ANALISIS MULTIPLE REGRESSION/REGRESI LINIER BERGANDA DENGAN LISRELL 9.1

ANALISIS MULTIPLE REGRESSION/REGRESI LINIER BERGANDA DENGAN LISRELL 9.1

Malam sobat, nah di kesempatan yang indah ini, saya mau ngeposting lagi.. Nah, kali ini mengenai Multiple Regression (Analisis Regresi Berganda) dengan menggunakan aplikasi Statistik Lisrell 9.1, STATA 10 dan SPSS 16.

Biar efektif, ayok kita mulai sekarang ya hehehe...

Menginput data secara manual ke dalam program Lisrell tentu sangat merepotkan karena secara prosedur inputan, lebih ribet jika dibandingkan dengan SPSS atau STATA..

Nah. Caranya adalah sobat lakukan import data dari file yang sudah ada ( misalnya dalam xls, dalam sav spss, dalam dta stata). Tampilan awal Lisrell hanya berisi menu File, View dan Help. Nah, buka menu file, pilih import data dan cari dimana sobat menaruh data untuk pengujian..

Berikut gambarannya:

Nah, selanjutnya kita klik Open dan simpan Data dengan nama Data untuk Regresi Linier Berganda dengan format .lsf (format untuk Data Lisrell).

Dalam Lisrell, nama variabel dibatasi pada delapan alfabet sehingga disarankan sobat jangan sampai keliru nantinya dalam mengolah data dengan menyesuaikan variabel (bebas dan terikat). Setelah tersimpan dalam format .lsf, maka akan muncul tampilan seperti berikut:

 Default skala data pada Lisrell adalah Ordinal (Bertingkat) sedangkan skala data yang kita pakai adalah data berskala Rasio sehingga kita harus terlebih dulu mendefinisikan seluruh data variabel ke dalam skala Continuous.  Caranya klik kanan pada variabel dan klik Define Variable, lalu klik Variable Type dan sobat pilihlah yang Continuous..

Selanjutnya, sobat klik menu Statistics, Regression dan akan muncul jendela Regression. Nanti, masukkan variabel produksi sebagai variabel Y (terikat) dan variabel tng_kerja (tenaga kerja), Biaya_BA (pengeluaran untuk membeli bahan baku) dan biaya_ME (pengeluaran untuk mesin).

Selanjutnya tinggal mengklik Run, dan akan muncul output sebagai berikut:

Lisrell sudah menghasilkan output regresi langsung ke dalam sebuah model. 

PRODUKSI =  - 0.211  + 0.0280*TNG_KERJ + 1.149*BIAYA_BB + 0.842*BIAYA_ME

Dalam Lisrell urutan output yang dihasilkan adalah uji parsial t lalu uji keseluruhan (uji F).  Kendati demikian tetap terlebih dulu kita memerhatikan uji F nya karena apabila hasil uji F signifikan ( lebih kecil dari alpha 0,05) maka kita baru lanjutkan ke uji t.. 

Dengan perkataan lain, kalau seandainya uji F saja sudah tidak signifikan, tidak perlu kita lanjutkan lagi ke uji t. 

Pada output, tidak seperti SPSS yang langsung menampilkan signifikansi, maka kita perlu sebentar membandingkan nilai F hitung dengan nilai F tabelnya. Nah, nilai F hitung adalah 369,868.

Caranya bisa dengan bantuan Excel dengan cukup mengetik 

=FINV(0,05;jumlah var bebas; n-jumlah parameter)=FINV(0,05;3;46) = 2,806845.

Ternyata hasilnya adalah nilai Fhitung>Ftabel sehingga kita menolak hipotesis nol dan menyimpulkan bahwa uji F sudah signifikan (minimal ada satu variabel bebas yang memengaruhi variabel terikat).

Sekarang lihat output uji t (nilai p value)

Kita lihat bahwa nilai p value variabel biaya bahan baku dan biaya mesin lebih kecil daripada alpha 0,05 sehingga kedua variabel ini secara statistik signifikan memengaruhi variabel produksi. Sementara, variabel tenaga kerja secara statistik tidak signifikan memengaruhi variabel produksi. Dalam statistik perlu sobat tahu, jika suatu variabel bebas tidak secara signifikan memengaruhi, itu bukan berarti sama sekali tidak ada pengaruh ya hehehe,, inget pengaruhnya tetap ada, hanya saja sangat kecil. 

Untuk interpretasi model, cukup kita mengintepretasikan variabel yang signifikan saja..

PRODUKSI =  - 0.211  + 0.0280*TNG_KERJ + 1.149*BIAYA_BB + 0.842*BIAYA_ME

·  Variabel biaya bahan baku.

Nilai koefisien variabel bahan baku +1,149. Ingat koefisien variabel bebas juga menunjukkan arah hubungan variabel bebas dengan variabel terikat. (dalam hal ini + >> berbanding lurus).

Jadii, setiap kenaikan pengeluaran bahan baku sebesar 1 juta rupiah akan menaikkan nilai produksi sebesar 1,149 juta rupiah atau satu juta seratus empat puluh sembilan ribu rupiah.

· Variabel biaya mesin

Sama halnya dengan biaya bahan baku, nilai koefisien adalah +0,842 (arah hubungan berbanding lurus dengan variabel terikatnya). Jadi, setiap kenaikan pengeluaran mesin sebesar 1 juta rupiah akan menaikkan nilai produksi sebesar 0,842 juta atau 842 ribu rupiah)

Oke deh sobat semua.. Itu yang bisa saya jelasin,, Kurang lebihnya postingan ini, saya mohon maaf ya.. Sangat diharapkan adanya saran/kritik/pertanyaan agar ke depannya, saya bisa semakin lebih baik dalam  postingan-postingan selanjutnya.. 

Oiya nanti bakal saya posting lagi Multiple Regression dengan program STATA10 buat wawasan dan pembanding aja hehehe..

Semoga bermanfaat, sukses.. Salam manis dari saya :-)