KHI SAMUDIN SARIFUL ANAM_18510148_RESUME REGRESI BERGANDA DENGAN MENGGUNAKAN SPSSAN

ANALISIS REGRESI BERGANDA MENGGUNAKAN SPSS

Nama              : Khi Samudin Sariful Anam

NIM                  : 18510148

Mata kuliah    : statistik 2

Dosen              : M. NANANG CHOIRUDDIN,SE.,MM

ISI RESUMAN

            Regresi linier berganda adalah regresi yang mempunyai hubungan antara satu variabel tidak bebas Y dengan beberapa variabel lain yang bebas X1, X2,.... , Xn. Sebagai contoh bahwa harga kebutuhan bahan pokok tergantung kepada beberapa variabel misalnya jumlah pasokan, jumlah permintaan, letak produksi dan lain lain. Analisis yang membahas tersebut dapat dibawa ke analisis regresi linier berganda.

·         Kegunaan Analisis Regresi Linear Berganda

 Analisis Regresi Linear Berganda digunakan untuk mengukur pengaruh antara lebih dari satu variabel prediktor (variabel bebas) terhadap variabel terikat.

Rumus:

Y = a + b1X1+b2X2+…+bnXn

 Y = variabel terikat

a = konstanta

b1,b2 = koefisien regresi

X1, X2 = variabel bebas

·         Contoh regresi berganda tidak menggunakan SPSS:

Seorang Manajer Pemasaran deterjen merek “ATTACK” ingin mengetahui apakah Promosi dan Harga berpengaruh terhadap keputusan konsumen membeli produk tersebut?

·         Hipotesis:

 Ho : β1 = β2 = 0, Promosi dan Harga tidak berpengaruh signifikan terhadap keputusan konsumen membeli deterjen merek “ATTACK”. Ha : β1 ≠ β2 ≠ 0, Promosi dan Harga berpengaruh signifikan terhadap keputusan konsumen membeli deterjen merek “ATTACK”.

Data Kasus

No.  Responden	Promosi  (X1)	Harga  (X2)	keputusan konsumen (Y)
1	10	7	23
2	2	3	7
3	4	2	15
4	6	4	17
5	8	6	23
6	7	5	22
7	4	3	10
8	6	3	14
9	7	4	20
10	6	3	19
jumlah	60	40	170

Tabel pembantu

no. Resp	X1	X2	Y	X1Y	X2Y	X1X2	X1^2	X2^2
1	10	7	23	230	161	70	100	49
2	2	3	7	14	21	6	4	9
3	4	2	15	60	30	8	16	4
4	6	4	17	102	68	24	36	16
5	8	6	23	184	138	48	64	36
6	7	5	22	154	110	35	49	25
7	4	3	10	40	30	12	16	9
8	6	3	14	84	42	18	36	9
9	7	4	20	140	80	28	49	16
10	6	3	19	114	57	18	36	9
jumlah	60	40	170	1122	737	267	406	182

∑Y= an + b1 ∑ X1 + b2 ∑ X2 ∑ X1Y = a ∑ X1 + b1 ∑ X21 + b2 ∑ X1 X2 ∑X2Y = a ∑ X2 + b1 ∑ X1 X2 +b2 ∑X22

170 = 10 a  + 60 b₁ + 40 b₂……………………. (1)

1122 = 60 a  + 406 b₁ + 267 b₂….………….. (2)

737 = 40 a  +267 b₁ + 182 b₂……..………….. (3)

·         Persamaan (1) dikalikan 6, persamaan (2) dikalikan 1:

1020    = 60 a + 360 b₁  + 240 b₂

35163  = 60 a + 406 b₁ + 267 b₂  _ 

-102  = 0 a + -46 b₁+ -27 b₂

-102  = -46 b₁-27 b₂……………………………………. (4)

·         Persamaan (1) dikalikan 4, persamaan (3) dikalikan 1:

680  = 40 a + 240 b1 + 160 b2

737  = 40 a + 267 b1 + 182 b2   _

 -57  = 0 a + -27 b1 + -22 b2

-57  = -27 b1 – 22 b2………………………………….. (5)

·         Persamaan (4) dikalikan 27, persamaan (5) dikalikan 46:

-2754  = -1242 b1 - 729 b2

 -2622  = -1242 b1 - 1012 b2 _ -

132  = 0 b1 + 283 b2

 b2  = -132:283 = -0,466

·         Harga b2 dimasukkan ke dalam salah satu persamaan (4) atau (5):

-102 = -46 b1- 27 (-0,466)

 -102 = -46 b1+ 12,582

 46 b1 = 114,582

b1 = 2,4909

·         Harga b1 dan b2 dimasukkan ke dalam persamaan 1:

170 = 10 a + 60 (2,4909) + 40 (-0,466)

 170 = 10 a + 149,454 – 18,640

10 a = 170 – 149,454 + 18,640

 a = 39,186 : 10 = 3,9186

Jadi:

 a = 3,9186

b1 = 2,4909

 b2 = -0,466

Keterangan:

a = konstanta

b1 = koefisien regresi X1

b2 = koefisien regresi X2

Persamaan regresi:

Y = 3,9186 + 2,4909 X1 – 0,466 X2

PENGUJIAN HIPOTESIS

·         Koefisien Korelasi Berganda (R)

R  =  b₁ ∑ X₁  Y + b₂ ∑ X₂ Y

                     ∑ Y²

R   = 2,4909.1122 +  -0,466.737

                          3162

       =  0,775252308

·         Koefisien Determinasi (R2)

R2   = (0,775252308)²

        = 0,60

·         F Hitung

F Hitung   =  R² ( N-k-1)

                         K(1-R²)

                    = 0,60 (10-2-1)

                           2(1-0,60)

                    = 5,25

Keterangan:

K= jumlah  variabel bebas

F Tabel

Dk Pembilang  = k

                            = 2

Dk penyebut    =n-k-1

                             = 10-2-1

                             = 7

F tabel                = 4,74

Hipotesis

Ho : β1 = β2 = 0, Variabel Promosi Dan Harga Tidak Berpengaruh Signifikan Terhadap Keputusan Konsumen  Membeli Deterjen Merek ”Attack”

Ha : β1 ≠ β2 ≠ 0, Variabel Promosi Dan Harga Berpengaruh Signifikan Terhadap Keputusan Konsumen  Membeli Deterjen Merek ”Attack”

Kriteria:

F hitung ≤ F tabel = Ho diterima

F hitung > F tabel = Ho ditolak, Ha diterima

F hitung (5,25) > F tabel (4,74) = Ho ditolak, Ha Diterima

Jadi, dapat disimpulkan bahwa Promosi dan Harga berpengaruh signifikan terhadap keputusan konsumen membeli deterjen merek “ATTACK”.

·         Contoh regresi berganda menggunakan SPSS:

Seorang pengamat pasar modal bernama Sugianto ingin melakukan penelitian tentang faktor-faktor yang mempengaruhi harga saham pada perusahaan. Sugianto ingin mengetahui hubungan antara rasio keuangan PER dan ROI (Return On Investment) terhadap harga saham. Dari pernyataan tersebut, didapatkan variabel dependen (Y) yaitu harga saham, dan variabel independen (X₁ dan X₂) yaitu PER dan ROI. Data yang ditabulasikan sebagai berikut:

tahun	Harga Saham	PER (%)	ROI (%)
2003	8300	5	6
2004	7500	3	5
2005	8950	4	4
2006	8250	5	6
2007	9000	4	3
2008	8750	3	5
2009	9500	5	6
2010	8500	6	4
2011	8350	4	6
2012	9500	6	5
2013	9750	7	6

Langkah:

• Klik analyze, klik regression, klik linier
• Klik PER dan ROI dan masukkan ke kotak Independent
• Klik Harga Saham dan masukkan ke kotak Dependent.
• Klik statistic: pilih estimates, Model Fit, Descriptives
• Klik continue
• Klik Plots pada Standardized Residual Plot, pilih Histogram dan Normal Probability
• Klik Continue dan Klik OK

Output pada SPSS dapat dilihat sebagai berikut:

Descriptive Statistics
	Mean	Std. Deviation	N
shm	8.75909E3	668.138527	11
per	4.7273	1.27208	11
roi	5.0909	1.04447	11

Correlations
		shm	per	roi
Pearson Correlation	shm	1.000	.586	-.008
	per	.586	1.000	.246
	roi	-.008	.246	1.000
Sig. (1-tailed)	shm	.	.029	.490
	per	.029	.	.233
	roi	.490	.233	.
N	shm	11	11	11
	per	11	11	11
	roi	11	11	11

Variables Entered/Removedb
Model	Variables Entered	Variables Removed	Method
1	roi, pera	.	Enter
a. All requested variables entered.
b. Dependent Variable: shm

Model Summaryb
Model	R	R Square	Adjusted R Square	Std. Error of the Estimate
1	.606a	.368	.210	593.961470
a. Predictors: (Constant), roi, per
b. Dependent Variable: shm

Model		Sum of Squares	df	Mean Square	F	Sig.
1	Regression	1641769.089	2	820884.544	2.327	.160a
	Residual	2822321.820	8	352790.228
	Total	4464090.909	10
a. Predictors: (Constant), roi, per
b. Dependent Variable: shm

Coefficientsa
Model		Unstandardized Coefficients		Standardized Coefficients	t	Sig.
		B	Std. Error	Beta
1	(Constant)	7735.088	1052.561		7.349	.000
	per	328.618	152.348	.626	2.157	.063
	roi	-104.002	185.548	-.163	-.561	.590
a. Dependent Variable: shm

Residuals Statisticsa
	Minimum	Maximum	Mean	Std. Deviation	N
Predicted Value	8.20093E3	9.41140E3	8.75909E3	405.187498	11
Residual	-7.907895E2	7.458333E2	.000000	531.255289	11
Std. Predicted Value	-1.378	1.610	.000	1.000	11
Std. Residual	-1.331	1.256	.000	.894	11
a. Dependent Variable: shm

Dari hasil perhitungan diperoleh:

Konstanta (a) = 7735,088, Koefisien Regresi 1 (b1) = 328,618, Koefisien Regresi 2 (b2) = -104,002, R = 0,606, R² = 0,368,F hitung = 2,327, t hitung PER = 2,157 dan t hitung ROI = -0,561.

Kemudian kita hitung hasil analisis:

a.       Analisis Korelasi Ganda (R)

R = 0,606 berdasarkan tabel Sugiyono (2007) hubungan antar variabel kuat

b.      Analisis Determinasi (R²)

R² = 0,368 jadi presentasi sumbangan pengaruh variabel sebesar 36,8 %

3. Uji Koefisien Regresi Bersama-sama (Uji F)

F hitung = 2,327

a = 5% = 0,05

df1 = 2 dan df2 = n-k-1 = 10-2-1 = 7

F tabel = finv(0,05;2;7) = 4,737

Karena F hitung ≤ F tabel, maka H_o diterima

d.      Uji Koefisien Regresi Parsial (Uji t)

t hitung PER = 2,157 dan t hitung ROI = -0,561

a = 5% = 0,05

df = n-k-1 = 10-2-1 = 7

t tabel = tinv(0,05;7) = 2,364

Karena t hitung PER ≤ t tabel, maka H_o PER diterima

Karena t hitung ROI ≥ -t tabel, maka H_o ROI diterima

Daftar pustaka

Algifari. 1997. Statistika Induktif Untuk Ekonomi dan Bisnis. Yogyakarta: UPP AMP YKPN.  2

Algifari. 1997. Analisis Statistik Untuk Bisnis; Dengan Regresi, Korelasi dan Nonparametrik. Yogyakarta: BPFE.  3

Mason, R.D & Douglas A. Lind. 1996. Teknik Statistik Untuk Bisnis dan Ekonomi, Jilid II. Jakarta: Penerbit Erlangga

Sugiyono. 2001. Metode Penelitian Administrasi. Bandung: Alfabeta.

Usman, H. & R. Purnomo Setiady Akbar. 2000. Pengantar Statistika. Jakarta: Bumi Aksara

Sujarwo SS, Kom M, Medan PU, no JL, Utara EM. PENYELESAIAN PERSAMAAN REGRESI LINIER BERGANDA DENGAN MENGGUNAKAN DETERMINAN MATRIKS DAN APLIKASI KOMPUTER.