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
<none>
Weight
<none>
Split File
<none>
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
RES_1
Unstandardized Residual
Modified
[DataSet1] E:\olahdata 2011\andreas\data2.sav
Descriptive Statistics Mean Emotional
Std. Deviation
N
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
Sig. (1-tailed)
Emotional
1.000
.088
.529
.703
Sense
.088
1.000
.048
.129
Feel
.529
.048
1.000
.543
Act
.703
.129
.543
1.000
.
.188
.000
.000
Sense
.188
.
.317
.098
Feel
.000
.317
.
.000
Act
.000
.098
.000
.
Emotional
103
103
103
103
Sense
103
103
103
103
Feel
103
103
103
103
Act
103
103
103
103
Emotional
N
b
Variables Entered/Removed
Model 1
Variables
Variables
Entered
Removed
Method
Act, Sense, Feel
. Enter
a. All requested variables entered. b. Dependent Variable: Emotional
b
Model Summary
Model 1
R .725
R Square a
Adjusted R
Std. Error of the
Square
Estimate
.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 Æ korelasi sangat lemah 0.25 – 0.50 Æ korelasi moderat 0.50 – 0.75 Æ korelasi kuat
0.75 – 1.00 Æ 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.
b
ANOVA Model 1
Sum of Squares
df
Mean Square
Regression
271.010
3
90.337
Residual
244.815
99
2.473
Total
515.825
102
F 36.531
Sig. .000
a
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. Coefficientsa Unstandardized Coefficients Model 1
B (Constant)
Std. Error -3.015
2.008
Sense
.003
.104
Feel
.544
.215
Act
.592
.083 Coefficients
a
Standardized Coefficients Model 1
Beta
Collinearity Statistics t
(Constant)
Sig.
-1.501
.136
Tolerance
VIF
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 Model
Dimension
Eigenvalue
Condition Index
a
Variance Proportions
(Constant) 1
Sense
Feel
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
a
Residuals Statistics Minimum Predicted Value
Maximum
Mean
Std. Deviation
N
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
Act
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
<none>
Weight
<none>
Split File
<none>
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 Alloweda
196608
a. Based on availability of workspace memory.
[DataSet1] E:\olahdata 2011\andreas\data2.sav
One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N Normal Parametersa,b
103 Mean Std. Deviation
Most Extreme Differences
Asymp. Sig. (2-tailed)
1.54924112
Absolute
.125
Positive
.044
Negative Kolmogorov-Smirnov Z
.0000000
-.125 1.269 .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
<none>
Weight
<none>
Split File
<none>
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
3260 bytes
Additional Memory Required for Residual Plots
[DataSet1] E:\olahdata 2011\andreas\data2.sav
Descriptive Statistics Mean AbsRes1
Std. Deviation
N
1.2064
.96463
103
Sense
9.59
1.511
103
Feel
9.91
.864
103
640 bytes
Descriptive Statistics Mean AbsRes1 Sense
Std. Deviation
N
1.2064
.96463
103
9.59
1.511
103
Feel
9.91
.864
103
Act
14.70
2.240
103
Correlations AbsRes1 Pearson Correlation
Sig. (1-tailed)
Feel
1.000
-.237
.182
-.046
Sense
-.237
1.000
.048
.129
Feel
.182
.048
1.000
.543
Act
-.046
.129
.543
1.000
.
.008
.033
.321
Sense
.008
.
.317
.098
Feel
.033
.317
.
.000
Act
.321
.098
.000
.
AbsRes1
103
103
103
103
Sense
103
103
103
103
Feel
103
103
103
103
Act
103
103
103
103
Variables Entered/Removedb
Model 1
Variables
Variables
Entered
Removed
Act, Sense, Feel
Method . Enter
a. All requested variables entered. b. Dependent Variable: AbsRes1
Model Summaryb
Model 1
R .338
R Square a
Act
AbsRes1
AbsRes1
N
Sense
.115
Adjusted R
Std. Error of the
Square
Estimate .088
.92135
Model Summaryb
Model
R
1
.338
Adjusted R
Std. Error of the
Square
Estimate
R Square a
.115
.088
.92135
a. Predictors: (Constant), Act, Sense, Feel b. Dependent Variable: AbsRes1
ANOVAb Model 1
Sum of Squares
df
Mean Square
Regression
10.873
3
3.624
Residual
84.040
99
.849
Total
94.913
102
F
Sig.
4.269
.007
a
a. Predictors: (Constant), Act, Sense, Feel b. Dependent Variable: AbsRes1
Coefficients
a
Unstandardized Coefficients Model 1
B (Constant)
Std. Error .525
1.177
-.146
.061
Feel
.320
.126
Act
-.075
.049
Sense
Coefficientsa Standardized Coefficients Model 1
Beta
Collinearity Statistics t
(Constant)
Sig.
Tolerance
VIF
.446
.656
-.229
-2.396
.018
.983
1.018
Feel
.287
2.548
.012
.704
1.420
Act
-.173
-1.524
.131
.694
1.440
Sense
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 Diagnosticsa 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
a. Dependent Variable: AbsRes1
a
Residuals Statistics Minimum Predicted Value Residual
Maximum
Mean
Std. Deviation
N
.4943
2.2291
1.2064
.32649
103
-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
.16
