Modul 6 Regresi Linier Berganda menggunakan software spss

Analisis regresi linear berganda

1. Dr. Mirza , ST, MM 06 Ekonomi dan Bisnis Manajemen S1 Pembuka Daftar Pustaka Akhiri Presentasi Regresi Linear Berganda dan Asumsi Klasik Statistik Berbasis Komputer

2. Regresi linier berganda dengan SPSS – Analisis regresi linear berganda adalah Salah satu bentuk analisis regresi linier di mana variabel bebasnya lebih dari satu.  Analisis regresi adalah analisis yang dapat digunakan untuk mengukur pengaruh suatu variabel bebas terhadap Variabel tidak bebasnya. Metode analisis ini menjadi salah satu analisis yang banyak digunakan karena alasan mudah dan memiliki kekuatan yang cukup dalam menjelaskan suatu pengaruh suatu variabel bebas ke variabel terikatnya Pendahuluan

3. ASUMSI KLASIK DALAM REGRESI 1. Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penganggu atau residual memiliki distribusi normal. Ada dua cara untuk mendeteksi apakah residual mengikuti berdistribusi normal atau tidak dengan cara analisis grafik dan uji statistik non-parametrik Kolmogrov-Smirnov (K-S). 2. Tidak Terjadi Multikolinearitas Jika model persamaan regresi mengandung gejala multikolinearitas, berarti terjadi korelasi (mendekati sempurna) antar variabel bebas. Cara untuk mendeteksi apakah persamaan regresi memiliki multikolinearitas antar variabel, yaitu dengan melihat nilai variance inflation factor (VIF) dari masing-masing variabel terhadap variabel terikatnya. jika nilai VIF tidak lebih dari 5, maka model tidak terdapat multikoliniearitas.

4. 3. Tidak Terjadi Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lainnya. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas atau tidak terjadi heteroskedastisitas. Untuk menguji ada atau tidaknya heteroskedastisitas melihat grafik plot antara nilai prediksi variabel terikat (dependen) yaitu ZPRED dengan residualnya SRESID. Dasar analisisnya sebagai berikut: Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedastisitas Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas

5. 4. Linearitas Pengujian linearitas berguna untuk melihat apakah spesifikasi model yang digunakan sudah benar atau tidak. Untuk menguji linearitas, penulis menggunakan uji Ramsey. Uji ini bertujuan untuk menghasilkan F-hitung, dengan cara sebagai berikut: Peneliti mesti memperoleh fitted value dari variabel dependen dengan cara lakukan regresi linear, kemudian pilih save dan aktifkan Dfit pada influence statistic. Lalu dari variabel fitted tersebut regresikan bersama sama dengan model semula sebagai variabel independen. Dapatkan nilai R2 untuk menghitung F-statistik dengan rumus sebagai berikut:

6. 5. Tidak Terjadi Autokorelasi Uji Autokorelasi bertujuan untuk mengetahui apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan penganggu pada periode t-1 (sebelumnya). Model Regresi yang baik tidak terjadi autokorelasi. Untuk mendeteksi ada atau tidaknya terjadi autokorelasi dengan Uji Dubit –Watson (DW test). Hipotesis nol Keputusan JIka Tidak ada autokorelasi positif Tolak 0 < DW < dl Tidak ada autokorelasi positif No decision dl< DW < du Tidak ada korelasi negatif Tolak 4 – dl < DW < 4 Tidak ada korelasi negatif No decision 4 – du ≤ DW ≤ 4 - dl Tidak ada Autokorelasi Tidak ditolak Du < DW < 4 - du

7. Kasus Regresi Linear Berganda Mr X, seorang manajer pemasaran merasa bahwa penjualannya pada masa mendatang akan menghadapi persaingan yang semakin ketat karena banyaknya perusahaan yang ikut terjun dalam industri tersebut. untuk menghadapi persaingan tersebut, Mr X menggiatkan kembali program promosi penjualan. masalahnya apakah ketiga kegiatan promosi yaitu iklan, personal selling, dan promosi penjualan mempunyai pengaruh yang berarti terhadap volume penjualan? apabila terdapat pengaruhnya, variabel manakah yang memberikan pengaruh terbesar terhadap volume penjualan? Rumusan Masalah Apakah ada pengaruh yang signifikan antara biaya periklanan, biaya personal selling dan biaya promosi penjualan terhadap peningkatan volume penjualan? Dari ketiga variabel tersebut, variabel manakah yang memberikan kontribusi tertinggi terhadap peningkatan volumen penjualan?

8. I. UJI MULTIKOLONIERITAS LANGKAH-LANGKAH Buka file Datamentah.xls, pilih sheet lamp5_analisis Regresi , blok semua data lalu pindahkan ke SPSS data view. Dari menu utama klik Analyze/ Regression/Linear Masukkan variabel volume penjualan ke kotak dependent Variabel iklan, p_selling, P_penjualan ke kotak independent Klik STATISTICS :🡺 pada regression coefficients, aktivkan covarian matrix dan collinearity diagnostics, abaikan yg lain , klik Continue

9. II. UJI AUTOKORELASI Langkah-langkahnya sbb: Pada menu utama klik Analyze/Regression/Linear Masukkan variabel volume penjualan ke kotak dependent Variabel iklan, p_selling, P_penjualan ke kotak independent KLIK KOTAK statistik, klik durbin Watson Klik OK Print Out Hasil

10. Hasil Output Interpretasi Hasil Nilai alpha = 0,05 untuk pengujian autokorelasi adalah (n=11 dan k =3) Apabila kita lihat tabel Durbin Watson dengan n=11, K=3, maka akan diperoleh nilai dL= 0,658 dan dU= 1,864, sehingga nilai 4 – dU = 4 – 1,864 = 2,136, sedangkan nilai 4- dL = 4 – 0,658 = 3,342. Karena nilai DW terletak antara dU sampai dengan 4 – dU maka tidak terjadi autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .922 a .851 .787 620.35464 2.120 a. Predictors: (Constant), promosipenjualan, personalselling, iklan b. Dependent Variable: volumepenjualan

11. III. UJI HETEROSKEDASITAS Langkah-langkahnya sbb: Lakukan regresi dengan persamaan volume penjualan = f (iklan, personel selling, sales promotion) Tekan tompol PLOTS hingga dilayar tampak tampilan dibawah ini Masukkan variabel SRESID pada kotak pilihan X dan Masukkan variabel ZPRED pada kotak pilihan Y Tekan continue dan abaikan yang lain TekanOK

12. Hasil Output Interpretasi Hasil Berdasarkan hasil scatterplots terlihat bahwa titik-titik menyebar secara acak serta tersebar baiik di atas maupun di bawah angka 0 pada sumbu Y. hal ini disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi. Sehingga model regresi layak untuk memprediksi volume penjulan berdasarkan variabel independen iklan, promosi penjualan, dan sales promotion

13. IV. UJI NORMALITAS Langkah-langkahnya sbb: Dari menu utama klik Analyzee/ non parametric test/ lagcy dialogs Kemudian pilih 1 sample K-S Pada kotak test variabel list, isikan unstandardized residual, dan aktifkan test distribution pada kotak normal Pilih Exact lalu pilih Monte Carlo Pilih OK

14. HASIL OUTPUTNYA Kurva nilai residual terstandardisasi dikatakan menyebar dengan normal jika: Nilai kolmogorov-smirnov Z <= Z tabel atau nilai asym.sig (2-tailed) > α, Karena nilai asym.sig > 0,05, maka nilai residual terstandardisasi dikatakan menyebar secara normal One-Sample Kolmogorov-Smirnov Test   Unstandardized Residual N 11 Normal Parameters a,b Mean .0000000 Std. Deviation 519.02593079 Most Extreme Differences Absolute .244 Positive .244 Negative -.183 Test Statistic .244 Asymp. Sig. (2-tailed) .066 c Monte Carlo Sig. (2-tailed) Sig. .462 d 99% Confidence Interval Lower Bound .449 Upper Bound .475 a. Test distribution is Normal. b. Calculated from data. c. Lilliefors Significance Correction. d. Based on 10000 sampled tables with starting seed 299883525.

15. v. Uji Linear Langkah-langkah sbb: Peneliti mesti memperoleh fitted value dari variabel dependen dengan cara lakukan regresi linear, kemudian pilih save dan aktifkan Dfit pada influence statistic. Lalu dari variabel fitted tersebut regresikan bersama sama dengan model semula sebagai variabel independen. Dapatkan nilai R2 untuk menghitung F-statistik dengan rumus sebagai berikut: F = (R 2 NEW –R 2 OLD)/m (1 – R 2 NEW)/ (n- k) M = jumlah variabel independen yg baru masuk =1 N = jumlah sampel = 11 K = total jumlah variabel independen = 4 R 2 new = nilai r2 setelah ditambahkan dfItt R 2 OLD = R2 SEBELUM DITAMBAHKAN DFITT Dari hasil perhitungan nilai F hitung, kemudian dibandingkan dengan F tabel. Jika F –hitung > F tabel, maka hipotesis nol yang menyatakan bahwa spesifikasi model dalam bentuk fungsi linear ditolak

16. Hasil Outputnya Berdasarkan hasil output di atas menunjukkan bahwa nilai R2New = 0,980 sedangkan R2 old = 0,851 (lihat regresi utama sebelumnya), jumlah variabel independen yang baru masuk adalah 1 yaitu dffit dan n jumlah observasi = 11 dan jumlah parameter k yang baru= 4 sehingga dapat dihitung besarnya F hitung sbb: F hitung = ( 0,980 – 0,851)/ 1 ( 1 – 0,98 )/ (11- 4) = 0,129 0,02/7 = 0,129 0,0029 = 44,49 Sedangkan F tabel dengan degree of freedom (df) = n-k=7 dan jumlah parameter 3 adalah 4,35. Jadi F hitung > F tabel maka dapat disimpulkan bahwa hipotesa nol ditolak dengan berarti model regresi tidak dalam bentuk linear. Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1 .990 a .980 .967 243.58595 a. Predictors: (Constant), DFFIT, personalselling, iklan, promosipenjualan b. Dependent Variable: volumepenjualan

17. TAHAP PENGUJIAN HIPOTESIS DENGAN UJI REGRESI LINEAR BERGANDA Langkah-langkahnya sbb: Pada menu utama klik Analyze/Regression/Linear Masukkan variabel volume penjualan ke kotak dependent Variabel iklan, p_selling, P_penjualan ke kotak independent Abaikan pilihan yang lain, klik OK Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .922 a .851 .787 620.35464 2.120 a. Predictors: (Constant), p_PENJUALAN, P_SELLING, IKLAN b. Dependent Variable: VOL_PENJUALAN ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 1.538E7 3 5125508.459 13.319 .003 a Residual 2693879.168 7 384839.881     Total 1.807E7 10       a. Predictors: (Constant), p_PENJUALAN, P_SELLING, IKLAN b. Dependent Variable: VOL_PENJUALAN

18. Hasil Output dan Interpretasi Hasil HASIL UJI HIPOTESIS HIPOTESIS PERTAMA UJI secara simultan Karena nilai F hitung (13.319) > nilai F tabel (3,59) atau sig (0,003) < = alpha (0,05), maka secara simultan biaya periklanan, personal selling, dan promosi penjualan berpengaruh terhadap volume penjualan Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 10917.437 2963.663   3.684 .008 IKLAN .240 .110 .359 2.185 .065 P_SELLING .154 .142 .166 1.085 .314 p_PENJUALAN .507 .135 .644 3.764 .007 a. Dependent Variable: VOL_PENJUALAN

19. Uji Secara Parsial Nilai T hitung X1 (2,185) > t tabel (1,860) atau sig (0,065) > alpha (0,05) Nilai T hitung X2 (1,656) > t tabel (1,860) atau sig (0,314) > alpha (0,05) Nilai T hitung X3 (3,957) > t tabel (1,860) atau sig (0,007) < alpha (0,05) Maka secara parsial biaya biaya promosi berpengaruh secara signifikan terhadap volume penjualan. Sedangkan biaya iklan (X1) dan biaya personel selling (X2) tidak memiliki pengaruh signifikan terhadap volume penjualan

20. HIPOTESIS KEDUA Dapat diketahui dengan melihat tabel coefficient (beta) dengan nilai sbb: Beta X1 ( biaya periklanan) = 0,24 Beta X2 (persona selling) = 0,154 Beta X3 (promosi penjualan) = 0,507   Karena nilai beta X2 tidak lebih besar dari X1 dan X3, maka hipotesis yang menyatakan biaya promosi penjualan memberikan pengaruh paling berarti terhadap volume penjualan diterima. SEBesar 0,507

21. GhoZali Imam. (2016). Aplikasi Analisis Multivariate dengan Program IBM SPSS 23. Universitas Diponegoro   Suliyanto. (2005). Analisis Data Dalam Aplikasi Pemasaran. Ghalia Indonesia   Sarwono Jonathan. (2012). Metode Riset Skripsi Pendekatan Kuantitatif menggunakan Prosedur SPSS. PT. elex media computindo, kompas gramedia  

22. Dr.Mirza, ST,MM