Sabtu, 11 April 2020

Analisis Regresi Linear Berganda Menggunakan SPSS_Erwin Maulana Rozak/18510054


Nama / NIM                       : Erwin Maulana Rozak / 18510054
Mata kuliah                        : Statistik II
Dosen pengampu               : M. Nanang Choiruddin, SE., MM

Analisis Regresi Linear Berganda Menggunakan SPSS
A.     Pengertian Analisis Regresi
         Salah satu analisis yang sering digunakan dalam penelitian kuantitatif adalah analisis regresi. Regresi merupakan istilah yang diperkenalkan oleh Francis Galton dengan hukumnya yang bernama “Hukum Regresi Universal”. Pengertian Regresi menurut Gujarati & Porter (2012) adalah “Analisis yang berkaitan dengan studi mengenai ketergantungan satu variabel dependen, terhadap satu atau lebih variabel independen dengan tujuan untuk mengestimasi dan/atau memperkirakan nilai rata-rata dari populasi variabel dependen dari nilai yang diketahui atau nilai tetap dari variabel independen.[1]
         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 membantu peneliti (analys) dalam meramalkan, memprediksikan, atau memperkirakan tentang apa yang akan terjadi di masa yang akan datang berdasarkan data-data statistik yang didapatkan pada masa lalu atau sekarang untuk membantu dalam pengambilan keputusan. Analisis Regresi ini dapat menjadi salah satu cara untuk memprediksi seberapa besar perubahan pada variabel terikat (dependent) akibat pengaruh variabel bebas (independent). Regresi sederhana dapat dianalisis karena didasari oleh hubungan fungsional atau hubungan sebab akibat (hubungan kausal) antara variabel bebas (X) dan variabel terikat (Y).[2]
B.     Pengujian Data Dengan Analisis Regresi Linier Berganda Menggunakan SPSS.
Pengujian data dengan analisis regresi linier berganda dapat dicontohkan sebagai berikut ini:
         Penelitian terhadap mahasiswa UIN Sunan Ampel ingin mengetahui apa- kah 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 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 sig- nifikan = 5%.
        

Data total hasil jawaban variabel keaktifan ekstrakurikuler (X1), ke- mandirian 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

1)     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”
Ø  Pada Regression Coefficients pilih Estimates, Model fit, R square change, dan Descriptive.
Ø  Klik Continue.
Ø  Klik Plot
Ø  Masukkan SDRESID ke kotak Y dan ZPRED ke kotak X
Ø  Klik Next, kemudian masukkan ZPRED ke kotak Y dan DEPENDENT ke kotak X.
Ø  Pilih Histogram dan Normal probability plot. Jika sudah selesai kemuian Klik Continue
Ø  Kemudian klik Continue, sehingga akan muncul kotak dialog “Linear Regression”
Ø  Klik Save, pada Predicted Value, pilih Unstandarized dan Prediction Intervals, Klik Mean dan Individu, kemudian Klik Continue.
Ø  Klik Options (pastikan bahwa taksiran probability dalam keadaan deafult sebesar 0,05), kemudian klik Continue.
Ø  Jika sudah yakin betul klik OK.
2)     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
a)     Jumlah responden= 10 orang
b)     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 rata- rata 31,9 dan dengan tingkat kemandirian belajar rata-rata 33,6.
Correlations

Intelegensia
Keaktifan Ekstrakulikuler
Kemandirian Belajar
Pearson Correlation
Intelegensia
1,000
,938
,939
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

c)      Korelasi secara parsial antara variabel keaktifan ekstrakurikuler (X1) dengan intelegensi (Y) diperoleh nilai sebesar r = 0.938. Hal ini menunjukkan adanya hubungan positif (searah) yang kuat antara (X1) dan (Y).
d)     Korelasi secara parsial antara variabel kemandirian belajar (X2) dengan tingkat intelegensi diperoleh nilai sebesar r = 0.939. Hal ini menunjukkan adanya hubungan positif (searah) yang kuat antara (X2) dan (Y).
Variables Entered/Removeda
Model
Variables Entered
Variables Removed
Method
1
Kemandirian Belajar, Keaktifan Ekstrakulikulerb

.

Enter
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


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
,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.
ANOVA
Model
Sum of Squares
Df
Mean Square
F
Sig.
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 B
Unstandardized Coefficients

Standardized Coefficients

T

Sig.
Std. Error
Beta
1
(Constant)
9,072
3,134

2,895
,023
Keaktifan Ekstrakulikuler
,457
,182
,495
2,512
,040
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: .
a.    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
b.      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

Minimum

Maximum

Mean
Std. 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 Value
,517
,998
,752
,203
10
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
Pada bagian ini (tabel Residuals Statisticsa ) mengemukakan ringkasan hasil dari “Predicted Value” (nilai ,yang diprediksi) yang berisi nilai Minimal, Maksimum, Mean, Standar deviation, dan N.











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
Purwanto. 2019. Analisis Korelasi dan Regresi Linier Dengan SPSS 21. (Magelang: StaiaPress. E-book).
Imam Machali. 2015. Statistik Itu Mudah : Menggunakan SPSS Sebagai Alat Bantu Statistik.        (Yogyakarta: Lembaga Ladang Kata. E-book).
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


[1] Purwanto. Analisis Korelasi dan Regresi Linier Dengan SPSS 21. (Magelang: StaiaPress. 2019. E-book). hlm. 31.
[2] Imam Machali. Statistik Itu Mudah : Menggunakan SPSS Sebagai Alat Bantu Statistik. (Yogyakarta: Lembaga Ladang Kata. 2015. E-book). hlm. 127.

di
Label:

4 komentar:

Langganan: Posting Komentar (Atom)

Review Jurnal Analisis Opsi dan Future Nama / NIM : Yuni Mega Lestari / 17510175 Mata Kuliah : Analisis Sekuritas Dosen Mata Kuliah ...