Analisis Regresi Berganda Menggunakan SPSS (Penelitian terhadap Masyarakat Kelurahan Cemorokandang tentang perilaku masyarakat, dan pengetahuan masyarakat tentang kesehatan terhadap tingkat penyebaran Virus COVID-19.)

Nama / NIM       : Mahmud Yusuf Afif / 18510042

Matakuliah         : Statistik 2

Dosen                : M. Nanang Choiruddin, S.E, M.M

A.      Pengertian Regresi Berganda

Analisis regresi merupakan salah satu teknik analisis data dalam statistika yang seringkali digunakan untuk mengkaji hubungan antara beberapa variabel dan meramalkan suatu variabel (Kutner, Nachtsheim dan Neter, 2004).

Istilah “regresi” pertama kali dikemukakan oleh Sir Francis Galton (1822-1911), seorang antropolog dan ahli meteorologi terkenal dari Inggris. Dalam makalahnya yang berjudul “Regression towards mediocrity in hereditary stature”, yang dimuat dalam Journal of the Anthropological Institute, volume 15, hal. 246-263, tahun 1885. Galton menjelaskan bahwa biji keturunan tidak cenderung menyerupai biji induknya dalam hal besarnya, namun lebih medioker (lebih mendekati rata-rata) lebih kecil daripada induknya kalau induknya besar dan lebih besar daripada induknya kalau induknya sangat kecil (Draper dan Smith, 1992).

Regresi berganda adalah model regresi atau prediksi yang melihatkan lebih dari satu variabel bebas atau prediktor. Istilah regresi berganda dapat disebut juga dengan istilah multiple regression.

Regresi berganda digunakan untuk mengetahui arah dan besar pengaruh dari variabel bebas yang jumlahnya lebih dari satu terhadap variabel terikatnya. Banyak peristiwa di dalam kehidupan sosial ekonomi yang menunjukkan bahwa suatu variabel terikat dipengaruhi oleh banyak variabel bebas

B.      Jenis Regresi Berganda

Regresi berganda sebagai salah satu jenis analisis statistik banyak sekali macamnya, tergantung pada skala data per variabel.

1.       Regresi Linear Berganda

Regresi linear berganda adalah model regresi berganda jika variabel terikatnya berskala data interval atau rasio (kuantitatif atau numerik). Contoh regresi berganda jenis ini adalah: “pengaruh DER dan NPM terhadap Return Saham.”

2.       Regresi Logistik Berganda

Regresi Logistik berganda adalah model regresi berganda jika variabel terikatnya adalah data dikotomi. Dikotomi artinya dalam bentuk kategorik dengan jumlah kategori sebanyak 2 kategori. Misal: Laki-laki dan perempuan, baik dan buruk, ya dan tidak, benar dan salah serta banyak lagi contoh lainnya. Contoh regresi berganda jenis ini adalah: pengaruh rokok dan jenis kelamin terhadap kejadian kanker paru. Dimana rokok kategorinya ya dan tidak, jenis kelamin kategorinya laki-laki dan perempuan, sedangkan kejadian kanker paru kategorinya ya dan tidak.

3.       Regresi Ordinal Berganda

Regresi berganda jenis ini adalah analisis regresi dimana variabel terikat adalah berskala data ordinal. Sedangkan variabel bebas pada umumnya juga ordinal, namun tidak masalah jika variabel dengan skala data yang lain, baik kuantitatif maupun kualitatif. Contoh regresi berganda jenis ini adalah: pengaruh tingkat penghasilan dan usia terhadap tingkat pengetahuan terhadap IT. Dimana tingkat penghasilan sebagai faktor dengan kategori: rendah, menengah dan tinggi. Usia sebagai covariates dengan skala data numerik. Dan tingkat pengetahuan terhadap IT sebagai variabel terikat berskala data ordinal dengan kategori: baik, cukup dan kurang.

4.       Regresi Multi Nominal Berganda

Regresi multinomial berganda adalah jenis regresi dimana variabel terikat adalah data nominal dengan jumlah kategori lebih dari 2 (dua) dan variabel bebas ada lebih dari satu variabel. Jenis regresi ini hampir sama dengan regresi logistik berganda, namun bedanya adalah variabel terikat kategorinya lebih dari dua, sedangkan regresi logistik berganda variabel terikatnya mempunyai kategori hanya dua (dikotomi). Contoh regresi ini adalah: Pengaruh Pendidikan Orang Tua dan Penghasilan Orang Tua terhadap pilihan jurusan kuliah. Dimana pendidikan dan penghasilan orang tua berskala data ordinal dan pilihan jurusan kuliah adalah variabel berskala data nominal lebih dari dua kategori, yaitu: jurusan kesehatan, hukum, sosial, sastra, pendidikan, lain-lain.

C.      Contoh Analisis Regresi Berganda dengan Menggunakan SPSS

Studi kasus (FIKTIF) :

Penelitian terhadap Masyarakat Kelurahan Cemorokandang tentang perilaku masyarakat, dan pengetahuan masyarakat tentang kesehatan terhadap tingkat penyebaran Virus COVID-19. Untuk keperluan tersebut, diedarkanlah sejumlah 20 Kuisioner kepada masyarakat Kelurahan Cemorokandang sebagai responden yang berisi 5 pertanyaan per variabel. Instrumen penelitian menggunakan skala pengukuran dengan Skor: (4) Sangat Setuju, (3) Setuju, (2) Tidak Setuju, dan(1) Sangat TIdak Setuju. Tarag Signifikan 5 %.

                Data dianggap memenuhi asumsi dan Persyaratan analisis yaitu data dipilih secara random, Berdistribusi normal, berpola linier, data sudah homogen dan memiliki pasangan yang sama sesuai dengan subjek yang sama. Data total hasil jawaban variabel perilaku Masyarakat (X₁), pengetahuan masyarakat tentang kesehatan (X₂), dan tingkat Penyebaran Virus COVID-19 (Y) dapat dilihat pada tabel berikut :

No	X1	X2	Y
1	20	20	16
2	15	19	14
3	14	15	19
4	9	18	10
5	17	10	10
6	13	10	12
7	15	14	19
8	12	9	16
9	13	19	20
10	20	12	17
11	17	14	9
12	14	11	15
13	16	12	10
14	12	10	17
15	17	16	10
16	13	13	14
17	13	14	10
18	18	13	17
19	18	18	10
20	16	11	16
TOTAL	302	278	281

Analisis hasil output Regresi Ganda menggunakan SPSS sebagai berikut;

Descriptive Statistics
	Mean	Std. Deviation	N
tingkat Penyebaran Virus COVID-	14.05	3.634	20
perilaku Masyarakat	15.10	2.845	20
pengetahuan masyarakat tentang kesehatan	13.90	3.432	20

a.       Jumlah responden = 20 Orang

b.      Rata rata tingkat penyebaran sebesar 14,05 dengan standar deviasi 3,634. Artinya jika dihubungkan dengan rata-rata tingkat penyebaran sebesar 14,05/orang, maka tingkat intelegensi akan berkisar antara 14,05 3,634 tingkat dengan tingkat keaktifan ekstrakurikuler ratarata 15,1 dan dengan tingkat kemandirian belajar rata-rata 13,9

Correlations
		tingkat Penyebaran Virus COVID-	perilaku Masyarakat	pengetahuan masyarakat tentang kesehatan
Pearson Correlation	tingkat Penyebaran Virus COVID-	1.000	-.016	-.004
	perilaku Masyarakat	-.016	1.000	.136
	pengetahuan masyarakat tentang kesehatan	-.004	.136	1.000
Sig. (1-tailed)	tingkat Penyebaran Virus COVID-	.	.474	.494
	perilaku Masyarakat	.474	.	.284
	pengetahuan masyarakat tentang kesehatan	.494	.284	.
N	tingkat Penyebaran Virus COVID-	20	20	20
	perilaku Masyarakat	20	20	20
	pengetahuan masyarakat tentang kesehatan	20	20	20

a.       Korelasi secara parsial antara variabel perilaku masyarakat (X1) dengan tingkat penyebaran virus COVID-19 (Y) diperoleh nilai sebesar r = 0.016. Hal ini menunjukkan adanya hubungan negatif (tidak searah)  antara (X1) dan (Y).

b.      Korelasi secara parsial antara variabel Pengetahuan masyarakat tentang kesehatan (X2) dengan Tingkat Penyebaran Virus COVID-19 (Y) diperoleh nilai sebesar r = 0.004. Hal ini menunjukkan adanya hubungan negatif (tidak searah)  antara (X2) dan (Y).

Variables Entered/Removeda
Model	Variables Entered	Variables Removed	Method
1	pengetahuan masyarakat tentang kesehatan , perilaku Masyarakatb	.	Enter
a. Dependent Variable: tingkat Penyebaran Virus COVID-
b. All requested variables entered.

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

Model Summaryb
Model	R	R Square	Adjusted R Square	Std. Error of the Estimate	Change Statistics
					R Square Change	F Change	df1	df2	Sig. F Change
1	.016a	.000	-.117	3.842	.000	.002	2	17	.998
a. Predictors: (Constant), pengetahuan masyarakat tentang kesehatan , perilaku Masyarakat
b. Dependent Variable: tingkat Penyebaran Virus COVID-

Korelasi (R) secara simultan antara variabel Perilaku masyarakat (X1) dan Pengetahuan masyarakat tentang kesehatan (X2) terhadap tingkat Penyebaran Virus COVID-19 (Y) diperoleh nilai sebesar r = 0,016. R Square (korelasi koefisien) sebesar 0% menunjukkan kontribusi yang disumbangkan X1 dan X2 kepada Y.

ANOVAa
Model		Sum of Squares	df	Mean Square	F	Sig.
1	Regression	.063	2	.032	.002	.998b
	Residual	250.887	17	14.758
	Total	250.950	19
a. Dependent Variable: tingkat Penyebaran Virus COVID-
b. Predictors: (Constant), pengetahuan masyarakat tentang kesehatan , perilaku Masyarakat

Perbandingan F_hitungdan F_tabel serta sig dan α: F_hitung=0,002<F_tabel=3,59, maka H0 diterima dan Ha ditolak. Sig.= 0,998>α=0,05, makaH0 ditolak dan Ha diterima.

Coefficientsa
Model		Unstandardized Coefficients		Standardized Coefficients	t	Sig.
		B	Std. Error	Beta
1	(Constant)	14.375	5.602		2.566	.020
	perilaku Masyarakat	-.020	.313	-.016	-.064	.950
	pengetahuan masyarakat tentang kesehatan	-.002	.259	-.002	-.007	.995
a. Dependent Variable: tingkat Penyebaran Virus COVID-

Model persamaan regresi untuk memperkirakan tingkat Penyebaran COVID-19 (Y) yang dipengaruhi Perilaku Masyarakat (X) adalah: .

-          Jika seorang tidak giat berperilaku sehat dan tidak tahu tentang kesehatan (X1 dan X2=0), maka diperkirakan tingkat resiko tidak terkontaminasi COVID sebesar 5,602. Sedangkan jika tingkat keaktivan ekstrakurikuler dan kemandirian belajar bertambah 1 poin (X1 dan X2 = 5), maka tingkat intelegensi akan naik menjadi: Y=5,602+0,313X1+0,259X2 =5,602+0,313(5)+0,259(5)=8.462

-          Koefisien regresi sebesar 0,313 dan 0,259 menunjukkan besaran penambahan tingkat resiko tidak terkontaminasi COVID untuk setiap penambahan poin jawaban perilaku masyarakat dan pengetahuan masyarakat tentang Kesehatan.

Residuals Statisticsa
	Minimum	Maximum	Mean	Std. Deviation	N
Predicted Value	13.94	14.16	14.05	.058	20
Std. Predicted Value	-1.877	1.974	.000	1.000	20
Standard Error of Predicted Value	.860	2.461	1.429	.426	20
Adjusted Predicted Value	12.48	17.06	14.06	.930	20
Residual	-5.012	5.917	.000	3.634	20
Std. Residual	-1.305	1.540	.000	.946	20
Stud. Residual	-1.411	1.737	-.001	1.030	20
Deleted Residual	-7.061	7.525	-.015	4.355	20
Stud. Deleted Residual	-1.457	1.858	.000	1.052	20
Mahal. Distance	.002	6.846	1.900	1.781	20
Cook's Distance	.000	.462	.071	.109	20
Centered Leverage Value	.000	.360	.100	.094	20
a. Dependent Variable: tingkat Penyebaran Virus COVID-

Pada bagian ini (tabel Residuals Statistics^a ) mengemukakan ringkasan hasil dari “Predicted Value” (nilai ,yang diprediksi) yang berisi nilai Minimal, Maksimum, Mean, Standar deviation, dan N.

Histogram

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

DAFTAR PUSTAKA

Draper, N. dan Smith, H. 1992. Analisis Regresi Terapan. Edisi Kedua. Terjemahan Oleh Bambang Sumantri. Jakarta: Gramedia Pustaka Utama.

Kutner, M.H., C.J. Nachtsheim., dan J. Neter. 2004. Applied Linear Regression Models.  4th ed. New York: McGraw-Hill Companies, Inc.

Machali, Imam, Dr.,M.Pd. 2015. STATISTIK ITU MUDAH, Menggunakan SPSS Sebagai Alat Bantu Statistik. Yogyakarta: lembaga Ladang Kata

Suharyadi dan Purwanto S.K.2018. Statistika untuk ekonomi dan keuangan Modern, Edisi 3 buku 2. Jakarta:Salemba empat.

Sembiring, R.K. 2003. Analisis Regresi. Edisi Kedua. Bandung: Institut Teknologi Bandung. 

Widarjono, A. 2007. Ekonometrika: Teori dan Aplikasi untuk Ekonomi dan Bisnis. Edisi Kedua. Yogyakarta: Ekonisia Fakultas Ekonomi Universitas Islam Indonesia