Resume Regresi Berganda dengan Menggunakan SPSS
Nama / NIM : Rida Aulia Novi Arisanty /
18510135
Mata Kuliah : Statistik II (B)
Dosen : M. Nanang Choiruddin,SE.,MM
Regresi berganda adalah model regresi atau prediksi
yang melibatkan lebih dari satu variabel bebas atau predictor. Istilah regresi berganda
dapat disebut juga dengan istilah multiple regression. Kata multiple berarti jamak
atau lebih dari satu variabel.
Analisis regresi linier ganda adalah alat analisis peramalan nilai pengaruh
antara dua variabel bebas atau lebih
(X) terhadap satu
variabel terikat (Y) dalam rangka
membuktikan ada tidaknya
hubungan fungsional atau
kausal antara dua variabel bebas atau lebih (X) tersebut terhadap satu
variabel terikat (Y).
Dapat
disimpulkan bahwa regresi berganda adalah adanya lebih dari satu variabel prediktor (variabel
bebas/variabel independen).
Regresi Linear Berganda adalah model regresi berganda jika variabel terikatnya berskala data interval atau rasio (kuantitatif atau numerik). Sedangkan variabel bebas pada umumnya juga berskala data interval atau rasio. Namun ada juga regresi linear dimana variabel bebas menggunakan skala data nominal atau ordinal, yang lebih lazim disebut dengan istilah data dummy. Maka regresi linear yang seperti itu disebut dengan istilah regresi linear dengan variabel dummy. Paradigma analisis regresi linier ganda dapat digambarkan atau ilustrasikan pada gambar berikut:
Persamaan
regresi linear berganda sebagai berikut :
Y = a + b1X1+ b2X2+…..+ bnXn
Keterangan:
Y = Variabel
dependen
X1 dan X2 = Variabel
independen
A = Konstanta
(nilai Y apabila X1, X2…..Xn = 0)
B = Koefisien regresi (nilai peningkatan ataupun
penurunan)
Keadaan-keadaan bila koefisien-koefisien regresi, yaitu b1 dan b2 mempunyai nilai :
§
Nilai = 0. Dalam hal ini variabel Y tidak
dipengaruh oleh X1 dan X2
§
Nilainya negatif. Disini terjadi hubungan dengan arah terbalik antara variabel tak
bebas
Y dengan
variabel-variabel X1 dan
X2.
§
Nilainya positif. Disini terjadi hubungan yang searah
antara variabel tak bebas Y dengan variabel bebas X1 dan
X2.
Contoh:
Penelitian terhadap mahasiswa UIN Sunan Kalijaga ingin mengetahui apakah 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 signifikan = 5%.
Data dianggap memenuhi asumsi dan persyaratan anlisis
yaitu data dipilih secara random, berdistribusi normal, berpola linier, data sudah homogen dan memiliki pasangan yang sama sesuai
dengan subjek yang sama. Data total
hasil jawaban variabel
keaktifan ekstrakurikuler (X1),
kemandirian 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
|
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”
§ 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, akan nampak sebagai berikut:
§
Klik Next, kemudian masukkan ZPRED ke kotak Y dan DEPENDENT ke kotak X. Dan pilih Histogram dan Normal probability plot. Jika sudah selesai kemudian Klik Continue
§
Kemudian klik Continue, sehingga akan muncul kotak dialog “Linear Regression” sebagai berikut:
§ 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 default sebesar 0,05), kemudian klik Continue.
Jika sudah yakin betul klik OK. Kemudian akan muncul hasil output sebagai berikut.
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
|
a) 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).
b) 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.
ANOVAa
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_hitung dan
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,
maka H0
ditolak dan Ha diterima.
Berdasarkan
data di atas, diketahui nilai sig. Sebesar 0,000 (p < 0,05) maka dapat
disimpulkan bahwa hipotesis diterima, artinya variabel kemandirian belajar dan
keaktifan ekstrakurikuler berpengaruh signifikan secara bersama-sama terhadap
tingkat intelegensi mahasiswa FITK.
Coefficientsa
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:
§ 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 keaktifan ekstrakurikuler dan
kemandirian belajar bertambah
1 poin (X1 dan X2 = 5), maka
tingkat intelegensi akan naik menjadi:
Y = 9,072 + 0,457X1 + 0,493X2
= 9,072 + 0,457(5) + 0,493(5) = 13,912
§ Koefisien regresi sebesar 0,457 dan
0,493 menunjukkan besaran penambahan tingkat intelegensi untuk setiap penambahan poin jawaban keaktifan ekstrakurikuler dan kemandirian belajar.
Residuals Statisticsa
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
Angraini, Y dan Itasia. Analisis Regresi 1 : Pokok Bahasan Pengujian
pada Regresi ganda. Dep. Statistika FMIPA-IPB.
Dr Imam Machali, M.Pd. 2015. Statistik Itu Mudah, Menggunakan SPSS Sebagai
Alat Bantu Statistik. Yogyakarta : Lembaga Ladang Kata.
Iqbal, Muhammad. Pengolahan Data dengan Regresi Linier Berganda.
Janie, Dyah Nirmala Arum. 2012. Statistik Deskriptif & Regresi
Linier Berganda dengan SPSS. Semarang : Semarang University Press.
Rochmat Aldy Purnomo, S.E, M.Si. 2016. Analisis Statistik Ekonomi dan Bisnis dengan
SPSS. Ponorogo : Wade Group.
Yuliara, I Made. 2016. Modul Regresi Linier Berganda. Bali
: Universitas Udayana.
Tidak ada komentar:
Posting Komentar