Regresi Berganda dengan Menggunakan SPSS

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+…..+ b_nX_n

Keterangan:

Y                               =   Variabel dependen

X₁ dan X₂               =   Variabel independen

A                              =   Konstanta (nilai Y apabila X₁, X₂…..X_n = 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.