Anda di halaman 1dari 7

Modul Praktikum Materi Analisis Regresi Berganda

ANALISIS REGRESI BERGANDA


A. PENDAHULUAN Pembahasan mengenai sebuah variable numeric bisa melalui penggunaan Statistic Deskriptif dan Inferensia untuk membuat perkiraan dan kesimpulan tentang cariabel tersebut. Jika yang akan dibahas adalah 2 variabel numeric atau lebih, termasuk hubungan di antara keduanya, maka digunakan 2 teknik perhitungan, yaitu Regresi dan Korelasi. Dalam analisis regresi, akan dikembangkan sebuah estimating equation (persamaan regresi) yaitu suatu formula matematika yang mencari nilai variable dependent dari nilai variable independent yang diketahui. Analisis regresi digunakan terutama untuk tujuan peramalan, di mana dalam model tersebut ada sebuah variable dependent (tergantung) dan variable independent (bebas). Sebagai contoh ada tiga variable, yaitu Penjualan, Biaya Promosi dan Biaya Iklan. Dalam praktek, akan dibahas bagaimana hubungan antara Biaya Promosi dan Biaya Iklan terhadap Penjualan. Di sini berarti ada variable dependent yaitu Penjualan, sedangkan variable independentnya adalah Biaya Promosi dan Biaya Iklan. Metode Korelasi akan membahas keeratan hubungan, dalam hal ini keeratan hubungan antara Biaya Promosi dan biaya Iklan terhadap Penjualan. Sedang metode Regresi akan membahas prediksi (peramalan), dalam hal ini apakah Penjualan di masa mendatang bisa diramalkan jika Biaya Promosi dan Biaya Iklan diketahui. Dalam praktek, regresi sering dibedakan antara regresi sederhana dan berganda. Disebut regresi sederhana (Simple Regression) jika hanya ada satu variable independent, sedangkan disebut regresi berganda (Multiple Regression) jika ada lebih dari satu variable independent.

B. CONTOH KASUS PT. CEMERLANG dalam beberapa bulan gencar mempromosikan sejumlah peralatan elektronik dengan membuka outlet di berbagai daerah. Berikut ini adalah data mengenai Penjualan, Biaya Promosi dan Luas Outlet yang berasal dari 15 daerah di Indonesia. Sales Promosi Outlet Daerah 2 (dalam jutaan) (dalam jutaan) (dalam m ) Jakarta 205 26 159 Tangerang 206 28 164 Bekasi 254 35 198 Bogor 246 31 184 Bandung 201 21 150 Semarang 291 49 208 Solo 234 30 184 Yogya 209 30 154 Surabaya 204 24 149 Purwokerto 216 31 175 Madiun 245 32 192
Metode Riset Hal.

33

Periode PTA

Modul Praktikum Materi Analisis Regresi Berganda

Tuban 286 47 201 Malang 312 54 248 Kudus 265 40 166 Pekalongan 322 42 287 Dari table tadi, akan dilakukan analisis regresi untuk mengetahui hubungan di antara variable Penjualan dengan Biaya Promosi dan Luas Outlet.

C. PENGOLAHAN DATA DENGAN SPSS Langkah-langkah : 1. Buka file berganda.sav 2. Dari menu utama SPSS, pilih menu Statistics, kemudian pilih submenu Regression, lalu pilih Linear 3. Tampil kotak dialog Linear Regression 4. Pengisian : a. Dependent. Dalam hal ini variable tergantung adalah variable Sales, jadi klik Sales, kemudian klik tanda > (yang sebelah atas), maka variable Sales berpindah ke Dependent. b. Independent(s). Dalam hal ini variable bebas adalah variable Promosi. Klik variable Promosi juga Outlet. Kemudian klik tanda > (yang sebelah tengah), maka variable Promosi dan Outlet berpindah ke Independent(s). Method, iatau cara memasukkan/selekasi variable. Metode ini bermacam-macam, seperti Stepwise, Remove, Backward dan Forward (Stepwise). Untuk keseragaman, pilih default yang ada, yaitu Enter, yaitu prosedur pemilihan variable di mana semua variable dalam blok dimasukkan dalam perhitungan single step. c. Pilih tombol Options, maka : Untuk Stepping Method Criteria, digunakan uji F yang mengambil standar angka probabilitas 5%. Karena itu, angka Entry .05 atau 5% dipilih. Pilihan default Include constantin equation atau menyertakan konstanta tetap dipilih. Penanganan Missing Value atau data yang hilang, digunakan default dari SPSS, yaitu Exclude cases pairwise. Data kasusu tidak ada yang hilang. Klik Continue untuk meneruskan. d. Pilih tombol Statistics. Pilihan ini berkenaan dengan perhitungan statistic regresi yang akan digunakan. Perhatikan default yang ada di SPSS adalah Estimates dan Model fit. Regression Coefficient atau perlakuan koefisien regresi, pilih default atau Estimates. Klik pilihan Descriptive selain pilihan Model fit. Klik Continue untuk meneruskan. e. Pilih tombol Plots atau berhubungan dengan gambar/grafik untuk regresi. produce all partial plots, kemudian klik Continue untuk meneruskan. 5. Kemudian tekan OK untuk proses data.

Klik

Metode Riset

Hal.

34

Periode PTA

Modul Praktikum Materi Analisis Regresi Berganda

D. OUTPUT
23 Oct 89 SPSS for MS WINDOWS Release 6.0 Page 1

* * * *

M U L T I P L E

R E G R E S S I O N

* * * *

Listwise Deletion of Missing Data Mean SALES OUTLET PROMOSI N of Cases = 246.400 187.933 34.667 15 Std Dev 41.113 38.087 9.678 Label

Correlation, 1-tailed Sig: SALES SALES 1.000 . .901 .000 .916 .000 OUTLET .901 .000 1.000 . .735 .001 PROMOSI .916 .000 .735 .001 1.000 . Page 2

OUTLET

PROMOSI

23 Oct 89 SPSS for MS WINDOWS Release 6.0

* * * * Equation Number 1

M U L T I P L E Dependent Variable..

R E G R E S S I O N SALES 1 OUTLET PROMOSI

* * * *

Descriptive Statistics are printed on Page Block Number 1. Method: Enter

Variable(s) Entered on Step Number 1.. PROMOSI 2.. OUTLET Multiple R R Square Adjusted R Square Standard Error Analysis of Variance Regression Residual F = 118.29438 DF 2 12 Sum of Squares 22521.29893 1142.30107 Signif F = .0000 Hal. Mean Square 11260.64946 95.19176 .97557 .95173 .94368 9.75663

Metode Riset

35

Periode PTA

Modul Praktikum Materi Analisis Regresi Berganda

------------------ Variables in the Equation -----------------Variable OUTLET PROMOSI (Constant) .535102 2.342246 64.638577 B SE B .101019 .397548 13.111991 Beta .495724 .551377 5.297 5.892 4.930 T Sig T .0002 .0001 .0003

End Block Number Hi-Res Chart Hi-Res Chart

All requested variables entered.

# 1:Partial residual plot of sales with outlet # 2:Partial residual plot of sales with promosi

E. ANALISIS 1. Output bagian pertama


Mean SALES OUTLET PROMOSI N of Cases = 246.400 187.933 34.667 15 Std Dev 41.113 38.087 9.678 Label

Rata-rata Sales (dengan jumlah data 15 buah) adalah Rp. 246.400.000,- dengan standar deviasi Rp. 41.110.000,-. Rata-rata luas Outlet (dengan jumlah data 15 buah) adalah 187,93 m 2 dengan standar deviasi 38,09 m2. Rata-rata Biaya Promosi (dengan jumlah data 15 buah) adalah Rp. 34.670.000,dengan standar deviasi Rp. 9.680.000,2. Output bagian kedua
Correlation, 1-tailed Sig: SALES SALES 1.000 . .901 .000 .916 .000 OUTLET .901 .000 1.000 . .735 .001 PROMOSI .916 .000 .735 .001 1.000 .

OUTLET

PROMOSI

a. Besar hubungan antar variable Sales dengan Outlet yang dihitung dengan koefisien korelasi adalah 0.901, sedangkan korelasi variable Sales dengan Promosi adalah 0.916. Secara teoritis, karena korelasi antara Sales dengan Promosi lebih besar, maka variabel Promosi lebih berpengaruh terhadap Sales dibanding variable Outlet.
Metode Riset Hal.

36

Periode PTA

Modul Praktikum Materi Analisis Regresi Berganda

b. Terjadi korelasi yang cukup kuat antara variable Promosi dengan Outlet, yaitu 0.735. hal ini menandakan adanya multikolineritas, atau korelasi di antara variable bebas. c. Tingkat signifikansi koefisien korelasi satu sisi dari output (diukur dari probabilitas) menghasilkan angka 0.000 atau praktis 0. Karena probabilitas jauh di bawah 0.05, maka korelasi di antara variable Sales dengan Promosi dan Outlet sangat nyata. 3. Output bagian ketiga
Equation Number 1 Dependent Variable.. SALES 1 OUTLET PROMOSI

Descriptive Statistics are printed on Page Block Number 1. Method: Enter

Variable(s) Entered on Step Number 1.. PROMOSI 2.. OUTLET Multiple R R Square Adjusted R Square Standard Error .97557 .95173 .94368 9.75663

a. Variabel Entered menunjukkan bahwa tidak ada variable yang dikeluarkan (removed), atau dengan kata lain kedua variable bebeas dimasukkan dalam perhitungan regresi. b. Angka R square adalah 0.952. hal ini berarti 95,2% Sales perusahaan bisa dijelaskan oleh variable Promosi dan outlet yang disewa, sedangkan sisanya (100% - 95,2% = 4,8%) dijelaskan oleh sebab/factor yang lain. c. Standard error of estimate adalah 9.76 atau Tp. 9.760.000,- (satuan yang dipakai adalah variable dependent, atau dalam hal ini adalah Sales). Perhatikan pada analisis sebelumnya, bahwa standard deviasi Sales adalah Rp. 41.110.000,-, yang jauh lebih besar dari standard error of estimate yang hanya Rp. 9.760.000,-. Karena labih kecil dari standard deviasi Sales, maka model regresi lebih bagus dalam bertindak sebagai predictor Sales daripada rata-rata Sales itu sendiri. 4. Output bagian keempat
Analysis of Variance Regression Residual F = 118.29438 DF 2 12 Sum of Squares 22521.29893 1142.30107 Signif F = .0000 Mean Square 11260.64946 95.19176

------------------ Variables in the Equation -----------------Variable OUTLET PROMOSI (Constant) Metode Riset .535102 2.342246 64.638577 B SE B .101019 .397548 13.111991 Beta .495724 .551377 5.297 5.892 4.930 T Sig T .0002 .0001 .0003 Periode PTA

Hal.

37

Modul Praktikum Materi Analisis Regresi Berganda

a. Dari ujia ANOVA atau F test, didapat F hitung adalah 118.294 dengan tingkat signifikansi 0.0000. karena probabilitas (0.0000) jauh lebih kecil dari 0.05, maka model regresi bisa dipakai untuk memprediksi sales. Atau bisa dikatakan, Promosi dan luas Outlet yang disewa secara bersama-sama berpengaruh terhadap Sales. b. Persamaan regresi yang dapat dilihat pada Variables in the Equation, yaitu : Y = 64.639 + 2.342 X1 + 0.535 X2 Di mana : Y = Sales, X1 = Biaya Promosi, dan X2 = Luas Outlet Konstanta sebesar 64.639 menyatakan bahwa jika tidak ada Biaya Promosi atau Outlet yang disewa perusahaan, maka Sales adalah Rp. 64.639.000,Koefisien regresi X1 sebesar 2.343 menyatakan bahwa setiap penambahan (karena tanda +) Rp. 1,- Biaya Promosi, akan meningkatkan Sales sebesar Rp. 2.343.000,-. Koefisien regresi X2 sebesar 0.535 menyatakan bahwa setiap penambahan (karena tanda +) 1 m2 Luas Outlet yang disewa, akan meningkatkan Sales sebesar Rp. 535.000,-. c. Uji t untuk menguji signifikansi konstanta dan variable dependent, yaitu Biaya Promosi. (Di sini akan diberi contoh uji koefisien regresi dari variable Promosi). Hipotesis Hipotesis untuk kasus ini adalah : Ho = Koefisien regresi tidak signifikan. Ha = Koefisien regresi signifikan. Pengambilan Keputusan Dasar pengambilan keputusan adalah : Jika probabilitas > 0,05, maka H o diterima Jika probabilitas < 0,05, maka H o ditolak (dalam SPSS, biasanya kata probabilitas diwakili dengan kata signifikan / sig.) Keputusan Terlihat bahwa Sig. T adalah 0.0001, atau probabilitas jauh di bawah 0.05, maka H o ditolak, atau koefisien regresi signifikan, atau Promosi benar-benar berpengaruh secara signifikan terhadap Sales. Uji yang sama, jika diterapkan pada variable Outlet, akan menghasilkan kesimpulan yang sama, yaitu variable Outlet benar-benar berpengaruh secara signifikan terhadap Sales. 5. Output bagian kelima
Hi-Res Chart Hi-Res Chart # 1:Partial residual plot of sales with outlet # 2:Partial residual plot of sales with promosi

a. Hubungan Sales dengan Outlet Terlihat bahwa sebaran data membentuk arah ke kanan atas, dan jika ditarik garis lurus akan didapat slope yang positif. Hal ini sesuai dengan koefisien regresi (yang adalah nilai slope) Outlet yang positif.
Metode Riset Hal.

38

Periode PTA

Modul Praktikum Materi Analisis Regresi Berganda

Partial Regression Plot Dependent Variable: SALES


50 40 30 20 10 0

SALES

-10 -20 -40

-20

20

40

60

80

OUTLET

b. Hubungan Sales dengan Promosi Terlihat bahwa sebaran data membentuk arah ke kanan atas, dan jika ditarik garis lurus akan didapat slope yang positif. Hal ini sesuai dengan koefisien regresi (yang adalah nilai slope) Promosi yang positif.

Partial Regression Plot Dependent Variable: SALES


50 40 30 20 10 0 -10

SALES

-20 -30 -20 -10 0 10 20

PROMOSI

Metode Riset

Hal.

39

Periode PTA