Ekonomi Manajemen: Analisis Regresi Linear Berganda Menggunakan SPSS

Nama / NIM : Arfian Adi Saputra / 18510170

Mata Kuliah : Statistik II

Dosen : M. Nanang Choiruddin, SE., MM

Analisis regresi merupakan salah satu teknik analisis yang paling popular di bidang penelitian sekarang. Analisis regresi digunakan untuk menelaskan suatu variable respon (variable terikat / dependent / output) menggunakan satu atau lebih variable input (variable bebas, independent variable / eksogen). Jika variable bebas terdiri dari 1 maka regresi sederhana yang digunakan, dan apabila variable input lebih dari 1 maka regresi ganda yang digunakan.

Program SPSS adalah salah satu program pengolahan statistik yang paling umum digunakan dalam penelitian yang menggunakan data kuantitatif atau data kualitatif yang dikuantitatifkan.

Menurut Wijaya (2011:9) SPSS mulai dikembangkan pada tahun 1960 sebagai salah satu perangkat lunak untuk alat bantu penghitungan secara statistik oleh Norman H. Nie, C. Hadlay serta Date Bent dari Stanford University.

Setelah diinstal di komputer, program ini biasanya memiliki shortcut di desktop atau di Windows taskbar, dengan mengklik ikon START -> PROGRAM FILES -> SPSS Inc. -> SPSS16, maka akan terbuka tampilan.

Selanjutnya klik TYPE IN DATA untuk memasukkan data baru, kemudian, klik OK, maka kita akan mendapatkan dua tampilan standar SPSS16, yaitu tampilan data (DATA VIEW) dan tampilan variable view.

Tampilan Data View digunakan untuk memasukkan dan menyunting data. Cara menggunakan tampilan Data View ini agak mirip dengan MS Excel.

Sedangkan Variable View digunakan untuk memasukkan informasi atribut variabel:

Name: nama variabel

Type: jenis variabel (numerik, tanggal, nominal, teks/string, dsb).

Width: lebar kolom dalam tampilan data view. Secara

otomatis/default biasanya berisi 8 (delapan) karakter.

Decimals: jumlah digit di belakang koma.

Label: penjelasan lebih lanjut dari nama variabel, misalnya: dalam nama variabel berisi RESID, kemudian labelnya diisikan dengan RESPONDENT IDENTITY.

Values: nilai variabel, misalnya: 1= laki-laki,

0=perempuan

Missing: perlakuan untuk nilai yang kosong

Columns: lebar kolom

Align: rata kiri, rata kanan atau tengah.

Measure: ukuran variabel, yaitu skala, ordinal atau nominal.

Pengisian data dilakukan dengan melengkapi variable view. Variabel dan data yang akan diisikan adalah data rasio keuangan beberapa bank selama tiga tahun.

Selanjutnya pengisian data dilakukan dengan menggunakan tampilan Data View.

setelah selesai mengentri data, selalu selalu simpan data dan beri nama file (misalnya: kinerjabank.sav) dengan mengklik gambar disket, atau klik menu FILE -> SAVE atau ketik Ctrl S atau ketik Alt F + S, seperti penggunaan MS Office. File data ini akan memiliki ekstensi .sav.

Untuk keluar dari SPSS16, bisa mengklik gambar silang -> yang ada di pojok kanan atas, atau klik menu FILE -> EXIT.

Analisis regresi linear berganda sebenarnya sama dengan analisis regresi linear sederhana, hanya variabel bebasnya lebih dari satu. Persamaan umumnya adalah:

Y = a + b₁ X₁ + b₂ X₂ +............ + b_n X_n.

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

Langkah Pengujian:

1. Definisikan variabel X dan Y lalu masukkan data ke SPSS.

2. Pilih menu Analyze -> Regression -> Linear.

3. Masukkan variabel Y (Last year sales) ke Dependent dan X1 (Years of experience), X2 (Years of education) ke Independent. Method : Stepwise

4. Klik Statistics.

Regression Coefficient : Estimates Residual : Durbin-Watson

Beri tanda pada Model Fits dan Collinearity Diagnostics.

5. Klik Continue.

6. Klik Plots.

a. Masukkan Sresid ke Y dan Zpred ke X.

b. Beri tanda pada Normal Probability Plot dan Histogram.

7. Klik Continue.

8. Klik Save

ü Predicted value : Standardized

ü Residual : Standardized

ü Prediction Interval: Mean

9. Klik Continue.

10. Klik OK.

11. Hasil Output

Hasil Output Analisis Regresi Berganda

Variables Entered/Removed^a

Model	Variables Entered	Variables Removed	Method
1	Years of education, Years of experience^b	.	Enter

a. Dependent Variable: Last year sales

b. All requested variables entered.

Model Summary^b

Model	R	R Square	Adjusted R Square	Std. Error of the Estimate	Durbin-Watson
1	.988^a	.976	.975	$980.236	2.077

a. Predictors: (Constant), Years of education, Years of experience

b. Dependent Variable: Last year sales

ANOVA^a

Model		Sum of Squares	df	Mean Square	F	Sig.
1	Regression	4106048925.157	2	2053024462.578	2136.648	.000^b
	Residual	102812284.161	107	960862.469
	Total	4208861209.318	109

a. Dependent Variable: Last year sales

b. Predictors: (Constant), Years of education, Years of experience

Coefficients^a

Model	Unstandardized Coefficients		Standardized Coefficients	t	Sig.	Collinearity Statistics
Model	B	Std. Error	Beta	t	Sig.	Tolerance	VIF
1 (Constant)	-8510.838	586.586		-14.509	.000
Years of experience	1874.500	31.239	.919	60.005	.000	.974	1.027
Years of education	609.391	38.237	.244	15.937	.000	.974	1.027

a. Dependent Variable: Last year sales

Interpretasi Output:

1. Koefisien determinasi (R²)

Koefisien determinasi memberikan nilai 0.976 atau sebesar 97.6% kemampuan variabel bebas dalam menjelaskan varians variabel terikatnya. Mempunyai nilai antara 0 – 1 di mana nilai yang mendekati 1 berarti semakin tinggi kemampuan variabel bebas dalam menjelaskan varians variabel terikatnya.

2. Nilai F hitung dan signifikansi

Nilai F hitung (2136.648) > F tabel (3.081) berarti ada pengaruh secara bersama- sama atau simultan secara signifikan variabel bebas terhadap variabel terikat, atau bisa juga dengan signifikansi di bawah 0,05 untuk penelitian sosial, dan untuk penelitian bursa kadang-kadang digunakan toleransi sampai dengan 0,10.

3. Nilai t hitung dan signifikansi

Nilai t hitung (60.005) > t tabel (1.982) Nilai t hitung (15.937) > t tabel (1.982)