REGRESSION /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA COLLIN TOL /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT Emotional /METHOD=ENTER Sense Feel Act /RESIDUALS HISTOGRAM(ZRESID) NORMPROB(ZRESID) /SAVE RESID. Regression Notes Output Created 13-May-2011 22:13:44 Comments Input Data E:\olahdata 2011\andreas\data2.sav Active Dataset DataSet1 Filter Weight Split File N of Rows in Working Data 103 File Missing Value Handling Definition of Missing User-defined missing values are treated as missing. Cases Used Statistics are based on cases with no missing values for any variable used.
Syntax REGRESSION /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA COLLIN TOL /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT Emotional /METHOD=ENTER Sense Feel Act /RESIDUALS HISTOGRAM(ZRESID) NORMPROB(ZRESID) /SAVE RESID. Resources Processor Time 00 00:00:00.672 Elapsed Time 00 00:00:00.688 Memory Required 3220 bytes Additional Memory Required 640 bytes for Residual Plots Variables Created or Modified RES_1 Unstandardized Residual [DataSet1] E:\olahdata 2011\andreas\data2.sav Descriptive Statistics Mean Std. Deviation N Emotional 11.11 2.249 103 Sense 9.59 1.511 103 Feel 9.91.864 103 Act 14.70 2.240 103 Descriptive statistics menggambarkan nilai rata-rata variabel, deviasi standar dan jumlah data variabel dependen dan variabel independen. Correlations Emotional Sense Feel Act
Pearson Correlation Emotional 1.000.088.529.703 Sense.088 1.000.048.129 Feel.529.048 1.000.543 Act.703.129.543 1.000 Sig. (1-tailed) Emotional..188.000.000 Sense.188..317.098 Feel.000.317..000 Act.000.098.000. N Emotional 103 103 103 103 Sense 103 103 103 103 Feel 103 103 103 103 Act 103 103 103 103 Variables Entered/Removed b Variables Variables Model Entered Removed Method 1 Act, Sense, Feel. Enter a. All requested variables entered. b. Dependent Variable: Emotional Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1.725 a.525.511 1.573 a. Predictors: (Constant), Act, Sense, Feel b. Dependent Variable: Emotional Koefisen korelasi R = 0.725 menunjukkan tingkat hubungan variabel dependen dengan variabel independen pada tingkat sangat kuat (0.725) untuk slala 0 1. Kuat lemahnya hubungan dua variabel ditunjukkan oleh nilai Pearson Correlation (R) dimana nilai secara umum dibagi menjadi sbb: 0 0.25 korelasi sangat lemah 0.25 0.50 korelasi moderat 0.50 0.75 korelasi kuat
0.75 1.00 korelasi sangat kuat Nilai R square = 0.525 dari tabel di atas menunjukkan bahwa 52.5 % dari varians Emotional dapat dijelaskan oleh perubahan dalam variabel Sense, feel dan Act. ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 271.010 3 90.337 36.531.000 a Residual 244.815 99 2.473 Total 515.825 102 a. Predictors: (Constant), Act, Sense, Feel b. Dependent Variable: Emotional Uji F dimaksudkan untuk menguji apakah variabel-variabel independen secara bersama-sama berpengaruh signifikan terhadap variabel dependen. Hipotesis: H0: variabel-variabel independen secara bersama-sama tidak berpengaruh signifikan terhadap variabel dependen H1: variabel-variabel independen secara bersama-sama berpengaruh signifikan terhadap variabel dependen Dasar Pengambilan Keputusan Jika probalitasnya (nilai sig) > 0.05 atau F hitung < F tabel maka H0 diterima Jika probalitasnya (nilai sig) < 0.05 atau F hitung > F tabel maka H0 ditolak Keputusan: Pada tabel di atas nilai sig = 0.000 < 0.05, sehingga H0 ditolak, yang
berarti variabel-variabel independen sama berpengaruh signifikan terhadap variabel dependen. Coefficients a Unstandardized Coefficients Model B Std. Error 1 (Constant) -3.015 2.008 Sense.003.104 Feel.544.215 Act.592.083 Coefficients a Standardized Coefficients Collinearity Statistics Model Beta t Sig. Tolerance VIF 1 (Constant) -1.501.136 Sense.002.033.974.983 1.018 Feel.209 2.533.013.704 1.420 Act.589 7.093.000.694 1.440 a. Dependent Variable: Emotional Uji t dimaksudkan untuk menguji apakah variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen. Hipotesis: H0: variabel independen secara parsial tidak berpengaruh signifikan terhadap variabel dependen H1: variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen Dasar Pengambilan Keputusan Jika probalitasnya (nilai sig) > 0.05 atau - t tabel < t hitung < t tabel maka H0 diterima
Jika probalitasnya (nilai sig) < 0.05 atau t hitung < - t tabel atau t hitung > t tabel maka H0 ditolak Keputusan: Pada tabel di atas nilai sig variabel Feel dan Act masing-masing 0.013 dan 0.000 dimana keduanya < 0.05 sehingga H0 ditolak, yang berarti variabel independen Feel dan Act secara parsial berpengaruh signifikan terhadap variabel Emotional. Sedangkan Feel tidak berpengaruh nyata kepada Emotional karena nilai sig = 0.974 > 0.05. Dengan demikian persamaan estimasinya adalah : Emotional = -3.015 + 0.03*Sense + 0.544*Feel + 0.592*Act Multikolinearitas (kolinearitas ganda) berarti adanya hubungan linear yang sempurna di antara variabel-variabel bebas dalam model regresi. Korelasi yang kuat antar variabel bebas menunjukkan adanya multikolinearitas. Jika terdapat korelasi yang sempurna di antara variabel bebas, maka konsekuensinya adalah koefisien-koefisien regresi menjadi tidak dapat ditaksir, nilai standard error setiap regresi menjadi tidak terhingga Ada atau tidak adanya multikolinearitas dapat dilihat dari nilai tolerance yang lebih dari 0.1 atau VIF yang kurang dari 10. Kesimpulan: Berdasarkan nilai VIF yang berada di antara 0.1 dan 10, disimpulkan tidak terjadi multikolinieritas antar variabel independen Sense, Feel dan Act. Collinearity Diagnostics a Model Dimension Eigenvalue Condition Index Variance Proportions
(Constant) Sense Feel Act 1 1 3.965 1.000.00.00.00.00 2.022 13.559.00.70.01.21 3.011 19.394.18.22.08.63 4.003 35.785.82.07.91.16 a. Dependent Variable: Emotional Residuals Statistics a Minimum Maximum Mean Std. Deviation N Predicted Value 6.63 14.24 11.11 1.630 103 Residual -3.874 3.670.000 1.549 103 Std. Predicted Value -2.748 1.921.000 1.000 103 Std. Residual -2.464 2.334.000.985 103 a. Dependent Variable: Emotional Charts
Secara penampakan visual residual berdistribusi normal.
NPAR TESTS /K-S(NORMAL)=RES_1 /MISSING ANALYSIS. NPar Tests Notes Output Created 13-May-2011 22:14:07 Comments Input Data E:\olahdata 2011\andreas\data2.sav Active Dataset DataSet1 Filter Weight Split File
N of Rows in Working Data 103 File Missing Value Handling Definition of Missing User-defined missing values are treated as missing. Cases Used Statistics for each test are based on all cases with valid data for the variable(s) used in that test. Syntax NPAR TESTS /K-S(NORMAL)=RES_1 /MISSING ANALYSIS. Resources Processor Time 00 00:00:00.015 Elapsed Time 00 00:00:00.015 Number of Cases Allowed a 196608 a. Based on availability of workspace memory. [DataSet1] E:\olahdata 2011\andreas\data2.sav One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 103 Normal Parameters a,b Mean.0000000 Std. Deviation 1.54924112 Most Extreme Differences Absolute.125 Positive.044 Negative -.125 Kolmogorov-Smirnov Z 1.269 Asymp. Sig. (2-tailed).080 a. Test distribution is Normal. b. Calculated from data. Uji normalitas (uji Kolmogorov- Smirnov) Uji normalitas adalah untuk melihat apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik adalah memiliki nilai residual
yang terdistribusi normal. Jadi uji normalitas bukan dilakukan pada masing-masing variabel tetapi pada nilai residualnya. Hipotesis: H0: data berdistribusi normal H1: data tidak berdistribusi normal Dasar Pengambilan Keputusan Jika probalitasnya (nilai sig) > 0.05 maka H0 diterima Jika probalitasnya (nilai sig) < 0.05 maka H0 ditolak Keputusan: Pada tabel di atas nilai sig = 0.080 > 0.05, sehingga H0 diterima, yang berarti data residual berdistribusi normal. COMPUTE AbsRes1=abs(RES_1). EXECUTE. REGRESSION /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA COLLIN TOL /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT AbsRes1 /METHOD=ENTER Sense Feel Act /RESIDUALS HISTOGRAM(ZRESID) NORMPROB(ZRESID). Regression Notes Output Created 13-May-2011 22:15:00
Comments Input Data E:\olahdata 2011\andreas\data2.sav Active Dataset DataSet1 Filter Weight Split File N of Rows in Working Data 103 File Missing Value Handling Definition of Missing User-defined missing values are treated as missing. Cases Used Statistics are based on cases with no missing values for any variable used. Syntax REGRESSION /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA COLLIN TOL /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT AbsRes1 /METHOD=ENTER Sense Feel Act /RESIDUALS HISTOGRAM(ZRESID) NORMPROB(ZRESID). Resources Processor Time 00 00:00:00.625 Elapsed Time 00 00:00:00.625 Memory Required Additional Memory Required for Residual Plots 3260 bytes 640 bytes [DataSet1] E:\olahdata 2011\andreas\data2.sav Descriptive Statistics Mean Std. Deviation N AbsRes1 1.2064.96463 103 Sense 9.59 1.511 103 Feel 9.91.864 103
Descriptive Statistics Mean Std. Deviation N AbsRes1 1.2064.96463 103 Sense 9.59 1.511 103 Feel 9.91.864 103 Act 14.70 2.240 103 Correlations AbsRes1 Sense Feel Act Pearson Correlation AbsRes1 1.000 -.237.182 -.046 Sense -.237 1.000.048.129 Feel.182.048 1.000.543 Act -.046.129.543 1.000 Sig. (1-tailed) AbsRes1..008.033.321 Sense.008..317.098 Feel.033.317..000 Act.321.098.000. N AbsRes1 103 103 103 103 Sense 103 103 103 103 Feel 103 103 103 103 Act 103 103 103 103 Variables Entered/Removed b Variables Variables Model Entered Removed Method 1 Act, Sense, Feel. Enter a. All requested variables entered. b. Dependent Variable: AbsRes1 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1.338 a.115.088.92135
Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1.338 a.115.088.92135 a. Predictors: (Constant), Act, Sense, Feel b. Dependent Variable: AbsRes1 ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 10.873 3 3.624 4.269.007 a Residual 84.040 99.849 Total 94.913 102 a. Predictors: (Constant), Act, Sense, Feel b. Dependent Variable: AbsRes1 Coefficients a Unstandardized Coefficients Model B Std. Error 1 (Constant).525 1.177 Sense -.146.061 Feel.320.126 Act -.075.049 Coefficients a Standardized Coefficients Collinearity Statistics Model Beta t Sig. Tolerance VIF 1 (Constant).446.656 Sense -.229-2.396.018.983 1.018 Feel.287 2.548.012.704 1.420 Act -.173-1.524.131.694 1.440 a. Dependent Variable: AbsRes1 Heteroskedastisitas adalah kondisi dimana seluruh faktor gangguan tidak
memiliki varian yang sama. Heteroskedastisitas akan menyebabkan penaksiran koefisien-koefisien regresi menjadi tidak efisien. Pendeteksian ada tidaknya heteroskedastisitas mengunakan uji Glejser yang meregresikan nilai absolute residual terhadap variabel independen. Hipotesis: H0: tidak terjadi heteroskedastisitas H1: terjadi heteroskedastisitas Dasar Pengambilan Keputusan Jika probalitasnya (nilai sig) > 0.05 maka H0 diterima Jika probalitasnya (nilai sig) < 0.05 maka H0 ditolak Keputusan: Pada tabel di atas nilai sig variabel Act 0.131 > 0.05, sehingga H0 diterima, yang berarti tidak terjadi heteroskedastisitas pada variabel tersebut. Sedangkan nilai sig variabel Feel dan Act, masing-masing adalah 0.018 dan 0.012 dimana keduanya < 0.05, sehingga disimpulkan terjadi heteroskedastisitas pada kedua variabel tersebut. Bila signifikansi diturunkan menjadi 0.01 maka disimpulkan tidak terjadi heteroskedastisitas pada kedua variabel tersebut. Collinearity Diagnostics a Variance Proportions Model Dimension Eigenvalue Condition Index (Constant) Sense Feel Act 1 1 3.965 1.000.00.00.00.00 2.022 13.559.00.70.01.21 3.011 19.394.18.22.08.63
4.003 35.785.82.07.91.16 a. Dependent Variable: AbsRes1 Residuals Statistics a Minimum Maximum Mean Std. Deviation N Predicted Value.4943 2.2291 1.2064.32649 103 Residual -1.41192 2.62438.00000.90770 103 Std. Predicted Value -2.181 3.132.000 1.000 103 Std. Residual -1.532 2.848.000.985 103 a. Dependent Variable: AbsRes1 Charts