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.

Y adalah nilai prediksi dari variabel

2.

a, b merupakan koefisien yang ditentukan berdasarkan data sampel.

3.

X1, X2,Xk merupakan variabel predictor

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

Klik Analyze Regression Linear

Masukkan variabel PDRB ke dalam kotak Dependent

Masukkan variabel Sisanya (kecuali variabel Kabupaten_kota) ke dalam kotak

Independents

Method Stepwise

Masukkan variabel Kabupaten_kota ke dalam kotak Case Labels

Klik Statistics pada Regression Coefficient klik Descriptive, R Square change,

Collinearity Diagnostics.

Pada bagian Residuals klik Durbin-Watson Continue

7

Klik Plots Y = ZPRED

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

jumlah produksi padi

391488,68

344532,983

25

jumlah ternak yang keluar

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

jumlah tenaga kerja

industri kecil menengah
jumlah tenaga kerja
industri besar
jumlah unit usaha industri
kecil menengah
jumlah unit usaha industri
besar

jumlah hotel dan akomodasi 54,12

Tabel di atas menunjukkan variabel-variabel yang akan dianalisis. N merupakan

jumlah objek yaitu kabupaten atau kota yang terdapat di Propinsi Jawa Barat.
Variabel PDRB merupakan variabel dependen dan variabel bebas terdiri dari
jumlah penduduk, jumlah produksi padi, jumlah ternak yang keluar,jumlah tenaga
kerja industri kecil menengah, jumlah tenaga kerja industri

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

jumlah unit usaha

industri kecil
menengah

jumlah unit usaha

industri besar

jumlah hotel dan

akomodasi

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

jumlah unit usaha

industri kecil
menengah

jumlah unit usaha

industri besar

jumlah hotel dan

akomodasi

,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 hotel dan

akomodasi
N

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).

a Dependent Variable: PDRB

Tabel Variables Entered/Removed(a)

menunjukkan variabel independen yang
mempengaruhi variabel dependen. Jadi
berdasarkan analisis SPSS dengan metode
Stepwise diperoleh dua variabel independen
4 yangModel
Sumarry
mempengaruhi
PDRB yaitu variabel
jumlah ternak yang keluar dan variabel jumlah
Model
penduduk. Hal ini juga sesuai dengan hasil
Summary(c)
analisis korelasi sebelumnya.

Adjusted Std. Error

R Square
DurbinStepwise of the
Change Statistics
Watson
(Criteria: Estimate
Probability
df1
df2
R
-of-F-toSig. F
Square
F
Sig. F
enter <= ,
Change Change Change
df1
df2
Change
.
050,
,412 10186596
,437
17,824
1
23
,000
Probability ,02316
-of-F-to,662 7727966,
,253
17,963
1
22
,000
1,570
remove >= 48550
,100).
a Predictors: (Constant), jumlah ternak yang keluar
b Predictors: (Constant), jumlah ternak yang keluar, jumlah
penduduk

c Dependent Variable: PDRB

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

a. Dependent Variable: PDRB

Berdasarkan nilai B maka dipeoleh model sebagai berikut :

Y = a + b X1 + b X2 + .+ e
Y = 302669,4 + 211,571 X1 + 6,644 X2
X1 = jumlah ternak yang keluar
X2 = jumlah penduduk
Jadi, variabel dependen PDRB dipengaruhi oleh dua variabel predictor yaitu variabel jumlah
ternak yang keluar dan jumlah penduduk (dari 9 variabel yang dimasukkan). Berdasarkan model
diatas dapat disimpulkan bahwa semakin tinggi nilai variabel jumlah ternak yang keluar dengan
jumlah penduduk maka semakin tinggi nilai PDRB Propinsi Jawa Barat. Sebaliknya, jika nilai
variabel jumlah ternak yang keluar dan jumlah penduduk semakin berkurang, maka jumlah
PDRB juga akan ikut turun.
1
Setiap penambahan 1 % jumlah ternak yang keluar akan menambah jumlah PDRB
sebanyak 211,571 %
2
Setiap penambahan 1 % jumlah penduduk akan meningkatkan jumlah PDRB sebanyak
6,644 %
Contoh :
Jika jumlah ternak yang keluar dari Propinsi Jawa Barat sebanyak 100 ribu dan jumlah
penduduknya 10 juta jiwa, maka PDRB :
PDRB = 302669,4 + 211,571 X1 + 6,644 X2
= 302669,4 + 211,571 (100.000) + 6,644 (10.000.000)
= 87.899.769,4

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

a. Predictors in the Model: (Constant), jumlah ternak yang keluar

b. Predictors in the Model: (Constant), jumlah ternak yang keluar, jumlah penduduk
c. Dependent Variable: PDRB

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)

jumlah ternak yang

keluar

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

a Dependent Variable: PDRB

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