METODOLOGI PENELITIAN SESI 11 Korelasi dan REGRESI Analisis Faktor

1
METODOLOGI PENELITIANSESI 11 Korelasi dan
REGRESIAnalisis Faktor
2
KORELASI

• Analisis ini berguna untuk
• 1. mengetahui apakah diantara dua variabel
  terdapat hubungan.
• 2. Jika terdapat hubungan bagaimana arah
  hubungan.
• 3. Berapa besar hubungan.

3
Jenis Korelasi

• 1. Korelasi Bivariat (berganda)
• a. Data IntervalPearson
• b. Data OrdinalKendal, Spearmen
• 2. Korelasi Parsial

4
KORELASI BIVARIATE

• Pearson corr
• Prosedur Analyze, Correlate, Bivariate, masukkan
  variabel yang diuji, pearson, ok.

5
Output_1

• Hubungan antara Total penjualan Promosi Penjualan
  dilihat dari
• angka signifikansi yaitu sebesar 0,000.
• Bandingkan dengan 5, jika sig lt 5 maka
  terdapat hubungan
• 2. Arah hubungan dilihat dari tanda atau
  didepan angka
• Pearson Corr. Diketahui bahwa hub positif.
• Besarnya hubungan dilihat dari angka pearson
  corr. Yaitu 0,734
• Jika promosi meningkat berhubungan dengan
  peningkatan total penj
• sebaliknya

6
KORELASI PARSIAL

• Untuk mengetahui hubungan dua variabel dimana ada
  satu variabel pengontrol. Yang diasumsikan
  memiliki hubungan tetap.
• Prosedur Analyze, Correlate, Parsial, masukkan
  variabel yg ingin dianalisis, dg jumlah dealer
  sbg pengontrol, kmd two tails, ok.

7
Output_2

• Hubungan antara Total penjualan Promosi Penjualan
  dilihat dari
• angka signifikansi yaitu sebesar 0,000.
• Bandingkan dengan 5, jika sig lt 5 maka
  terdapat hubungan
• 2. Arah hubungan dilihat dari tanda atau
  didepan angka
• Pearson Corr. Diketahui bahwa hub positif.
• Besarnya hubungan dilihat dari angka pearson
  corr. Yaitu 0,648
• Semakin tingginya jml dealer maka kenaikan
  promosi penjualan
• berhubungan dengan peningkatan promosi

8
Pengertian

• Analisis regresi secara umum adalah studi
  mengenai ketergantungan variabel terikat
  (dependen) dengan satu atau lebih variabel
  independen (variabel penjelas/ bebas), dengan
  tujuan untuk mengestimasi dan atau memprediksi
  rata-rata populasi atau nilai rata-rata variabel
  dependen berdasar nilai variabel independen yang
  diketahui (Gujarati, 2003)

9

• Hasil analisis regresi adalah berupa koefisien
  untuk masing-masing variabel independen.
  Koefisien ini diperoleh dengan cara memprediksi
  nilai variabel dependen dengan suatu persamaan,
  koefisien regresi dihitung dengan tujuan
• meminimumkan penyimpangan antara nilai aktual
  dan nilai estimasi variabel dependen berdasarkan
  data yang ada (Tabachnic, 1996).

10
Regresi Vs Korelasi

• Korelasi bertujuan untuk mengukur kekuatan
  hubungan linier antara dua variabel. Korelasi
  tidak menunjukkan hubungan fungsional atau dengan
  kata lain analisis korelasi tidak membedakan
  variabel dependen dan independen.
• Dalam regresi, selain mengukur kekuatan hubungan
  dua variabel atau lebih, juga menunjukkan arah
  hubungan antara variabel dependen dan independen
• Teknik estimasi variabel dependen yang melandasi
  analisis regresi disebut ordinary least squares
  (OLS). Inti metode OLS adalan mengestimasi suatu
  garis regresi dengan jalan meminimalkan jumlah
  dari kuadrat kesalahan setiap observasi terhadap
  garis tersebut.

11
Menilai Goodness of Fit Suatu Model

• Ketepatan fungsi regresi sampel dalam menaksir
  nilai aktual dapat diukur dari goodness of
  fitnya. Secara statistik, setidaknya dapat diukur
  dari nilai koefisien determinasi (R2), nilai
  statistik F dan nilai statistik t.
• Perhitungan statistik disebut signifikan secara
  statistik apabila uji statistiknya berada dalam
  daerah kritis (daerah dimana Ho ditolak).
• Sebaliknya disebut tidak signifikan bila nilai
  uji statistiknya berada dalam daeerah dimana Ho
  diterima

12
koefisien determinasi (R2)

• Koefisien determinasi pada intinya mengukur
  seberapa jauh kemampuan model dalam menerangkan
  variasi variabel dependen
• Uji Signifikansi simultan (F) pada dasarnya
  menunjukkan apakah semua variabel independen atau
  bebas yang dimasukkan dalam model memiliki
  pengaruh secara bersama-sama terhadap variabel
  dependen

13
Regresi

• Berganda

14

• Uji F Signifikan
• Uji t Signifikan

15
(No Transcript)
16
Analisis Faktor

• Variabel / atribut penjualan diteliti
• Layout pertokoan,
• kelengkapan barang yang dijual,
• harga barang,
• pelayanan karyawan toko,
• pelayanan kasir,
• promosi,
• image dan
• kebersihan.

17
Analisis Faktor

• Analyze, Data reduction, faktor.
• masukkan variabelnya, kmd pilih diskriptif, isi
  dengan KMO danAnti image, extractionPricipal
  Component, Corr matriks, Unrotated FFac solution
  dan Scree plot. Eigenvalues dan max iteration
  tetap. Kmd rotation, varimax, Rotated sol,
  Loading plot, iterasi tetap

18

• Asumsi yang mendasari dapat tidaknya digunakan
  analisis faktor adalah data matriks harus
  memiliki korelasi yg cukup, uji Barletts
  merupakan uji statistik untuk menentukan ada
  tidaknya korelasi antar variabel dapat dilihat
  dari
• Angka KMO dan Barlet gt0,5
• Signifikansi lt 5
• Jika indikator diatas terpenuhi maka menunjukkan
  bahwa analisis faktor untuk masing-masing quest
  dapat dilanjutkan
• MSA (Measure of Sampling Adequacy)
• -MSA 1, variabel dp diprediksi tanpa
  
• kesalahan
• -MSA gt0,5 dp diprediksi dianalisis
• -MSAlt0,5 tdk dapat diprediksi
• dianalisis

19
Anti Image, angka diagonal gt 0,5
20

• Dari tabel diatas, terlihat bahwa angka diagonal
  menunjukkan angka gt 0,5 yang berarti bahwa
  seluruh quest dapat diuji untuk dikelompokkan.
• Jika terdapat quest yang lt0,5 maka quest tersebut
  dikeluarkan dari analisis, kemudian dilakukan
  pengujian ulang dengan analisis faktor. Pengujian
  ulang dilakukan Sampai semua angka diagonal
  menunjukkan gt0,5

21
Lihat varian yang dapat menjelaskan komponen yg
dibentuk, pada ekstraksi ke 3, analisis kemudian
sudah tdk dapat dilanjutkan lagi krn sudah lt1
22

• Tabel diatas menunjukkan bahwa ekstraksi
  dilakukan untuk melihat banyaknya pengelompokan,
  tabel diatas menunjukkan ada 3 kelompok
• Loading masing-masing fakor menunjukkan tase
  kemampuan menjelaskan

23
Component matrik, lihat loading yang mana yg
besar dan masuk komponen mana.
24
Rotated semakin memperjelas pengelompokkan