Yusril Iqzam firdana_18510181_Resume Analisis Regresi Berganda Menggunakan SPSS

Analisis Regresi Berganda dengan Menggunakan SPSS

Nama/NIM : Yusril Iqzam Firdana      (18510181)

Mata kuliah : Statistik II

Dosen pembimbing : M. Nanang Choiruddin, S.E,. M.M

Cara mudah menganalisis Regresi Linier berganda.

                Analisis regresi linier berganda digunakan untuk mengetahui pengaruh atau hubungan secara linear antara dua atau lebih variabel independen dengan satu variabel dependen. Perbedaan dengan regresi linier sederhana adalah, bahwa regresi linier sederhana hanya menggunakan satu variabel independen dalam satu model regresi, sedangkan regresi linier berganda menggunakan dua atau lebih variabel independen dalam satu model regresi.

                Analisis regresi linier ganda adalah alat analisis peramalan nilai pengaruh antara dua variabela 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). Paradigma analisis regresi linier ganda dapat digambarkan atau ilustrasikan pada gambar berikut:

                Contoh: Penelitian terhadap mahasiswa UIN Sunan Kaliaga 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 Statistik itu Mudah: Menggunakan SPSS sebagai Alat Bantu Statistik 141 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:

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.

6. Pengolahan data

a) Klik Analyze > Regression > Linier. Statistik itu Mudah: Menggunakan SPSS sebagai Alat Bantu Statistik 143

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.

·         Pilih Histogram dan Normal probability plot. Jika sudah selesai kemuian 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.

1. Klik Options (pastikan bahwa taksiran probability dalam keadaan deafult 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

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 ratarata 31,9 dan dengan tingkat kemandirian belajar rata-rata 33,6.

c)       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). d)

d)       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).

Tabel ini hanya berisi informasi bahwa semua variabel berhasil dimasukkan (entered), tidak ada yang dikeluarkan (removed).

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.

Output ANOVA

                 ANOVA atau analisis varian, yaitu uji koefisien regresi secara bersama-sama (uji F) untuk menguji signifikansi pengaruh beberapa variabel independen terhadap variabel dependen. Pengujian menggunakan tingkat signfikansi 0,05. Langkah-langkah uji F adalah sebagai berikut:

 1. Merumuskan Hipotesis Ho : Working capital turnover dan Total asset turnover secara bersama-sama tidak berpengaruh terhadap rentabilitas ekonomi. Ha : Working capital turnover dan Total asset turnover secara bersama-sama berpengaruh terhadap rentabilitas ekonomi.

2. Menentukan F hitung dan nilai Signifikansi Dari output diperoleh F hitung sebesar 8,864 dan nilai Signifikansi sebesar 0,004.

 3. Menentukan F tabel F tabel dapat dilihat pada tabel statistik (lihat lampiran) pada tingkat Signifikansi 0,05 dengan df 1 (jumlah variabel–1) = 2, dan df 2 (n-k-1) atau 15-2-1 = 12 (n adalah jumlah data dan k adalah jumlah variabel independen), hasil diperoleh untuk F tabel sebesar 3,885.

4. Kriteria pengujian

Ø Jika F hitung < F tabel maka Ho diterima

Ø Jika F hitung > F tabel maka Ho ditolak

5. Membuat kesimpulan F hitung > F tabel (8,864 > 3,885) dan Signifikansi < 0,05 (0,004 < 0,05) maka Ho ditolak, jadi dapat disimpulkan bahwa Working capital turnover dan Total asset turnover secara bersama-sama berpengaruh terhadap rentabilitas ekonomi.

Perbandingan F_hitungdan 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, makaH0 ditolak dan Ha diterima.

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 keaktivan ekstrakurikuler dan kemandirian belajar bertambah 1 poin (X1 dan X2 = 5), maka tingkat intelegensi akan naik menjadi: Y=9,072+0,457X_1+0,493X_2 =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.

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 datadata yang ada pada variabel (menggambarkan garis regresi), sebab titik-titik terletak mendekati atau sekitar garis lurus.

Durbin-Watson, yaitu nilai yang menunjukkan ada atau tidaknya autokorelasi dalam model regresi. Autokorelasi adalah hubungan yang terjadi antara residual dari pengamatan satu dengan pengamatan yang lain. Model regresi yang baik seharusnya tidak terjadi autokorelasi. Untuk mendeteksi ada atau tidaknya autokorelasi maka nilai DW akan dibandingkan dengan DW tabel, dengan kriteria sebagai berikut:

- Jika DW < dL atau DW > 4-dL berarti terdapat autokorelasi.

- Jika DW terletak antara dU dan 4-dU berarti tidak ada autokorelasi.

- Jika DW terletak antara dL dan dU atau diantara 4-dU dan 4-dL, maka tidak menghasilkan kesimpulan yang pasti.

Daftar Pustaka

Dr Imam Machali, M.Pd.2015. Statistik Itu Mudah. Menggunakan SPSS Sebagai Alat Bantu Statistik. Yogyakarta. Lembaga Ladang kata

Rochmat Aldy Purnomo, S.E, M.Si.2016. Analisis Statistik Ekonomi dan bisnis Dengan  SPSS Ponorogo.Wade Group

Dyah Nirmala Arum Janie,S.EM.Si.2012. Statistik Deskriptif & Regresi Linier Berganda dengan SPSS. Semarang. Semarang University Pres.

Edo Perdana K. 2016. Oleh Data Skripsi dengan SPSS 22. Pangkalpinang. Lab Komp. Manajemen FE UB

Fridayana Yudiaatmaja.2013.Analisis Regresi dengan Menggunakan Aplikasi Komputer Statistik SPSS.Jakarta.Gramedia Pustaka Utama