CONTOH SOAL DAN JAWABAN UJI REGRESI MEMAKAI SPSS

SOAL!

Salsberry Realty menjual rumah di sepanjang pantai timur Amerika Serikat. Salah satu pertanyaan yang paling sering diajukan oleh calon pembeli adalah: Jika kita membeli rumah ini, berapa banyak biaya yang dikeluarkan untuk menghangatkan rumah selama musim dingin? Departemen penelitian di Salsberry telah diminta untuk mengembangkan beberapa pedoman mengenai biaya pemanasan untuk rumah keluarga tunggal.

Tiga variabel dianggap berhubungan dengan biaya pemanasan: (1) suhu rata-rata harian di luar, (2) jumlah inci isolasi di loteng, dan (3) usia dalam tahun tungku.

Untuk menyelidiki, departemen riset Salsberry memilih sampel acak dari 20 rumah yang baru dijual untuk menentukan biaya menghangatkan setiap rumah di bulan Januari.

 

Sampel

JAWAB

 

 

Tests of Normality
	Kolmogorov-Smirnova			Shapiro-Wilk
	Statistic	df	Sig.	Statistic	df	Sig.
cost	,103	20	,200*	,962	20	,588
temperature	,133	20	,200*	,952	20	,405
insulation	,157	20	,200*	,972	20	,792
age	,118	20	,200*	,975	20	,855
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
Setelah dilakukan uji normalitas maka dapat disimpulkan bahwa sampel dari riset salsberry memiliki data yang normal.

 

 

Descriptive Statistics
	Mean	Std. Deviation	N
cost	205,25	105,859	20
temperature	37,20	17,410	20
insulation	6,35	2,477	20
age	7,00	3,340	20

 

 

Variables Entered/Removedb
Model		Variables Entered	Variables Removed	Method
dimension0	1	age, insulation, temperaturea	.	Enter
a. All requested variables entered.
b. Dependent Variable: cost

 

 

Model Summary
Model		R	R Square	Adjusted R Square	Std. Error of the Estimate
dimension0	1	,897a	,804	,767	51,049
a. Predictors: (Constant), age, insulation, temperature

 

Uji Interaksi

Pada output model summary , koefisien determinasi besarnya adjusted R² terbesar adalah 0,767, hal ini berarti 76,7 % variasi Cost yang dapat dijelaskan oleh variasi variabel independent age,insulation, dan temperature.

 

ANOVAb
Model		Sum of Squares	df	Mean Square	F	Sig.
1	Regression	171220,473	3	57073,491	21,901	,000a
	Residual	41695,277	16	2605,955
	Total	212915,750	19
a. Predictors: (Constant), age, insulation, temperature
b. Dependent Variable: cost

 

Pada tabel diatas memperoleh hasil bahwa antara cost dan ketiga variabel (age,insulation,temperature) memiliki tingkat korelasi yang sangat kuat karena regresi berjumlah 0,897^a dengan arah korelasi positif, dan terjadi secara searah, sehingga dapat disimpulkan bahwa semakin tinggi Y (cost) maka X (age,insulation,temperature) juga akan semakin tinggi.

 

Correlations
		cost	temperature	insulation	age
Pearson Correlation	cost	1,000	-,812	-,257	,537
	temperature	-,812	1,000	-,103	-,486
	insulation	-,257	-,103	1,000	,064
	age	,537	-,486	,064	1,000
Sig. (1-tailed)	cost	.	,000	,137	,007
	temperature	,000	.	,333	,015
	insulation	,137	,333	.	,395
	age	,007	,015	,395	.
N	cost	20	20	20	20
	temperature	20	20	20	20
	insulation	20	20	20	20
	age	20	20	20	20

 

Coefficientsa
Model		Unstandardized Coefficients		Standardized Coefficients	t	Sig.
		B	Std. Error	Beta
1	(Constant)	427,194	59,601		7,168	,000
	temperature	-4,583	,772	-,754	-5,934	,000
	insulation	-14,831	4,754	-,347	-3,119	,007
	age	6,101	4,012	,193	1,521	,148
a. Dependent Variable: cost

Pada tabel diatas yang diperhatikan adalah signifikasi nya. Sehingga diperoleh hasil sebagai berikut :

1.      Dimana dalam hal ini signifikasi Temperature  berjumlah 0,00 sehingga secara teori ketika jumlah signifikasi >0,05 maka dapat disimpulkan terdapat hubungan yang signifikan antara cost dan Temperature.

2.      Signifikasi pada Insulation berjumlah 0,137 sehingga dapat disimpulkan bahwa terdapat hubungan yang tidak signifikan diantara cost dan Insulation.

3.      Signifikasi pada Age berjumlah 0,007 sehingga di dapatkan hasil bahwa antara cost dan Age tidak terdapat hubungan yang signifikan.

 

A.    Koefisien regresi untuk suhu luar rata-rata adalah 4,583. Koefisiennya negatif dan menunjukkan hubungan terbalik antara biaya pemanasan dan suhu. Ketika suhu luar meningkat, biaya untuk memanaskan rumah berkurang. Nilai numerik dari koefisien regresi memberikan lebih banyak informasi. Jika kita meningkatkan suhu sebesar 1 derajat dan menahan dua variabel independen lainnya konstan, kita dapat memperkirakan penurunan $ 4,583 dalam biaya pemanasan bulanan. Jadi jika suhu rata-rata di Boston adalah 25 derajat dan itu adalah 35 derajat di Philadelphia, semua hal lain adalah sama (isolasi dan usia tungku), kami berharap biaya pemanasan akan menjadi $ 45,83 lebih rendah daripada di Philadelphia.

B.     Variabel isolasi loteng juga menunjukkan hubungan terbalik: semakin banyak isolasi di loteng, semakin sedikit biaya untuk memanaskan rumah. Jadi tanda negatif untuk koefisien ini adalah logis. Untuk setiap inci tambahan isolasi, kami memperkirakan biaya untuk memanaskan rumah menurun $ 14,83 per bulan, terlepas dari suhu luar atau usia tungku.

C.     Usia variabel tungku menunjukkan hubungan langsung. Dengan tungku yang lebih tua, biaya untuk memanaskan rumah meningkat. Khususnya, untuk setiap tahun tambahan tungku yang lebih tua, kami memperkirakan biaya meningkat $ 6,10 per bulan.