9. teknik analisa data (regresi)

5,639 views
5,332 views

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
5,639
On SlideShare
0
From Embeds
0
Number of Embeds
10
Actions
Shares
0
Downloads
73
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

9. teknik analisa data (regresi)

  1. 1. METODOLOGIPENELITIAN BISNIS 1
  2. 2. TEKNIK ANALISIS DATATeknik analisis data ditentukan oleh faktor: Tujuan studi Skala ukur yang digunakan Jumlah variabel 2
  3. 3. Analisis regresiManfaat: Untuk menentukan hubungan kausalitas atau sebab-akibat antara satu variabel terikat dengan satu atau lebih variabel bebas.Misal: penelitian tentang pengaruh motivasi karyawan , perilaku pemimpin, dan kesempatan pengembangan karier terhadap kinerja karyawan (satu variabel terikat dan tiga variabel bebas). 3
  4. 4. Y = a + b1 X1 + b2 X2 + b3 X3+ e di mana Y = kinerja X1 = motivasi X2 = perilaku pemimpin X3 = kesempatan pengembangan karier a = konstanta b1, b2, b3 = koefisien regresi e = variabel penggangguData hasil penelitian terhadap 59 responden sebagai sampel dinyatakanpada tabel berikut ini. 4
  5. 5. DATA APLIKASI CONTOH ANALISIS REGRESI LINEAR BERGANDATabel: Hasil Tabulasi Data Skor Rata-rata untuk Variabel Tergantung dan Variabel Bebas Motivasi Perilaku Pemimpin Kesemp. Kinerja Responden (X1) (X2) Pengemb. Karier (X3) (Y) 1 3,80 3,70 5 3,83 2 4,20 4,20 5 4,17 3 4,33 4,00 5 4,00 4 3,63 3,00 5 3,50 5 4,55 4,10 5 3,83 6 4,10 3,80 4 3,67 7 4,20 3,60 5 4,17 8 4,45 3,90 4 3,67 9 4,35 4,50 5 4,17 10 4,00 4,00 4 4,00 11 3,80 4,00 5 3,67 12 4,00 4,00 4 4,00 13 3,90 3,70 4 3,67 14 4,00 4,00 4 3,67 15 3,90 4,50 5 4,00 16 4,25 4,30 5 3,67 17 3,78 3,40 3 3,33 18 4,25 3,80 5 3,67 19 4,13 3,80 5 3,83 20 3,83 3,90 3 3,33 21 4,55 4,30 5 3,67 22 4,10 4,70 5 4,00 23 3,88 3,70 4 3,67 24 3,88 3,80 4 3,50 25 4,23 3,50 4 3,50 26 3,78 3,90 4 3,83 27 3,88 3,80 4 3,50 28 4,00 4,00 5 4,00 29 4,33 4,10 5 3,83 30 2,23 3,00 4 3,00 (bersambung) 5
  6. 6. Tabel: (lanjutan) Hasil Tabulasi Data Skor Rata-rata untuk Variabel Tergantung dan Variabel Bebas Motivasi Perilaku Pemimpin Kesemp. Kinerja Responden (X1) (X2) Pengemb. Karier (X3) (Y) 31 4,00 4,00 4 3,67 32 3,60 3,70 3 3,33 33 4,35 4,10 5 4,17 34 4,35 4,30 5 4,33 35 4,13 3,70 4 3,17 36 3,25 3,10 3 3,00 37 4,45 4,90 5 4,33 38 2,20 3,00 4 2,83 39 4,15 3,80 3 3,50 40 3,85 3,60 4 3,67 41 4,00 4,30 5 3,67 42 2,43 3,00 5 3,00 43 4,10 3,70 5 3,67 44 4,48 4,40 5 4,00 45 4,00 3,80 4 3,67 46 4,13 3,40 5 4,33 47 4,00 4,00 4 4,00 48 4,00 4,00 4 4,00 49 3,88 3,40 4 3,67 50 4,00 4,00 4 4,00 51 3,25 3,00 3 3,00 52 4,00 4,00 4 4,00 53 4,00 4,00 4 4,00 54 3,90 4,50 5 4,00 55 4,25 4,30 5 3,67 56 3,78 3,40 3 3,33 57 2,43 3,00 5 3,00 58 4,10 3,70 5 3,67 59 2,43 3,00 5 3,00 Catatan: Variabel X1 memiliki 2 indikator 9 butir pernyataan; X2 memiliki 2 indikator 10 butir pernyataan; X3 memiliki 3 indikator 4 butir pernyataan; dan Y memiliki 3 indikator 6 butir pernyataan. 6
  7. 7. Menentukan model/persaman regresi: Menggunakan hasil print out program statistik SPSS Coefficientsa Unstandardized Standardized Coefficients Coefficients Correlations Model B Std. Error Beta t Sig. Zero-order Partial 1 (Constant) .672 .264 2.540 .014 X1 .365 .075 .534 4.892 .000 .749 .551 X2 .209 .095 .253 2.202 .032 .749 .285 X3 .187 .048 .303 3.905 .000 .435 .466 a. Dependent Variable: Y Y = 0,672 + 0,365 X1 + 0,209 X2 + 0,187 X3 7
  8. 8. Nilai Koefisien Determinasi (R2) Model Summaryb Adjusted R Std. Error of Model R R Square Square the Estimate Durbin-Watson 1 .850a .722 .707 .20198 .1755 a. Predictors: (Constant), X3, X1, X2 b. Dependent Variable: YNilai koefisien determinasi (adjusted R square) digunakan untukmenunjukkan variasi nilai variabel tergantung yang dijelaskan oleh variabelbebas. Dari tabel output program ini, disimpulkan bahwa kinerja karyawan dijelaskan oleh motivasi karyawan, perilaku pemimpin, dan pengembangan karier sebesar 70,7%. Sementara itu, sisanya (sebesar 29,3%) dijelaskan oleh variabel lain yang tidak dianalisis dalam model. 8
  9. 9. Uji Model (Uji Koefisien Regresi secara Parsial)Uji model secara serempak dilakukan menggunakan uji F. Caranya denganmembandingkan nilai alfa yang dipilih (misal: 1–10%) dengan nilai Sig. dalam tabelhasil print out program SPSS. Jika nilai Sig. lebih kecil daripada nilai alfa yang dipilihmaka disimpulkan bahwa koefisien regresi variabel bebas secara serempak signifikanmenjelaskan variabel terikat. Sebaliknya, tidak signifikan jika nilai Sig. lebih besardaripada alfa yang pilih. ANOVAb Sum of R Model Squares df Mean Square F Sig. 1 Regression 5.820 3 1.940 47.558 .000a Residual 2.244 55 4.079E–02 Total 8.064 58 a. Predictors: (Constant), X3, X1, X2 b. Dependent Variable: Y Dari tabel output ini, disimpulkan bahwa jika alfa yang dipilih sebesar 1% maka variabel kinerja karyawan secara serempak signifikan (nyata) dijelaskan oleh variabel motivasi karyawan, perilaku pemimpin, dan pengembangan karier. 9
  10. 10. Uji Model (Uji Koefisien Regresi secara Serempak)Uji koefisien regresi secara parsial berarti menguji setiap pengaruh variabel bebasterhadap variabel terikat apakah signifikan atau tidak. Caranya denganmembandingkan nilai Sig. dengan nilai alfa yang dipilih. Jika nilai Sig. lebih kecildaripada nilai alfa yang dipilih, pengaruh variabel bebas itu signifikan terhadapvariabel terikat. Demikian pula sebaliknya. Coefficientsa Unstandardized Standardized Coefficients Coefficients Correlations Model B Std. Error Beta T Sig. Zero-order Partial 1 (Constant) .672 .264 2.540 .014 X1 .365 .075 .534 4.892 .000 .749 .551 X2 .209 .095 .253 2.202 .032 .749 .285 X3 .187 .048 .303 3.905 .000 .435 .466 a. Dependent Variable: Y Tabel output ini menunjukkan bahwa untuk alfa 5% semua nilai Sig. lebih kecil. Dengan demikian, semua variabel bebas (motivasi karyawan, perilaku pemimpin, dan pengembangan karier) berpengaruh signifikan terhadap kinerja karyawan secara parsial. 10
  11. 11. Menentukan pengaruh variabel yang dominandalam model regresi berganda Perhatikan nilai koefisien regresi yang paling besar dalam persamaan itu. Perhatikan signifikansi setiap koefisien tersebut pada setiap variabel. Jika nilai koefisien regresi suatu variabel paling besar di antara yang lain dan signifikan untuk alpha tertentu maka: “variabel itu mempunyai pengaruh yang dominan jika dibandingkan dengan variabel lain terhadap variabel terikat. Y = 0,672 + 0,365 X1 + 0,209 X2 + 0,187 X3 11

×