Analisis Regresi Berganda-Fetiah Dwi Purwansyah

NAMA/NIM       : Fetiah Dwi Purwansyah/18510128

MATA KULIAH   : STATISTIK II

DOSEN                  : M. Nanang Choiruddin, SE.,MM

Analisis Regresi Berganda

PENGERTIAN

Analisis regresi linier berganda adalah suatu metode statistik statistik umum yang digunakan untuk meneliti hubungan antara satu variabel dependen(X₁, X₂,.....,X_K)[1]. Yang merupakan alat analisis peramalan nilai pengaruh antara dua variabel bebas atau lebih terhadap variabel terikat. Dalam rangka membuktikan ada tidaknya hubungan fungsional atau kausal antara dua variabel variabel bebas atau lebih terhadap variabel terikat.[2]

CONTOH KASUS

Penelitian ini dilakukan pada PT. XYZ yang merupakan perusahaan yang bergerak dibidang Heat Exchanger.objek penelitian adalah produk unit heat exchanger. Untuk keperluan mendapatkan datanya diperlukan pengumpulan data melalui wawancara dengan pihak perusahaan mengenaidata-data yang diperlukan untuk melakukan perencanaan jumlah produksi yang akan datang serta data sekunder dari data produksi dan penjualan.

Model regresi linier berganda untuk populasi adalah sebagai berikut:

Y = α + β₁X₁ + β₂X₂ + β₃X₃+ ε_i

Dimana :              Y = jumlah produksi

                                α = konstanta

                                β₁, β_2, β₃ = koefisensi regresi variabel independen

                                X₁ = jumlah kerusakan mesin

                                X₂ = harga bahan baku

                                X₃ = jumlah tenaga kerja

Berikut data-data yang diperoleh dari PT.XYZ :

No.	periode	variabel			Total produksi (Y)
		jumlah kerusakan mesin (X1)	harga bahan baku (X2)	Jumlah tenaga kerja (X3)
1	Mei-13	24	76371781	48	1390
2	Jun-13	20	21228575	24	1217
3	Jul-13	27	87099888	50	2058
4	Agust-13	23	46896084	38	1165
5	Sep-13	23	48879095	55	1409
6	Okt-13	24	114818187	60	1383
7	Nop-13	13	224176979	24	1076
8	Des-13	25	52370461	43	1259
9	Jan-14	28	109207862	66	1627
10	Feb-13	25	377095881	60	1682
11	Mar-14	22	65633794	36	2149

Pengolahan data dilakukan dengan menggunakan software SPSS, dalam pengolahan data dilakukan beberapa pengujian, yaitu koefisien determinasi,uji signifikan simultan (uji statistik F),uji signifikansi(uji statistik-t).[3]

Perhitungan menggunakan SPSS

1.       Masuk ke program SPSS lalu isi data pada kolom responden.

2.       Klik analize > regression > linier

3.       Masukkan variabel Y dalam dependent, dan X pada independent.

4.       Klik statistic, pilih estimates, model fit, R square change, dan descriptive.dan continue.

 

5.     

  Klik plot, masukkan SDRESID pada Y, dan ZPRED pada X. Dan next, masukkan ZPRED pada Y dan DEPENDENT pada X

6.       Klik continue. Lalu klik save.pada pradicted value,pilih unstandarized dan prediction intervals,klik mean dan individu

7.       Jika sudah semua klik oke dan akan muncul hasil output sebagai berikut:[4]

Analisis hasil output regresi ganda

Coefficientsa
Model		Unstandardized Coefficients		Standardized Coefficients	t	Sig.
		B	Std. Error	Beta
1	(Constant)	138,314	808,969		,171	,869
	jumlah kerusakan mesin	72,705	53,714	,826	1,354	,218
	harga bahan baku	9,426E-7	,000	,276	,710	,500
	Jumlah tenaga kerja	-9,379	15,462	-,379	-,607	,563
a. Dependent Variable: Total produksi

Berdasarkan tabel diatas, nilai konstanta 138,314 menyatakan bahwa jika tidak ada variabel kerusakan mesin, harga bahan baku dan jumlah tenaga kerja, maka jumlah produksi sebesar 138,314.

                Nilai koefisien untuk variabel independen kerusakan mesin bernilai positif  sebesar 72,705 hal ini menunjukkan bahwa dengan mengansumsikan diabaikannya variabel independen lainnya. Jika variabel kerusakan mesin semakin berkurang 1 % maka dapat mempengaruhi peningkatan jumlah produksi.

                Nilai koefisien untuk variabel independen harga bahan baku bernilai positif sebesar 9,2700000 hal ini menunjukkan bahwa dengan mengansumsikan diabaikannya variabel independen lainnya. Jika variabel harga bahan baku semakin berkurang 1 % maka dapat mempengaruhi peningkatan jumlah produksi.

                Nilai koefisien untuk variabel  independen jumlah tenaga kerja bernilai negatif sebesar -9,379 hal ini menunjukkan bahwa  dengan mengansumsikan diabaikannya variabel independen lainnya. Jika variabel jumlah tenaga kerja mengalami peningkatan 1 % maka dapat mempengaruhi penurunan jumlah produksi.

Uji korelasi ganda (R) dan uji koefisien determinasi(R²)

Model Summary
Model	R	R Square	Adjusted R Square	Std. Error of the Estimate
1	,547a	,299	-,002	353,168
a. Predictors: (Constant), Jumlah tenaga kerja, harga bahan baku, jumlah kerusakan mesin

                Tabel diatas menunjukkan bahwa R sebesar 0,547 artinya hubungan ketiga variabel independen adalah  sedang terhada jumlah produksi. Lalu R² sebesar 0,299 atau 29,9%.hal ini menunjukkan bahwa presentase sumbangan pengaruh variabel independen (X₁, X₂, dan X₃) yaitu kerusakan mesin. Harga bahan baku dan jumlah tenaga kerja terhadap variabel dependen (Y) yaitu jumlah produksi sebesar 29,9%. Sedangkan sisanya sebesar 70,1% dipengaruhi oleh variabel lain yang tidak dimasukkan dalam  model penelitian.

                Sedangkan untuk hasilpengujian standard error of the estimate merupakan suatu ukuran banyaknya kesalahan  model regresi dalam  memprediksi nilai Y. Sehingga nilai standard error of the estimate sebesar 353,168. Hal ini berarti banyaknya kesalahan dalam prediksi jumlah produksi sebesar 353,168.

Uji signifikasi simultan (uji statistik-F) 

ANOVAa
Model		Sum of Squares	df	Mean Square	F	Sig.
1	Regression	372308,406	3	124102,802	,995	,449b
	Residual	873093,776	7	124727,682
	Total	1245402,182	10
a. Dependent Variable: Total produksi
b. Predictors: (Constant), Jumlah tenaga kerja, harga bahan baku, jumlah kerusakan mesin

                Dalam uji F akan dirumuskan hipotesa awal dan  hipotesa alternatifnya. Yaitu:

H₀ = tidak ada pengaruh secara signifikan antara kerusakan mesin, harga bahan baku dan jumlah tenaga kerja dan jumlah tenaga kerja terhadap jumlah produksi.

H₁ =  terdapat pengaruh secara signifikan antara kerusakan mesin, harga bahan baku dan jumlah tenaga kerja dan jumlah tenaga kerja terhadap jumlah produksi.

                Berdasarkan tabel diatas, nilai F_Hitung adalah 0,995 dan F_Tabel dengan derajat kebebasan (df). Untuk df₁ sebesar 3 dan df₂ sebesar 8 dengan nilai alpha (tingkat kepercayaan) 5%. Sehingga nilai F_tabel adalah 4,35. Sehingga F_hitung < F_Tabel sehingga H₀ diterima. Dengan demikian terbukti bahwa kerusakan mesin, harga bahan baku, dan jumlah tenaga kerja secara bersamaan tidak ada pengaruh yang signifikan terhadap jumlah produksi (Y).

Uji signifikasi (Uji Statistik-t)

                Dalam Uji – T akan dirumuskan hipotesa awal dan  hipotesa alternatifnya.yaitu:

H₀ = secara parsial, tidak ada pengaruh secara signifikan antara kerusakan mesin, harga bahan baku dan jumlah tenaga kerja dan jumlah tenaga kerja terhadap jumlah produksi.

H₁ =  secara parsial, terdapat pengaruh secara signifikan antara kerusakan mesin, harga bahan baku dan jumlah tenaga kerja dan jumlah tenaga kerja terhadap jumlah produksi.

                Berdasarkan tabel anova diatas, diketahui nilai T_hitung adalah  0,995.dan T_tabel dengan derajat kebebasan (df). Adalah  n-k-l atau 11-3-1 = 7, dengan  nilai k adalah jumlah variabel independen, serta nilai alpha 5% uji dua sisi sehingga α adalah 0,025, sehingga T_tabel adalah 2,36462.sehingga F_hitung < F_Tabel untuk:

Coefficientsa
Model		Unstandardized Coefficients		Standardized Coefficients	t	Sig.
		B	Std. Error	Beta
1	(Constant)	138,314	808,969		,171	,869
	jumlah kerusakan mesin	72,705	53,714	,826	1,354	,218
	harga bahan baku	9,426E-7	,000	,276	,710	,500
	Jumlah tenaga kerja	-9,379	15,462	-,379	-,607	,563
a. Dependent Variable: Total produksi

·         Kerusakan mesin sebesar 1,354 > 2,36462. Sehingga H₀ ditolak. Terbukti bahwa kerusakan mesin secara parsial berpengaruh yang signifikan terhadapjumlah produksi.

·         Harga bahan baku sebesar 0,710 > 2,36462. Sehingga H₀ ditolak. Terbukti bahwa harga bahan baku  secara parsial berpengaruh yang signifikan terhadapjumlah produksi.

·         Jumlah tenaga kerja -0,607 < 2,36462.  Sehingga H₀ ditolak. Terbukti bahwa jumlah tenaga kerja  secara parsial tidak berpengaruh yang signifikan terhadapjumlah produksi.

KESIMPULAN

                Hasil penelitian didapatkan persamaan matematika regresi yang mempengaruhi jumlah produksi adalah variabel kerusakan mesin, harga bahan baku, dan jumlah tenaga kerja adalah : Y = a + bX₁+bX₂+ Bx₃ dengan nilai Y = 138,314 + 72,705 + 9,4260000 – 9,379 , hal ini berarti pada nilai konstansta 138,314 menyatakan bahwa jika tidak ada variabel kerusakan mesin,harga bahan baku, dan jumlah tenaga kerja. Maka jumlah produksi sebesar 138,314. Kemudian nilai koefisien untuk variabel independen kerusakan mesin bernilai positif sebesar 72,705 hal ini menunjukkan bahwa dengan mengasumsikan diabaikannya variabel independent lainnya,jika variabel kerusakan mesin semakin berkurang 1% maka dapat mempengaruhi peningkatan jumlah produksi. Selanjutnya nilai koefisien untuk variabel independent harga bahan baku bernilai positif sebesar 9,4260000 hal ini menunjukkan bahwa dengan mengasumsikan diabaikannya variabel independent lainnya,jika variabel harga bahan baku semakin berkurang 1% maka dapat mempengaruhi peningkatan jumlah produksi. Serta nilai koefisien untuk variabel independen jumlah tenaga kerja bernilai negatif yaitu sebesar – 9,379 hal ini menunjukkan bahwa dengan mengasumsikan diabaikannya variabel independent lainnya,jika variabel harga bahan baku semakin berkurang 1% maka dapat mempengaruhi penurunan jumlah produksi sebesar 9,379.

DAFTAR PUSTAKA

Aldi Purnomo, Rochmat. 2016.”Analisis Statistik Ekonomi dan Bisnis dengan SPSS”. Ponorogo: CV. Wade Grup.

Lembang, Ferry Kondo .2011. “ Analisis Regresi Berganda Dengan Metode Stepwise Pada Data HBAT”. Jurnal Barekeng, Vol.5 No.1

Machali, Imam.2015” Statistik Itu Mudah” .Yogyakarta : Ladang kata.

Nirmala Arum Janie, Dyah. 2012.”Statistik Deskriptif & Regresilinier Berganda dengan SPSS” Semarang: Semarang University Press.

Sulistyono, dan Sulistyowati, Wiwik.2017.” Peramalan Produksi dengan Metode Regresi Linier Berganda”. Jurnal universitas Muhammadiyah Sidoarjo. Vol.1 No.2

---

[1] Ferry Kondo Lembang.2011. “ Analisis Regresi Berganda Dengan Metode Stepwise Pada Data HBAT”. Jurnal Barekeng, Vol.5 No.1 Hlm. 16

[2] Dr.Imam Machali, M.Pd.” Statistik Itu Mudah” (Yogyakarta : Ladang kata. 2015) hlm.140

[3] Sulistyono, Wiwik Sulistyowati.2017.”Peramalan Produksi dengan Metode Regresi Linier Berganda”. Jurnal universitas Muhammadiyah Sidoarjo. Vol.1 No.2 hlm.84

[4] Dr.Imam Machali, M.Pd.” Statistik Itu Mudah” (Yogyakarta : Ladang kata. 2015) hlm.141-148