• Graduation

    Institut Teknologi Sepuluh Nopember

  • Final Project Presentation

    Final Project Presentation, Department of Statistics, Institut Teknologi Sepuluh Nopember

  • My Lecturer in Department of Statistics, ITS

    Asian Mathematical Conference 2016, July 25-29 2016, Bali, Indonesia

  • Asian Mathematical Conference

    Asian Mathematical Conference 2016, July 25-29 2016, Bali, Indonesia

Rabu, 18 Juli 2018

Analisis Regresi Linier Sederhana (Part 1)

sumber gambar : https://medium.freecodecamp.org
A. Definisi
Analisis Regresi digunakan untuk menganalisia bentuk hubungan antara dua variabel atau lebih. Dalam hal lain, analisis regresi juga dapat digunakan untuk meramalkan fenomena atau kejadian berdasarkan model regresi yang terbentuk. Dalam analisis regresi terdapat variabel Independent/Bebas (yang mempengaruhi) dan variabel Dependent/Terikat (yang dipengaruhi) biasanya diotasikan X dan Y.

B. Informasi yang diperoleh
     
Dalam melakukan analisis regresi, terdapat beberapa informasi yang bisa diperoleh antara lain:
-          Model/persamaan regresi yang dianalisis menggunakan analisis regresi
-          Tingkat signifikansi pengaruh seluruh variabel independent terhadap variabel dependent
-          Tingkat signifikansi pengaruh masing-masing variabel independent
-          Arah pengaruh masing-masing variabel independent terhadap variabel dependent
-          Besaran pengaruh keseluruhan variabel independent terhadap variabel dependent
-     Besaran pengaruh masing-masing variabel independent terhadap variabel dependent

C. Syarat/Asumsi dalam Analisis Regresi

Analisis regresi merupakan metode statistika parametrik yang membutuhkan beberapa syarat dalam proses analisisnya. Syarat-syarat atau asumsi tersebut sering disebut Asumsi Klasik :
-          Asumsi Normalitas Data
Asumsi Normalitas data mensyaratkan sebaran data harus berdisribusi normal agar dapat digunakan dalam analisis statistik parametrik.
-          Asumsi Autokorelasi
Asumsi Autokorelasi mensyaratkan tidak adanya hubungan antara variabel dengan perubahan waktu/pengamatan dalam model regresi.
-          Asumsi Heteroskesdasitas
Asumsi Heteroskesdasitas mensyaratkan varian dari residual untuk semua pengamatan model regresi memiliki varian yang sama.
-          Asumsi Multikoliniertias
Asumsi Multikolonieritas mensyaratkan tidak adanya hubungan yang kuat antara variabel independen dalam sebuah model regresi.
-          Asumsi Normalitas Residual
      Asumsi Normalitas Residual mensyaratkan sebaran residual dalam model regresi sederhana memiliki sebaran distribusi normal


Analisis Regresi Linier Sederhana digunakan untuk menguji sejauh mana pengaruh/hubungan linier sebab akibat antara satu variabel bebas (independent) dengan variabel terikat (dependent).

Contoh hubungan:
Pengaruh/Hubungan antara Motivasi Kerja dengan Produktivitas Kerja
Pengaruh/Hubungan antara Pelayanan Karyawan dengan Loyalitas Nasabah
Pengaruh/Hubungan antara Etika Kerja dengan Kepuasan Konsumen

Tahapan dalam menganalisis regresi linier sederhana dijelaskan pada bagan tahapan berikut:




Tahapan-tahapan analisis tersebut akan dijelaskan pada artikel selanjutnya.

Rabu, 06 Desember 2017

Uji Normalitas : Tahapan Uji Normalitas dan Uji Hipotesisnya


Uji normalitas bertujuan untuk mengetahui apakah sebaran distribusi sekumpulan data mengikuti sebaran distribusi normal atau tidak. Dalam pengaplikasiannya, uji normalitas biasanya digunakan untuk menguji sekumpulan data atau sekumpulan residual hasil pemodelan.

Uji normalitas yang digunakan untuk menguji data bertujuan untuk mengetahui apakah data tersebut normal atau tidak. Hal tersebut biasanya digunakan untuk pengambilan keputusan apakah teknik analisis menggunakan statistika paramaterik atau non-parametrik.
Sedangkan uji normalitas residual digunakan untuk mengecek apakah sebuah pemodelan sudah layak digunakan atau tidak.

Tahapan uji normalitas menggunakan SPSS tergolong mudah yaitu sebagai berikut:
1.      Copy  data contoh yang dapat didownload disini


2.      Kemudian Paste ke SPSS


3.      Berikan nama variabel di kotak dialog Variable View dengan Biaya_Iklan dan Penjualan


4.      Klik AnalyzeNon-Paramteric Tests – Legacy Dialogs – 1-Sample KS


5.      Setelah itu masukan variabel X1, X2, X3 dan X4 ke dalam kotaks Test Variable List. Kemudian pada kotak Test Distribution pilih Normal. Selanjutnya klik OK.



6.      Setelah itu akan muncul hasil sebagai berikut



Hasil uji hipotesis normalitas dapat dilihat sebagai berikut
H0                   : Sebaran data berdistribusi Normal
H1                   : Sebaran data tidak berdistribusi Normal
Alpha              : 0,05 (5%)
P-Value
Kriteria Uji
Keputusan
0,844
P-Value (0,844) > Alpha (0,05)
H0 diterima
0,508
P-Value (0,508) > Alpha (0,05)
H0 diterima
0,512
P-Value (0,512) > Alpha (0,05)
H0 diterima
0,159
P-Value (0,159) > Alpha (0,05)
H0 diterima

Kriteria Uji      : H0 ditolak jika nilai P-Value < alpha (0,05)
Kesimpulan     : dengan taraf signifikansi 5% maka dapat disimpulkan bahwa sebaran variabel X1, X2, X3 dan X4 mengikuti sebaran distribusi normal.

Penulis : Dani Al Mahkya

Sabtu, 02 Desember 2017

Analisis Korelasi : Tahapan-tahapan Analisis Korelasi Pearson dan Informasinya


Analisis Korelasi merupakan salah satu teknik analisis statistik yang digunakan untuk melihat atau mencari hubungan antara beberapa variabel yang bersifat kuantitatif. Sama halnya dengan teknik analisis statistik lainnya, analisis korelasi juga dibedakan menjadi dua yaitu korelasi parametrik dan korelasi non-parametrik. Untuk pembahasan statistik parametrik dan non-parametrik akan dibahas pada artikel selanjutnya.
Pada pembahasan kali ini, akan digunakan korelasi parametrik yaitu korelasi pearson dengan asumsi bahwa data yang akan diuji telah memenuhi asumsi-asumsi parametrik.

Dalam analisis korelasi, akan didapatkan beberapa informasi yaitu :
-          - Tingkat signifikansi hubungan
-          - Arah hubungan
-          - Besar koefisien hubungan

Menurut Sugiyono (2017), kriteria koefisien korelasi dibedakan menjadi :

Koefisien Korelasi
Tingkat Hubungan
0,00 – 0,199
Sangat Rendah
0,20 – 0,399
Rendah
0,40 – 0,599
Sedang
0,60 – 0,799
Kuat
0,80 – 1,000
Sangat Kuat

Contoh Kasus :
Terdapat sebuah teori yang menyatakan bahwa terdapat hubungan yang positif antara biaya periklanan yang dikeluarkan dengan jumlah nilai penjualan. Berdasarkan teori tersebut, seorang bos toko serba ada akan menguji fenomena keadaan tokonya, apakah sesuai dengan teori atau tidak. Data yang diperoleh adalah laporan keadaan biaya periklanan dan jumlah perolehan penjalan setiap minggu selama 20 minggu.


Tahapan-tahapan analisis
1.      - Download data contoh disini


2.      - Copy data contoh yang terdapat dalam berkas microsoft excel kemudian paste ke SPSS


3.      - Berikan nama variabel di kotak dialog Variable View dengan Biaya_Iklan dan Penjualan


4.      - Setelah itu klik Analyze – Correlate – Bivariate


5.      - Pindahkan variabel Biaya_Iklan dan Penjualan ke kotak Variables


6.      - Karena diasumsikan bahwa data yang akan diuji telah memenuhi asumsi-asumsi parametrik, maka   dipilih metode Pearson dan arah pengujian Two-Tailed


7.      - Setelah itu klik OK

Kemudian akan muncul hasil output sebagai berikut:


Informasi yang dapat diambil:

Tingkat Signifikansi Hubungan
H0                   : Tidak ada hubungan signifikan antara Biaya_Iklan dengan Penjualan
H1                   : Terdapat hubungan signifikan antara Biaya_Iklan dengan Penjualan
Alpha              : 0,05 (5%)
P-Value           : 0,036 (Nilai Sig. 2-tailed)
Kriteria Uji      : H0 ditolak jika nilai P-Value < alpha (0,05)
Keputusan       : H0 ditolak karena nilai P-Value (0,036) < alpha (0,05)
Kesimpulan     : dengan taraf signifikansi 5% maka dapat disimpulkan bahwa terdapat hubungan yang signifikan antara Biaya_Iklan dengan Penjualan.

Arah Hubungan
Informasi ini didapatkan dari tanda (+/-) koefisien korelasinya. Karena koefisien korelasi nya adalah 0,471 atau +0,471 maka arah hubungannya adalah positif.

Besar Koefisien Hubungan

Informasi ini didapatkan dari koefisien korelasi sebesar 0,471. Berdasarkan kriteria koefisien korelasi yang diusulkan Sugiyono (2017) maka dapat disimpulkan bahwa besar hubungannya adalah sedang.

Penulis : Dani Al Mahkya

Pustaka :
Sugiyono. 2017. Metodo Penelitian Kuantitatif, Kualitatif dan R&D. Cetakan ke-25. Alfabeta.Bandung.