http://teorionline.

net/ 1
Aplikasi Regresi Ganda dengan SPSS

APLIKASI REGRESI GANDA DENGAN SPSS

HENDRY
admin teorionline.net
Phone : 021-834 14694 / email : klik.statistik@gmail.com
Tentang Regresi Ganda
Analisis regresi merupakan salah satu teknik analisis yang paling popular di bidang penelitian
sekarang ini. Analisis regresi digunakan untuk menjelaskan suatu variabel respon (variabel
terikat / dependent / output) menggunakan satu atau lebih variabel input (variabel bebas,
independent variable / eksogen). Jika variabel bebas terdiri dari 1 maka regresi sederhana
yang digunakan, dan jika variabel input lebih dari 1, maka regresi ganda yang digunakan.
Persamaan regresi ganda dinotasikan sebagai berikut : Y = a + b1X1 + b2X2 + b3X3 .
BkXi + e
( Y adalah variabel respon, a = konstanta, b = parameter regresi)
Data : data yang digunakan untuk analisis regresi linier sederhana adalah minimal interval
Asumsi : asumsi yang harus dipenuhi dalam regresi ganda adalah asumsi klasik
Contoh Kasus
Seorang manajer penjualan salah satu agen sepeda motor ingin mengetahui pengaruh biaya
promosi meliputi iklan tv dan iklan radio dengan jumlah unit motor 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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

IklanTV
100
100
112
113
96
104
98
99
98
95
100
105
96
99
105
110

Iklanradio
30
25
35
21
22
30
32
34
27
25
30
32
25
22
32
35

Unit
Terjual
8000
7800
9800
7800
7900
8100
7800
8000
7800
7600
8600
8100
7600
7500
8700
8300

http://teorionline.net/ 2
Aplikasi Regresi Ganda dengan SPSS
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

96
96
96
96
97
89
92
109
96
96
96
96
96
98
105
107
64
111
110
96

22
30
20
25
25
25
20
35
25
18
18
25
15
18
22
22
20
28
24
25

Data Penjualan dalam Satuan Juta

Data Unit Terjual (satuan)

7400
8000
7200
7800
7900
7400
7700
9000
7600
7800
7700
7800
7500
5300
7900
7000
4400
8000
7400
7300

http://teorionline.net/ 3
Aplikasi Regresi Ganda dengan SPSS

Penyelesaian
Buka SPSS
Copy Seluruh data ke lembar kerja SPSS
Beri nama pada tab variable views dengan TV, Radio, dan Jual
Berikut tampilan data di SPSS

http://teorionline.net/ 4
Aplikasi Regresi Ganda dengan SPSS

Klik Analyze Regression - Linier lalu setting data seperti tampilan di bawah ini
Masukkan variabel TV dan Radio ke box independent, dan Jual (unit terjual) ke box
dependent

Klik Plots, lalu Tick pada pilihan Histogram dan Normal Probability Plot
Masukkan pilihan Sresid ke Sumbu Y, dan Zpred ke sumbu X

Klik Continue

http://teorionline.net/ 5
Aplikasi Regresi Ganda dengan SPSS

Klik Statistics, lalu Tick pada pilihan Colinearity diagnosics dan Durbin-Watson

Klik Continue, lalu Klik OK

Hasil

Regression
Variables Entered/Removedb
Model
1

Variables
Entered
Radio, TVa

Variables
Removed

Method
Enter

a. All requested variables entered.

b. Dependent Variable: Jual

Model Summaryb
Model
1

R
R Square
.774a
.599

Adjusted
R Square
.575

Std. Error of
the Estimate
573.39994

DurbinWatson
1.762

a. Predictors: (Constant), Radio, TV

b. Dependent Variable: Jual

ANOVAb
Model
1

Regression
Residual
Total

Sum of
Squares
16217513
10849987
27067500

a. Predictors: (Constant), Radio, TV

b. Dependent Variable: Jual

df
2
33
35

Mean Square
8108756.475
328787.486

F
24.663

Sig.
.000a

http://teorionline.net/ 6
Aplikasi Regresi Ganda dengan SPSS

Coefficientsa

Model
1

(Constant)
TV
Radio

Unstandardized
Coefficients
B
Std. Error
815.840
1129.922
52.370
12.516
66.447
19.855

Standardized
Coefficients
Beta
.509
.407

t
.722
4.184
3.347

Sig.
.475
.000
.002

Collinearity Statistics
Tolerance
VIF
.822
.822

a. Dependent Variable: Jual

Collinearity Diagnosticsa

Model
1

Dimension
1
2
3

Eigenvalue
2.972
.024
.003

Condition
Index
1.000
11.027
29.759

Variance Proportions
(Constant)
TV
Radio
.00
.00
.00
.07
.03
.92
.93
.97
.07

a. Dependent Variable: Jual

Residuals Statisticsa
Minimum
Maximum
Mean
Predicted Value
5496.4478 9006.9033 7708.3333
Std. Predicted Value
-3.249
1.908
.000
Standard Error of
97.076
417.922
154.740
Predicted Value
Adjusted Predicted Value 6729.0620 8988.6152 7744.2206
Residual
-1844.13 793.09631
.00000
Std. Residual
-3.216
1.383
.000
Stud. Residual
-3.372
1.488
-.026
Deleted Residual
-2338.95 917.82739 -35.88723
Stud. Deleted Residual
-4.102
1.517
-.056
Mahal. Distance
.031
17.621
1.944
Cook's Distance
.000
2.946
.112
Centered Leverage Value
.001
.503
.056
a. Dependent Variable: Jual

Std. Deviation
680.70369
1.000

N
36
36

59.609

36

603.56379
556.77610
.971
1.070
699.22284
1.170
2.994
.490
.086

36
36
36
36
36
36
36
36
36

1.217
1.217

http://teorionline.net/ 7
Aplikasi Regresi Ganda dengan SPSS

Charts

Histogram

Dependent Variable: Jual

12.5

7.5

5.0

2.5
Mean =1.03E-15
Std. Dev. =0.971
N =36

0.0
-4

-3

-2

-1

Regression Standardized Residual

Normal P-P Plot of Regression Standardized Residual

Dependent Variable: Jual

1.0

Expected Cum Prob

Frequency

10.0

0.8

0.6

0.4

0.2

0.0
0.0

0.2

0.4

0.6

Observed Cum Prob

0.8

1.0

http://teorionline.net/ 8
Aplikasi Regresi Ganda dengan SPSS

Scatterplot

Dependent Variable: Jual

Regression Studentized Residual

-1

-2

-3

-4
-4

-3

-2

-1

Regression Standardized Predicted Value

PEMBAHASAN
Sebelum memberikan interpretasi pada hasil regresi, dilakukan pengujian asumsi
normalitas sebagai syarat regresi. Apabila berdistribusi normal maka analisis parametrik
seperti analisis regresi dapat dilanjutkan, sebaliknya apabila tidak tidak berdistribusi normal
maka digunakan statistik non parametrik untuk menguji hipotesis. Pengujian normalitas ini
menggunakan diagram histogram dan grafik p p-plot untuk memprediksi apakah residual
berdistribusi normal atau tidak.
Histogram

Dependent Variable: Jual

12.5

Frequency

10.0

7.5

5.0

2.5
Mean =1.03E-15
Std. Dev. =0.971
N =36

0.0
-4

-3

-2

-1

Regression Standardized Residual

Berdasarkan hasil uji di atas terlihat bahwa menyebar agak ke kanan bagian kurva normal, dan
sehingga belum dapat disimpulkan apakah residual memenuhi asumsi normalitas.

http://teorionline.net/ 9
Aplikasi Regresi Ganda dengan SPSS

Normal P-P Plot of Regression Standardized Residual

Dependent Variable: Jual

Expected Cum Prob

1.0

0.8

0.6

0.4

0.2

0.0
0.0

0.2

0.4

0.6

0.8

1.0

Observed Cum Prob

Hasil pengujian dengan memperhatikan grafik p p-plot juga menunjukkan kesimpulan serupa
dengan histogram. Dari tampilan di atas terlihat bahwa ada data menyebar keluar dari garis
diagonal, sehingga belum dapat dinyatakan normal.
Memperhatikan temuan ini, maka pengujian normalitas residual dilakukan dengan teknik
statistik Kolmogorov-Smirnov Test.
Membuat Residual
Klik Analyze Regression Liniear.
Masukkan variabel seperti langkah awal.
Klik Save, tick pada pilihan unstandard seperti terlihat pada gambar di bawah ini

http://teorionline.net/ 10
Aplikasi Regresi Ganda dengan SPSS

Jika dilakukan dengan benar, maka akan ada variabel baru yang bernama RES_1

http://teorionline.net/ 11
Aplikasi Regresi Ganda dengan SPSS

Klik Analyze Lalu pilih Nonparametric Test, lalu pilih 1-Sample K-S

Masukkan variabel RES_1 ke box Test Variable List

Klik OK

http://teorionline.net/ 12
Aplikasi Regresi Ganda dengan SPSS

Hasil Uji Normalitas

One-Sample Kolmogorov-Smirnov Test

N
Normal Parametersa,b
Most Extreme
Differences

Unstandardiz
ed Residual
36
.0000000
556.77610403
.159
.077
-.159
.952
.324

Mean
Std. Deviation
Absolute
Positive
Negative

Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
a. Test distribution is Normal.
b. Calculated from data.

Hasil uji normalitas residual dengan Kolmogorov-Smirnov menunjukkan nilai Asymp.Sig

sebesar 0.324 (> 0.05), sehingga dapat disimpulkan bahwa residual model regresi berdistribusi
normal.
Coefficientsa

Model
1

(Constant)
TV
Radio

Unstandardized
Coefficients
B
Std. Error
815.840
1129.922
52.370
12.516
66.447
19.855

Standardized
Coefficients
Beta
.509
.407

t
.722
4.184
3.347

Sig.
.475
.000
.002

Collinearity Statistics
Tolerance
VIF
.822
.822

1.217
1.217

a. Dependent Variable: Jual

Dengan melihat Nilai VIF (Varian Inflation Factor) diketahui bahwa tidak ada variabel yang
memiliki nilai VIF lebih dari 10, serta nilai tolerance yang kurang dari 0.10. Dengan demikian
dapat disimpulkan bahwa variabel independen terbebas dari masalah Multikolinieritas.

http://teorionline.net/ 13
Aplikasi Regresi Ganda dengan SPSS

Scatterplot

Dependent Variable: Jual

Regression Studentized Residual

-1

-2

-3

-4
-4

-3

-2

-1

Regression Standardized Predicted Value

Hasil uji heterokedastisitas pada tampilan grafik scatter plot di atas menunjukkan bahwa tidak
terjadi masalah heterokedastis. Hal ini dapat dilihat dari sebaran data yang menyebar ke
segala bidang, dan berada di atas maupun dibawah nilai 0 pada sumbu Y.

Model Summaryb
Model
1

R
R Square
.774a
.599

Adjusted
R Square
.575

Std. Error of
the Estimate
573.39994

DurbinWatson
1.762

a. Predictors: (Constant), Radio, TV

b. Dependent Variable: Jual

Hasil uji autokorelasi dapat dilihat dari nilai Durbin_Watson sebesar 1.762. Untuk n=36, dan
k=2 diperoleh nilai DW tabel Dl 1.354 dan Du 1.584. Nilai DW hitung 1.762 > dari batas atas
(du) yaitu 1.584 dan kurang dari 4du, sehingga dapat disimpulkan tidak ada autokorelasi
positif maupun negative pada model.

http://teorionline.net/ 14
Aplikasi Regresi Ganda dengan SPSS

Korelasi dan Regresi

Model Summaryb
Model
1

R
R Square
.774a
.599

Adjusted
R Square
.575

Std. Error of
the Estimate
573.39994

DurbinWatson
1.762

a. Predictors: (Constant), Radio, TV

b. Dependent Variable: Jual

Korelasi antara biaya promosi (iklan TV dan Radio) dengan penjualan (unit terjual) adalah
sebesar 0.774, dengan koefisien determinasi 0.575 (adjusted R Square). Dengan demikian
dapat dinyatakan bahwa variasi penjualan mampu dijelaskan oleh biaya promosi sebesar
57.50%, dan sisanya dipengaruhi faktor lain selain biaya promosi
Coefficientsa

Model
1

(Constant)
TV
Radio

Unstandardized
Coefficients
B
Std. Error
815.840
1129.922
52.370
12.516
66.447
19.855

Standardized
Coefficients
Beta
.509
.407

t
.722
4.184
3.347

Sig.
.475
.000
.002

Collinearity Statistics
Tolerance
VIF
.822
.822

1.217
1.217

a. Dependent Variable: Jual

Persamaan regresi : Penjualan = 815.84 + 52.370 (Iklan TV) + 66.447 (Iklan Radio),
Persamaan regresi tersebut mempunyai makna sebagai berikut:
Konstanta sebesar 816 (pembulatan) berarti bahwa tanpa adanya biaya yang dikeluarkan
untuk promosi, maka penjualan sepeda motor adalah sebesar 816 unit. Jika variabel biaya
iklan TV naik (satu juta) maka akan menyebabkan kenaikan (karena tanda positif) sebesar 52
unit pada penjualan sepeda motor. Sedangkan jika biaya iklan radio naik 1 juta, maka akan
menyebabkan kenaikan pada penjualan sebesar 66 unit sepeda motor.
Pengujian Hipotesis Simultan
Ho
: Tidak ada pengaruh Iklan TV dan Radio terhadap Penjualan
Ha
: Ada pengaruh positif dan signifikan Iklan TV dan Radio terhadap Penjualan
Pengambilan keputusan (berdasarkan probabilitas) :
Jika probabilitas > 0,05 maka Ho diterima, sedangkan jika probabilitas < 0,05 maka Ho ditolak.
ANOVAb
Model
1

Regression
Residual
Total

Sum of
Squares
16217513
10849987
27067500

a. Predictors: (Constant), Radio, TV

b. Dependent Variable: Jual

df
2
33
35

Mean Square
8108756.475
328787.486

F
24.663

Sig.
.000a

http://teorionline.net/ 15
Aplikasi Regresi Ganda dengan SPSS

Dari hasil uji signifikansi terlihat bahwa nilai probabilitas adalah sebesar 0,00 (< 0,01) sehingga
Ho ditolak. Artinya, pengaruh biaya promosi (iklan TV dan Radio) secara simultan terbukti
mempengaruhi penjualan signifikan sehingga hipotesis alternatif (Ha) diterima.
Hasil uji model parsial dengan memperhatikan nilat probilitas pada uji t memperoleh nilai t
hitung untuk iklan TV sebesar 0.000 dan Iklan Radio 0.002. Karena probilitas < 0.05, maka
dapat disimpulkan bahwa secara parsial dua variabel ini terbukti berpengaruh signifikan
terhadap penjualan.
Rekomendasi Buku :
Rosadi, Dedi. (2012). Ekonometrika dan Analisis Runtun Waktu Terapan dengan EViews.
Yogyakarta : Andi
Ghozali, Imam. (2009). Analisis Multivariate dengan Program SPSS. Semarang : BP UNDIP