Analisis Regresi Berganda
Analisis Regresi Berganda
Merupakan perluasa dari konsep regresi sederhana. Regresi berganda mengestimasikan nilai
suatu variabel criteria (dependent) bedasarkan banyak variabel predictor (independent).
1.
Y=a+b1X1+b2X2++bkXk
1.
2.
3.
Pada pratikum kali ini, akan digunakan data Propinsi Jawa Barat tahun 2006. Propinsi Jawa
Barat memiliki 25 kabupaten dan kota. Variabel-variabel yang digunakan dapat dilihat pada tabel
SPSS berikut :
Berdasarkan variabel-variabel di atas, maka yang dijadikan sebagai variabel dependen adalah
jumlah PDRB tahun 2006 sedangkan variabel yang lainnya digunakan untuk variabel prediktor.
Untuk mengetahui apa saja variabel yang mempengaruhi jumlah PDRB maka digunakan analisis
regresi berganda. Metode yang digunakan dalam Analisis Regresi Berganda adalah metode
Stepwise, dimana variabel bebas dimasukkan satu persatu dan variabel yang tidak memiliki
korelasi dengan variabel dependen dapat dikeluarkan.
Proses Analisis SPSS
1
Method Stepwise
X= ZRESID
Pada bagian Standardized Residual Plots klik Normal Probability Plot Continue
8
Klik Save
Pada bagian Predicted Values klik Standardized dan S.E. of mean predictions.
Pada bagian Residuals klik Standardized.
Pada bagian Prediction Intervals klik Means Continue OK
Hasil Output SPSS
Descriptive Statistics
Mean
Std. Deviation
PDRB
14220298,4172
13285572,65288
25
jumlah penduduk
1598434,56
1031273,015
25
391488,68
344532,983
25
15590,20
34416,194
25
375,92
493,725
25
23,00
30,689
25
305,48
688,227
25
2,76
5,364
25
64,173
25
besar, jumlah unit usaha industri kecil menengah, jumlah unit usaha industri besar, jumlah hotel dan akomodasi.
Correlations
Correlations
jumlah
penduduk
PDRB
Pearson
Correlation
PDRB
jumlah penduduk
jumlah produksi
padi
jumlah ternak
yang keluar
jumlah tenaga
kerja kecil
menengah
jumlah tenaga
kerja industri
besar
jumlah unit usaha
industri kecil
menengah
jumlah unit usaha
industri besar
jumlah hotel dan
akomodasi
Sig. (1tailed)
PDRB
jumlah penduduk
jumlah produksi
padi
jumlah ternak
yang keluar
jumlah
ternak
yang
keluar
jumlah
produksi
padi
jumlah
tenaga kerja
kecil
menengah
jumlah
tenaga
kerja
industri
besar
1,000
,635
,264
,661
,260
,279
,570
,575
,236
,635
1,000
,444
,219
,434
,589
,566
,659
,343
,264
,444
1,000
,274
,025
,045
,064
,055
,062
,661
,219
,274
1,000
,111
,100
,268
,129
-,031
,260
,434
,025
,111
1,000
,677
,311
,377
,396
,279
,589
,045
,100
,677
1,000
,154
,285
,548
,570
,566
,064
,268
,311
,154
1,000
,940
,153
,575
,659
,055
,129
,377
,285
,940
1,000
,201
,236
,343
,062
-,031
,396
,548
,153
,201
1,000
,000
,101
,000
,105
,089
,001
,001
,129
,000
,013
,147
,015
,001
,002
,000
,046
,101
,013
,092
,453
,416
,380
,396
,384
,000
,147
,092
,299
,318
,098
,270
,442
PDRB
jumlah tenaga
kerja kecil
menengah
jumlah tenaga
kerja industri
besar
jumlah unit usaha
industri kecil
menengah
jumlah unit usaha
industri besar
jumlah
produksi
padi
jumlah
tenaga
kerja
industri
besar
jumlah
tenaga kerja
kecil
menengah
,105
,015
,453
,299
,000
,065
,032
,025
,089
,001
,416
,318
,000
,231
,083
,002
,001
,002
,380
,098
,065
,231
,000
,233
,001
,000
,396
,270
,032
,083
,000
,167
,129
,046
,384
,442
,025
,002
,233
,167
PDRB
25
25
25
25
25
25
25
25
25
jumlah penduduk
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
25
jumlah
penduduk
jumlah
ternak
yang
keluar
jumlah produksi
padi
jumlah ternak
yang keluar
jumlah tenaga
kerja kecil
menengah
jumlah tenaga
kerja industri
besar
jumlah unit usaha
industri kecil
menengah
jumlah unit usaha
industri besar
jumlah hotel dan
akomodasi
Tabel di atas menjelaskan korelasi masing-masing variabel degan variabel lainnya. Pada baris
diagonal terdapat angka 1,000 , hal ini berarti korelasi antar variabel dengan dirinya sendiri
sangat kuat. Jika nilai korelasi > 0,5 maka hubungannya cukup kuat sedangkan < 0,5
hubungannya lemah. Tabel di atas juga menunjukkan korelasi antara variabel dependen dengan
variabel bebas. Nilai korelasi yang paling besar adalah antara PDRB dengan jumlah penduduk
yaitu sebanyak 0,635 dan PDRB dengan jumlah ternak yang keluar yaitu 0,661. Berdasarkan
korelasi ini dapat diketahui bahwa variabel PDRB dipengaruhi oleh jumlah penduduk dan jumlah
ternak yang keluar. Hal ini dapat diperkuat dengan hasil pengujian selanjutnya.
Variables Entered/Removed(a)
Variables Entered/Removed(a)
Model
1
Variables
Entered
Variables
Removed
jumlah
ternak yang
keluar
Model
Method
R
Square
F
Change
R
Square
jumlah
Change
penduduk
,661(a)
,831(b)
,690
,437
Stepwise
(Criteria:
Probability
-of-F-toenter <= ,
050,
Probability
-of-F-toremove >=
,100).
Tabel di atas menunjukkan jumlah variabel predictor yang terbentuk dan seberapa persen
variabel predictor tersebut menjelaskan variabel dependen. Pada model 1, nilai Adjusted R
Squared adalah 0,412. Hal ini berarti variabel predictor jumlah ternak yang keluar menjelaskan
variabel dependen PDRB sebanyak 41,2 %. Pada model 2, nilai Adjusted R Squared adalah
0,662. Hal ini berarti variabel predictor yang terdiri dari jumlah ternak yang keluar dan jumlah
penduduk menjelaskan variabel dependen sebanyak 66,2 %. Variabel pada model ke 2 lebih
banyak menjelaskan variabel dependen, jadi variabel predictor yang digunakan adalah variabel
jumlah ternak yang keluar dan jumlah penduduk.
Jika nilai Durbin Watson <2 maka tidak terdapat autokorelasi antar variabel. Pada model 2
tersebut, nilai Durbin Watsonna adalah 1,570 berarti tidak ada autokorelasi antar variabel.
5
Annova
ANOVA(c)
Sum of
Mean
Model
Squares df
Square
F
Sig.
1
Regressio 184951
18495195
n
959075
1
90758555 17,824 ,000(a)
8555,0
,000
00
Residual 238663
10376673
498639
23
8539084,
8946,0
600
00
Total
423615
457715
24
7502,0
00
2
Regressio 292228
14611411
n
232513
2
62567247 24,466 ,000(b)
4495,0
,000
00
Residual 131387
59721466
225202
22
001045,7
3006,0
00
00
Total
423615
457715
24
7502,0
00
a Predictors: (Constant), jumlah ternak yang keluar
b Predictors: (Constant), jumlah ternak yang keluar, jumlah penduduk
c Dependent Variable: PDRB
Nilai Signifikansi pada model 2 adalah 0,000 yaitu < 0,05, hal ini berarti model tersebut dapat
dianalisis lebih lanjut.
6
Coefficients(a)
Tabel di bawah menunjukkan model yang dapat dibuat berdasarkan banyaknya variabel
predictor. Nilai VIF yaitu 1,050 , kecil dari 5 sehingga tidak terdapat multikolineariti antar
variabel.
Coefficientsa
Model
1
2
(Constant)
jumlah ternak yang keluar
(Constant)
jumlah ternak yang keluar
jumlah penduduk
Unstandardized
Coefficients
B
Std. Error
1E+007
2244521
255,071
60,417
302669,4
2898461
211,571
46,970
6,644
1,568
Standardized
Coefficients
Beta
,661
,548
,516
t
4,564
4,222
,104
4,504
4,238
Sig.
,000
,000
,918
,000
,000
Collinearity Statistics
Tolerance
VIF
1,000
1,000
,952
,952
1,050
1,050
Excluded Variables
c
Excluded Variables
Model
1
jumlah penduduk
jumlah produksi padi
jumlah tenaga kerja kecil
menengah
jumlah tenaga kerja
industri besar
jumlah unit usaha
industri kecil menengah
jumlah unit usaha
industri besar
jumlah hotel dan
akomodasi
jumlah produksi padi
jumlah tenaga kerja kecil
menengah
jumlah tenaga kerja
industri besar
jumlah unit usaha
industri kecil menengah
jumlah unit usaha
industri besar
jumlah hotel dan
akomodasi
Beta In
,516a
,090a
,189
,215
,423
,498
,256
a
a
a
a
a
-,149b
-,030
-,122
,199
,292
,087
b
b
b
b
b
Collinearity Statistics
Minimum
Tolerance
VIF
Tolerance
,952
1,050
,952
,925
1,081
,925
t
4,238
,543
Sig.
,000
,592
Partial
Correlation
,670
,115
1,212
,238
,250
,988
1,012
,988
1,394
,177
,285
,990
1,010
,990
3,032
,006
,543
,928
1,077
,928
4,105
,000
,659
,983
1,017
,983
1,702
,103
,341
,999
1,001
,999
-1,109
,280
-,235
,770
1,299
,770
-,224
,825
-,049
,812
1,232
,783
-,823
,420
-,177
,653
1,532
,628
1,389
,179
,290
,658
1,520
,658
1,963
,063
,394
,566
1,768
,548
,671
,509
,145
,870
1,149
,829
Tabel di atas menunjukkan variabel-variabel apa saja yang paling berhubungan dengan variabel
dependen. Hal ini dapat dilihat dari nilai yang ada di kolom t. nilai yang paling tinggi terdapat
pada variabel jumlah penduduk. Di tabel ini tidak terdapat variabel jumlah ternak yang keluar
karena variabel ini terlebih dahulu sudah dikeluarkan oleh SPSS menjadi salah satu variabel
predictor.
Karena jumlah penduduk memiliki nilai t yang paling tinggi, maka jumlah penduduk juga
dikeluarkan menjadi variabel predictor.
8
Collinearity Diagnostics(a)
Pada table di bawah ini dilihat nilai eigenvalue > 1. Penulis mengambil model 2 karena
berdasarkan nilai analisis di atas, PDRB dipengaruhi oleh dua model variabel. Sedangkan
dimensi yang diambil adalah dimensi 1 karena pada dimensi ini terdapat nilai eigenvalue >1
yaitu 2,175. Dimensi 1 ini menunjukkan dataran (1 dimensi) dalam ruang multidimensi. Disini
juga dapat dilihat ada atau tidaknya multikolineariti dengan syarat nilai Condition Index < 15
menandakan tidak adanya multikolineariti. Pada model 2 dimensi, nilai Condition Index adalah
1,000. Hal ini berarti model tersebut tidak terdapat multikolineariti.
Collinearity Diagnostics(a)
Model
1
2
Dimension
Eigenvalue
Condition Index
(Constant)
jumlah ternak
yang keluar
Variance Proportions
jumlah
penduduk
(Constant)
1,420
1,000
,29
,29
,580
1,564
,71
,71
1
2
2,175
,671
1,000
1,800
,05
,06
,08
,91
,05
,04
,153
3,766
,89
,01
,92
9
Diagram
Diagram di bawah menunjukkan persebaran dari seluruh variabel yang digunakan. Kurva P-Plot
menunjukkan persebaran kesembilan variabel yang digunakan dimana selisih antara kuadrat
jarak titik-titik variabel dengan garis yang terbentuk adalah minimal.
Pada kurva scatter plot :
Variabel-variabel yang ada harus tersebar secara acak dan disekitar 0 tetapi tidak boleh
membentuk pola.
E
x
p
e
c
td
C
u
m
P
ro
b
N
o
rm
a
l1P
-.0D
lo
te
fp
rn
R
id
e
g
s
o
n
S
t
a
n
d
r
i
z
e
d
R
e
s
i
d
u
a
l
e
t
V
a
r
i
b
l
e
:
P
D
R
B
k
o
t
a
b
n
d
u
g
a
r
w
g
k
a
b
u
p
t
e
n
b
s
i
k
u
p
a
t
e
n
b
o
g
r
0
.8 ko
in
d
ko
tacire
b
o
n
tab
e
kra
sm
iycm
h
p
u
r
w
a
k
r
t
a
.0
0
6
b
n
j
o
t
a
s
i
k
m
a
l
y
k
o
t
a
b
o
g
d
e
p
k
s
u
m
e
d
n
g
c
i
m
s
.0
4
s
a
i
r
u
t
s
u
b
a
n
g
a
j
l
n
g
b
p
t
a
s
i
k
m
a
l
y
i0
j..2k0
rs.b
c
a
n
k
a
b
u
p
t
e
c
i
e
o
n
km
i0
n
u
p
tae
b
d
g
.2O
.4d
0
.6P
0
.81
.0
b
s
e
r0v
C
u
m
ro
b