ANALISIS REGRESI LINEAR DENGAN SPSS

Pada post sebelumnya, kita telah membahas tentang asumsi-asumsi yang harus dipenuhi pada analisis regresi linear sederhana. Dengan dipenuhinya asumsi-asumsi tersebut, maka kita akan memperoleh estimasi parameter yang BLUE (Best Linear Unbiased Estimator).

Kali ini, kita akan mempraktekkan hal tersebut menggunakan aplikasi SPSS 21. Pertama-tama, kita harus menyiapkan datanya (dapat di input secara manual ke SPSS atau di import dari format file lain, seperti Excel). Pada kesempatan kali ini, saya telah menyediakan file latihan yang dapat di download disini. Pada data tersebut, variabel x merupakan biaya iklan, sedangkan variabel y adalah tingkat penjualan.

1. Klik File > Open > Data 
   
   
   Akan muncul Jendela seperti dibawah ini.
   
   
   
   
   
   Kemudian, ganti Files of Type menjadi ekstensi file Excel (ataupun jenis file lainnya, seperti CSV, dll)
2. Lalu pilih file yang akan dilakukan analisis regresi sederhana (dalam hal ini dengan file contoh)
3. Akan muncul tampilan seperti dibawah ini
   
   
   Klik OK, maka file telah dibuka pada SPSS.
4. Lalu, untuk memulai analisis regresi sederhana. Pada Menu Bar, pilih Analyze > Regression > Linear ... Akan muncul jendela seperti dibawah ini
   
   
   
   
   
5. Masukkan variabel tingkatpenjualan pada bagian Dependent (dimana tingkat penjualan sebagai variabel Y), dan variabel biayaiklan pada bagian Independent(s) (dimana variabel biaya iklan merupakan variabel bebas yang mempengaruhi tingkat penjualan).
6. Pada bagian Statistics... , centang bagian Durbin Watson. Pada bagian Plots... centang pada bagian Normal Probability Plot (ini untuk menampilkan plot yang menggambarkan normalitas residual yang dihasilkan)
7. Klik Save >> centang pada Unstandardized Predicted Value dan Unstandardized Residual >> Continue >> OK. Hal ini nanti berguna untuk melihat asumsi Linearitas dan menguji normalitas residual dengan uji statistik tertentu.
   
8. Kemudian, setelah selesai, Maka klik OK. Setelah itu, akan muncul output dan juga akan muncul dua variabel bernama PRE_1 dan RES_1

Sekian postingan kali ini, pada artikel selanjutnya saya akan membahas dan menginterpretasikan output dari hasil kali ini. Semoga postingan kali ini dapat bermanfaat bagi para pembaca.