Siti Miftahul Jannah/18510003/Resume Terkait Analisis Regresi Berganda Dengan Menggunakan SPSS

RESUME TERKAIT ANALISIS REGRESI BERGANDA DENGAN MENGGUNAKAN SPSS

Nama/Nim         : Siti Miftahul Jannah/18510003

Mata Kuliah       : Statistik II B

Dosen                   : M. NANANG CHOIRUDDI, S.E, M.M

A.      Definisi Analisis Regresi Berganda

Analisis regresi linier berganda menurut (Machali, 2015) 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) tersebutterhadap satu variabel terikat. Sedangkan, menurut (Purnomo, 2016) Analisis regresi linier berganda digunakan untuk mengetahui pengaruh atau hubungan secara linier antara dua atau lebih variabel independen dengan satu variabel dependen.

Adapun perbedaan regresi sederhana dengan regresi berganda ialah jika regresi sederhana hanya menggunakan satu variabel independen dalam satu model regresi, sedangkan analisis regresi berganda menggunakan dua atau lebih variabel independent dalam satu model regresi. Berdasarkan pengertian diatas dapat disimpulkan bahwa analisis regresi berganda sebenarnya sama dengan analisis regresi sederhana yang membedakan hanya variabel bebasnya yang lebih dari satu.

Persamaan regresi berganda dapat dikonotasikan sebagai berikut: Y = a +b₁X₁ + b₂X₂  + b₃X₃.. Yang mana Y adalah variabel respon, a adalah konstanta dan b adalah parameter regresi. Sehingga dalam  regresi berganda membutuhkan data yang minimal interval asumsi dengan menggunakan asumsi klasik.

Analisis regresi linier merupakan metode statistik yang banyak dipergunakan dalam penelitian sosial, Terutama ekonomi. Perlu diperhatikan dalam menguji analisis regresi diperlukan asumsi-asumsi dasar parametrik (berdistribusi normal, sampel minimal 30, dll) (K, 2016).

(Janie, 2012) Untuk tujuan pengujian hipotesis nilai parameter modal regresi linier juga mengasumsikan hal-hal sebagai berikut :

a.       Normalitas

b.      Heteroskedastisitas

c.       Multikolinieritas

d.      Autokorelasi (jika menggunakan data time series)

B.      Konsep Dasar Regresi Berganda

Yang dimaksud dengan analisis regresi berganda disini adalah analisis yang dilakukan terhadap satu variabel terikat dan dua atau lebih variabel bebas. Persamaan yang dihasilkan adalah persamaan dengan bentuk Y = F(X₁, X₂,...,Xn). Jika ada dua variabel bebas yang digunakan (X₁ dan X₂), maka persamaannya dapat ditulis menjadi Y = a + b X₁ + c X₂). Lambang Y digunakan untuk menyatakan bahwa data yang diperoleh dari persamaan regresi adalah data prediksi. Sedangkan data aktual untuk variabel terikat ditulis dengan lambang Y (Santoso, 2018).

C.      Study kasus dan langkah-langkah menganalisisnya :

Seorang manajer penjualan salah satu agen sirup Marjan ingin mengetahui pengaruh biaya promosi meliputi iklan Youtube dan iklan Tv dengan jumlah perbotol sirup marjan yang terjual dalam beberapa tahun terakhir. Ia menggunakan data penjualan dan biaya promosi 3 tahun terakhir untuk meramalkan penjualan berdasarkan biaya promosi yang dikeluarkan setiap bulannya.

Data :

No	Iklan Youtube	Iklan Tv	Sirup Marjan
1.	100	30	8000
2.	100	25	7800
3.	112	35	9800
4.	113	21	7800
5.	96	22	7900
6.	104	30	8100
7	98	32	7800
8	99	34	8000
9	98	27	7800
10	95	25	7600
11	100	30	8600
12	105	32	8100
13	96	25	7600
14	99	22	7500
15	105	32	8700
16	110	35	8300
17	96	22	7400
18	96	30	8000
19	96	20	7200
20	96	25	7800
21	97	25	7900
22	89	25	7400
23	92	20	7700
24	109	35	9000
25	96	25	7600
26	96	18	7800
27	96	18	7700
28	96	25	7800
29	96	15	7500
30	98	18	5300
31	105	22	7900
32	107	22	7000
33	64	20	4400
34	111	28	8000
35	110	24	7400
36	96	25	7300

Data Penjualan dalam Satuan Juta

Berikut akan dilakukan analisis regresi linier berganda untuk mengetahui pengaruh antara variabel X₁ dan X₂ terhadap Y dan dilakukan uji asumsi klasik regresi. Langkah-langkah analisis pada SPSS sebagai berikut:

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 Iklan Youtube (X1) dan Iklan Tv (X2) ke Independent, serta Sirup Marjan (Y) ke Dependent.

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

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

Ø  Klik Continue.

Ø  Klik Plot

Ø  Masukkan SDRESID ke kotak Y dan ZPRED ke kotak X, Akan nampak sebagai berikut:

Ø  Klik Next, kemudian masukkan ZPRED ke kotak Y dan DEPENDENT ke kotak X.

Ø  Pilih Histogram dan Normal probability plot.

Ø  Jika sudah selesai kemuian Klik Continue.

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

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

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

Ø  Jika sudah yakin betul klik OK. Kemudian akan muncul hasil output sebagai berikut.

D.      Analisis Hasil Output

Descriptive Statistics
	Mean	Std. Deviation	N
Sirup Marjan	7708.33	879.407	36
Iklan Youtube	99.22	8.543	36
Iklan Tv	25.53	5.385	36

       

a. Dalam tabel diatas dapat diketahui bahwa responden berjumlah 36 orang

b. Dari hasil analisis descriptive statistics tersebut dapat diketahui bahwa nilai rata-rata penjualan sirup marjan sebesar 7708.33 dengan standar deviasi sebesar 879.407, Artinya jika dihubungkan dengan rata-rata tingkat penjualan sirup marjan dengan standar deviasi maka akan berkisar 7708.33 hingga 879.407 dengan tingkat rata-rata iklan youtube sebesar 99.22 dan rata-rata iklan Tv sebesar 25.53.

Correlations
		Sirup Marjan	Iklan Youtube	Iklan Tv
Pearson Correlation	Sirup Marjan	1.000	.681	.622
	Iklan Youtube	.681	1.000	.422
	Iklan Tv	.622	.422	1.000
Sig. (1-tailed)	Sirup Marjan	.	.000	.000
	Iklan Youtube	.000	.	.005
	Iklan Tv	.000	.005	.
N	Sirup Marjan	36	36	36
	Iklan Youtube	36	36	36
	Iklan Tv	36	36	36

a.  Korelasi secara parsial antara variabel X₁ (Iklan Youtube) dengan variabel Y (Penjualan Sirup Marjan) diperoleh nilai sebesar r = 0.681. Hal tersebut menunjukkan adanya hubungan positif (searah) yang kuat antara variabel X₁ dan Y.

b.Korelasi parsial antara variabel X₂ (Iklan Tv) dengan Variabel Y (Penjualan Sirup Marjan) diperoleh nilai sebesar r = 0.622. Hal tersebut menunjukkan adanya hubungan positif (searah) yang kuat antara variabel X₂ dan Y.

Variables Entered/Removedb
Model	Variables Entered	Variables Removed	Method
1	Iklan Tv, Iklan Youtubea	.	Enter
a. All requested variables entered.
b. Dependent Variable: Sirup Marjan

a.    Tabel diatas berisi informasi yang menunjukkan bahwa semua variabel berhasil dimasukkan (Entered) dan tidak ada yang dikeluarkan (Removed).

Model Summaryb
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	.774a	.599	.575	573.400	.599	24.663	2	33	.000
a. Predictors: (Constant), Iklan Tv, Iklan Youtube
b. Dependent Variable: Sirup Marjan

Korelasi R secara simultan antara variabel X₁ (Iklan Youtube) dan variabel X₂ (Iklan Tv) terhadap tingkat penjualan sirup marjan  yaitu variabel Y diperoleh nilai sebesar 0.774. Rsquare (Korelasi Koefisien) sebesar 0.599  yang menunjukkan bahwa konstribusi yang disumbangkan X₁ dan X₂ Kepada Y.

ANOVAb
Model		Sum of Squares	Df	Mean Square	F	Sig.
1	Regression	1.622E7	2	8108756.475	24.663	.000a
	Residual	1.085E7	33	328787.486
	Total	2.707E7	35
a. Predictors: (Constant), Iklan Tv, Iklan Youtube
b. Dependent Variable: Sirup Marjan

(Setyawarno, 2016) Dengan Ketentuan : Jika F Hitung > F tabel, maka Ho ditolak

: jika F hitung < F tabel, maka Ho diterima.

Perbandingan f hitung dan f tabel serta sig dan α = F hitung sebesar : 24.663 > F tabel sebesar 3.27, maka Ho ditolak dan Hi diterima.

Sig sebesar 0.000> α sebesar 0.05 , maka Ho ditolak dan Hi diterima.

Coefficientsa
Model		Unstandardized Coefficients		Standardized Coefficients	T	Sig.
		B	Std. Error	Beta
1	(Constant)	815.840	1129.922		.722	.475
	Iklan Youtube	52.370	12.516	.509	4.184	.000
	Iklan Tv	66.447	19.855	.407	3.347	.002
a. Dependent Variable: Sirup Marjan

(Yudiaatmaja, 2013) Nilai koefisien regresi dan konstanta dari keluaran program spss dapat dilihat pada kolom Unstandardized Coefficient. Berdasarkan tabel tersebut maka persamaan linier dengan dua variabel bebas adalah: Y = 815.840 – 52.370 (X₁) + 66.447 (X₂)

Model persamaan regresi untuk memperkirakan tingkat penjualan sirup marjan (Y) yang dipengruhi oleh iklan youtube (X₁) dan iklan Tv (X₂) adalah:

a.       Jika penjualan tidak melalui iklan youtube dan iklan Tv (X₁ dan X₂ = 0) maka diperkirakan tingkat penjualan sirup marjan sebesar 815.840.

b.      Koefisien regresi sebesar 52.370 dan 66.447 menunjukkan besaran penambahan tingkat penjualan untuk setiap penambahan tingkat penjualan.

Residuals Statisticsa
	Minimum	Maximum	Mean	Std. Deviation	N
Predicted Value	5496.45	9006.90	7708.33	680.704	36
Std. Predicted Value	-3.249	1.908	.000	1.000	36
Standard Error of Predicted Value	97.076	417.922	154.740	59.609	36
Adjusted Predicted Value	6729.06	8988.62	7744.22	603.564	36
Residual	-1.844E3	793.096	.000	556.776	36
Std. Residual	-3.216	1.383	.000	.971	36
Stud. Residual	-3.372	1.488	-.026	1.070	36
Deleted Residual	-2.339E3	917.827	-35.887	699.223	36
Stud. Deleted Residual	-4.102	1.517	-.056	1.170	36
Mahal. Distance	.031	17.621	1.944	2.994	36
Cook's Distance	.000	2.946	.112	.490	36
Centered Leverage Value	.001	.503	.056	.086	36
a. Dependent Variable: Sirup Marjan

Pada bagian ini, tabel diatas menunjukkan ringkasan hasil dari “Predicted Value” (nilai yang diprediksikan) yang berisi nilai minimal, maksimum, mean, standar deviation, dan N.

Gambar diatas menunjukkan grafik histogram

Hasil dari normal probability tersebut menunjukkan banyaknya penyebaran dari data-data yang ada pada variabel (menggambarkan garis regresi), sebab titik-titik tersebut terletak mendekati atau disekitar garis lurus.

  D.     Kesimpulan

Dari hasil analisis tersebut dapat diketahui bahwa iklan youtube dan iklan Tv berpengaruh terhadap tingkat penjualan sirup marjan hal tersebut dapat dilihat dari hasil analisis korelasi yang menunjukkan positif atau searah. Selain itu, rata-rata iklan youtube ternyata lebih tinggi 74% dari pada iklan Tv hal tersebut menunjukkan bahwa iklan youtube mempunyai pengaruh besar terhadap tingkat penjualan sirup marjan. Meski begitu antara iklan youtube dan iklan Tv sama-sama memiliki konstribusi terhadap tingkat penjualan sirup marjan hal tersebut dapat dilihat dari Rsquare keduanya sebesar 0.599 yang berarti bahwa konstribusi kedua variabel tersebut sebesar 0.599 atau 59.9% .

  E.      Daftar Pustaka       

Janie, D. N. (2012). Statistik Deskriptif Dan Regresi Linier Berganda Dengan SPSS. Semarang: Semarang University Press.

K, E. P. (2016). Olah Data Skripsi Dengan SPSS 22. Bangka Belitung: LAB KOM MANAJEMEN FE UBB.

Machali, I. (2015). Statistik Itu Mudah Menggunakan Spss Sebagai Alat Bantu Statistik. Yogyakarta: Lembaga Ladang Kata.

Purnomo, R. A. (2016). Analisis Statistik Ekonomi Dan Bisnis Dengan Spss. Ponorogo: CV. WADE GROUP.

Santoso, S. (2018). Menguasai Statistik Dengan SPSS 25. Jakarta: PT Elex Media Komputindo.

Setyawarno, D. (2016). Panduan Statistik Terapan Untuk Penelitian Pendidikan. Yogyakarta: UNY.

Yudiaatmaja, F. (2013). Analisis Regresi Dengan Menggunakan Aplikasi Komputer Statistik SPSS. Jakarta: PT Gramedia.