Anda di halaman 1dari 4

LAPORAN PRAKTIKUM 4

UJI REGRESI LINIER BERGANDA


DAN UJI REGRESI LOGISTIK

A. Regresi Berganda

Regresi berganda adalah model regresi atau prediksi yang melibatkan lebih dari satu variabel
bebas atau prediktor. Istilah regresi berganda dapat disebut juga dengan istilah multiple
regression. Kata multiple berarti jamak atau lebih dari satu variabel.

Sedangkan variabel bebas pada umumnya juga berskala data interval atau rasio. Namun ada
juga regresi linear dimana variabel bebas menggunakan skala data nominal atau ordinal,
yang lebih lazim disebut dengan istilah data dummy. Maka regresi linear yang seperti itu
disebut dengan istilah regresi linear dengan variabel dummy.
(Sedangkan multivariat regression atau regresi multivariat adalah analisis regresi dimana melibatkan lebih dari satu variabel
response (variabel terikat/variabel dependen)

Uji Model Penelitian Regresi Linear Berganda

1. Buka aplikasi SPSS


2. Open file yang akan dilakukan uji
3. Pilih Analyze  Regression  Linear

46
4. Akan muncul kotak dialog Linear Regression, masukkan variabel dependen pada Kotak
Dependent (bergantian/sesuai jumlah variabel dependent), dan masukkan variabel
independen pada kotak Independent(s)

5. Uji Asumsi Klasik, klik Statistic, maka akan muncul kotak dialog Linear Regression:
Statistics, centang: Model Fit, Descriptives dan Collinearity Diagnostics; pada kotak
Regression Coefficien: centang pada Estimates dan Covariance Matrix; pada kotak
Residul: centang Durbin-Watson  Continue

47
6. Uji Heteroskedastisitas dan Normalitas, klik kotak Plots, maka akan muncul kotak dialog
Linear Regression: Plots, pada kotak Scatter 1 of 1: masukkan pada kotak Y : *SRESID
dan kotak X : *ZPRED, pada kotak Standardized Residual Plots: centang Histogram dan
Normal Probability Plot  Continue

7. Uji Normalitas dengan Data Residual, klik kotak Save, pada kotak Residuals: centang
Unstandardized  Continue

48
8. Hasil Uji
Diambil salah satu hasil pada Variabel Dependent : Post Sistol

Pada Tabel Model Summary, didapatkan data pada Adjusted R Square = 0,143, maka
dapat diartikan kecocokan model hanya 14,3%, sedangkan R Square = 0,202, maka dapat
diartikan 3 variabel independen tersebut mempengaruhi variabel dependen sebesar 20,2%
(semakin ke 100% = semakin kuat)

Pada tabel Anova, didapatkan nilai sig. 0,25 atau p-value < 0,025, maka dapat diartikan
Signifikan

49