Resume Analisis Regresi linear Berganda Menggunakan Software SPSS_Farikha Alfa Firyanto_18510184

RESUME ANALISIS REGRESI BERGANDA DENGAN MENGGUNAKAN SPSS

Nama/NIM         : Farikha Alfa Firyanti/18510184

Mata Kuliah        : Statistika II

Dosen                   : M. Nanang Choiruddin,SE.,MM

Analisis regresi linier berganda merupakan alat analisis peramalan nilai pengaruh antara dua variabel bebas atau lebih (X) terhadap satu variabel terikat (Y)dalam membuktikan ada atau tidaknya hubungan kausal atau fungsional antara dua variabel bebas atau lebih (X) tersebut terhadap satu variabel terikat (Y). Analisis regresi ganda digunakan peneliti untuk meramalkan bagaimana keadaan (naik turunnya) variabel dependen (kriterium), bila terdapat dua atau lebih variabel independen sebagai faktor multiprediktor dimanipulasi (dinaik turunkan nilainya).paradigma analisis regresi linier berganda dapat diilustrasikan sebagai berikut :

 

Persamaan regresi linier berganda dapat dituliskan sebagai berikut :

a.       Persamaan regresi linear dengan dua prediktor

Y = a + b₁ X ₁ + b₂ X ₂

b.       Persamaan regresi linear dengan tiga prediktor

Y = a + b₁ X ₁ + b₂X₂ + b₃X₃

c.       Persamaan regresi linear dengan multi prediktor

Y = a + b₁ X ₁ + b₂ X ₂ + . . . . . . + b_n X _n

Keterangan :

Y = nilai penduga bagi variabel Y

a = dugaan bagi parameter konstanta

b = dugaan bagi parameter konstanta b₁, b₂, . . . . . . , bn

X= variabel bebas.

Suatu data dianggap memenuhi asumsi dan persyaratan, apabila data tersebut memiliki ciri-ciri sebagai berikut :

1.    Dipilih secara random;

2.    Berdistribusi normal;

3.    Berpola linier;

4.    Data sudah homogen;

5.    Memiliki pasangan yang sama sesuai dengan subjek yang sama.

Cara penghitungan analisis regresi linier berganda dengan menggunakan softwere SPSS adalah sebagai berikut :

1.    Masuk ke program SPSS kemudian klik variable view pada SPSS data editor

a.       Ketik kolom name, ketik responden pada baris pertama, X1 pada baris kedua, X2 pada baris ketiga, begitu selanjutnya sampai semua variabel bebas telah dimasukkan, dan terakhir Y pada baris terakhir setelah semua variabel bebas ditulis.

b.       Pada kolom type, untuk kolom responden diubah menjadi string, sementara yang lain tetap.

c.       Ubah angka pada kolom decimal menjadi nol.

d.       Pada kolom label, kosongkan baris pertama. Sementara, untuk baris lain ketik sesuai faktor-faktor yang dimasukkan ke dalam variabel bebas dan terikat.

e.       Pada kolom measure, ubah baris pertama menjadi nominal, sementara baris yang lain menjadi ordinal.

2.    Lakukan 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 variabel bebas pertama, begitupun untuk variabel bebas berikutnya.

d.       Pada kolom Y, masukkan nilai total jawaban untuk variabel terikat.

3.    Lakukan pengolahan data

a.       Klik Analyze > Regression > Linier.

b.       Masukkan semua variabel bebas pada bagian yang bertuliskan Independen dan masukkan variabel terikat pada bagian yang bertuliskan Dependen.

c.       Klik Statistics, maka akan muncul kotak dialog “Linier Regression: Statistics”

·      Pada Regression Coefficients pilih Estimates, Model fit, R square change, dan Descriptive.

·      Klik Continue.

·      Klik Plot.

·      Masukkan SDRESID ke kotak Y dan ZPRED ke kotak X.

·      Klik Next, kemudian masukkan ZPRED ke kotak Ydan masukkan DEPENDENT ke kotak X.

·      Pilih Histogram danProbability plot. Jika sudah selesai klik Continue.

·       Kemudian klik Continue, sehingga akan muncul kotak dialog “Linear Regression”.

·      Klik Save pada Predicted Value, pilih Unstandarized dan Prediction Intervals, klik Mean dan Individu, kemudian klik Continue.

·      Klik Options (pastikan bahwa taksiran probability dalam keadaan deafult sebesar 0,05), kemudian klik Continue.

·      Jika sudah merasa yakin betul klik OK, kemudian akan muncul hasil output analisis regresi linier berganda.

Contoh

Di bawah ini terdapat hasil dan analisis dari regresi linier berganda, yaitu :

a.)     Uji Validitas Kuesioner

Berdasarkan pada tabel 1 dapat dilihat bahwa semua variabel mempunyai nilai r hitung lebih besar dari 0,3. Sehingga dapat disimpulkan bahwa instrumen kuesioner yang digunakan dalam penelitian dinyatakan valid. Sehingga item kuesioner dapat dijadikan acuan untuk penelitian selanjutnya.

b.)      Uji Reliabilitas Kuesioner

Berdasarkan pada tabel 1 dapat dilihat bahwa semua variabel mempunyai nilai koefisien alpha yang lebih besar dari 0,6. Sehingga dapat disimpulkan bahwa instrumen kuesioner yang digunakan dalam penelitian dinyatakan reliabel.

c.)       Penentuan Model Regresi

Untuk menguji hipotesis yang diajukan apakah diterima atau ditolak dengan melihat signifikansi. Berdasarkan signifikansinya yaitu X1 = 0,000, X2 = 0,000, X3 = 0,071 dan X4 = 0,004, maka dapat disimpulkan bahwa X1 secara sendiri berpengaruh terhadap perubahan Y (0,000<0,05), X2 secara sendiri berpengaruh terhadap perubahan Y (0,000<0,05), X4 secara sendiri berpengaruh terhadap perubahan Y (0,004<0,05), akan tetapi untuk variabel X3 secara sendiri tidak berpengaruh terhadap perubahan Y. Hal ini dikarenakan nilai signifikansi variabel X3 lebih besar dari 0,05 (0,071<0,05). Sehingga variabel X3 dihilangkan karena secara individu tidak berpengaruh secara signifikan terhadap perubahan Y. Dengan menghilangkan variabel X3, tabel koefisien regresi menjadi seperti tabel 3 berikut.

Berdasarkan tabel 3 di atas menunjukkan koefisien regresi masing-masing variabel. Sehingga dapat ditentukan model persamaan regresi linear berganda sebagai berikut:

Y = 0,358+0,108.X1+0,892.X2+0,111.X4

d.)      Analisis Korelasi

Pada tabel 4 menunjukkan korelasi ganda yaitu antara variabel bebas (X1, X2 dan X4) secara bersama-sama terhadap Y. Korelasi ganda yang diperoleh pada tabel tersebut sebesar 0,916. Standar kesalahan estimasi adalah 0,566. Nilai Durbin Watson sebesar 2,000.

e.)       Koefisien Determinasi

Koefisien determinasi digunakan untuk mengetahui prosentase pengaruh variabel bebas terhadap perubahan variabel tak bebas. Berdasarkan tabel 4, koefisien determinasi (R2) dalam regresi sebesar 0,840. Ini berarti variabel tak bebas (Y) dapat dijelaskan oleh variabel bebas (X) sebesar 84% sedangkan sisanya 16% dijelaskan oleh variabel lain di luar variabel bebas (X).

f.)        Pengujian t-Statistik Masing-Masing Variabel

Pengujian ini dilakukan dengan tujuan untuk menguji parameter secara individual (partial) dengan tingkat kepercayaan tertentu dan mempunyai pengaruh yang signifikan terhadap variabel tak bebas. Uji t-statistik yang dilakukan menggunakan uji dua sisi (two-tail test) dengan α = 5%. Adapun ketentuan pengujian hipotesis adalah jika t-hitung > t-tabel berarti Ha diterima atau Ho ditolak.

Berdasarkan tabel 5, dapat disimpulkan bahwa variabel bebas (X) secara individu (partial) berpengaruh terhadap variabel tak bebasnya (Y). Hal ini dapat dilihat bahwa nilai t-hitung masing-masing variabel bebas lebih besar dari t-tabel. Variabel X1 memiliki t-hitung > t-tabel (4,441>1,648), X2 memiliki t-hitung > ttabel (29,526>1,648), dan X4 memiliki t-hitung > t-tabel (3,108>1,648).

g.)       Pengujian F-Statistik

Uji F digunakan untuk mengetahui proporsi variabel tak bebas yang dijelaskan variabel bebas secara serempak. Jika nilai F-hitung > F-tabel berarti variabel bebas (X) secara bersama-sama berpengaruh signifikan terhadap variabel tak bebas (Y)

Berdasarkan tabel 6 didapat nilai F hitung sebesar 865,091 dengan df1 (derajat kebebasan pembilang) = 3 dan df2 (derajat kebebasan penyebut) = 496. Pengujian hipotesis dengan membandingkan F tabel dengan df (pembilang) = 3 dan df (penyebut) = 496 didapat 2,39 untuk taraf 5% dan 3,36 untuk 1%. Maka F hitung lebih besar dari F tabel (865,091>3,36>2,39), sehingga disimpulkan bahwa variabel bebas secara bersama-sama (X1, X2 dan X4) berpengaruh signifikan terhadap variabel tak bebas (Y)

h.)      Uji Normalitas

Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan membandingkan distribusi data (yang akan diuji normalitasnya) dengan distribusi normal baku. Distribusi normal baku adalah data yang telah ditransformasikan ke dalam bentuk Z-Score dan diasumsikan normal. Jadi sebenarnya uji Kolmogorov Smirnov adalah uji beda antara data yang diuji normalitasnya dengan data normal baku. Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi di bawah 0,05 berarti data yang akan diuji mempunyai perbedaan yang signifikan dengan data normal baku, berarti data tersebut tidak normal

Dari tabel 7 di atas dapat dilihat bahwa tingkat signifikansi variabel-variabel yang diuji masing-masing di atas 0,05. Sehingga disimpulkan bahwa data dalam penelitian ini dikatakan normal atau sebaran data yang diujikan mengikuti distribusi normal.

i.)         Uji Multikolinearitas

Uji multikolinearitas adalah untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel bebas dalam suatu model regresi linear berganda. Jika ada korelasi yang tinggi di antara variabel-variabel bebasnya, maka hubungan antara variabel bebas terhadap variabel terikatnya menjadi terganggu.

Berdasarkan pada tabel 8 dapat dilihat bahwa pada setiap variabel tak bebas X memiliki nilai r2 < R2, yang berarti bahwa masing-masing variabel bebas X tidak dipengaruhi oleh variabel bebas lainnya

j.)         Interpretasi Hasil Regresi

Berdasarkan hasil estimasi data dalam model regresi terdapat nilai konstanta sebesar 0,358. Nilai konstanta bertanda positif menggambarkan tingkat nilai rata-rata perkembangan daya beli listrik pada rumah tangga berkecenderungan naik ketika variabel penjelas tetap. Variabel pendapatan rata-rata total keluarga perbulan secara statistik positif dan signifikan terhadap tingkat daya beli listrik pada rumah tangga sebesar 0,108 yang berarti setiap kenaikan pendapatan rata-rata total keluarga perbulan sebesar 1 tingkat mengakibatkan kenaikan tingkat daya beli listrik pada rumah tangga sebesar 0,108 tingkat. Variabel pengeluaran konsumsi energi secara statistik positif dan signifikan terhadap tingkat daya beli listrik pada rumah tangga sebesar 0,892 yang berarti setiap kenaikan pengeluaran energi sebesar 1 tingkat mengakibatkan kenaikan tingkat daya beli listrik pada rumah tangga sebesar 0,892 tingkat. Variabel daya terpasang (X4) secara statistik positif dan signifikan berpengaruh terhadap tingkat daya beli listrik pada rumah tangga sebesar 0,111 yang berarti setiap penambahan daya yang dipasang pada rumah tangga sebesar 1 tingkat mengakibatkan kenaikan tingkat daya beli listriknya sebesar 0,111 tingkat.

DAFTAR PUSTAKA

Furqon. 2009. Statistika Terapan untuk Penelitian. Bandung. Alfabeta.

Madhali, Imam. 2015. Statistik Itu Mudah Menggunakan SPSS Sebagai Alat Bantu Statistik. Yogyakarta. Lembaga Ladang Kata.

Sugiyono. 2015. Statistik Nonparametris untuk Penelitian. Bandung. Alfabeta.

Suharyadi dan Purwanto. 2016. Statistika untuk Ekonomi dan Keuangan Modern Edisi 3-Buku 2. Jakarta. Salemba Empat.

Mona, M.G., dkk. 2015. Penggunaan Regresi Linear Berganda untuk Menganalisis Pendapatan Petani Kelapa Studi Kasus : Petani Kelapa di Desa Beo, Kecamatan Beo, Kabupaten Talaud. JdC. 4 (2): 196-203.

Nugroho, Y.S., dkk. 2009. Penggunaan Softwere SPSS untuk Analisis Faktor Daya Beli Listrik pada Sektor Rumah Tangga dengan Metode Regresi Linear Berganda (Studi Kasus Kota Salatiga). Simposium Nasional RApi VIII. 82-88.

Ifadah, Ana. 2011. Analisis Metode Principal Component Analysis (Komponen Utama) dan Regresi Ridge dalam Mengatasi Dampak Multikolinearitas dalam Analisis Regresi Linear Berganda [skripsi]. Semarang (ID): Universitas Negeri Semarang.