JURUSAN MANAJEMEN

FAKULTAS EKONOMI
UNIVERSITAS MERCU BUANA
JAKARTA
MODUL 11
METODE PENELITIAN

ANALISIS DATA (ANALISIS REGRESI)

Oleh:
Mafizatun Nurhayati

mafiz_69@yahoo.com

ANALISIS REGRESI
Analisis regresi adalah studi mengenai ketergantungan variable dependen (terikat)
dengan satu atau lebih variable dependen (bebas), dengan tujuan untuk mengestimasi
dan atau memprediksi rata-rata populasi atau nilai rata-rata variabel dependen
berdasarkan variabel independen yang diketahui.
Analisis regresi selain mengukur kekuatan hubungan antara dua variable atau lebih
(seperti analisis korelasi), juga menunjukkan arah hubungan antara variable dependen
dengan variable independent.
Kasus:
Kasus yang ingin dianalisis adalah apakah total income anggota keluarga (INCOME)
dipengaruhi oleh jumlah anggota keluarga (SIZE), gaji yang diperoleh kepala keluarga
(EARNS), besarnya kekayaan keluarga (WEALTH), dan tabungan keluarga (SAVING).
Atau secara matematis dapat ditulis:
INCOME = bo + b1 SIZE + b2 EARNS + b3 WEALTH + b4 SAVING + e
Langkah Analisis:
a. Buka file DATA REGRESI-INCOME.sav

PUSAT PENGEMBANGAN BAHAN AJAR- UMB

Mafizhatun Nurhayati, SE. MM.

METODE PENELITIAN

mafiz_69@yahoo.com

b. Pilih menu Analyze kemudian submenu Regression, lalu pilih Linear

c. Akan muncul layar seperti berikut:

PUSAT PENGEMBANGAN BAHAN AJAR- UMB

Mafizhatun Nurhayati, SE. MM.

METODE PENELITIAN

mafiz_69@yahoo.com

d. Pada kotak Dependent isikan variable INCOME. Pada kotak Independent isikan
variable SIZE, EARNS, WEALTH

e. Pilih Statistik, dilayar akan muncul tampilan windows Linear Regression Statistics,
isikan semua isian, kecuali Casewise-diagnostic, pilih Outliers outside. Lalu klik
Continue.

f. Lalu pilih Plots, hingga di layar tampak tampilan window Linear Regression Plots:
Masukkan variable SRESID pada kotak pilihan Y, dan masukkan variable ZPRED
pada kotak pilihan X. Tekan Continue

PUSAT PENGEMBANGAN BAHAN AJAR- UMB

Mafizhatun Nurhayati, SE. MM.

METODE PENELITIAN

mafiz_69@yahoo.com

g. Klik OK
h. Hasil Output:
Output dan Analisis:
1. Menilai Goodness of Fit Model,
Penilaian ini bertujuan untuk mengukur ketepatan fungsi regresi sampel dalam menaksir
nilai aktual.
a. Koefisien Determinan (R2)
Koefisien determinasi (R2) mengukur seberapa jauh kemampuan model dalam
menerangkan variasi variabel dependen. Nilai koefisien determinan adalah antara nol
dan satu.
Apabila hanya terdapat satu variabel independen maka R2 yang dipakai. Tetapi apabila
terdapat dua atau lebih variabel independen maka digunakan Adjusted R2. Setiap
tambahansatu variabel independen, maka R2 pasti meningkat tidak peduli apakah

PUSAT PENGEMBANGAN BAHAN AJAR- UMB

Mafizhatun Nurhayati, SE. MM.

METODE PENELITIAN

mafiz_69@yahoo.com

variabel tersebut berpengaruh secara signifikan teerhadap variabel dependen.

Sedangkan nilai Adjusted R2 dapat naik atau turun apabila satu variabel independen
ditambahkan ke dalam model.
Model Summaryb
Change Statistics
Model
1

R
R Square
.902a
.814

Adjusted
R Square
.807

Std. Error of
the Estimate
2.45590

R Square
Change
.814

F Change
104.211

df1

df2
4

Sig. F Change
95
.000

DurbinWatson
2.061

a. Predictors: (Constant), SIZE, EARNS, SAVING, WEALTH

b. Dependent Variable: INCOME

Besarnya nilai Adjusted R2 adalah 0,807, hal ini berarti 80,7% variasi Income dapat
dijelaskan oleh variasi dari ke empat varabel independen (SIZE, EARNS, WEALTH dan
SAVING). Sedangkan sisanya 19,5% (100% - 80,7) dijelaskan oleh sebab-sebab yang
lain diluar model.
b. Uji signifikansi Simultan (Uji Statistik F)
Uji statistik F adalah menunjukkan apakah semua variabel independen yang dimaksud
dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen.
Dengan membandingkan probabilitas (pada tabel Anova tertulis Sig) dengan taraf
nyatanya (0,05 atau 0,01).
Jika probabilitas > 0,05 maka model ditolak
Jika probabilitas < 0,05 maka model diterima.
ANOVAb
Model
1

Regression
Residual
Total

Sum of
Squares
2514.175
572.987
3087.162

df
4
95
99

Mean Square
628.544
6.031

F
104.211

Sig.
.000a

a. Predictors: (Constant), SIZE, EARNS, SAVING, WEALTH

b. Dependent Variable: INCOME

Dapat dilihat nilai F adalah 104,211 dengan probabilias 0,00. Karena probabilitas jauh
lebih kecil dari 0,05, maka model regresi dapat digunakan untuk memprediksi INCOME.
Atau dapat dikatakan bahwa SIZE, EARNS, WEALTH dan SAVING secara bersamasama berpengaruh terhadap INCOME, dan bentuk persamaan regresi linear sudah
tepat.
c. Uji Signifikansi Parameter Individual (Uji Statistik t)

PUSAT PENGEMBANGAN BAHAN AJAR- UMB

Mafizhatun Nurhayati, SE. MM.

METODE PENELITIAN

mafiz_69@yahoo.com

Uji statistik t menunjukkan seberapa jauh pengaruh satu variabel penjelas/independen

secara individual dalam menerangkan variasi variabel dependen. Apakah variabel
independen berpengaruh secara nyata atau tidak.
Hipotesis:
Ho = masing-masing variabel independen tidak berpengaruh nyata terhadap variabel
dependen.
Ha = masing-masing variabel independen berpengaruh nyata terhadap variabel
dependen.
Pengambil keputusan dapat dilakukan dengan melihat probabilitasnya, yaitu:
Jika probabilitas > 0,05 maka model ditolak
Jika probabilitas < 0,05 maka model diterima.
Coefficientsa

Model
1

(Constant)
EARNS
WEALTH
SAVING
SIZE

Unstandardized
Coefficients
B
Std. Error
3.848
.862
.840
.069
.059
.019
.009
.064
-.302
.168

Standardized
Coefficients
Beta
.771
.179
.007
-.081

t
4.466
12.195
3.081
.135
-1.799

Sig.
.000
.000
.003
.893
.075

95% Confidence Interval for B

Lower Bound Upper Bound
2.137
5.558
.703
.976
.021
.098
-.119
.136
-.636
.031

Zero-order

Correlations
Partial

.886
.673
.383
-.102

.781
.301
.014
-.181

Part
.539
.136
.006
-.080

Collinearity Statistics
Tolerance
VIF
.488
.581
.776
.968

a. Dependent Variable: INCOME

Dari table unstandardized beta coefficients, dari keempat variable independent yang
dimasukkan ke dalam model regresi variable SIZE dan SAVING tidak signifikan. Hal ini
dilihat dari probabilitas signifikansi untuk SIZE sebesar 0,075 dan SAVING sebesar
0,893 dan keduanya jauh di atas 0,05. Sedangkan EARNS dan WEALTH signifikan
pada 0,05. Jadi dapat dikatakan bahwa INCOME dipengaruhi oleh EARNS dan
WEALTH.
Persamaan regresi:
INCOME = 3,848 302 SIZE + 0,840 EARNS + 0,059 WEALTH + 0,009 SAVING
(4,466) (-1,799)

(12,195)

(3,081)

(0,135)

Konstanta sebesar 3,848 menyatakan bahwa jika variable independent dianggap

konstan, maka rata-rata income keluarga sebesar 3.848 ribu dolar.
Koefisien regresi EARNS sebesar 0,840 menyatakan bahwa setiap penambahan gaji
kepala keluarga sebesar 1000 dolar akan meningkatkan INCOME keluarga sebesar 840
dolar.
Koefisien regresi WEALTH sebesar 0,059 menyatakan bahwa setiap penambahan
kekayaan keluarga 1000 dolar akan meningkatkan INCOME keluarga sebesar 59 dolar.

PUSAT PENGEMBANGAN BAHAN AJAR- UMB

Mafizhatun Nurhayati, SE. MM.

METODE PENELITIAN

2.048
1.720
1.289
1.033

mafiz_69@yahoo.com

2. Uji Asumsi Klasik

a. Uji Multikolonieritas
Bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel
bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi diantara
variabel independen.
Untuk mendeteksi ada tidaknya multikolonieritas di dalam model regresi adalah:
Nilai R2 sangat tinggi tetapi uji t banyak yang tidak signifikan.
Antar variabel independen ada korelasi yang cukup tinggi (umumnya di atas 0,90).
Nilai Tolerance < 0,10 atau Nilai variance inflation factor (VIF) > 10.
Correlations
Pearson Correlation

Sig. (1-tailed)

INCOME
EARNS
WEALTH
SAVING
SIZE
INCOME
EARNS
WEALTH
SAVING
SIZE
INCOME
EARNS
WEALTH
SAVING
SIZE

INCOME
1.000
.886
.673
.383
-.102
.
.000
.000
.000
.155
100
100
100
100
100

EARNS
.886
1.000
.625
.453
.002
.000
.
.000
.000
.493
100
100
100
100
100

WEALTH
.673
.625
1.000
.184
-.132
.000
.000
.
.034
.096
100
100
100
100
100

SAVING
.383
.453
.184
1.000
.073
.000
.000
.034
.
.234
100
100
100
100
100

SIZE
-.102
.002
-.132
.073
1.000
.155
.493
.096
.234
.
100
100
100
100
100

Coefficientsa

Model
1

(Constant)
EARNS
WEALTH
SAVING
SIZE

Unstandardized
Coefficients
B
Std. Error
3.848
.862
.840
.069
.059
.019
.009
.064
-.302
.168

Standardized
Coefficients
Beta
.771
.179
.007
-.081

t
4.466
12.195
3.081
.135
-1.799

Sig.
.000
.000
.003
.893
.075

95% Confidence Interval for B

Lower Bound Upper Bound
2.137
5.558
.703
.976
.021
.098
-.119
.136
-.636
.031

Zero-order

Correlations
Partial

.886
.673
.383
-.102

.781
.301
.014
-.181

Part
.539
.136
.006
-.080

Collinearity Statistics
Tolerance
VIF
.488
.581
.776
.968

a. Dependent Variable: INCOME

Melihat hasil besaran korelasi antar variabel independen tampak bahwa hanya variabel
EARNS yang mempunyai korelasi cukup tinggi dengan variabel WEALTH dengan
tingkat korelasi sebesar 0.625 atau 62,5%. Oleh karena korelasi ini masih di bawah
95%, maka dapat dikatakan tidak terjadi multikolinearitas yang serius.

PUSAT PENGEMBANGAN BAHAN AJAR- UMB

Mafizhatun Nurhayati, SE. MM.

METODE PENELITIAN

2.048
1.720
1.289
1.033

mafiz_69@yahoo.com

Hasil perhitungan nilai Tolerance juga menunjukkan tidak ada variabel independen yang
memiliki nilai Tolerance kurang dari 0,10 yang berarti tidak ada korelasi antar variabel
independen yang nilainya lebih dari 0,95.
Hasil perhitungan VIF juga menunjukkan hal yang sama tidak ada satu variabel
independen yang memiliki nilai VIF lebih dari 10.
Jadi dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel independen
dalam model regresi.
b. Uji Autokorelasi
Uji ini bertujuan menguji apakah dalam model regresi linear ada korelasi antara
kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1
(sebelumnya). Autokorelasi ini muncul karena observasi yang berturut-turut sepanjang
waktu berkaitan satu sama lainnya.
Penyebab utama timbulnya autokorelasi adalah kesalahan spesifikasi, misalnya
terabaikannya suatu variabel penting atau bentuk fungsi yang tidak tepat.
Diuji dengan Uji Durbin-Watson (D-W test).
Ketentuan pengambilan keputusan:

Jika 0 < DW < dL, maka terjadi autokorelasi

Jika dL DW dU, tidak dapat diketahui terjadi autokorelasi atau tidak

Jika 4 dL < DW < 4, maka terjadi autokorelasi

Jika 4 dU DW 4 dL, tidak dapat diketahui terjadi autokorelasi atau tidak

Jika dU < DW < 4 dU, maka tidak terjadi autokorelasi.

Model Summaryb
Change Statistics
Model
1

R
R Square
.902a
.814

Adjusted
R Square
.807

Std. Error of
the Estimate
2.45590

R Square
Change
.814

F Change
104.211

df1

df2
4

95

Sig. F Change
.000

DurbinWatson
2.061

a. Predictors: (Constant), SIZE, EARNS, SAVING, WEALTH

b. Dependent Variable: INCOME

Dari table Model Summary, terlihat nilai Durbin-Watson = 2,061.

DW table dengan menggunakan nilai signifikansi 0,05. Jumlah sampel n = 100, dan
jumlah variabel independen = 4 (k = 4), maka di tabel Durbin Watson akan didapat nilai
dL = 1,08 dan dU = 1,36.
Karena 1,36 < 2,061 < 4 1,36, maka tidak terjadi autokorelasi.

PUSAT PENGEMBANGAN BAHAN AJAR- UMB

Mafizhatun Nurhayati, SE. MM.

METODE PENELITIAN

mafiz_69@yahoo.com

c. Uji Heteroskedastisitas
Uji ini bertujuan menguji apakah dala model regresi terjadi ketidaksamaan variance dari
residual satu pengamatan ke pengamatan yang lain. Kebanyakan data crossection
mengandung situasi heteroskedastisitas karena data ini menghimpun data yang
mewakili berbagai ukuran.

S
c
a
t
e
r
p
l
o
t
D
e
p
n
d
e
t
V
a
r
i
b
l
e
:
I
N
C
O
M
E
4
3
2

Pemeriksaan terhadap gejala heteroskedastisitas adalah dengan melihat pola diagram

pencar. Jika diagram pencar yang ada membentuk pola-pola tertentu yang teratur maka
regresi mengalami gangguan heteroskedastisitas. Jika diagram pencar tidak membentuk

R
eg
rsio
n
S
tan
d
rized
R
esid
u
al

pola atau acak maka regresi tidak mengalami gangguan heteroskedastisitas.

1
0
--1
2-2-1R
1
2
3
e
g
r0s
io
n
S
ta
n
d
riz
e
d
P
re
d
ic
te
d
V
a
lu
e45

Diagram pencar di atas ternyata tidak membentuk suatu pola yang teratur, sehingga
dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, dan layak
dipakai untuk memrediksi.
d. Uji Normalitas
Uji ini bertujuan untuk menguji apakah dalam model regresi, variable pengganggu atau
residual memiliki distribusi normal. Kalau asumsi ini dilanggar maka uji statistic menjadi
tidak valid untuk jumlah sampel kecil.
Dasar pengambilan keputusan:
Jika grafik histogram memberikan pola distribusi yang menceng (skewness) ke kiri atau
ke kanan, maka model regresi tidak memenuhi asumsi normalitas.
Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau
grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi
asumsi normalitas.

PUSAT PENGEMBANGAN BAHAN AJAR- UMB

Mafizhatun Nurhayati, SE. MM.

METODE PENELITIAN

10

H
i
s
t
o
g
r
a
m
D
e
p
n
d
e
t
V
a
r
i
b
l
e
:
I
N
C
O
M
E
3
0
2
5
2
0

mafiz_69@yahoo.com

Jika data menyebar jauh dari diagonal dan/atau tidak mengikuti arah gars diagonal atau
grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak

F
req
u
n
cy

memenuhi asumsi normalitas.

1
5
1
0
5
M
e
a
n
=
8
.
7
E
1
6
S
t
d
.
D
e
v
0
9
8
0-2R
N
1
0
-e
1
0
1
2
3
g
rs
io
n
S
ta
n
d
riz
e
d
R
e
s
id
u
a
l4

E
xp
ectd
C
u
m
P
ro
b

N
o
rm
a
l01P
-..80P
lD
te
o
fp
R
e
g
r
s
i
o
n
S
t
a
n
d
r
i
z
e
d
R
e
s
i
d
u
a
l
n
d
e
t
V
a
r
i
b
l
e
:
I
N
C
O
M
E
0
.6
.0
0
4
.0
2
.00
.2
0
4
0
.6
0
.81
.0
O
b
s
e
r.v
d
C
u
m
P
ro
b

Dengan melihat tampilan grafik histogram maupun grafik normal plot dapat disimpulkan
bahwa grafik histogram memberikan pola distribusi yang menceng (skewness) ke kiri
dan tidak normal. Sedangkan pada grafik normal plot terlihat titik-titik menyebar di

PUSAT PENGEMBANGAN BAHAN AJAR- UMB

Mafizhatun Nurhayati, SE. MM.

METODE PENELITIAN

11

mafiz_69@yahoo.com

sekitar garis diagonal, serta penyebarannya agak menjauh dari garis diagonal. Kedua
grafik ini menunjukkan bahwa model regresi menyalahi asumsi normalitas. Tetapi karena
jumlah samplenya besar yaitu 100, maka tidak menjadi masalah.

PUSAT PENGEMBANGAN BAHAN AJAR- UMB

Mafizhatun Nurhayati, SE. MM.

METODE PENELITIAN

12