MODUL 1

ANALISIS REGRESI LINIER BERGANDA

TUJUAN PRAKTIKUM
Tujuan dari praktikum modul 1 ini adalah :
1. Menaksir model regresi linier berganda;
2. Menguji signifikansi parameter dari persamaan regresi linier berganda;
3. Menentukan kualitas dari model regresi yang terbentuk .

MATERI PRAKTIKUM
Dalam modul ini akan dipelajari model regresi linier berganda. Dalam hal ini
analisis regresi berganda merupakan teknik statistik yang dapat digunakan untuk
menganalisis hubungan antara 1 variabel terikat (variabel dependen/variable
respon = Y) dengan beberapa variabel bebas/independen/prediktor (X1, X2, X3, ...
Xn).
Model regresi linier berganda dapat dirumuskan :
Y =β 0 + β 1 X 1+ β2 X 2 +…+ β k X k + ε

Dan model taksiran dari model regresi linier berganda :

Y^ =b 0 +b1 X 1 +b2 X 2 +…+bk X k

Dimana :
Y = variabel terikat/respon
X1 , X2 , ... Xk = ke-1, 2, ... k
β0 ,β1, ,... , βk = parameter regresi linier berganda
b0 , b1 , ... bk = taksiran dari parameter regresi linier berganda.
ε = residual atau eror prediksi (Ŷ –Y).

Pertanyaan-pertanyaan yang muncul di dalam analisis regresi berganda adalah :

a. bagaimana bentuk persamaan model regresi linier berganda? Ujilah
signifikansi dari masing-masing parameter regresinya, gunakan α = 5%
b. Uji signifikasni dari kelinieran model regresi yang terbentuk, gunakan α =
5%.
c. Seberapa besar kualitas model regresi linier berganda yang terbentuk dari
keempat variabel di atas. Apakah terjadi multikolinearitas antar variabel –
variabel bebasnya?

Untuk mempermudah mengaplikasikan regresi linier berganda dalam SPSS,

lakukan tahapan dalam contoh kasus berikut ini.

CONTOH KASUS
Suatu penelitian ingin mengetahui adakah pengaruh nilai matematika UAN di
SMA, lama belajar , nilai TOEFL dan TOAFL terhadap IPK mahasiswa Fakultas
Sains dan Teknologi (FSAINTEK). Untuk kepentingan penelitian tersebut maka
diambil sampel sebanyak 30 mahasiswa FSAINTEK.

Hasil pengumpulan data terhadap 30 orang mahasiswa FSAINTEK dapat dilihat

pada layar data SPSS di bawah ini :

1
Untuk menjawab semua
pertanyaan tersebut diolah dengan
menggunakan SPSS, ikuti langkah
berikut :

1. Setelah semua data di input data

dalam lembar data SPSS, maka
selanjutnya klik menu analyze,
kemudian klik regression.
Setelah itu pilih linier seperti
tampilan berikut ini :

Apabila sudah di klik Linier maka akan keluar tampilan berikut :

2. Selanjutnya masukkan variabel bebas (UAN, TOAFL, TOEFL dan

LamaBelajar) pada kolom independent(s) dan variabel terikat (IPK) pada kolom
dependent.

3. Pilih enter pada kolom Method. Metode Enter adalah suatu metode dalam
pembentukan taksiran model regresi dimana semua variabel bebas dilibatkan
dalam pembentukan persamaan regresinya (nantinya peneliti menentukan sendiri

2
variabel mana yang akan diambil sesuai uji signifikansi). Apabila diinginkan suatu
taksiran model regresi linier berganda dimana variabel bebas yang terlibat dalam
model merupakan variabel yang signifikan dan layak secara statistik untuk
dimasukkan dalam model regresi linier berganda, maka pilih metode stepwise,
metode remove, metode backward, dan metode forward. Keempat metode ini
digunakan untuk menyeleksi semua variabel bebas yang dilibatkan sehingga pada
akhirnya hanya variabel bebas yang menghasilkan taksiran yang signifikan saja
yang akan dimasukkan dalam model taksiran regresi linier berganda.

4. Berikutnya klik kotak statistics, dan pilih estimates, confidence intervals, dan
covariance matrix dalam kolom regression coefficient dan model fit.
Selanjutnya klik continue.

5. Akhiri dengan meng-klik OK sampai muncul tampilan :

OUTPUT DAN ANALISIS DATA

Variables Entered/Removedb
Variables
Model Variables Entered Removed Method
1 LamaBelajar,
TOAFL, TOEFL, . Enter
UANa
a. All requested variables entered.
b. Dependent Variable: IPK

Tabel di atas bermakna variabel independen yang digunakan ada 4, yaitu

LamaBelajar, TOEFL, TOAFL dan UAN , variabel dependennya adalah IPK.
Sedangkan metode yang digunakan dalam pembentukan model regresi adalah
Enter.

Model Summaryb
Std. Error of the
Model R R Square Adjusted R Square Estimate Durbin-Watson
1 .789a .623 .563 .15912 2.115
a. Predictors: (Constant), LamaBelajar, TOAFL, TOEFL, UAN
b. Dependent Variable: IPK

3
Berbeda dengan analisis regresi sederhana. Jika pada analisis regresi sederhana
nilai yang digunakan adalah R Square, maka pada analisis regresi berganda nilai
yang digunakan adalah nilai Adjusted R Square . Pada tabel sumarry di atas,
Adjusted R Square = 0,563 menunjukan 56,3% variabel dependen: IPK dapat
dijelaskan oleh 2 variabel independen: lama belajar, Toefl, Toafl dan UAN.

ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 1.046 4 .262 10.331 .000a
Residual .633 25 .025
Total 1.679 29
a. Predictors: (Constant), LamaBelajar, TOAFL, TOEFL, UAN
b. Dependent Variable: IPK

Tabel ANOVA di atas digunakan untuk uji F, yaitu: uji kelayakan model secara
keseluruhan dari koefisien regresi untuk mengetahui apakah LamaBelajar (X 1),
Toafl (X2), TOAFL (X3) dan UAN (X4) , secara bersama-sama mempengaruhi
IPK mahasiswa (Y).

Hipotesis:
Ho : β1 = β2 = β3 = β4 =0
H1 : minimal ada satu βi ≠ 0 ; i =1,2,3,4,

Tampak bahwa nilai Sig. = 0,000 < 0,05, artinya pada tingkat kepercayaan 95%
Ho ditolak. Dengan demikian minimal ada satu βi ≠ 0 ; i =1,2,3,4, yang signifikan.
Sehingga analisis selanjutnya dapat dilakukan.

Pengujian terhadap masing-masing variabel bebas adalah dengan memperhatikan

tabel Coefficients.

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 1.777 .239 7.450 .000
UAN .085 .033 .390 2.576 .016 .659 1.517
TOAFL .004 .004 .125 .816 .422 .639 1.566
TOEFL .001 .001 .148 .992 .331 .676 1.480
LamaBelajar .158 .060 .391 2.658 .014 .698 1.432
a. Dependent Variable: IPK
Pada tabel di atas diperoleh informasi bahwa taksiran nilai parameter dari regresi
linier berganda dengan hubungan X mempengaruhi Y adalah :
b0 = 1,777 ;
b1 = 0,085 ;
b2 = 0,004 ;
b3 = 0,001
dan b4 = 0,158

4
Signifikansi dari kelima koefisien dapat dilakukan dengan uji t

Uji hipotesis untuk β0

Ho : β0 = 0 dan H1 : β0 ≠ 0,
karena nilai Sig. = 0,000 < 0,05, maka Ho ditolak artinya garis regresi tidak
melewati titik pangkal (konstanta signifikan masuk kedalam model regresi).

Uji hipotesis untuk β1

Ho : β1 = 0 dan H1 : β1 ≠ 0 ,
karena nilai Sig. = 0,016 < 0,05, maka Ho ditolak artinya koefisien dari β 1
signifikan masuk kedalam model dengan kata lain UAN mempengaruhi nilai IPK
mahasiswa.

Uji hipotesis untuk β2

Ho : β2 = 0 dan H1 : β2 ≠ 0 ,
karena nilai Sig. = 0,422 > 0,05, maka tidak ada alasan untuk menolak Ho artinya
koefisien dari β2 tidak signifikan masuk kedalam model dengan kata lain TOAFL
tidak mempengaruhi nilai IPK mahasiswa.

Uji hipotesis untuk β3

Ho : β3 = 0 dan H1 : β3 ≠ 0 ,
karena nilai Sig. = 0,311 > 0,05, maka tidak ada alasan untuk menolak Ho artinya
koefisien dari β3 tidak signifikan masuk kedalam model dengan kata lain TOEFL
tidak mempengaruhi nilai IPK mahasiswa.

Uji hipotesis untuk β4

Ho : β4 = 0 dan H1 : β4 ≠ 0 ,
karena nilai Sig. = 0,014 < 0,05, maka Ho ditolak artinya koefisien dari β 4
signifikan masuk kedalam model dengan kata lain Lama Belajar mempengaruhi
nilai IPK mahasiswa.

Multikolinearitas adalah adanya suatu hubungan liniear yang sempurna antara

beberapa atau semua variabel independen. Pada program SPSS, ada beberapa
metode yang sering digunakan untuk mendeteksi adanya multikolinearitas, antara
lain:
 Mengamati nilai R2, F hitung, dan t hitung. Jika nilai R2 dan F hitung
tinggi sementara nilai t hitung banyak yang tidak signifikan, maka pada
model regresi dindikasikan ada multikolinearitas
 Mengamati nilai korelasi antara dua variabel independen. Jika nilai
korelasi antara dua variabel independent yang melebihi 0,8 maka model
regresi diindikasikan ada multikolinearitas.
 Mengamati nilai VIF dan TOLERANCE. Jika nilai VIF lebih besar dari 10
atau angka TOLERANCE lebih kecil dari 0,1, maka model regresi
diindikasikan terdapat multikolinearitas.

Untuk kasus ini, terlihat pada kolom VIF dan TOLERANCE pada tabel
Coefficients menunjukkan tidak terjadi Multikolinieritas.

5
 Correlations

IPK UAN TOAFL TOEFL LamaBelajar

Pearson Correlation IPK 1.000 .657 .422 .404 .651
UAN .657 1.000 .378 .189 .493
TOAFL .422 .378 1.000 .516 .187
TOEFL .404 .189 .516 1.000 .302
LamaBelajar .651 .493 .187 .302 1.000
Sig. (1-tailed) IPK . .000 .010 .013 .000
UAN .000 . .020 .159 .003
TOAFL .010 .020 . .002 .161
TOEFL .013 .159 .002 . .053
LamaBelajar .000 .003 .161 .053 .
N IPK 30 30 30 30 30

UAN 30 30 30 30 30
TOAFL 30 30 30 30 30
TOEFL 30 30 30 30 30
LamaBelajar 30 30 30 30 30

Beradasarkan tabel Coefficients pada kolom terakhir terlihat nilai VIF yang lebih
dari 1 dan juga dari tabel Correlations di atas dapat diketahui bahwa antar
variabel bebas tidak terjadi multikolinearitas. Hal ini dapat dilihat dari nilai
korelasi antar variabel bebas tersebut rendah. (apabila nilai korelasi antar
variabel bebas terdapat nilai korelasi yang tinggi berarti terjadi
multikolinearitas antar variabel bebas yang berkorelasi tinggi tersebut).
Berdasarkan analisis data dapat disimpulkan bahwa yang mempengaruhi nilai IPK
mahasiswa FSAINTEK hanya nilai UAN dan lamanya belajar, sehingga bentuk
penduga persamaan regresi linier berganda sebagai berikut :

Y^ =1,777+ 0,085 X 1+ 0,158 X 4

LATIHAN
Berdasarkan data yang berada di direktori : SPSS/Samples pilih file : Employee
Data.Sav.
Lakukan analisis regresi berganda untuk melihat pengaruh tingkat pendidikan
(Educ), Jobtime, Previous Experience (prevexp) terhadap besarnya salary (gaji).