REGRESI BERGANDA prof sudiro

http://achmadsudirofebub.lecture.ub.ac.id/2012/02/modul-7-metodologi-penelitian-
bisnis/

Regresi

Regresi : menjelaskan bagaimana satu variable dihubungkan dengan variable lain. Hubungan
tersebut dinyatakan dalam bentuk persamaan dimana nilai dari suatu variable yang diketahui
dapat digunakan untuk menduga nilai dari variable yang lain yang tidak diketahui.

Tujuan utama analisa regresi adalah menguga fungsi regresi populasi berdasarkan fungsi
regresi sampel setepat mungkin.

Analisis Regresi bermanfaat untuk menghitung persamaan regresi linear sederhana dan
berganda, asosiasi statistik beserta scatter plot, diagnosa colinearitas, harga prediksi dan
residual.

Linear Regression digunakan untuk melakukan pengujian hubungan antara sebuah variabel
dependent (tergantung) dengan satu atau beberapa variabel independent (bebas) yang
ditampilkan dalam bentuk persamaan regresi.

Jika variabel dependent dihubungkan dengan satu variabel independent saja, persamaan
regresi yang dihasilkan adalah regresi linear sederhana (linear regression).

Jika variabel independent-nya lebih dari satu, maka persamaan regresinya adalah persamaan
regresi linear berganda (multiple linear regression).

Jenis data yang cocok untuk uji regresi linear, baik untuk variabel dependent maupun
independent adalah data rasio.

Persamaan regresi yang dihasilkan berupa taksiran (estimasi) dari hasil pengamatan. Oleh
karena itu, biasanya digunakan simbol (Y dengan topi) yang menunjukkan hasil taksiran
tersebut dan membedakannya dengan Y (Y tanpa topi) sebagai hasil pengamatan populasi.

Model regresi linier berganda melibatkan lebih dari satu variabel bebas. Modelnya :

Dimana :

Y = variabel terikat
Analisa regresi berganda linier didasarkan pada 3 asumsi :

1. Distribusi probabilita bersyarat variable dependen bagi serangkaian variable

independen mengikuti pola normal atau kurang lebih normal.

2. Distribusi bersyarat variable dependen bagi tiap kombinasi variable independen

memiliki varians yang sama.

3. Nilai-nilai variable dependen harus independen satu dengan yang lainnya.

Berdasarkan ketiga asumsi di atas, persamaan regresi berganda dapat diturunkan atas dasar
metode kuadrat minimum.

Sebelum uji regresi dilakukan, terlebih dulu harus dilakukan uji keberartian masing-masing
koefisien regresi, apakah regresi itu linear atau tidak. Jika tidak linear,maka pengujian bisa
dilakukan dengan model lainnya.Untuk mempermudah melihat apakah model ini linear atau
bentuk lainnya, dapat dibantu dengan melalui diagram pencar (scatter plot). Secara kasat
mata akan tampak kecenderungan hubungan linear antara nilai-nilai statistik tersebut.

Selain itu, dalam aplikasi SPSS, dikenal adanya istilah koefisien korelasi (r). Harga
koefisien korelasi digunakan untuk pengecekan awal apakah benar ada kecenderungan
hubungan yang erat antara variabel bebas dan terikat, dan bagaimana bentuk kecenderungan
hubungan tersebut. Jika hasil r sama dengan nol, atau mendekati nol, mungkin bentuk
kecenderungan hubungan tidak linear.

Pengujian signifikansi pada masing-masing hubungan dalam regresi akan dilakukan melalui
uji t. Kita dapat menarik kesimpulan akan harga regresi tersebut melalui perbandingan nilai t
hitung dengan t tabel pada taraf signifikasi tertentu.Untuk pengujian terhadap Multiple
Regression dapat digunakan uji F.

Contoh Aplikasi dalam SPSS

Contoh analisis Multiple Regression menggunakan SPSS, berikut adalah data tingkat
pendapatan per bulan (X1), tingkat pendidikan (X2, lama tahun pendidikan), dan jumlah
anggota keluarga

(X3) sebagai variabel independent serta jumlah pengeluaran per bulan (Y) sebagai variabel
dependent.

Setelah kita mengisikan data pada SPSS Editor, ikuti langkah berikut:

1. Klik pada Analyze pada bagian Menu, lalu pilih Regression dan kemudian pilih Linear
2. Klik tingkat pendapatan (X1), tingkat pendidikan (X2) dan jumlah anggota keluarga (X3)
pada kotak Independent(s), sedangkan jumlah pengeluaran (y) pada kotak
Dependent.
3. Klik Statistics, pilih Estimates, Model fit, Descriptive dan Durbin-Watson, kemudian
klik Continue.

Pilihan Statistics digunakan untuk menampilkan berbagai nilai statistik yang diinginkan,
antara lain koefisien regresi yang pada pilihannya terdapat taksiran (estimates),
selang kepercayaan (confidence intervals), matriks covarians dan statistik lainnya, seperti
Model fit, R Square change (untuk mengukur prosentase besarnya pengaruh variabel
independent terhadap variabel dependent), Descriptive, Part and partial correlation dan
Colinearity diagnostics.

Pada kotak Residual, terdapat pilihan Durbin-Watson (digunakan untuk menentukan ada
tidaknya korelasi residual atau autokorelasi dari model regresi yang
dihasilkan), Casewise diagnostics dan pilihan Standard Deviations.
4. Klik Plots, lalu masukkan DEPENDNT ke kotak Y axis dan ADJPRED ke kotak X axis.
Pilih Histogram dan Normal Probability. Lalu, klik Continue.

Kotak pilihan Y adalah tempat pendaftaran suatu variabel yang akan difungsikan sebagai Y
axis (sumbu Y), begitu pula dengan kotak pilihan X untuk variabel yang akan difungsikan
sebagai sumbu X.

Pada kotak dialog ini terdapat beberapa pilihan yang disediakan, yaitu:

DEPENDNT (the dependent variable).

ZPRED (standardized predicted values). Merupakan nilai-nilai prediksi yang

terstandarisasi.

ZRESID (standardized residual). Merupakan nilai residual yang terstandarisasi.

DRESID (deleted residual).

ADJPRED (adjusted predicted values). Merupakan harga prediktor yang disesuaikan.

SRESID (studentized residuals). Merupakan residual student.

 SDRESID (studentized deleted residuals). Merupakan residual student yang
dihilangkan.

Pada kotak Standardized Residual Plots terdapat dua pilihan plot, yakni:

Histogram, berguna untuk menampilkan distribusi dari residual yang terstandarisasi.

Normal probability plot, berguna untuk membandingkan distribusi residual yang

terstandarisasi dengan distribusi normal.

Kotak cek Produce all partial plots digunakan untuk menghasilkan diagram-diagram pencar
dari residual pada masing-masing variabel independent dengan residual variabel dependent.

5. Klik Save, pilih Unstandardized, lalu klik Continue.

Pilihan Save digunakan untuk menyimpan dan membuat file baru dari nilai-nilai prediksi,
residual dan statistik lainnya.Pada kotak dialog Save terdapat banyak pilihan statistik yang
dapat disimpan pada file kerja (data editor), yaitu Predicted values, Residuals, Distances,
Influence statistics dan Prediction intervals. Kita tinggal memilih yang dikehendaki.
6. Klik Options, lalu klik saja Continue (berarti memilih setting default).

Pilihan Option berguna untuk menampilkan analisis statistik dengan menggunakan kriteria
metode Stepwise, Backward, and Forward.

Pada bagian Stepping Method Criteria terdapat dua pilihan yakni:

Use Probability of F. Jika memilih pilihan ini, kita harus memasukkan harga Entry
dan harga Removal pada kotak yang disediakan. Harga Entry selalu lebih rendah dari
harga Removal. Melalui pilihan ini, suatu variabel akan dimasukkan jika tingkat
signifikansi dari F lebih kecil dari harga Entry, dan akan dikeluarkan jika tingkat
signifikansinya lebih besar dari harga Removal.

Use F value. Jika memilih pilihan ini, kita harus memasukkan harga Entry dan harga
Removal. Harga Entry selalu lebih besar dari harga Removal. Melalui pilihan ini,
suatu variabel akan dimasukkan jika tingkat signifikansi dari F lebih besar dari harga
 Entry, dan akan dikeluarkan jika tingkat signifikansinya lebih kecil dari harga
Removal.

Pilihan Include constant in equation berfungsi untuk menampilkan nilai kostanta dalam
persamaan regresi. Dalam keadaan default, pilihan ini diaktifkan. Jika kita tidak
mengaktifkan pilihan ini, berarti kita akan mendapatkan regresi orisinil tanpa konstanta
regresi. Namun, R kuadrat yang dihasilkan tidak dapat digunakan untuk
memprediksipengaruh variabel independent terhadap variabel dependent.

Pada kotak Missing Values terdapat tiga pilihan, yakni:

Exclude cases listwise. Menganalisis case-case yang hanya memiliki harga valid dari
semua variabel.

Exclude cases pairwise. Menganalisis koefisien korelasi dari seluruh cases yang
berharga valid dari dua variabel yang dikorelasikan.

Replace with mean. Menggantikan missing value dengan mean variabel.

Pada keadaan default,yang diaktifkan adalah pilihan Exclude cases listwise.

 1. Klik OK.

Hasil lengkap SPSS dijadikan dalam satu file output dengan tersusun rapi sesuai dengan
ketentuan yang dikehendaki di atas.

Hasil Analisis Regresi

1. Descriptive Statistics

Hasil analisis data deskriptif di atas merupakan hasil dari pemilihan kotak cek Descriptive
pada kotak dialog Statistics. Didapatkan nilai rata-rata serta standar deviasi untuk semua
variabel, baik independent maupun dependent.
Matriks Koefisien Korelasi (Pearson Correlations) juga didapat dari pilihan Descriptive pada
kotak dialog Statistics. Kita dapat melihat koefisien korelasi antar semua variabel.

Pada matriks korelasi tersebut, didapatkan angka signifikansi untuk hubungan antar seluruh
variabel independent dengan variabel dependent bernilai nol (<0.05), sehingg dapat
disimpulkan bahwa memang terdapat hubungan yang signifikan dan korelasi yang erat antara
semua variabel independent dengan variabel dependent.

3. Variabel Entered Removed

Hasil variabel Enter/Removed merupakan penentuan pilihan Enter (default) pada kotak
Mehod.
Pada bagian ini terdapat nilai koefisien determinasi R2(R square) sebesar 0.989 (98,9%). Ini
menunjukkan bahwa sebesar 98,9% variasi variabel dependent (Y) dapat dijelaskan oleh 3
variabel independent (X1, X2, X3), artinya pengaruh variabel independen
terhadap perubahan variabel dependen adalah 98,9%, sedangkan sisanya sebesar 1,1%
dipengaruhi oleh variabel lain selain variabel independen X1, X2, X3.

5. Anova
6. Coefficients
Dari nilai-nilai pada kolom B dari Unstandardized Coefficients, didapatkan nilai koefisien
regresi sehingga terbentuk persamaan regresi:

Pada bagian ini ditampilkan juga Standard Error dari masing-masing variabel. Nilai pada
kolom Beta, ditampilkan Z-score. Pada kolom berikutnya ditampilkan nilai t dari masing-
masing variabel, yang dapat dimanfaatkan untuk menguji keberartian koefisien regresi yang
didapatkan. Proses pengujiannya adalah sebagai berikut:

Hipotesis:

H0 : 1 = 0; 2 = 0; 3 = 0

H1 : 1 0; 2 0; 3 0

Jika tingkat kesalahan ditentukan sebesar 5%, maka kita dapat melihat nilai t pada daftar
tabel dengan derajat kebebasan (dk) = 6 adalah 2,447.

Nilai t untuk masing-masing variabel adalah X1 = 15,014, X2 = -1,662 dan X3 = 0,776.

Dengan demikian, harga t hitung variabel X1 > t tabel, sehingga H0 ditolak dan sebaliknya H1
diterima. Hal ini menunjukkan bahwa variabel bebas X1 secara signifikan menjelaskan
variabel bergantung Y.
Sementara harga t hitung untuk variabel X2 dan X3 < t tabel. H0 diterima dan H1 ditolak.
Sehingga, X2 dan X3 tidak dapat menjelaskan variabel bergantung Y.

7. Residual Statistics

Pada bagian ini ditampilkan daftar hasil-hasil dari Residual Statistics yang merupakan pilihan
pada bagian Statistics.
9. Normal Plot
II. UJI HIPOTESIS

Hipotesa adalah suatu pernyataan tentang hubungan dua variable atau lebih yang perlu diuji
kebenarannya.salah satu cara untuk membuktikan diterima atau ditolaknya suatu hipotesa
yaitu dengan menyelidiki seluruh populasi. Akan tetapi melibatkan seluruh populasi akan
memakan biaya yang mahal, waktu yang panjang, dan tidak praktis. Cara yang paling praktis
yaitu dengan menyelidiki sampel, maka dengan data-data yang diperoleh berdasarkan sampel
tersebut dapat diputuskan bahwa hipotesa tersebut diterima atau ditolak.

Perumusan Hipotesis

Hipotesis pada umumnya dinyatakan dalam bentuk hipotesis nol dan hipotesis alternatif.

Hipotesis Nol

Hipotesis nol atau dikenal pula dengan istilah null hyphothesis yang diberi simbol Ho
adalah pernyataan hipotesis yang menunjukkan tidak ada perubahan.

Hipotesis Alternatif

Hipotesis alternatif yang yang diberi simbol Ha adalah pernyataan hipotesis yang
menunjukkan hasil yang diharapkan. Hipotesis yang merupakan jawaban sementara yang
diharapkan peneliti (researcher) dinyatakan dalam bentuk hipotesis alternatif. Itulah sebabnya
hipotesis alternatif kadang-kadang disebut pula research hypothesis yang diberi simbol H1.

Misalnya ada permasalahan yang menyangkut stress pada pria dan wanita, maka hipotesis nol
dan hipotesis alternatifnya dapat dinyatakan sebagai berikut:

Ho : Tidak ada perbedaan tingkat kemudahan stress antara pria dan

wanita.

H1 : Pria lebih mudah stress dibanding wanita

Jenis Hipotesis

Ada dua jenis hipotesis yaitu hipotesis terarah (directional hypothesis) dan hipotesis tidak
terarah (nondirectional hypothesis).

Hipotesis terarah
Hipotesis dikatakan terarah jika hasilnya diharapkan mengarah ke salah satu sudut pada
distribusi datanya. Karena hipotesis terarah menunjukkan salah satu arah atau ekor (tail) dari
distribusi, maka untuk menguji hipotesis terarah digunakan istilah one-tailed test hypothesis

Hipotesis tidak terarah

Hipotesis dikatakan tidak terarah jika hasilnya bisa mengarah pada arah mana saja dari
distyribusi data. Karena hipotesis tidak terarah tidak menunjukkan salah satu arah atau ekor
(tail), maka untuk menguji hipotesis tidak terarah digunakan istilah two tailed test hypothesis,
yaitu arahnya bisa ke kiri atau ke kanan dari distribusi data.

Tingkat keyakinan (level of confidence) menunjukkan keyakinan peneliti bahwa nilai rata-
rata suatu sampel sebenarnya berada di sekitar rata-rata populasinya atau dengan kata lain
nilai rata-rata sampel itu sebenarnya sama saja dengan nilai rata-rata populasinya. Sedangkan
tingkat signifikan (level of significance) menunjukkan kemungkinan nilai rata-rata sampel
berada di luar daerah rata-rata populasi atau dengan kata lain tidak sama dengan nilai rata-
rata populasinya.

Pada umumnya, tingkat signifikan yang ditetapkan untuk suatu pengujian statistik adalah
0,05(5%) atau 0,01(1%), terutama untuk penelitian-penelitian sosial. Jika tingkat
signifikansinya 5%, berarti tingkat keyakinannya adalah 95%, mengapa demikian? Karena
daerah di bawah kurva sama dengan 100%.

Langkah-langkah dasar dalam pengujian hipotesa

Di dalam suatu penelitian, pada setiap pengujian hipotesa statistik ada suatu aturan umum
yang dapat diikuti. Untuk melakukan pembuktian apakah suatu hipotesa dapat diterima atau
ditolak, pada prinsipnya tergantung pada hipotesa yang dibuat oleh peneliti, serta jumlah
sampel dan distribusi populasi yang akan diteliti. secara umum statistik uji dapat ditulis
sebagai :

Z = Ss Parameter hipotesis
sSt

Dimana : Z = Statistik uji ( nilai uji )

Ss = Statistik Sampel

sSt = standard deviasi sampel

Ketentuan diatas dipakai untuk jumlah n yang besar dan berdistribusi normal, dimana nilai Z
ditentuksn oleh cara mengujinya (satu arah atau dua arah ), dan level of significance (s) nya.

Untuk sampel kecil nilai ujinya dinyatakan dengan :

t = Ss Parameter hipotesis

sSt

Dimana : t = statistik uji untuk sampel yang berpedoman pada distribusi standard t

Secara garis besar langkah pengujian hipotesa yang umum dilakukan adalah sebagai berikut :

1. Merumuskan Hipotesisnya

Hipotesis digunakan untuk menguji data sampel untuk digeneralisasikan kepada populasi.
Pada tahap perumusan hipotesis, kitamerumuskan 2 hipotesis yaitu :

Hipotesis nol (Ho)

Hipotesis Alternatif (Ha)

Contoh uji hipotesis misalnya rata-rata produktivitas pegawai sama dengan 10 ( x= 10),
maka bunyi hipotesisnya ialah:

H0: Rata-rata produktivitas pegawai sama dengan 10

H1: Rata-rata produktivitas pegawai tidak sama dengan 10

Hipotesis statistiknya:

H0: x= 10

H1: x > 10 Untuk uji satu sisi (one tailed) atau

H1: x < 10

H1: x 10 Untuk uji dua sisi (two tailed)

2. Memeriksa skala data dan rencana analisis

Tabel : Statistik Inferensi

Jenis analisa / Statistik Inferensi

Pengujian
Parametrik Nonparametrik
Uji Komparatif T-test

ANOVA Chi Square

Mann Whitney U Test

Wilcoxin signed-rank test

Kruskal-Wallace testUji Asosiatif Pearson Correlation Coefficient Contingency

Coefficient

Rank-difference correlation,rho

Kendalls tau

3. Menentukan convidence level dan confidence interval

Untuk melakukan uji statistik, kita perlu menentukan tingkat kepercayaan (convidence level)
untuk mendapatkan selang kepercayaan (confidence interval) yang menggambarkan range
nilai parameter yang termasuk estimasi. Derajat kepercayaan (convidence level) adalah
tingkat kepercayaan peneliti terhadap jawaban responden yang menggunakan sejumlah
sampel tertentu yang mencerminkan jawaban yang akan diperoleh apabila penelitian
dilakukan terhadap seluruh populasi. Kemudian selang kepercayaan (confidence interval)
adalah interval yang menunjukkan rentang kepercayaan peneliti terhadap jawaban yang
diberikan oleh responden, yang biasanya ditunjukkan dengan angka minus dan plus.

4. Melakukan uji statistiknya

Uji statistik misalnya t test, anova, chi square.

5. Melakukan analisa dan menarik kesimpulan

Penarikan kesimpulan bisa diartikan penetapan keputusan untuk menolak atau menerima
hipotesis nol.

Beberapa hal yang harus diperhatikan dalam uji hipotesis ialah;

Untuk pengujian hipotesis kita menggunakan data sample.

Dalam pengujian akan menghasilkan dua kemungkinan, yaitu pengujian signifikan

secara statistik jika kita menolak H0 dan pengujian tidak signifikan secara statistik
jika kita menerima H0.
 Jika kita menggunakan nilai t, maka jika nilai t yang semakin besar atau menjauhi 0,
kita akan cenderung menolak H0; sebaliknya jika nilai t semakin kecil atau mendekati
0 kita akan cenderung menerima H0.

Menggunakan kurva untuk menguji hipotesis dapat digambarkan sebagai berikut:

Kesalahan Dalam Pengujian Hipotesis

Dalam membuat keputusan menolak atau menerima hipotesis, ada dua macam kemungkinan
kesalahan yang bisa terjadi, yaitu:

1. Kemungkian kesalahan ketika memutuskan menolak hipotesis nol yang seharusnya

diterima. Kemungkinan kesalahan ini dikenal dengan istilah type I error yang diberi
simbol a yang juga dikenak dengan level of significance.

2. Kemungkinan kesalahan ketika memutuskan menerima hipotesisi nol yang

seharusnya ditolak. Kemungkinan kesalahan ini dikenal dengan istilah type II error
yang diberi simbol b yang juga dikenal dengan level of confidence.
Gambaran yang lebih jelas tentang typeI error dan typeII error dapat dilihat pada tabel
berikut:

Beberapa Macam Pengujian Hipotesis

III. UJI F

Uji F banyak dipergunakan untuk uji hipotesa yang berdasarkan hasil pengamatn lebih dari
dua buah sampel. Prinsip yang dipergunakan sebagai dasar dalam melakukan uji hipotesa
dengan uji F ini, yitu dengan memperbandingkan varian yang dihitung berdasarkan nilai rata-
rata antar kelompok sampel dengan varian yang dihitung berdasarkan data pengamatan dari
seluruh sampel ( disebut varian kombinasi seluruh kelompok sampel).
Nilai statistik F menunjukkan apakah semua variabel independen yang dimasukkan dalam
persamaan/model regresi secara bersamaan berpengaruh terhadap variabel dependen. Nilai
statistik F jugs dspst dilihst dsri output regresi yang dihasilkan oleh SPSS. Untuk uni nilai
stasistik F maka terlebih dahulu dirumuskan hipotesis nol, yaitu :

Ho : b = 0, artinya semua variable independent bukan merupakan penjelas

variable dependen.

Ha : b 0, artinya semua variable independent secara simultan merupakan penjelas yang

signifikan terhadap variable dependen.

Secara mudah, nilai statistik F dapat dilihat dari output regresi sebagai berikut:

Jika nilai statistik F lebih besar dari 4 maha Ho ditolak dan Ha diterima. Semua variabel
independent yang dimasukkan dalam persamaan/model regresi secara bersamaan
berpengaruh terhadap variabel dependen. Di dalam output versi SPSS, nilai statistic F dapat
dapat dilihat pada table Anova.

ANOVA :

Digunakan untuk menguji secara simultan pengaruh seluruh X

Ho = 0 (tidak ada X yang berpengaruh terhadap Y)

H1 0 (ada X yang berpengaruh terhadap Y)

Konsep dasar : ANOVA membandingkan besarnya keragaman yang terkandung dalam

model dengan keragaman yang tersisa pada error model. Jika rasio keduanya
besar maka X mempengaruhi Y. Rasio itu dilambangkan dengan nilai F. Semakin
besar nilai F, semakin kecil nilai-p, cenderung menolak H0.Tabel Anova
Pada bagian ditampilkan tabel analisis varian (Anova). Dari tabel di atas didapat nilai
F=329,558 yang dapat digunakan untuk melakukan uji hipotesis dalam memprediksi
kontribusi variabel-variabel independent (X1, X2, X3) terhadap variabel dependent
(Y).

Hipotesis:

H 0 : 1 = 2 = 3 = 0

H1 : Minimal satu dari tiga variabel tidak sama dengan nol

Dengan menentukan tingkat kesalahan 5% dan derajat kebebasan df 1 = 3 dan df2 = 11,
maka didapat dari tabel Ftabel = 3,59.

Oleh karena Fhitung (329,558) > Ftabel (0,05) = 3,59, maka H0 ditolak dan H1 diterima.
Kesimpulannya, bahwa variabel independent (X1, X2, X3) dengan signifikan
memberikan kontribusi terhadap variabel dependent.

IV. UJI T

Uji terhadap nilai statistik t merupakan uji signifikan parameter individual.

Nilai statistic t menunjukkan seberapa jauh pengaruh variabel independent secar
individual terhadap variabel dependennya. Uji terhadap nilai statistic t juga disebut uji
parsial yang berupa nkoefisien regresi. Kita dapat melakukan uji ini dengan mudah
dan singkat melalui SPSS. Pertama, terlebih dahulu dirumuskan hipotesis nol yang
hendak diuji, yaitu :

Ho : b = 0, artinya variabel independent bukan merupakan penjelas variabel dependen

dependen.

Ha : b 0, artinya variabel independent merupakan penjelas variabel dependen.

Uji t digunakan apabila ( deviasi standart dari populasi ) tidak diketahui dan besar
sample kurang dari 30 ( atau n < 30 ). Nilai t (t-value) manunjukkan seberapa jauh
atau berapa deviasi standar suatu nilai dari rata-ratanya dalam suatu distribusi
diperoleh dengan persamaan sebagai berikut:

t= x

Sx

dimana :

t = nilai t

x = rata-rata sampel
 = rata-rata populasi

Sx = kesalahan standar

Secara mudah nilai statistik t dapat dilihat dari output regresi sebagai berikut :

Jika nilai t lebih besar dari 2 (dalam nilai absolut) maka Ho ditolak dan Ha diterima.
Artinya bahwa variabel independen secara individual merupakan penjelas variabel
dependen. Di dalam output versi SPSS, nilai statistik t dapat dilihat pada tabel
Coefficients.

Tabel Coefficients

Dari nilai-nilai pada kolom B dari Unstandardized Coefficients, didapatkan nilai

koefisien regresi sehingga terbentuk persamaan regresi:

Pada bagian ini ditampilkan juga Standard Error dari masing-masing variabel. Nilai
pada kolom Beta, ditampilkan Z-score. Pada kolom berikutnya ditampilkan nilai t dari
masing-masing variabel, yang dapat dimanfaatkan untuk menguji keberartian
koefisien regresi yang didapatkan. Proses pengujiannya adalah sebagai berikut:

Hipotesis:

H0 : 1 = 0; 2 = 0; 3 = 0

H1 : 1 0; 2 0; 3 0
Jika tingkat kesalahan ditentukan sebesar 5%, maka kita dapat melihat nilai t pada
daftar tabel dengan derajat kebebasan (dk) = 6 adalah 2,447.

Nilai t untuk masing-masing variabel adalah X1 = 15,014, X2 = -1,662 dan X3 =

0,776.

Dengan demikian, harga t hitung variabel X1 > t tabel, sehingga H0 ditolak dan
sebaliknya H1 diterima. Hal ini menunjukkan bahwa variabel bebas X1 secara
signifikan menjelaskan variabel bergantung Y.

Sementara harga t hitung untuk variabel X2 dan X3 < t tabel. H 0 diterima dan H1
ditolak. Sehingga, X2 dan X3 tidak dapat menjelaskan variabel bergantung Y.

DAFTAR PUSTAKA

Sumber Literatur :

Kountur, Ronny. 2005. Statistik Praktis. PPM : Jakarta.

Hieni. 1990. Metode Statistika. Fakultas Teknik Universitas Brawijaya :

Malang.

Supardi. 2005. Metodologi Ekonomi dan Bisnis. UII Press. Yogyakarta.

Sumber Internet :

Mundilarto. tt. Perumusan dan Uji Hipotesis. FMIPA, Universitas Negeri

Yogyakarta : Yogyakarta.

Sartono, Bagus. tt. Analisis Regresi Linier Berganda. bagusco@ipb.ac.id

bagusco4@yahoo.com

Seni, Misa Januar. 2005. Analisis Multiregresi. Sekolah Tinggi Teknologi Telkom :
Bandung.

Indriani, Diah. Regresi Linier Berganda. Bagian Biostatistika dan

Kependudukan,Fakultas Kesehatan Masyarakat, Universitas Airlangga : Surabaya.

Putra, Riandi. tt. Penelitian Faktor-faktor Penghambat Implementasi Sistem

Akuntabilitas Kinerja Instansi Pemerintah (SAKIP) di Lingkungan Pemerintah
Propinsi Kalimantan Timur.