Dimas Hamdan M_18510107_Analisis Regresi Berganda dengan SPSS

“Analisis Regresi Berganda dengan Menggunakan SPSS”

Nama/NIM : Dimas Hamdan Mubarok / 18510107

Mata Kuliah : Statisik II

Dosen : M.Nanang Choiruddin,  SE, MM

                Analisis regresi merupakan salah satu teknik analisis yang paling popular di bidang penelitian sekarang ini. Analisis regresi digunakan untuk menjelaskan suatu variabel respon (variabel terikat / dependent / output) menggunakan satu atau lebih variabel input (variabel bebas, independent variable / eksogen). Regresi linear hanya dapat digunakan pada skala interval dan rasio. Jika variabel bebas terdiri dari 1 maka regresi sederhana yang digunakan, dan jika variabel input lebih dari 1, maka regresi ganda yang digunakan.

                Analisis regresi linier ganda adalah alat analisis peramalan nilai pengaruh antara dua variabel bebas atau lebih (X) terhadap satu variabel terikat (Y) dalam rangka membuktikan ada tidaknya hubungan fungsional atau kausal antara dua variabel bebas atau lebih (X) tersebut terhadap satu variabel terikat (Y). Persamaan umumnya adalah:

Y = a + b1 X1 + b2 X2 + .... + bn Xn.

Dengan Y adalah variabel terikat, dan X adalah variabel bebas, a adalah konstanta (intersept) dan b adalah koefisien regresi pada masing-masing variabel bebas.

Contoh kasus:

Penelitian terhadap mahasiswa UIN Sunan Kaliaga ingin mengetahui apakah terdapat hubungan antara keaktifan organisasi ekstrakurikuler dan kemandirian belajar mahasiswa terhadap tingkat intelegensi mahasiswa FITK. Untuk keperluan tersebut, ia mengedarkan kuisioner kepada 10 siswa sebagai responden yang berisi 10 pertanyaan per variabel. Instrumen penelitian menggunakan skala pengukuran Likert dengan skor: (4) Sangat Setuju, (3) Setuju, (2) Tidak Setuju, dan (1) Sangat Tidak Setuju. Taraf signifikan  = 5%. Data total hasil jawaban variabel keaktifan ekstrakurikuler (X1), kemandirian belajar (X2) dan intelegensi (Y) dapat dilihat pada tabel berikut:

No	X1	X2	Y
1	30	31	39
2	38	35	44
3	40	43	49
4	38	39	45
5	29	32	35
6	33	36	43
7	25	25	33
8	31	30	38
9	24	30	36
10	31	35	40
∑	319	336	402

Penghitungan menggunakan SPSS

1. Masuk ke program SPSS lalu klik variable view pada SPSS data editor

a) Pada kolom name, ketik responden pada baris pertama, X1 pada baris kedua, X2 pada baris ketiga, dan Y pada baris keempat.

b) Pada kolom type untuk kolom responden menjadi string, yang lain tetap.

c) Ubah angka pada kolom decimal menjadi nol.

d) Pada kolom label, kosongkan baris pertama. Ketik Keaktifan Ekstrakurikuler pada baris kedua, Kemandirian Belajar pada baris ketiga, dan Intelegensi pada baris keempat.

e) Pada kolom measure, ubah baris pertama menjadi nominal, baris kedua sampai keempat menjadi ordinal.

2. Pengisian data

a) Klik data view pada SPSS data editor.

b) Pada kolom responden, masukkan semua responden.

c) Pada kolom X1, masukkan nilai total jawaban untuk keaktifan ekstrakurikuler.

d) Pada kolom X2, masukkan nilai total jawaban untuk kemandirian belajar.

e) Pada kolom Y, masukkan nilai total jawaban untuk intelegensi.

3. Pengolahan data

a) Klik Analyze > Regression > Linier.

b) Masukkan Keaktifan ekstrakurikuler (X1) dan Kemandirian Belajar (X2) ke Independent, serta Intelegensi (Y) ke Dependent.

                            

c) Klik Statistics, maka akan muncul kotak dialog “Linear Regression: Statistics”. Pada Regression Coefficients pilih Estimates, Model fit, R square change, dan Descriptive. Klik Continue.

d) Klik Plot Masukkan SDRESID ke kotak Y dan ZPRED ke kotak X, Akan nampak sebagai berikut:

  

e) Klik Next, kemudian masukkan ZPRED ke kotak Y dan DEPENDENT ke kotak X. Pilih Histogram dan Normal probability plot. Jika sudah selesai kemuian Klik Continue.

f) Kemudian klik Continue, sehingga akan muncul kotak dialog “Linear Regression” sebagai berikut:                          

g) Klik Save, pada Predicted Value, pilih Unstandarized dan Prediction Intervals, Klik Mean dan Individu, kemudian Klik Continue. Kemudian Klik Options (pastikan bahwa taksiran probability dalam keadaan deafult sebesar 0,05), kemudian klik Continue.

h) Jika sudah yakin betul klik OK. Kemudian akan muncul hasil output sebagai berikut.

Analisis hasil output Regresi Ganda sebagai berikut

                                Descriptive Statistics

	Mean	Std. Deviation	N
Intelegensia	40,20	5,007	10
Keaktifan Ekstrakulikuler	31,90	5,425	10
Kemandirian Belajar	33,60	5,125	10

Jumlah responden adalah 10 orang dengan rata-rata tingkat intelegensi sebesar 40,2 dengan standar deviasi 5,007. Artinya jika dihubungkan dengan rata-rata tingkat intelegensi sebesar 40,2/orang, maka tingkat intelegensi akan berkisar antara 40,2 5,007 tingkat dengan tingkat keaktifan ekstrakurikuler ratarata 31,9 dan dengan tingkat kemandirian belajar rata-rata 33,6.

                Correlations

			Keaktifan	Kemandirian
		Intelegensia	Ekstrakulikuler	Belajar
Pearson	Intelegensia	1,000	,938	,939
Correlation
	Keaktifan Ekstrakulikuler	,938	1,000	,878
	Kemandirian Belajar	,939	,878	1,000
Sig. (1-tailed)	Intelegensia	.	,000	,000
	Keaktifan Ekstrakulikuler	,000	.	,000
	Kemandirian Belajar	,000	,000	.
N	Intelegensia	10	10	10
	Keaktifan Ekstrakulikuler	10	10	10
	Kemandirian Belajar	10	10	10

Korelasi secara parsial antara variabel keaktifan ekstrakurikuler (X1) dengan intelegensi (Y) diperoleh nilai sebesar r = 0.938, sedangkan variabel kemandirian belajar (X2) dengan tingkat intelegensi diperoleh nilai sebesar r = 0.939. Yang artinya, kedua hal itu menunjukkan adanya hubungan positif (searah) yang kuat, baik antara (X1) dengan (Y, maupun (X2) dengan (Y).

                                                Variable Entered/Removed

Model	Variables Entered	Variables Removed	Method
1	Kemandirian
	Belajar, Keaktifan	.	Enter
	Ekstrakulikulerb

a. Dependent Variable: Intelegensia

b. All requested variables entered

Tabel ini hanya berisi informasi bahwa semua variabel berhasil dimasukkan (entered), tidak ada yang dikeluarkan (removed).

                                Model Summary

			Adjusted	Std.		Change Statistics
		R		Error	R
Model	R		R								Sig. F
		Square		of the	Square	F Change		df1		df2
			Square								Change
				Estimate	Change
1	,968a	,938	,920	1,418	,938	52,582	2		7		,000
a. Predictors: (Constant), Kemandirian Belajar, Keaktifan Ekstrakulikuler
b. Dependent Variable: Intelegensia

Korelasi (R) secara simultan antara variabel keaktifan ekstrakurikuler (X1) dan kemandirian belajar (X2) terhadap tingkat intelegensi (Y) diperoleh nilai sebesar r = 0,968. R Square (korelasi koefisien) sebesar 93,8% menunjukkan kontribusi yang disumbangkan X1 dan X2 kepada Y.

                                Model ANOVA

Model			Sum of	df	Mean Square	F	Sig.
			Squares
1		Regression	211,521	2	105,760	52,582	,000b
		Residual	14,079	7	2,011
		Total	225,600	9

a.     Dependent Variable: Intelegensia

b.      Predictors: (Constant), Kemandirian Belajar, Keaktifan Ekstrakulikuler

Perbandingan F_hitungdan F_tabel serta sig dan α: F_hitung=52,582>F_tabel=4,74, maka H0 ditolak dan Ha diterima. Sig.= 0,00>α=0,05, makaH0 ditolak dan Ha diterima.

                Coefficients

	Model	Unstandardized			Standardized
			Coefficients			t	Sig.
	B				Coefficients
		Std. Error		Beta
1	(Constant)	9,072		3,134		2,895	,023
	Keaktifan	,457		,182	,495	2,512	,040
	Ekstrakulikuler
	Kemandirian Belajar	,493		,192	,505	2,563	,037
a. Dependent Variable: Intelegensia

Model persamaan regresi untuk memperkirakan tingkat intelegensi (Y) yang dipengaruhi keaktifan ekstrakurikuler (X) adalah:

·         Jika seorang siswa tidak aktif di ekstrakurikuler dan tidak belajar mandiri (X1 dan X2=0), maka diperkirakan tingkat intelegensinya sebesar 9,072. Sedangkan jika tingkat keaktivan ekstrakurikuler dan kemandirian belajar bertambah 1 poin (X1 dan X2 = 5), maka tingkat intelegensi akan naik menjadi: Y=9,072+0,457X_1+0,493X_2 =9,072+0,457(5)+0,493(5)=13,912

·         Koefisien regresi sebesar 0,457 dan 0,493 menunjukkan besaran penambahan tingkat intelegensi untuk setiap penambahan poin jawaban keaktifan ekstrakurikuler dan kemandirian belajar.

Residuals Statistics

				Std.
	Minimum	Maximum	Mean	Deviation	N
Predicted Value	32,81	48,53	40,20	4,848	10
Std. Predicted Value	-1,524	1,719	,000	1,000	10
Standard Error of Predicted	,517	,998	,752	,203	10
Value
Adjusted Predicted Value	32,67	48,10	40,05	4,929	10
Residual	-3,087	1,182	,000	1,251	10
Std. Residual	-2,177	,833	,000	,882	10
Stud. Residual	-2,352	1,173	,043	,994	10
Deleted Residual	-3,605	2,342	,154	1,618	10
Stud. Deleted Residual	-4,758	1,212	-,199	1,685	10
Mahal. Distance	,297	3,560	1,800	1,399	10
Cook's Distance	,000	,451	,097	,154	10
Centered Leverage Value	,033	,396	,200	,155	10

a. Dependent Variable: Intelegensia

 Gambar ini (Histogram) menampilkan grafik histogram

Hasil dari Normal Probability – Plot ini menunjukkan penyebaran dari data-data yang ada pada variabel (menggambarkan garis regresi), sebab titik-titik terletak mendekati atau sekitar garis lurus.

Daftar Pustaka

Dr. Imam Machali, M.Pd. 2015. Statistik itu Mudah,Menggunakan SPSS sebagai Alat Bantu Statistik. Yogyakarta. Lembaga Ladang Kata

Echo Perdana K. 2016. Olah Data Skripsi dengan SPSS 22. Pangkalpinang. Lab Kom Manajemen FE UBB

Rochmat Aldy Purnomo,S.E.,M.Si. 2016. Analisis Statistik Ekonomi dan Bisnis Dengan SPSS. Ponorogo. Wade Group

Dyah Nirmala Arum Janie,S.E,M.Si. 2012. Statistik Deskriptif & Regresi Linier Berganda dengan SPSS. Semarang. Semarang University Press

Hendry. APLIKASI REGRESI GANDA DENGAN SPSS. http://teorionline.net