Modul Praktikum

Materi Analisis Regresi Berganda

Metode Riset Hal. Periode PTA 33
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.
Daerah
Sales
(dalam jutaan)
Promosi
(dalam jutaan)
Outlet
(dalam m
2
)
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
Modul Praktikum
Materi Analisis Regresi Berganda

Metode Riset Hal. Periode PTA 34
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. Klik
produce all partial plots, kemudian klik Continue untuk meneruskan.
5. Kemudian tekan OK untuk proses data.



Modul Praktikum
Materi Analisis Regresi Berganda

Metode Riset Hal. Periode PTA 35
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 Std Dev Label

SALES 246.400 41.113
OUTLET 187.933 38.087
PROMOSI 34.667 9.678

N of Cases = 15

Correlation, 1-tailed Sig:

SALES OUTLET PROMOSI

SALES 1.000 .901 .916
. .000 .000

OUTLET .901 1.000 .735
.000 . .001

PROMOSI .916 .735 1.000
.000 .001 .

23 Oct 89 SPSS for MS WINDOWS Release 6.0 Page 2


* * * * M U L T I P L E R E G R E S S I O N * * * *

Equation Number 1 Dependent Variable.. SALES

Descriptive Statistics are printed on Page 1

Block Number 1. Method: Enter OUTLET PROMOSI


Variable(s) Entered on Step Number
1.. PROMOSI
2.. OUTLET

Multiple R .97557
R Square .95173
Adjusted R Square .94368
Standard Error 9.75663

Analysis of Variance
DF Sum of Squares Mean Square
Regression 2 22521.29893 11260.64946
Residual 12 1142.30107 95.19176

F = 118.29438 Signif F = .0000
Modul Praktikum
Materi Analisis Regresi Berganda

Metode Riset Hal. Periode PTA 36

------------------ Variables in the Equation ------------------

Variable B SE B Beta T Sig T

OUTLET .535102 .101019 .495724 5.297 .0002
PROMOSI 2.342246 .397548 .551377 5.892 .0001
(Constant) 64.638577 13.111991 4.930 .0003


End Block Number 1 All requested variables entered.

Hi-Res Chart # 1:Partial residual plot of sales with outlet
Hi-Res Chart # 2:Partial residual plot of sales with promosi


E. ANALISIS
1. Output bagian pertama

Mean Std Dev Label

SALES 246.400 41.113
OUTLET 187.933 38.087
PROMOSI 34.667 9.678

N of Cases = 15

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 m
2
.


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 OUTLET PROMOSI

SALES 1.000 .901 .916
. .000 .000

OUTLET .901 1.000 .735
.000 . .001

PROMOSI .916 .735 1.000
.000 .001 .

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.
Modul Praktikum
Materi Analisis Regresi Berganda

Metode Riset Hal. Periode PTA 37
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

Descriptive Statistics are printed on Page 1

Block Number 1. Method: Enter OUTLET PROMOSI


Variable(s) Entered on Step Number
1.. PROMOSI
2.. OUTLET

Multiple R .97557
R Square .95173
Adjusted R Square .94368
Standard Error 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
DF Sum of Squares Mean Square
Regression 2 22521.29893 11260.64946
Residual 12 1142.30107 95.19176

F = 118.29438 Signif F = .0000

------------------ Variables in the Equation ------------------

Variable B SE B Beta T Sig T

OUTLET .535102 .101019 .495724 5.297 .0002
PROMOSI 2.342246 .397548 .551377 5.892 .0001
(Constant) 64.638577 13.111991 4.930 .0003
Modul Praktikum
Materi Analisis Regresi Berganda

Metode Riset Hal. Periode PTA 38
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 X
1
+ 0.535 X
2

Di mana : Y = Sales, X
1
= Biaya Promosi, dan X
2
= 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 X
1
sebesar 2.343 menyatakan bahwa setiap penambahan (karena
tanda +) Rp. 1,- Biaya Promosi, akan meningkatkan Sales sebesar Rp. 2.343.000,-.
Koefisien regresi X
2
sebesar 0.535 menyatakan bahwa setiap penambahan (karena
tanda +) 1 m
2
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 :
H
o
= Koefisien regresi tidak signifikan.
H
a
= 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 # 1:Partial residual plot of sales with outlet
Hi-Res Chart # 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.

Modul Praktikum
Materi Analisis Regresi Berganda

Metode Riset Hal. Periode PTA 39
Partial Regression Plot
Dependent Variable: SALES
OUTLET
80 60 40 20 0 -20 -40
S
A
L
E
S
50
40
30
20
10
0
-10
-20

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
PROMOSI
20 10 0 -10 -20
S
A
L
E
S
50
40
30
20
10
0
-10
-20
-30