ALISIS REGRESI BERGANDA DENGAN MENGGUNAKAN SPSS-Nydia Vella Rousyana

ANALISIS REGRESI BERGANDA DENGAN MENGGUNAKAN SPSS

 

Nama / NIM                       : Nydia Vella Rousyana / 18510112

Mata Kuliah                       : STATISTIK II (B)

Dosen                                   : M. Nanang Choiruddin,SE.,MM

A.      DEFINISI SPSS DAN CARA MEMBUKANYA

IBM SPSS merupakan software atau aplikasi yang dapat digunakan untuk membantu pengolahan, penghitungan, dan analisa data untuk keperluan statistik. Walaupun secara umum pengolahan data-data hasil penelitian dapat diolah menggunakan software lain seperti MS Excel, namun SPSS lebih dikenal oleh para kalangan akademisi dan profesional. Langkah-langkah untuk mengoperasikan SPSS adalah sebagai berikut:

·         WINDOWS 7

1. Klik tombol Start.

2. Sorot opsi All Program.

3. Klik SPSS.

·         WINDOWS 8

1. Tekan tombol Windows pada keyboard untuk masuk ke dalam Start Menu.

2. Carilah ikon IBM SPSS Statistics yang telah Anda install tadi.

3. Klik pada ikon tersebut.

Tunggu sebentar sampai SPSS muncul di hadapan Anda. Anda akan melihat tampilan SPSS dengan menu-menu utamanya seperti File, Edit, View, Data, Transform, Analize, Graph, Utilities, Windows, dan Help. Kini, SPSS siap Anda gunakan untuk meng-input variabel dan data penelitian.[1]

B.      DEFINISI ANALISIS REGRESI

Analisis regresi adalah hubungan yang didapat dan dinyatakan dalam bentuk persamaan matematik yang menyatakan hubungan fungsional antar variabel-variabel. [2]Analisis regresi bertujuan untuk menjelaskan atau memodelkan hubungan antarvariabel. Di mana terdapat variabel y sebagai variabel respons, output, tak bebas, atau variabel yang dijelaskan; dan variabel x sebagai variabel prediktor, masukan, bebas, atau variabel penjelas. Apabila dalam analisis korelasi dicari arah dan kuatnya hubungan antarvariabel, maka analisis regresi merupakan analisis lanjutan yang digunakan untuk memprediksikan seberapa jauh perubahan nilai suatu variabel apabila dilakukan manipulasi (dinaikturunkan) pada nilai variabel lain. Sehingga, analisis regresi dapat membantu dalam pembuatan keputusan apakah naik turunnya suatu variabel dapat dila- kukan dengan peningkatan atau penurunan variabel lain. Misalnya, naiknya jumlah penjualan (y) dapat dilakukan dengan menaikkan jumlah iklan (x) atau tidak.[3]

C.      KONSEP DASAR ANALISIS REGRESI BERGANDA

Regresi Linear Berganda merupakan lanjutan dari regresi linier sederhana, ketika regresi linier sederhana hanya menyediakan satu variabel independen (x) dan satu juga variabel dependen (y). Regresi linier berganda dimaksudkan untuk menguji pengaruh dua atau lebih variabel independen (explanatory) terhadap satu variable dependen. Model ini mengasumsikan adanya hubungan satu garis lurus/ linier antara variabel dependen dengan masing-masing prediktornya. Hubungan ini biasanya disampaikan dalam rumus. [4] Oleh karena itu, di sini Regresi Linier Berganda hadir untuk menutupi kelemahan Regresi Linear Sederhana ketika terdapat lebih dari satu variabel independen (x) dan satu variabel dependen (y).[5] Analisis regresi linier berganda memberikan kemudahan bagi pengguna untuk memasukkan lebih dari satu variabel bebas hingga k dimana banyaknya k kurang dari jumlah observasi (n).[6]

 Analisis regresi berganda adalah analisis yang dilakukan terhadap satu variabel terikat dan dua atau lebih variabel bebas. Persamaan yang dihasilkan adalah persamaan dengan bentuk Ý = f(X1, X2, Xn). Jadi perbedaan regresi sederhana dan regresi berganda hanya terletak pada jumlah variabel bebas yang digunakannya. Jika ada dua variabel bebas yang digunakan (X1 dan X2), maka persamaannya dapat ditulis menjadi Ý = a + b X1 + c X2 Lambang Ý (baca: y topi) digunakan untuk menyatakan bahwa data yang diperoleh dari persamaan regresi adalah data prediksi. Sedangkan data aktual untuk variabel terikat ditulis dengan lambang Y. Pada metode OLS, nilai a, b dan c dapat dihitung dengan meminimalkan fungsi berikut:[7]

Karena f(x) = Ź, maka f(x) = a + bx + cy, sehingga persamaan di atas dapat ditulis menjadi:

Untuk meminimalkan suatu fungsi turunan pertama dari fungsi tersebut harus sama dengan nol. Perhatikanlah bahwa data X1, X2, dan Y ada, sedangkan nilai yang tidak diketahui adalah a, b dan c, maka pada persamaan tersebut dicari turunan parsialnya terhadap a, b dan c. Hasilnya diperoleh persamaan sebagai berikut:

Jika persamaan di atas diselesaikan, maka akan diperoleh:[8]

Kemudian nilai a, b dan c diperoleh dengan menyelesaikan persamaan di atas.[9]

D.      PERHITUNGAN SPSS

Untuk memperoleh persamaan regresi seperti yang ditampilkan pada pembahasan sebelumnya, pastikan data sudah terinput ke dalam program SPSS kemudian lakukanlah langkah-langkah berikut ini:

1. Masukkan data dan sesuaikan tipe datanya. Silahkan definisikan tipe data pada bagian Variabel View,

2. Pilih Analyze-Regression-Linear pada menu program SPSS,

3. Kemudian masukkan variabel terikat (dependen) dan variabel bebas (independent),

4. Setelah itu tekan tombol "OK". Data yang telah dimasukkan ke dalam program SPSS akan tampil seperti di bawah ini:[10]

Hasil keluaran (output) dari program SPSS adalah seperti gambar berikut:

Nilai koefisien regresi dan konstanta dari keluaran program SPSS dapat dilihat pada kolom Unstandardized Coefficients. Berdasarkan tabel tersebut maka persamaan linier dengan dua variabel bebas adalah:

Ý = 17,366 – 0,386 X1 + 10,722 X2

Persamaan tersebut tidak berbeda (jika dilakukan pembulatan) dengan hasil penghitungan secara manual yaitu Ý = 17,37 - 0,39 X1 + 10,72 X2 [11]

DAFTAR PUSTAKA

Pratomo, D. S., & Astuti, E. Z. (2015). Analisis Regresi Dan Korelasi Antara Pengunjung Dan Pembeli

Terhadap Nominal Pembelian Di Indomaret Kedungmundu Semarang Dengan Metode Kuadrat

Terkecil. Jurnal Statistika, 1(1).

Lawendatu, J., Kekenusa, J. S., & Hatidja, D. (2014). Regresi linier berganda untuk menganalisis

pendapatan petani pala. d'CARTESIAN, 3(1).

Yudiaatmaja, F. (2013). Analisis Regresi dengan Menggunakan Aplikasi Komputer Statistik

SPSS. Gramedia Pustaka Utama.

Janie, D. N. A. (2012). Statistik deskriptif & regresi linier berganda dengan SPSS. Jurnal, April.

Robert, K., & Yuniarto, B. (2016). Analisis Regresi: Dasar dan Penerapannya dengan R.

Enterprise, J (2014). SPSS untuk Pemula

---

[1] Enterprise, J (2014). SPSS untuk Pemula, hlm. 11

[2] Pratomo, D. S., & Astuti, E. Z. (2015). Analisis Regresi Dan Korelasi Antara Pengunjung Dan Pembeli Terhadap Nominal Pembelian Di Indomaret Kedungmundu Semarang Dengan Metode Kuadrat Terkecil. Jurnal Statistika, 1(1), 2.

[3] Robert, K., & Yuniarto, B. (2016). Analisis Regresi: Dasar dan Penerapannya dengan R, hlm. 22

[4] Janie, D. N. A. (2012). Statistik deskriptif & regresi linier berganda dengan SPSS. Jurnal, April, hlm. 13

[5] Ibid., hlm. 91

[6] Lawendatu, J., Kekenusa, J. S., & Hatidja, D. (2014). Regresi linier berganda untuk menganalisis pendapatan petani pala. d'CARTESIAN, 3(1), 67.

[7] Yudiaatmaja, F. (2013). Analisis Regresi dengan Menggunakan Aplikasi Komputer Statistik SPSS. Gramedia Pustaka Utama, hlm. 15

[8] Ibid., hlm. 16

[9] Yudiaatmaja, F. (2013). Analisis Regresi dengan Menggunakan Aplikasi Komputer Statistik SPSS. Gramedia Pustaka Utama, hlm. 17

[10] Ibid., hlm. 23

[11] Yudiaatmaja, F. (2013). Analisis Regresi dengan Menggunakan Aplikasi Komputer Statistik SPSS. Gramedia Pustaka Utama, hlm. 24