sekadar contoh) dua. X1nya saat Rupiah seharga 15 ribu. X2nya saat Rupiah seharga 20 ribu. Juga bisa ditambah X3, X4 dan seterusnya dengan nilai Rupiah berbeda dengan Y tetap (Kredit Bermasalah). Juga bisa diterapkan bagi tema pengaruh inflasi terhadap permintaan kredit. Dengan cara serupa.
Di sisi lain, apabila hendak suatu yang berbeda dan agak rumit, dapat dipertimbangkan uji Factorial Anova.
Sama-sama. Semoga bermanfaat. Selamat meneliti.
Unknown
31.7.13
bapak, saya mau tanya.
jika dalam uji regresi nilai t pada keduaa variabel tidak signifikan, lalu apa langkah berikutnya yang harus saya lakukan dan apa alasannya.
apakah melakukan regresi ulang dengan membuang salah satu variabel bisa menjadi alternaatif yang dapat saya lakukan?
mohon dijelaskan.
terimakasih
Tangggapan
12.10.13
T-test dilakukan untuk menguji hipotesis, tepatnya secara individual. Sebelum dibuang patut dipertimbangkan F-test apabila kedua prediktor hendak dilihat secara simultan pengaruhnya.
Terlepas dari hal di atas, hipotesis disusun berdasarkan landasan teori. Landasan teori dipilih berdasarkan perumusan masalah penelitian. Dengan demikian, persoalan kiranya tidaklah terletak pada elimininasi salah satu prediktor. Persoalan terkait dengan yang telah tersebut tadi yaitu perumusan masalah penelitian, landasan teori, dan hipotesis. Apabila salah satu prediktor dibuang maka tentu saja berdampak pada ketiga hal tadi.
Saya menyarankan bahwa apapun hasil penelitian adalah patut diterima selama prosedur pengujian (dengan statistik) sudah dipenuhi. Hal yang kerap terlupa adalah, responden diteliti adalah manusia. Landasan teori (yang mendasari penyusunan hipotesis) disusun memang oleh para ahli. Namun, populasi yang mereka teliti berlainan yang digunakan dalam penelitian Anda. Sebab itu, belum tentu penelitian di suatu populasi signifikan dan di lokasi lain "pasti" signifikan.
Demikian tanggapan dari saya. Semoga bermanfaat.
lusiana
7.9.13
saya ingin tanya, jika data berupa rasio (persen) dan jutaan, apakah data yang berjumlah jutaan harus di log? Bagaimana kalau data yang berjumlah jutaan tidak di log? apakah mungkin?
Terimakasih sblmnya.
Tangggapan
12.10.13
Terlebih dahulu perlu kiranya untuk dipertimbangkan penggunaan log natural. Penggunaan ini diambil utamanya guna mengatasi masalah yang muncul saat uji-uji asumsi regresi dilakukan. Apabila dalam uji asumsi tidak bermasalah, pemanfaatannya lebih baik dihindari.
Apabila memang keputusan akhirnya diambil untuk menggunakannya, maka prinsip imbang layak dipertimbangkan. Jadi, kedua data tentu saja lebih baik ditransformasi. Karena, regresi diambil sebagai pengujian tidak lain untuk melakukan prediksi-prediksi. Apabila tranformasi dilakukan sepihak, maka tujuan dari prediksi ini akan mengalami masalah.
Sama-sama. Semoga bermanfaat.
Anonim
15.9.13
pak seta saya ingin bertanya. mengenai uji hipotesis pada regresi berganda. ketika melakukan pengukuran parsial, dari x1, x2, x3, x4, x5, trnyata hanya variabel x2 yang nilai t hitungnya > dari t tabel, dan signifikan. sedangkan yang lainnya tidak berpengaruh krn t hitungnya < dr t tabel, juga tidak signifikan. hal ini tentu menimbulkan menerima h0, artinya tidak pengaruh secara parsial var.x trhdp y. namun pada uji f, nilainya signifikan. tapi dosen saya tidak menerima hasil hipotesis ini krn seharusnya kalo uji f berpengaruh, maka uji t nya juga berpengaruh. bagaimana ya pak ?
Tangggapan
12.10.13
Ada baiknya apabila dikembalikan kepada perumusan masalah. Apakah yang hendak diteliti adalah pengaruh simultan (seluruh prediktor) terhadap Y ataukah individual prediktor (masing-masing prediktor). Apabila perumusannya adalah yang pertama, maka F-test dapat digunakan sebagai referensi keputusannya. Namun, apabila yang kedua, maka t-test kiranya lebih tepat karena spss merinci perilaku masing-masing prediktor di dalam outputnya. Dan, mengingat konteks ini, kiranya memang belum tentu apabila F-test dan t-test mengutarakan kesimpulan yang serupa. Juga, karena sifat simultansinya (kendati juga umum digunakan dalam regresi sederhana) F-test lebih pas apabila digunakan sebagai referensi rumusan masalah pertama (simultan). Namun, apabila peneliti menghendaki yang individual, t-test layak sebagai referensi keputusan.
Di atas semua, hal ini terpulang kepada perumusan masalah dan hipotesis penelitian. Suatu penelitian kuantitatif biasanya bertujuan menguji hipotesis. Fokus terhadap hal ini adalah disarankan. Silakan diskusikan dengan pembimbing dan carilah jalan keluar.
Demikian tanggapan saya. Semoga bermanfaat.
Unknown
7.10.13
pak saya mohon pencerahanya.....
dlam penelitian sy data yg sy gunakan terdistribusi tidak normal..
untuk menghandarinya sy mentransformasi data sy ke dalam logaritma natural (Ln)....
apa boleh dalam pnlitian ini hanya uji normalitas saja yang menggunakan logaritma natural atau sluruhnya sampai uji regresi...
jika uji regresi menggunakan logaritma natural tersebut, bagaimana menginterpretasi hasilnya karna hasilnya...?
terima kasih
saya
12.10.13
Seyogyanya diteruskan hingga pengujian regresi. Transformasi ke dalam log natural justru dilakukan guna "mengatasi" problem yang terjadi saat uji asumsi regresi dilakukan. Demikian digunakan hingga tiba di masalah interpretasi. Mengenai masalah interpretasi ini, terdapat artikel Cornell University yang cukup menyerahkan di sini:
http://www.ats.ucla.edu/stat/mult_pkg/faq/general/log_transformed_regression.htm
Sama-sama. Semoga bermanfaat.
adhiyoto
16.10.13
assalamualaikum pak Seta...
nama saya Adhi
saya sedang mengerjakan thesis Manjemen Keuangan...
saya punya 6 VB + 1 VT (jumlah periodenya 5 tahun yaitu 2007 s/d 2011)
(jumlah sampel 40 sehingga jumlah populasinya 200)
yang mana VB nya sering saya ganti-ganti demi mendapatkan "adjusted R squared" yang besar dan "grafik Normal P-P Plot" yang memiliki gambar data menyebar di sekitar diagram dan mengikuti model regresi...
tetapi yang saya dapatkan adalah :
percobaan I : R = 0,502
R Square = 0,252
Adjusted R Square = 0,222
dan grafik Normal P-P Plot" yang memiliki gambar data menyebar di sekitar diagram dan mengikuti model regresi (model yang ideal)
percobaan II : R = 0,898
R Square = 0,807
Adjusted R Square = 0,801
dan grafik Normal P-P Plot" yang memiliki gambar yang sangat menyimpang disekitar diagram sehingga titik2nya nyaris membentuk garis horizontal, pokoknya sangat berbeda dengan yang percobaan I
yang ingin saya tanyakan kepada pak saya adalah "Manakah yang sebaiknya dipilih, percobaan I atau percobaan II?"
mohon bantuannya....
Tangggapan
17.10.13
Wa'alaikum salam, Pak Adhi. Sepengetahuan saya, dari Percobaan 1 (P1) dan Percobaan 2 (P2) sebaiknya dikembalikan pada tata urut pengujian regresi. Pengujian regresi menyaratkan adanya normalitas residu. Apabila residu normal, maka plot-plot data pada grafik Normal P-P akan mengikuti garis Z (diagonal). Dengan demikian, ditinjau dari perspektif ini maka P1 sebaiknya lebih diprioritaskan. Hal ini kendati nilai Adjusted R Square 0,222. Nilai demikian diperoleh melalui pemenuhan asumsi regresi.
Demikian tanggapan dari saya. Semoga bermanfaat.
Anonim
20.11.13
siang pak, kalau boleh saya ingin bertanya
kalau gross profit margin, operating profit margin, net profit margin, roa, roe, dan eps tdk mempunyai pengaruh signifikan terhadap harga saham, secara statistik kan karena h0 diterima dan h1 ditolak, lalu kalau secara akuntansi apa alasannya ya? (alasan setiap rasio tidak berpengaruh apa?)
kemudian secara keseluruhan apa alasan rasio profitabilitas tidak mempunyai pengaruh signifikan terhadap harga saham ya pak?
mohon bantuannya pak, terima kasih
Tangggapan
22.11.13
Selamat siang. Untuk perhatian yang pertama mengenai alasan secara akuntansi, sangat disayangkan bidang akuntansi adalah salah satu dari sekian banyak hal yang tidak saya kuasai. Mungkin yang dapat saya sarankan hanyalah seputar pengertian dari H0 diterima dan H1 diterima. Diterimanya H0 bukan lantas begitu saja menyatakan sama sekali tidak ada pengaruh X atas Y. Tidak ada penerimaan H0 yang sifatnya absolut. Pengaruh X atas Y tetap saja ada kendati tidak signifikan. Kemudian, uji statistik adalah uji yang menggunakan sampel. Sampel hanyalah representasi dari populasi. Dapat saja, apabila kita memilih sampel yang berbeda maka hasil uji statistik kemungkinan memerlihatkan hasil yang juga berbeda. Nah, mungkin dapat Anda kaitkan antara pemahaman mengenai penerimaan H0 dan penolakan H1 ini dengan kasus akuntansi Anda.
Untuk perhatian kedua, juga serupa yang perhatian pertama. Dapat pula dalam alasan Anda tambahkan situasi sampel, kondisi sampel, situasi yang melingkupi sampel, kondisi yang melingkupi sampel, serta faktor-faktor lain yang memiliki andil atas diterimanya H0 dan ditolaknya H1 ini.
Hal terpenting yang hendak saya garis bawahi adalah, diterimanya H0 dan ditolaknya H1 adalah "tidak salah." Penelitian yang baik adalah penelitian yang tidak apriori dalam arti misalnya, hasil penelitian harus "menolak H0" atau "menerima H1." Dalam penelitian, fakta yang berbicara, bukan asumsi peneliti.
Demikian tanggapan terbatas dari saya. Sama-sama. Semoga bermanfaat.
Ian
24.11.13
pak saya mau bertanya
untuk yang autokorelasi, kalau didapat hasil >2 berarti ada korelasi negatif
pengertian dari korelasi negatif nya itu apa ya pak?
mohon penjelasannya dan terima kasih sebelumnya
Tangggapan
25.11.13
Misalkan Anda punya 2 Variabel Bebas yaitu X1 dan X2. X1 dan X2 berkorelasi negatif. Maknanya, apabila X1 meningkat, X2 menurun. Juga sebaliknya. Apabila X1 menurut, X2 meningkat. Jadi sifat hubungannya berkebalikan.
Demikian tanggapan dari saya. Sama-sama. Semoga bermanfaat.
Ian
28.11.13
oh oke terima kasih atas penjelasannya pak
Ririn
29.11.13
selamat siang Pak, saya mau tanya hasil SPSS saya menunjukkan hasil adjusted square sebesar 0,887. lalu F hitung saya 209 (itu sangat besar sekali). Apakah tidak bermasalah Pak jika F hitung besar padahal uji-uji yg lain saya lolos semua.
trima kasih
Tangggapan
30.11.13
Selamat siang. Apabila nilai sig. F hitung tersebut < 0,05 juga uji-uji asumsi regresi berganda telah dipenuhi ada baiknya diterima saja hasil tersebut. Nilai Adjusted R Square (ARS) sebesar 0,887 masuk kategori tinggi. Maknanya, ARS menjelaskan apakah sampel penelitian mampu mencari jawaban yang dibutuhkan dari populasinya. Kisaran nilai Adjusted R Square adalah 0 yang terendah hingga 1 yang tertinggi. Kalikan Adjusted R2 dengan 100% maka akan diperoleh berapa % varians tiap sampel pada variabel terikat bisa diprediksi oleh variabel-variabel bebas secara bersama-sama (simultan).
Demikian tanggapan dari saya. Sama-sama. Semoga bermanfaat.
lya
3.12.13
Assalamu'alaikum...
pak, saya sedang mengerjakan skripsi..
saya mau tanya...untuk menghitung nilai dengan standardize pada moderated regression analysis agar tidak terjadi multikolinearitas bagaimana ya pak caranya? apa bisa dihitung dengan excel?
serta sumber referensinya ada di buku atau jurnal apa ya pak?
terimakasih atas jawabannya..
Tangggapan
3.12.13
Wa'alaikum salam.
Intinya, dalam Moderated Regression Analysis adalah "step-by-step" perhitungan yang ditekankan. Untuk keperluan tersebut, di bawah terdapat sejumlah link yang amat bermanfaat untuk memahami teknik analisa data tersebut. Sumber referensi pun otomatis termuat. Silakan:
Untuk buku sumber, dapat kiranya dilihat pada:
- http://books.google.co.id/books?id=6sdRuhBTOLQC&printsec=frontcover&dq=moderated+regression&hl=en&sa=X&ei=5sudUvjNHZDrrAfBuIHgDg&redir_esc=y#v=onepage&q=moderated%20regression&f=false
- http://books.google.co.id/books?id=GpnxhGg1pfoC&pg=PA94&dq=moderated+regression&hl=en&sa=X&ei=lcidUtqVLMK4rgfD5oC4Dw&redir_esc=y#v=onepage&q=moderated%20regression&f=false
Petunjuk praktis dengan SPSS dapat dilihat di sini:
- https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=5&cad=rja&ved=0CE0QFjAE&url=http%3A%2F%2Fwww.jwalkonline.org%2Fdocs%2FGrad%2520Classes%2FSpring%252007%2FMultivar%2FHomework%2FHWK%25205%2FSPSS_moderation%2520and%2520mediation.doc&ei=iMqdUrXXJ4v7rAeih4HIDw&usg=AFQjCNE5W6kvmEjQU21-mEXduy1d3muFPw&sig2=R2jCIlFt3QzpCzGxTuP1pw&bvm=bv.57155469,d.bmk
dan di sini:
- https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=9&cad=rja&ved=0CG8QFjAI&url=http%3A%2F%2Fwww2.psy.uq.edu.au%2F~wlouis%2Fstats%2Fmoderationv6.doc&ei=iMqdUrXXJ4v7rAeih4HIDw&usg=AFQjCNF83GQVpX8vc2Wz3Uq1mEIN_MU9vQ&sig2=Ue5wT1JKnFZ3RVuIJ-bCjw&bvm=bv.57155469,d.bmk
juga lebih jelas di sini:
- http://psychweb.psy.umt.edu/denis/datadecision/reg/moderation.html
Demikian tanggapan dari saya. Semoga bermanfaat.
lya
3.12.13
terimakasih banyak pak..
maaf ya pak saya komen dua kali di bawah..tadi sinyal sedang kurang bagus jd tdk terlihat kalau sudah terkirim..
sekali lagi terimakasih ya pak..:)
saya
4.12.13
Sama-sama. Tidak mengapa. Semoga bermanfaat.
lya
3.12.13
Assalamu'alaikum..
saya sedang mengerjakan skripsi, pak..
saya mau tanya..untuk menghitung nilai standardize pada moderated regression analysis agar tidak terjadi multikolinearitas bagaimana caranya ya pak? apakah bisa menggunakan formula standardize pada excel?
terimakasih atas jawabannya..
Tangggapan
4.12.13
Wa'alaikum salam.
Sudah ditanggapi di bagian atas ya.
abel
6.12.13
pak, bagaimana cara mengubah data agar t yang saya dapat negatif ?
Tangggapan
6.12.13
Basis uji statistik inferensial adalah data dari responden yang terkumpulkan lewat kuesioner. Positif ataupun negatif nilai t tentu berasal dari data-data ini. Misalnya, penelitian kita adalah pengaruh X terhadap Y. Masing-masing diukur lewat instrumen berupa angket. Pilihan jawaban di X yaitu 1=STS, 2=TS, 3=S, dan 4=SS. Pilihan jawaban di Y yaitu: 1=STS, 2=TS, 3=S, dan 4=SS.
Berdasarkan pilihan jawaban di dalam instrumen tersebut, apabila jawaban responden di X mayoritas 3 (S) dan 4 (SS) sementara jawaban responden di Y mayoritas 3 (S) dan 4 (SS) juga, maka kemungkinan besar nilai t adalah positif. Sebaliknya, apabila jawaban responden di X mayoritas 3 (S) dan 4 (SS) sementara jawaban responden di Y mayoritas 1 (STS) dan 2 (TS), maka kemungkinan besar nilai t adalah negatif.
Lepas dari kemungkinan-kemungkinan di atas, adalah sangat disarankan agar peneliti menerima data yang diperoleh dari responden lewat kuesioner secara apa adanya. Karena penelitian yang kita adakah sekaligus pula merupakan media untuk mengetes suatu teori apakah masih valid dan reliabel untuk melakukan hubungan antar fakta.
Demikian tanggapan dari saya. Semoga bermanfaat.
Unknown
8.12.13
Assalamu'alaikum
Pak Seta, mohon pencerahannya.
saya sedang meneliti dengan 2 VB dan 1 VT,
Y = jumlah DPK (rupiah)
X1 = biaya promosi (rupiah)
X2 = tingkat bagi Hasil (persen)
dosen pembimbing saya menyatakan bahwa variabelnya beda unit satuan sehingga harus di-logaritma-kan dahulu. rekan-rekan saya juga ada yang mengalami hal yang sama, diperintahkan untuk melakukan transformasi logaritma.
sementara beberapa penelitian terdahulu yg saya rujuk,tidak melakukan transformasi tersebut.
pertanyaan saya :
- apakah transformasi itu bersifat wajib untuk penelitian dengan variabel yang satuan unit nya berbeda?
- dalam SPSS maupun manual, bagaimana mentransformasikan nya?
- apa efek yang timbul bila data tidak ditransformasikan?
- apakah ada literatur yang secaras spesifik membahas hal ini?
terimakasih atas tanggapan Bapak.
wassalamu'alaikum wrwb
Tangggapan
10.12.13
Wa'alaikum salam wa rahmatullahi wa barakatuh.
Mungkin akan kami tanggapi sejauh pemahaman dan menurut nomor, ya.
- Umumnya, transformasi data mentah (raw data) menjadi log natural (e) ditujukan untuk melinierkan hubungan antar variabel, mengurangi "skewness" data, menanggulangi data yang tidak berdistribusi normal, dan terhadap variabel yang berbeda satuan pengukuran bertujuan memersamakan "basis" dan "jarak". Mengenai masalah kewajiban, tentu disifatkan pada kondisi-kondisi data tadi. Mungkin pembimbing Anda mengasumsikan bahwa terdapat satu variabel yang diukur secara berbeda (%) sementara lainnya adalah rupiah. Di sanalah (mungkin) letak alasan untuk melakukan transformasi tersebut. Tentu saja adalah sah melakukan transformasi tersebut. Hikmahnya adalah, pengetahuan dan wawasan kita menjadi bertambah. Hanya saja deskripsi data seperti nilai mean, modus, media, bukan lagi nilai "nyata" melainkan nilai "logaritma natural."
- Mengenai caranya dengan SPSS silakan lihat pada bagian "Cara melakukan Uji Park adalah sebagai berikut:" Terutama pada langkah 1 untuk sekadar melakukan transformasi ke logaritma natural.
- "Efek" di sini mungkin dapat disinonimkan dengan tanggapan nomor 1, yaitu kondisi yang memicu diambilkan keputusan melakukan transformasi data mentah menjadi logaritma natural.
- Untuk keterangan cukup lengkap mengenai logaritma natural ini dapat dilihat pada:
- http://www.ats.ucla.edu/stat/mult_pkg/faq/general/log_transformed_regression.htm
Demikian tanggapan dari saya. Sama-sama. Semoga bermanfaat.
Unknown
9.12.13
pak mau bertanya jika hasil perhitungan T hitungnya negatif (-) bagaimana yah pak ?
sedangkan untuk tolak H0 harus T hitung > T tabel. mohon jawabannya pak. terimakasih
Tangggapan
10.12.13
(Saya ambil dari tanggapan di bagian atas)
Seperti telah diketahui, salah satu fungsi t-test adalah memeriksa apakah mean dari dua kelompok data secara statistik berbeda. Dalam uji regresi, apabila nilai t-test adalah positif maka dapat diketahui bahwa mean variabel bebas lebih besar dari mean variabel terikat. Sebaliknya, apabila nilai t-test negatif maka dapat diketahui bahwa mean varibel bebas lebih kecil daripada mean varibel terikat.
Nah, dengan demikian tanda minus hanya menunjukkan masalah nilai mean. Misalnya, nilai t-hitung adalah -17,79. Tanda minus menunjukkan masalah mean, sementara 17,79 adalah nilai t-hitungnya. Namun, masalah tanda minus ini tetap harus dicatat dan disebutkan di dalam analisis/pembahasan.
Dari contoh di atas, sehubungan dengan T hitung > T tabel maka yang diperhitungkan untuk uji hipotesis adalah nilai 17,79 (bukan - 17,79).
Demikian tanggapan dari saya. Sama-sama. Semoga bermanfaat.
Anonim
11.12.13
salam pak..
saya mau bertanya soal cara menggunakan uji Ljung box di spss 17, karena saya tidak menemukannya ? lalu pak, langkah-langkah untuk melakukan theil nagar di spss gimana ya pak ? mohon pencerahannya pak, terimakasih
salam...
Tangggapan
8.3.14
Salam. Mengenai Ljung-box test di SPSS 17 mungkin dapat dicoba dengan cara klik Analyze > Forecasting > Create Model. Mengenai Theil-Nagar, amat disayangkan saya belum pernah melakukannya dengan SPSS. Mungkin dapat dicari secara manual.
Mohon maaf. Semoga bermanfaat.
Anonim
11.12.13
salam pak...
mau nanya, bagaimana cara melakukan uji Ljung box di spss versi 17 karena saya tidak menemukannya di graphs ? lalu bagaimana cara melakukan theil nagar di spss ?
mohon pencerahannya pak, terimakasih..
salam...
Tangggapan
8.3.14
Salam. Mengenai Ljung-box test di SPSS 17 mungkin dapat dicoba dengan cara klik Analyze > Forecasting > Create Model. Mengenai Theil-Nagar, amat disayangkan saya belum pernah melakukannya dengan SPSS. Mungkin dapat dicari secara manual.
Mohon maaf. Semoga bermanfaat.
squadofkendalsari
11.12.13
assalamualaikum pak...
saya mau tanya bagaimana cara menginterpretasikan persamaan regresi dengan menggunakan standardized coeffisien. mohon pencerahannya pak... terima kasih
Tangggapan
8.3.14
Wa'alaikum salaam.
Mengenai Standardized Coefficients (SC). Salah satu nilai yang terdapat di dalam kolom ini adalah Beta. Memang, adalah alangkah baiknya apabila penafsiran/interpretasi dilakukan berdasarkan SC ini. Mengapa? Karena nilai dalam SC telah distandardisasi sehingga skala-skala pengukuran yang berbeda dalam setiap data telah distandardisasi agar sama.
Nilai Beta pada SC umumnya menunjukkan nilai serupa dengan R (Tabel Model Summary). Jika nilai Beta itu positif dan sig. hitungnya signifikan, maka pengaruh positif. Jika Beta negatif, maka pengaruh negatif. Dalam Regresi Berganda, nilai Beta mengindikasikan hubungan yang lebih kuat ata lebih lemah masing-masing VT atas VB. Positif dan negatifnya mencerminkan hubungan tersebut. Nilai Standardized Coefficients yang > 1 atau < -1 umumnya memperlihatkan gejala multikolinieritas antarvariabel independent.
Sama-sama. Semoga bermanfaat.
yeira
19.12.13
Mas mau ta yak kita mau melihat pengaruh usia,status,Jenis kelamin,pendidikan sblmnya, terhadap ipk mahasiswa apa bisa menggunakan uji linier berganda ini..atau ada sara lainkah? Tq uantuk bantuanya
Dewi
eka.s********@g***il.co*
Tangggapan
8.3.14
Tentu saja, bahwa sebelum seorang peneliti menentukan uji statistik apa yang hendak digunakan, terlebih dahulu sedapat mungkin mengidentifikasi skala pengukuran atas variabel-variabel penelitiannya. Dalam hal ini, penelitian hendak menguji pengaruh Usia, Status, Jenis Kelamin, Pendidikan, terhadap IPK. Usia mungkin skala rasio, Status mungkin nominal, Pendidikan mungkin interval, Jeni Kelamin mungkin nominal, IPK mungkin rasio.
Regresi Linier Berganda mengasumsikan skala pengukuran datanya minimal interval. Dengan demikian, untuk Jenis Kelamin dan Status kiranya tidak begitu saja dapat dilakukan pengaruhnya. Ada baiknya Anda mengeksplorasi kemungkinan dipergunakannya uji ANCOVA. Uji ini diperuntukkan bagi uji statistik di mana: Variabel Terikat skala rasio, Variabel-variabel bebas skalanya campuran.
Demikian tanggapan dari saya. Semoga bermanfaat.
hesti martariani
27.12.13
permisi pak,saya mau nanya.
saya menggunakan 3 variabel, 8tahun periode dan 1 perusahaan. sehingga dihasilkan nilai dw pada autokorelasi 2,050,sedangkan du=2,287,dan dl=0,368.
apakah saya menggunakan 4- du ≤ d ≤ 4-dl, dl ≤d ≤du, 4-dl<d<4, 0 <d<dl, atau menggunakan du<d<4-du?
tolong dibalas y pak..
saya
8.3.14
Durbin-Watson (DW) adalah uji yang umum digunakan dalam memeriksa apakah terjadi independent errors karena regresi berganda mengasumsikan residu observasi seharusnya tidak berkorelasi. Mengenai autokorelasi ini ada 2 jenis yaitu autokorelasi positif dan autokorelasi negatif.
Autokorelasi terjadi apabila terjadi kondisi berikut:
d < dl atau d > 4 - dl
Autokorelasi tidak bisa dikatakan terjadi apabila terjadi kondisi berikut:
du <= d <= 4 - du.
Namun, uji autokorelasi tidak bisa memberi kesimpulan apapun apabila terjadi kondisi berikut:
dl <= d <= du atau 4 - du <= d <= 4 - dl
Dalam setiap kondisi, dapat dinilai kesignifikansiannya dengan rumus 2 x Alpha. Alpha yang dimaksud adalah sig. pada uji yang menggunakan one-tailed.
Demikian tanggapan saya. Semoga bermanfaat.
Unknown
27.12.13
permisi pak,saya mau nanya.
saya menggunakan 3 variabel, 8tahun periode dan 1 perusahaan. sehingga dihasilkan nilai dw pada autokorelasi 2,050,sedangkan du=2,287,dan dl=0,368.
apakah saya menggunakan 4- du ≤ d ≤ 4-dl, dl ≤d ≤du, 4-dl<d<4, 0 <d<dl, atau menggunakan du<d<4-du?
tolong dibalas y pak..
Tangggapan
8.3.14
Durbin-Watson (DW) adalah uji yang umum digunakan dalam memeriksa apakah terjadi independent errors karena regresi berganda mengasumsikan residu observasi seharusnya tidak berkorelasi. Mengenai autokorelasi ini ada 2 jenis yaitu autokorelasi positif dan autokorelasi negatif.
Autokorelasi terjadi apabila terjadi kondisi berikut:
d < dl atau d > 4 - dl
Autokorelasi tidak bisa dikatakan terjadi apabila terjadi kondisi berikut:
du <= d <= 4 - du.
Namun, uji autokorelasi tidak bisa memberi kesimpulan apapun apabila terjadi kondisi berikut:
dl <= d <= du atau 4 - du <= d <= 4 - dl
Dalam setiap kondisi, dapat dinilai kesignifikansiannya dengan rumus 2 x Alpha. Alpha yang dimaksud adalah sig. pada uji yang menggunakan one-tailed.
Demikian tanggapan saya. Semoga bermanfaat.
Unknown
5.1.14
wah blog anda sangat menarik pak, salam kenal saya yoga, saya ingin menanyakan sesuatu pak, mohon bimbingannya, apa yang bapak ketahui tentang metode standardized t distribution? bisa dijelaskan dengan lengkap pak?
Tangggapan
8.3.14
Terima kasih. Salam kenal juga untuk Anda. Standardized t Distribution (StD) adalah suatu model yang berupaya mencari varians hingga setara dengan 1. StD sendiri diturunkan dari t student, dengan tujuan khusus mencari varians termaksud. StD juga kerap disebut dengan t(d) distribution.
Demikian tanggapan dari saya. Semoga bermanfaat.
Anonim
11.1.14
pak, cara menghitung standar residual di excel bagaimana?
data yang saya olah tidak signifikan, susah sekali menemukan hasil yang signifikan.
variabel bebas ada 3 terhadap variabel terikat.
mohon bantuannya pak..
terimakasih..
Tangggapan
8.3.14
Mengenai standard residual di Excel, alangkah baiknya apabila Anda mengunjungi link berikut:
- http://www.excel-easy.com/examples/regression.html
Penjelasannya cukup ringkas, jelas, disertai capture-capture yang mudah diikuti.
Mengenai signifikan atau tidak signifikannya hasil penelitian kita, khususnya dalam regresi, amat berkait erat dengan jumlah sampel yang digunakan seorang peneliti. Dalam regresi sampel minimal sekitar 58. Selain itu, uji-uji asumsi sudah dilakukan seperti multikolinieritas, autokorelasi, dan sejenisnya. Apabila memang jumlah sampel sudah mencukupi dan uji-uji asumsi sudah dilakukan, akan tetapi hasil masih menunjukkan tidak signifikan, adalah alangkah baiknya berfokus pada data apa adanya. Artinya, signifikan atau tidak signifikan suatu penelitian bukan suatu alasan untuk menyatakan suatu penelitian adalah "tidak benar" atau "tidak tepat." Suatu penelitian hanya tunduk pada satu hal: Data lapangan secara apa adanya.
Demikian tanggapan dari saya. Sama-sama. Semoga bermanfaat.
Anonim
15.1.14
Dear Pak saya
Semoga kabar baik selalu untuk Bapak.
Sebelumnya , terimakasih banyak atas tulisan-tulisan Bapak di blog in. Sangat membantu sekali pak. Saya menghargai sekali. Mohon bimbingan untuk kasus yang saya temui berikut ini.
Ketika saya menjalankan Regresi Berganda pada SPSS dengan memilih method ENTER atau BACWARD atau ,FORWARD atau STEPWISE; mengapa output yang dihasilkan berbeda ?
Sebagai contoh Variable X1 : Ketika saya menjalankan dengan Method ENTER, X1 memiliki nilai sig kurang dari 0.005. X1Signifikan. Namun ketika menggunakan Method STEPWISE, X1 dikeluarkan dalam Output (Masuk dalam Exlude Variable). ?
2. Manakah Method yang terbaik untuk diambil Outputnya ?
3. Untuk mengetahui persentase kontribusi X pada Y : apakah dengan melihat nilai Beta pada Standardized Cooficient nya saja sudah cukup - atau harus nilai lain yang diperhitungkan ?
4. Nilai R2 Square pada Model Summary adalah Total Correlation dikalikan Beta ? Bagaimana bila nilainya negatif ?
Sebelumnya terimakasih sekali atas bimbingannya Pak Seta.
Manggo
saya
8.3.14
Terima kasih Manggo semoga Anda pun dalam keadaan baik. Untuk kemudian, berdasarkan urutan pertanyaan berikut:
Dalam regresi berganda, metode Enter, Stepwise (Backward Forward) Hierarchical memiliki alasan-alasannya tersendiri. Karena alasan tersebut berbeda maka hasilnya pun tentu akan berbeda pula. Alasan yang dimaksud di sini adalah tujuan dari penelitian. Kami mulai dari Hierarchical. Metode ini digunakan apabila VB-VB dipilih berdasarkan penelitian terdahulu dan peneliti ingin mengontrol VB apa yang dimasukkan terlebih dahulu dan mana yang kemudian. Tentu saja, ini semua didasarkan pada tujuan dari penelitian. Misalnya, penelitian 3 VB dan 1 VT. Berdasarkan teori, 2 VB diuji terlebih dahulu pengaruhnya terhadap VT. Baru setelah pengaruh diketahui 1 VB sisanya dimasukkan guna mengetahui pengaruh yang terjadi. Metode Enter (disebut juga forced entry), adalah metode dengan mana seluruh VB dipaksa masuk ke dalam model secara simultan. Sama seperti metode Hierarchical, metode ini bersandar pada kerangka teori. Beda dengan Hierarchical, metode Enter tidak punya susunan VB apa yang dimasukkan terlebih dahulu dan mana yang kemudia. Semua dimasukkan begitu saja tanpa pandang bulu. Metode ini hanya tepat untuk menguji suatu teori, bukan membuat teori baru. Metode lainnya yaitu Stepwise dipilih apabila peneliti, dalam urut-urutan pemasukan rangkaian VB, mendasarkan diri atas kriteria matematis murni. Ada cara forward dalam metode ini, yaitu karena model awal sudah ditentukan sebelumnya dan berisikan hanya nilai konstanta (b0). SPSS lalu mencari VB (di luar yang tersedia) yang paling baik dalam memrediksi VT. Yang paling baik ini sederhana, yaitu yang paling punya "simple correlation" tertinggi pada tabel hasil. Apabila ini diterima, SPSS menjadikan VB ini sebaga model, untuk kemudian mencari VB lainnya, yang kali ini didasarkan atas VB yang punya "semi-partial correlation" dengan VT. Metode Stepwise ini serupa dengan forward, kecuali Stepwise ini setiap sebuah VB dimasukkan ke dalam operasi regresi, maka pembuangan dilakukan atas VB yang kurang berguna. Selain forward, terdapat pula backward. Backward ini adalah lawan dari forward. Caranya, SPSS memasukkan terlebih dahulu seluruh VB. Setelah dimasukkan, SPSS melakukan kalkulasi atas kontribusi yang diberikan tiap-tiap VB terhadap VT. Kontribusi ini dilihat dari nilai sig. t-test tiap-tiap VB. Nilai sig. ini diperbandingkan dengan kriteria pembuangan. Jika suatu VB sesuai nilainya dengan kriteria pembuangan, maka ia dibuang dari model dan kemudian model ditaksir ulang menggunakan VB-VB yang tersisa.
Mengenai mana metode yang paling tepat untuk digunakan, dikembalikan kepada tujuan dari penelitian. Apabila penelitian hendak membuat suatu teori baru, maka metode Hierarchical dan Stepwise (forward, backward) layak untuk digunakan. Apabila tujuan penelitian hendak menguji suatu teori saja, Enter dipandang sudah mencukupi untuk dipergunakan.
Sebaiknya nilai Beta yang di Standardized Coefficient.
Jika negatif maka ada kemungkinan Regresor berlebihan. Artinya Variabel Bebas satu dengan lainnya saling tumpang tindih mengukur konsep yang sama. Juga, indikator-indikator variabel bebas terlampau banyak. Jika memang nilai R-Square nya negatif, maka disarankan untuk menyederhanakan jumlah variabel atau jumlah indikator di dalam masing-masing variabel.
Demikian tanggapan dari saya. Sama-sama. Semoga bermanfaat.
achoy
19.1.14
pa, saya mau tanya. klo nilai constanta pada model coefficients negativ artinya apa??
trmksh
Tangggapan
8.3.14
Mengenai negatifnya nilai konstanta. Jika negatif maka ada kemungkinan Regresor berlebihan. Artinya Variabel Bebas satu dengan lainnya saling tumpang tindih mengukur konsep yang sama. Juga, indikator-indikator variabel bebas terlampau banyak. Jika memang nilai R-Square nya negatif, maka disarankan untuk menyederhanakan jumlah variabel atau jumlah indikator di dalam masing-masing variabel.
Demikian tanggapan dari saya. Semoga bermanfaat.
Unknown
22.1.14
Salam Pak saya.
Blog Bapak sangat membantu bagi saya. Saya sangat menghargainya. Tetap semangat ya Pak, dan tetap menulis untuk membagi ilmu kepada kami yang perlu bimbingan.
Tentang Regersi Berganda, saya ada beberapa pertanyaan :
- Apakah Persentase Kontribusi X pada Y, selalu dilihat dari Nilai Beta ? Bagaimana menghitung persentasenya bila salah satu X memiliki Significant diatas 0.005/tidak sig
- Bagaimana SPSS menentukan output Beta dengan Metode STEPWISE agar saya bisa melakukan perbadingan dengan Metode ENTER.
Mohon bimbingannya ya Pak. Terimakasih atas bantuannya.
Salam
Lukman
Tangggapan
8.3.14
Salam. Maaf, saya cukup terlambat menanggapi. Rupanya Anda adalah juga yang berkomentar pada Jan 15, 2014 06:31 PM. Mungkin dapat kiranya kami tanggapi berdasarkan nomor pernyataan:
1. Persentase kontribusi umumnya diambil dari R Square x 100%, yang diambil dari Tabel Model Summary. Hal tersebut menjadi lumrah di dalam dunia penelitian untuk keperluan skripsi. Kendati demikian, ada baiknya pula diambil dari nilai Adjusted R Square karena telah melalui serangkaian penyesuaian oleh SPSS.
Lalu, apakah apabila tidak sig. (> 0,05) persentase masih dapat dihitung? Jawaban saya adalah: Bisa. Mengapa bisa? Signifikan atau tidak signifikan ini utamanya terletak pada jumlah sampel. Semakin besar sampel, hasil uji SPSS akan menunjukkan nilai sig. Semakin kecil maka akan sebaliknya. Hasil kesimpulan Anda mungkin dapat disusun sebagai berikut: "Kendati tidak signifikan, VB memengaruhi VT sebesar .... %.
2. Mengenai output Beta dengan metode Stepwise dan Enter, dapat Anda telusuri pada tanggapan saya kepada Anda di sebelah atas komentar ini.
Demikian tanggapan saya. Sama-sama. Salam. Semoga bermanfaat.
Unknown
14.5.14
Terimakasih atas penjelasannya Pak. Saya sangat menghargainya. Tetap menulis Pak saya. Salam
ferdinand
19.2.14
pagi pak saya ingin bertanya
saya mengambil judul penelitian " Pengaruh gaya kepemipinan, komitmen organisasi, dan ketidakpastian lingkungan terhadap hubungan partisipasi anggaran dan kinerja manajerial"
pengujian hipotesis mana yg cocok dan lebih mudah dilakukan antara uji selisih mutlak dan uji residual dengan judul itu pak?
Mohon bantuannya pak. Terima Kasih
Tangggapan
8.3.14
Selamat pagi. Tampaknya Gaya Kepemimpinan (GK), Komitment Organisasi (KO), dan Ketidakpastian Lingkungan (KL) merupakan Variabel-Variabel Moderasi. Misi penelitian Anda kiranya adalah pada efek dari tiga VB ini terhadap hubungan Partisipasi Anggaran. (PA) dan Kinerja Manajerial (KM).
Uji selisi mutlak dengan 3 VB ini mendorong kemunculan multikolineritas. Dengan demikian, alangkah lebih baik apabila uji residual yang dipilih.
Demikian tanggapan dari saya. Semoga bermanfaat.
Anonim
10.3.14
apakh cara - cara di atas untuk semua versi SPSS...soalnya sy punya program SPSS versi 14.0
Tangggapan
10.3.14
Kemungkinan besar sama karena uji regresi termasuk basic di spss. Silakan dicoba saja.
Demikian tanggapan saya. Semoga bermanfaat.
Unknown
19.3.14
terima kasih infonya pak saya.
ada yang ingin saya tanyakan.
saya sedang melakukan penghitungan menggunakan path analysis. pada hipotesiske enam, bunyi hipotesisnya " pengaruh antara X1 terhadap Y melalui X2". rumus yg saya pakai koefisien beta hitung (spss) X1 dikali koefisien beta hitung Y. hasil perhitungan harus dibandingkan dengan koefisien beta tabel dengan sig 0,05 dan df (n-1) = 153.
yang ingin saya tanyakan, bagaimana dan dimana saya bisa menemukan beta tabel tersebut? saya sudah membuka buku-buku statistik dan google, namun blm juga memperoleh jawabannya...
kiranya pak seta bisa membantu. terimakasih sebelumnya pak...
saya
19.3.14
Sebelumnya, juga mohon maaf apabila saya tidak menemukan tabel yang Anda maksud. Namun, sepemahaman saya, nilai beta yang diperoleh berdasarkan perhitungan dengan spss, ada yang telah distandardisasi (standardized). Karena nilai-nilai ini telah distandardisasi maka dari itu mereka (atau perhitungan yang menggunakan mereka) dapat langsung diperbandingkan mana yang lebih besar atau mana yang lebih kecil. Dengan perbandingan tersebut, kesimpulan dapatlah kita tarik.
Apabila Anda tertarik untuk mengetahui perihal standardisasi ini, dapat dilihat pada:
- http://books.google.co.id/books?id=P6JH4qJATiIC&pg=PA309&dq=path+analysis+with+spss&hl=en&sa=X&ei=crwpU87bEMjqiAee-oD4AQ&redir_esc=y#v=onepage&q=path%20analysis%20with%20spss&f=false
Demikian tanggapan dari saya. Sama-sama. Semoga bermanfaat.
hartatyfatshaf
6.4.14
wow amazing menemukan artikel bapak,
Pengetahuan mendalam mengenai regresi linear berganda jadi lebih kaya..
mohon infonya buku perhitungan manual (tanpa SPSS) regresi ganda dengan 4 variabel bebas dan 1 variabel terikat dalam bahasa Indonesia ada nggak pak
Tangggapan
28.4.14
Terima kasih. Untuk perhitungan manual, dapat dilihat pada:
- http://ssantoso.blogspot.com/2009/06/materi-xix-analisis-regresi-dan.html
Kendati bukan 4 VB (hanya 2), langkah-langkahnya dapat diikuti secara jelas.
Demikian tanggapan dari saya. Semoga bermanfaat.
Anonim
18.4.14
assalamu alaykum, pak Seta :)
sgt bermanfaat sekali bg sy penjelasan2 pak Seta diats,
tanpa mengurangi rasa hormat sy,,sy mw bertanya..
1. kata dosen penguji sy,,klw penelitian.y cross sectional tdk bs menjelaskan hubungan sebab akibat. jadi, hanya menjelaskan hubungan antar variabel yg diteliti. nagh sy diminta u/ mencari apa sebenarnya artinya klw "ada hubungan atau tdk ada hubungan" pada hasil uji chi-square?
desain penelitian sy cross sectional yg judul.y Faktor yang berhubungan dengan pemanfaatan ANC.
2. selain itu, klw misal.y hasil uji statistik diperoleh "ada hubungan yang bermakna secara statistik antara variabel x dgn variabel Y. trus, sy tulis dikesimpulan seperti ini "ada hubungan antara variabel x dgn variabel Y (p=0,001). jadi semakin tinggi variabel x maka semakin tinggi variabel y". pas dibaca penguji sy kt.y itu keliru.Nah, bgmn jawaban yg seharus.y sy jelaskan pada bagian kesimpulan?
mohon penjelasan.y,pak :)
saya
28.4.14
Wa'alaikum salaam. Mungkin kami tanggapi per nomor saja:
- Sepengetahuan saya, apa yang disampaikan oleh dosen penguji Anda itu adalah benar. Cross-sectional Research (CSR) umumnya menyelediki sejumlah responden yang berasal dari aneka kelompok berbeda (misalnya berbeda usia, agama, suku bangsa, afiliasi partai politik) tetapi punya karakteristik serupa (misalnya status pekerjaan, status pendidikan, status sosial). Sifat CSR adalah pengamatan (observational) dan kerap disebut sebagai studi deskriptif, bukan penelitian kausalitas. Sebab itu antarvariabel yang diteliti tidak bisa dinyatakan sebab-akibatnya. CSR hanya menggambarkan realitas tetapi tidak menjelaskan hubungan kausalitas yang ada di dalam realitas tersebut. Mengenai "ada hubungan atau tidak ada hubungan" pada hasil uji chi-square, maknanya adalah apabila terjadi perubahan varians dalam X maka akan terjadi perubahan varians pada tingkatan yang sama dalam Y.
- Mengenai hal ini, berhubungan dengan tanggapan mengenai "ada hubungan atau tidak ada hubungan" di nomor 1 sebelumnya.
Demikian tanggapan dari saya. Semoga bermanfaat.
HUKMIAH
18.4.14
assalamu 'alaykum,pak Seta
sy jg mw bertanya nih, semoga bisa diberi pencerahan ats kegalauan sy dgn pertanyaan ini
1. apa artinya klw "ada hubungan" pada hasil uji statistik?
2. klw penelitian.y cross sectional tdk bs mnjlskan hub sebab akibat,,jd bgmn menjelskan hasil uji statistik tsb.
judul sy ttg faktor yang berhubungan dgn pemanfaatan pelayanan antenatal
ada 10 variabel sy uji dgn sampel 95
3. "ada hubungan antara tingkat pengetahuan dengan pemanfaatan ANC. jadi semakin tinggi pengetahuan maka semakin sering memanfaatkan",,tp penguji saya bilang itu salah..trus yg benar.y bagaimana?
#semoga ada jawaban u/ kegalauan sy,pak
terima kasih sebelum.y
saya
28.4.14
Wa'alaikum salaam.
Mungkin berdasarkan nomor saja ya:
- Makna dari "ada hubungan" adalah berbeda dengan "ada pengaruh." "Ada hubungan" mengisyaratkan suatu kondisi bahwa apabila varians dalam variabel X berubah, maka varians dari variabel Y juga mengalami perubahan, tetapi tidak boleh dinyatakan bahwa varians Y berubah karena X berubah. Sifatnya adalah deskriptif, bukan kausatif.
- Cross-sectional Research (CSR) bukan suatu riset yang dimaksudkan untuk menjelaskan hubungan kausatif melainkan sekadar deskriptif. Mendeskriptifkan suatu fenomena, adalah kata lain dari maksud studi ini. Penjelaskan yang memungkinkan dalam kasus Anda adalah, "mendeksripsikan" faktor-faktor yang berhubungan dengan pemanfaat antenatal, bahwa apabila Faktor 1 digunakan maka pelayanan antenatal yang menggejala adalah ... Apabila Faktor 2 digunakan maka pelayanan antenatal yang menggejala adalah ...
- Sekali lagi, dalam studi korelasi, hal yang tersimpul adalah, apabila varians X berubah maka terjadi perubahan serupa pada varians Y. Tapi, tidak bisa dinyatakan bahwa X menyebabkan Y karena residu dalam Y tidak bisa dinilai keterdapatannya di dalam X. Hal yang paling mungkin untuk diutarakan adalah bukan "semakin tinggi" melainkan "terdapat gejala" atau "terdapat kecenderungan" (dan sejenisnya) bahwa apabila Faktor Pengetahuan "berubah" maka "pemanfaatan ANC berubah."
Demikian tanggapan dari saya. Sama-sama. Semoga bermanfaat.
Tas Kamera Murah
20.4.14
Gan,ijin copy ya buat bahan makalah...
saya
28.4.14
Silakan. Semoga bermanfaat.
Anonim
16.6.14
assalamu'alaikum pak seta,
membantu sekali blognya pak, tapi ada yg ingin saya tanyakan pak. saya menggunakan regresi sederhana (1 VT + 1VB) dlm penelitian skripsi saya. menggunakan spss 16 untuk mengolahnya. nah di tampilan hasilnya pak, ada table correlation. yg buat saya bingung:
- apa table correlation ini berpengaruh terhadap hasil model regresi pak?
- apakah table correlation ini bisa diabaikan pak?
- kalau tidak bisa diabaikan apakah bisa membantu hasil penelitian pak, karena nilai corelationnya = -0.116 pak,
mohon bantuan dan penjelasannya pak, terimakasih pak.
wassalam
uyi
Tangggapan
6.9.14
Wa'alaikum salaam. Maaf baru kali ini saya benar-benar sempat untuk aktif di penanggapan atas artikel di atas. Penelitian Anda menggunakan uji regresi sederhana, tanggapan saya atas yang pertama:
- tabel Correlation sebenarnya dapat dimanfaatkan dalam perkiraan awal atas hubungan antara VB dengan VT; tetapi tentu saja tabel ini bukan hasil uji regresi; tabel ini sekadar menggambarkan kuat-lemahnya serta arah hubungan VB dengan VT.
- dapat saja tabel ini diabaikan; akan tetapi dari hasil Anda yaitu nilai korelasi -0,116 dapat diperkirakan bahwa arah hubungan VB dan VT adalah negatif kendati tidak terlampau kuat.
Sama-sama. Semoga bermanfaat.
Unknown
16.6.14
maaf pak, saya mau nanya u/ regresi sederhana? ada atau tidak pak blog milik bapak bahas tentang regresi sederhana, karena skripsi saya X dan Y saja pak.
terima kasih sebelumnya pak.
Tangggapan
6.9.14
Mohon maaf. Artikel saya yang sengaja membicarakan regresi sederhana kebetulah tidak ada. Namun secara prinsip, regresi sederhana cenderung mirip dengan regresi berganda, kecuali untuk masalah multikolinieritas dan autokorelasi.
Sama-sama. Semoga bermanfaat.
Anonim
26.6.14
selamat sore pak.
saya intan.
skripsi saya sampel nya kurang dari 20 pak.
teori pendukung bahwa skripsi boleh 20 sampel ada ngak ya pak?
thanks before
Tangggapan
6.9.14
Selamat sore Intan. Mungkin dapat dirinci ke-20 sampel tersebut digunakan untuk uji korelasi ataukah uji regresi? Apabila uji regresi yang digunakan, maka sayang sekali saya belum pernah menemukan yang menguatkan pendapat bahwa 20 sampel cukup untuk uji regresi. Ada baiknya apabila memungkinkan dapatlah ditambah jumlah sampel tersebut, terlebih apabila penelitian melibatkan 2 VB atau lebih.
Sama-sama. Semoga bermanfaat.
Anonim
31.8.14
maaf pak seta, saya mau bertanya. untuk uji hipotesis saya menggunakan regresi ganda. namun saya punya kendala ketika saya mau mencari kontribusi setiap variabel bebas terhadap variabel terikat karena regresi ganda hanya memunculkan satu yaitu Adjusted R Squarenya ini untuk semua variabel bebas terhadap variabel terikat secara bersama-sama. klo untuk sumbangan setiap varaibel gimana cr menentukannya ? makasi sebelumnya.
Tangggapan
6.9.14
Ada baiknya Anda menganalisis tabel Coefficients, bukan tabel Summary, apabila hendak melihat kontribusi masing-masing VB terhadap VT. Perhatikan nilai di kolom B padaUnstandardized Coefficients. Nilai-nilai tersebut dapat dimasukkan ke dalam persamaan regresi VT = b0 + b1X1 + b2X2 (ini apabila Anda menggunakan 2 VB). Nilai b0 adalah nilai Constant-nya. Nilai b1 dan B2 adalah kontribusi VB 1 dan VB 2 atas VT. Juga, masalah kontribusi ini juga dapat dilihat pada kolom t, bahwa semakin signifikan (< 0,05) dan semakin besar nilai t maka VB yang bersangkutan semakin besar kontribusinya terhadap model regresi.
Sama-sama. Semoga bermanfaat.
yuli
23.10.14
maaf pak basri, saya ingin bertanya. apabila saya regresi menghasilkan unstardrize yang terlalu besar sehingga saat uji normalitas tidak lolos, namun setelah saya hapus perusahaan nya jadi lolos uji normalitas. bolehkah seperti itu? buku apa ya pak yg membahas masalah data ekstrim sperti itu. terima kasih
Tangggapan
24.12.14
Memang, salah satu asumsi uji regresi adalah data berdistribusi normal. Persoalannya adalah kemungkinan bukan pada nilai unstandarized yang terlalu besar melainkan pada data-data yang mengandung outlier, karena ada nilai-nilai ekstrim pada data mentah penelitian. Alangkah baiknya sebelum kita melakukan eliminasi atas sebuah data, terlebih dahulu dilakukan pemeriksaan apakah terdapat nilai ekstrim pada data. Nah, nilai-nilai ekstrim tersebut kemudian dicari asal-usulnya. Jangan-jangan itu terjadi akibat salah ketik, misalnya. Baru apabila yakin dan suatu data merupakan penyebab ketidaknormalan, bisa dipertimbangan pengeliminasian.
Untuk menyikapi data ekstrim seputar nilai ekstrim ini, silakan dipertimbangkan pada link:
- https://fhss.byu.edu/spss%20modeler/chapter%205.pdf
Demikian tanggapan dari saya. Sama-sama. Semoga bermanfaat.
Anonim
2.11.14
terima kasih pak atas tulisanya.. sangat bermanfaat. semoga ilmunya makin berkah..
Tangggapan
24.12.14
Sama-sama. Amin ya Rabb.
Unknown
30.11.14
selamat malam,
saya mau tanya , saya menguji menggunakan uji analisis linier berganda, tapi nilai sig saya terlalu besar sehingga semua hipotesis ditolak.
bagaimana caranya agar nilai sig saya bisa kurang dari 0.05? terimakasih
Tangggapan
24.12.14
Selamat malam Novia.
Memang, cukup banyak masalah yang muncul terkait dengan penggunaan uji analisis linier berganda ini. Salah satu yang cukup kerap terjadi adalah nilai sig. hitung yang lebih besar dari sig. penelitian yang ditetapkan. Persoalan ini, salah satu kemungkinannya adalah timbul dari proporsi sampel dibandingkan dengan jumlah variabel penelitian. Dalam uji regresi dengan 1 VB, sampel ideal adalah kurang lebih 58 minimalnya. Tentu saja, untuk 2 VB, jumlahnya di atas itu. Karakter sig. hitung ini adalah, semakin besar jumlah sampel, maka semakin besar nilai sig. hitung yang dihasilkan. Sebab itu, amat dianjurkan untuk tidak mengambil keputusan seputar pengaruh berdasarkan perbandingan nilai sig. penelitian dengan sig. hitung. Hipotesis sudah pasti ditolak apabila memang demikian.
Juga, kendati bisa, amatlah berat bagi seorang mahasiswa untuk meredesain penelitiannya, karena itu berhubungan dengan kembali turun ke lapangan. Mahasiswa (terutama S-1) umumnya memiliki keterbatasan waktu, tenaga, dan biaya apabila melakukan hal ini. Alangkah baik apabila pengambilan keputusan dalam uji hipotesis menggunakan selain proporsi nilai sig. Namun, ini bukan berarti keputusan yang diambil nantinya menyatakan "secara signifikan." Melainkan, "ada pengaruh" tetapi "tidak signifikan" atau "kurang signifikan." Penelitian tetap sah asalkan keterbatasan-keterbatasan penelitian tetap diungkap di dalam body text skripsi. Juga, alangkah baiknya apabila didiskusikan dengan dosen pembimbing mengenai hal ini.
Demikian tanggapan dari saya. Sama-sama. Semoga bermanfaat.
Unknown
1.12.14
Selamat malam pak, perkenalkan saya Rizky, mau menanyakan, saya sedang menyusun Tugas Akhir pembuatan rumus prediksi VO2Max (konsumsi oksigen maksimal). Apakah ketepatan prediksi dengan regresi linear dapat dinyatakan hanya dengan niai R-kuadarat? Karena nilai R-kuadrat saya sudah mendekati 1. Apakah membutuhkan uji lain, seperti yang bapak jelaskan di atas? Mohn bantuannya ya pak, terimakasih
Tangggapan
24.12.14
Selamat malam Rizky.
- Mengenai masalah "ketepatan" mungkin setiap penelitian yang hanya menggunakan sampel memiliki keterbatasan. Sebab itu dikenal istilah sampling error, taraf keyakinan, signifikansi penelitian, dan sebagainya. Semua menandai adanya kenyataan bahwa setiap penelitian yang menggunakan sampel sebagai basis penarikan datanya mengandung keterbatasan ini.
- Namun, ini tidak mengakibatkan semua penelitian yang menggunakan sampel sebagai tidak tepat menyatakan prediksi. Justru, penelitian diadakan untuk memudahkan prediksi dengan tetap menyadari adanya keterbatasan.
- Mengenai nilai R, apabila saya lebih cenderung tidak menggunakan nilai R untuk memrediksi melainkan Adjusted R Square (ARS). Mengapa demikian? Nilai ARS ini adalah nilai R juga, tetapi ia telah terkoreksi kendati besarannya kerap di bawah R. Untuk pembuktiannya, sesungguhnya relatif mudah.
- Masukkan nilai ARS ke dalam persamaan regresi (rumus Y = ... itu). Implementasikan dalam menghitung konsumsi oksigen maksimal di dalam kasus sehari-hari. Apabila nilai yang dihasilkan tidak logis, maka nilai "R" tersebut dapat dipertanyakan keabsahannya. Demikian pula sebaliknya. Ada pula yang lain misalnya model fit. Namun, saya kira apabila memang proses desain penelitian telah taat asas, maka nilai "R" tersebut sebaiknya diterima sebagai hasil penelitian ilmiah.
Demikian tanggapan dari saya. Sama-sama. Semoga bermanfaat.
Unknown
9.12.14
Selamat malam, Pak Seta.
Salam kenal, saya Rebecca.
Dalam pengolahan data skripsi, Saya menggunakan 3 VB, 1 VT, dg jumlah sample 65 perusahaan, dr tahun 2011 - 2013.
Apakah saya harus merata-ratakan nilai tiap Variabel 3 tahun tsb?
Contohnya, menghitung dulu rata2 Variable X1 thn 2011-203.
Mohon dibantu.. Saya masih kurang mengerti cara mengoperasikan SPSS. Terima kasih, Pak Seta.
Tangggapan
24.12.14
Selamat malam Rebecca.
Kelihatannya data yang akan digunakan dalam uji regresi 3 VB dan 1 VT ini adalah time series data. Alangkah lebih baiknya apabila juga diutarakan hipotesis penelitiannya. Apabila memang data sifatnya time series, maka masing-masing data di setiap tahun sifatnya independen satu sama lain. Sebab itu, tidak bisa dirata-ratakan apabila digabung 2011, 2012, dan 2013. Kuncinya, data di setiap tahun sifatnya independen satu sama lain.
Sebab itu, perata-rataan dilakukan atas tiap variabel di tiap tahun saja. Jadi, apabila terdapat 3 VB, maka dicari nilai rata-rata masing-masing VB di 2011, 2012, dan 2013. Jadi, terdapat 3 rata-rata bagi 3 tahun pengukuran data. Uji regresi apabila time series yang diberlakukan memang sedikit rumit. Apabila memang demikian, dapat dilihat pada link berikut:
- https://datajobs.com/data-science-repo/Time-Series-Analysis-Guide.pdf
atau
- http://calcnet.mth.cmich.edu/org/spss/StaProcTimeSeries.htm
juga
- http://www.opf.slu.cz/vvr/akce/turecko/pdf/Kocurkova.pdf
Namun, apabila memang dapat dipertimbangkan, dapat pula dilakukan 3 kali uji regresi tanpa regresi time series. Misalnya, dilakukan uji atas 3VB dan 1 VT di tahun 2011 saja, 2012 saja, dan 2013 saja. Hasilnya mungkin penelitian akan lebih mudah dan tentu saja, sedikit lebih menyita halaman. Sekali lagi ini tentu berhubungan dengan desain penelitian terutama tujuan dari penelitian yang sudah dirancang.
Demikian tanggapan dari saya. Sama-sama. Semoga bermanfaat.
Unknown
14.12.14
Pak, saya ingin bertanya.
Jika salah satu variabel saya menggunakan rentang skala 1-5, sementara 2 variabel saya yang lain menggunakan rentang skala 1-4, apakah bisa dilakukan analisis regresi? Jika iya, bagaimana langkah yang bisa saya lakukan?
Terima kasih sebelumnya.
Tangggapan
24.12.14
Sepemahaman saya bisa saja. Sebab, di dalam uji regresi nantinya skor total setiap item dan setiap variabel yang diregresikan. Hal tersebut bergantung pada subyek atau obyek yang diteliti. Misalnya, apabila dilakukan penyelidikan atas sikap yang menggunakan Likert scale, ada baiknya seluruh variabel "kompak" yaitu menggunakan 4 tingkatan atau 5 tingkatan. Namun, hal ini berbeda apabila skala yang diuji rasio. Misalnya, pengaruh tinggi dan berat badan terhadap perolehan nilai PPKN siswa. Tinggi badan, berat badan, dan nilai PPKN menggunakan nilai sebenarnya, yang tingkatannya berbeda. Tinggi bisa mengambil nilai dari 120 cm hingga 200 cm; Berat bisa mengambil nilai dari 25 kg hingga 100 kg, dan nilai bisa mengambil nilai antara 0 hingga 100.
Mengenai langkah yang dilakukan, seperti melakukan uji regresi berganda biasa. Tentu saja, rangkaian asumsi uji regresi berganda juga patut diperhatikan.
Demikian tanggapan dari saya. Sama-sama. Semoga bermanfaat.
Andro Saladin
23.12.14
Salam Pak Seta.
Bagaimana bila hasil regresi pada salah satu variabel (X?) pada Standardized Coefficients Beta bernilai negatif. Bagaimana mengukur kontribusinya pada Y. Mohon penjelasanya ya Pak. Terimakasih banyak Pak Seta. Very appreciate, dan Tetap menulis.
Tangggapan
24.12.14
Salam, Andro.
Hasil yang negatif tersebut menyerminkan hubungan negatif antara kedua variabel. Apabila nilai X menaik, maka diprediksi nilai Y akan menurun. Demikian pula sebaliknya. Pengukuran kontribusi (lewat rumus Y = .... itu) dilakukan saja seperti biasa. Hal yang penting adalah diwaspadai nilai negatif tersebut dalam proses penjumlahan, pengurangan, perkalian, ataupun pembagian.
Demikian tanggapan dari saya. Terima kasih atas apresiasinya. Semoga bermanfaat.
anoniiiim
30.12.14
saya ingin tanya uji arah positif atau negatif itu ditentukan oleh beta ? mohon untuk sumber bukunya
Tangggapan
28.5.17
Kiranya memang demikian. Nilai konstanta tersebut, yang pada Unstandardized dihasilkan dari analisis variabilitas pada variabel Y yang kemunculannya akibat skor-skor pada variabel-variabel X. Sumbernya dapat dipakai Andy Field, Discovering Statistics using SPSS (Los Angeles: Sage, 2009) p.238.
Demikian tanggapan saya. Semoga bermanfaat.
helaubudi
15.1.15
Maaf, saya mau bertanya...
Saya menggunakan data panel dan tidak lulus uji autokorelasi dan heterokedasitas.
untuk yang uji autokorelasi, itu hasilnya dL < dW < dU... Setelah di-lag, justru bertambah parah.. Kemudian sembari cari materi, kalau yang di daerah tersebut tidak ada keputusan ada atau tidaknya autokorelasi. Sebaiknya bagaimana, ya? Bisa diabaikan sajakah?
Kemudian yang heterokedasitas, itu polanya harus di bawah sumbu Y dan 0? Punya saya bentuknya kadang seperti garis dan membulat (agak tidak karuan namanya juga data). Apakah itu termasuk kena hetero itu? Tapi, data tidak ada yang keluar dari sumbu Y dan 0.
Mohon bantuannya, terima kasih sebelumnya...
Tangggapan
28.5.17
Memang, inilah tantangannya melakukan uji regresi berganda. Ada serangkaian asumsi yang harus diformulasikan terlebih dahulu. Mengenai autokorelasi, satu hal yang mungkin perlu ditelusuri adalah, apakah secara konseptual, X1 dan X2 memang secara teoretik berbeda? Independen satu sama lain dan bukan sungguh berasal dari satu konsep yang sama? Kemudian, mengenai heterokedastisitas, apabila plot data memiliki pola itu dapat mengindikasikan terjadinya hetero tersebut.
Demikian tanggapan saya. Semoga bermanfaat.
Anonim
25.3.15
pak mau tanya apabila pada uji linearitas nilai Fhitung=Ftabel, bagaimana keputusan ujinnya? terimakasih
Tangggapan
28.5.17
Keputusannya adalah ditolak, yang berarti terjadi linieritas.
Demikian tanggapan saya. Sama-sama. Semoga bermanfaat.
Anonim
12.6.15
judul sy "kontribusi motivasi kerja dan kompetensi sosial terhadap kinerja guru kimia SMA Negeri di kecamatan sebatik dan kecamatan nunukan".jumlah guru kimia SMA Negeri di dua kecamatan tersebut adalah 14.apakah sy bisa menggunakan regresi ganda dengan jumlah guru 14?terima kasih sebelumnya pak..mudah2n ilmux selalu bertambah dan sukses sllu pak
Tangggapan
28.5.17
Memang, jumlah sampelnya cukup minimal. Namun, apabila memang tidak ada lagi hendak bagaimana. Penelitian harus tetap berlangsung. Hal yang terpenting adalah mencegah terjadinya redundancy akibat jumlah sampel yang cukup kecil tersebut. Saran pertama, apakah bisa hanya menggunakan 1 variabel bebas saja? Apabila hanya satu variabel bebas yang diterapkan maka kemungkinan redundancy akan sedikit berkurang. Redundancy dapat dijelaskan sebagai berikut: Apabila jumlah sampel sedikit sementara jumlah variabel banyak, akan terjadi keberlebihan proses perhitungan statistik yang berakibat pada misalnya tidak signifikannya penelitian (alpha < 0,05), nilai R square yang selalu kecil, dan sebagainya. Namun, apabila memang tetap harus menggunakan 2 variabel bebas, disarankan untuk mendesain kuesioner yang tidak terlalu banyak item pernyataan. Buatlah indikator-indikator variabel bebas sesimpel mungkin, dengan total seluruh item pernyataan (baik kedua variabel bebas maupun terikat) tidak melebihi jumlah sampel.
Demikian tanggapan saya. Sukses juga untuk Anda.
Anonim
22.6.15
pak saya jenni, saya mau bertanya. analisi regresi yang saya gunakan analisis berganda, saya ingin mengetahui besarnya hubungan masing masing variabel independen terhadap variabel dependennya pak..
caranya gimana ya pak??
karna kalo hubungan secara bersama sama (seluruh) variabel independen terhadap variabel dependennya bisa dilihat dari model summary. sedangkan untuk melihat hubungan masing masing variabel independennya terhadap variabel dependennya cara nya gimana ya pak??
Tangggapan
28.5.17
Untuk mengetahui nilai masing-masing variabel bebas tersebut, silakan lihat tabel Coefficients, pada kolom t. Bandingkan nilai t hitung dengan t tabel. Untuk yang simultan, silakan lihat tabel ANOVA, yang kolom F.
Demikian tanggapan saya. Semoga bermanfaat.
Al Firqan Anshari
23.8.15
gan, mau nanya. jika kita menggunakan uji korelasi spearmen, kemudian hasil univariat mendapati antara variabel bebas dengan variabel terikat memiliki nilai constant yang keterbalikan. variabel bebas constant positif, sedangkan variabel terikat constant negatif. lalu bagaimana cara mengujinya? apakah ada teori yang menyatakan hasil constant tidak perlu dilakukan uji statistik lagi?
Tangggapan
28.5.17
Sebelumnya, apakah uji statistik yang hendak dilangsungkan adalah uji korelasi Spearman ataukah uji regresi? Dalam kedua uji tersebut dapat saja terjadi hubungan korelasi yang berkebalikan (negatif) dapat juga searah (positif). Keduanya sama-sama sah sebagai hasil pengujian. Yang berbeda adalah sifat hubungan antar variabelnya.
Demikian tanggapan saya. Semoga bermanfaat.
nada faradila
22.10.15
ass..Pak saya.. Saya mau menanyakan gimana ya caranya mengatasi terjadinya autokorelasi? menurut dosen saya, saya disuruh menggunakan statistik durbin watson yang area bebas autokorelasinya antara -2 sampai 2 itu maksudnya gimana ya pak? mohon bantuan penjelasannya ya Pak.. yg kedua bagaimana juga cara yang tepat mengatasi multikolinearitas tanpa merubah sample? trimakasih sebelumnya
Tangggapan
28.5.17
Untuk mencari nilai Durbit-Watson, ikuti langkah melakukan uji regresi berganda pada artikel di atas. Dari hasil inputnya, cari tabel Model Summary. Di sana ada nilai tersebut. Lalu, demikian pula langkah-langkah untuk mengambil keputusannya. Area bebas silakan dilihat pada kurva di atas. Mengenai multikolinieritas, juga silakan melihat nilai VIF yang dihasilkan oleh langkah uji regresi di atas. Batas amannya adalah VIF > 10.
Demikian tanggapan saya. Semoga bermanfaat.
Disclaimer
Diskusi di bawah merupakan pindahan sebagian
dari yang terdapat pada artikel kami :
Silakan berkunjung untuk melihat diskusi lainnya.
Link diskusi Bagian 1 ada di: