Modul Penggunaan SPSS Analisis Regresi Berganda – MAP II

PRAKTIKUM 4
ANALISIS REGRESI BERGANDA

Analisis regresi berganda merupakan pengembangan dari konsep regresi sederhana. Analisis
regresi berganda mengestimasikan nilai suatu variabel kriteria (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

STUDI KASUS
Perkembangan suatu wilayah dapat ditinjau dengan mengidentifikasi nilai PDRB yang

dimilikinya. Provinsi Jawa Barat merupakan salah satu wilayah yang sedang melakukan
pengembangan metropolitan secara besar. Adapun pengembangan dilakukan oleh pemerintah

setempat untuk meningkatkan nilai PDRB yang dimiliki. Untuk itu, perlu diketahui bagaimana
perkembangan nilai PDRB Provinsi Jawa Barat setiap tahunnya. Nilai PDRB Provinsi Jawa Barat

dapat dihitung dengan mempertimbangkan faktor-faktor lain, sehingga diperlukan analisis

regresi berganda untuk mengetahui faktor apa saja yang harus dipertimbangkan dan

bagaimana pola hubungannya terhadap nilai PDRB. Analisis regresi berganda akan
menghasilkan model perhitungan PDRB dengan mempertimbangkan sejumlah faktor yang

mempengaruhi nilai PDRB tersebut.

Adapun nilai PDRB dan faktor-faktor yang diduga dapat memberikan pengaruh terhadap nilai

PDRB adalah sebagai berikut:

1
 Modul Penggunaan SPSS Analisis Regresi Berganda – MAP II

Sumber: Jawa Barat dalam Angka, 2006

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

2. Masukkan variabel PDRB ke dalam kotak Dependent

3. Masukkan variabel Sisanya (kecuali variabel Kabupaten_kota) ke dalam kotak

Independents

4. Method → Stepwise

5. Masukkan variabel Kabupaten_kota ke dalam kotak Case Labels

2
 Modul Penggunaan SPSS Analisis Regresi Berganda – MAP II

6. 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

1. Descriptive Statistics

Mean Std. Deviation N

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

jumlah tenaga kerja industri

375,92 493,725 25
kecil menengah

jumlah tenaga kerja industri

23,00 30,689 25
besar

jumlah unit usaha industri kecil

305,48 688,227 25
menengah

jumlah unit usaha industri besar 2,76 5,364 25

jumlah hotel dan akomodasi 54,12 64,173 25

3
 Modul Penggunaan SPSS Analisis Regresi Berganda – MAP II

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

4
 Modul Penggunaan SPSS Analisis Regresi Berganda – MAP II

besar, jumlah unit usaha industri kecil menengah, jumlah unit usaha industri besar, jumlah hotel dan akomodasi.

2. Correlations
Correlations

jumlah jumlah

jumlah ternak jumlah tenaga tenaga kerja jumlah unit usaha

jumlah produksi yang kerja kecil industri industri kecil jumlah unit usaha jumlah hotel dan

PDRB penduduk padi keluar menengah besar menengah industri besar akomodasi
Pearson PDRB
1,000 ,635 ,264 ,661 ,260 ,279 ,570 ,575 ,236
Correlation
jumlah penduduk ,635 1,000 ,444 ,219 ,434 ,589 ,566 ,659 ,343
jumlah produksi
,264 ,444 1,000 ,274 ,025 ,045 ,064 ,055 ,062
padi
jumlah ternak yang
,661 ,219 ,274 1,000 ,111 ,100 ,268 ,129 -,031
keluar
jumlah tenaga kerja
,260 ,434 ,025 ,111 1,000 ,677 ,311 ,377 ,396
kecil menengah
jumlah tenaga kerja
,279 ,589 ,045 ,100 ,677 1,000 ,154 ,285 ,548
industri besar
jumlah unit usaha
industri kecil ,570 ,566 ,064 ,268 ,311 ,154 1,000 ,940 ,153

menengah
jumlah unit usaha
,575 ,659 ,055 ,129 ,377 ,285 ,940 1,000 ,201
industri besar
jumlah hotel dan
,236 ,343 ,062 -,031 ,396 ,548 ,153 ,201 1,000
akomodasi
Sig. (1-tailed) PDRB . ,000 ,101 ,000 ,105 ,089 ,001 ,001 ,129
jumlah penduduk ,000 . ,013 ,147 ,015 ,001 ,002 ,000 ,046
jumlah produksi ,101 ,013 . ,092 ,453 ,416 ,380 ,396 ,384

5
 Modul Penggunaan SPSS Analisis Regresi Berganda – MAP II

jumlah jumlah
jumlah ternak jumlah tenaga tenaga kerja jumlah unit usaha

jumlah produksi yang kerja kecil industri industri kecil jumlah unit usaha jumlah hotel dan
PDRB penduduk padi keluar menengah besar menengah industri besar akomodasi
padi
jumlah ternak yang
,000 ,147 ,092 . ,299 ,318 ,098 ,270 ,442
keluar
jumlah tenaga kerja
,105 ,015 ,453 ,299 . ,000 ,065 ,032 ,025
kecil menengah
jumlah tenaga kerja
,089 ,001 ,416 ,318 ,000 . ,231 ,083 ,002
industri besar
jumlah unit usaha

industri kecil ,001 ,002 ,380 ,098 ,065 ,231 . ,000 ,233
menengah
jumlah unit usaha
,001 ,000 ,396 ,270 ,032 ,083 ,000 . ,167
industri besar
jumlah hotel dan
,129 ,046 ,384 ,442 ,025 ,002 ,233 ,167 .
akomodasi
N PDRB 25 25 25 25 25 25 25 25 25
jumlah penduduk 25 25 25 25 25 25 25 25 25
jumlah produksi
25 25 25 25 25 25 25 25 25
padi
jumlah ternak yang
25 25 25 25 25 25 25 25 25
keluar
jumlah tenaga kerja
25 25 25 25 25 25 25 25 25
kecil menengah
jumlah tenaga kerja
25 25 25 25 25 25 25 25 25
industri besar
jumlah unit usaha
industri kecil 25 25 25 25 25 25 25 25 25

menengah
jumlah unit usaha
25 25 25 25 25 25 25 25 25
industri besar

6
 Modul Penggunaan SPSS Analisis Regresi Berganda – MAP II

jumlah jumlah
jumlah ternak jumlah tenaga tenaga kerja jumlah unit usaha

jumlah produksi yang kerja kecil industri industri kecil jumlah unit usaha jumlah hotel dan
PDRB penduduk padi keluar menengah besar menengah industri besar akomodasi
jumlah hotel dan
25 25 25 25 25 25 25 25 25
akomodasi

7
 Modul Penggunaan SPSS Analisis Regresi Berganda – MAP II

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.

3. Variables Entered/Removed(a)

Variables Entered/Removed(a)

Variables Variables
a Model Variables
EnteredEntered/Removed(a)
Removed Method Dependent Variable: PDRB
Tabel
1 Stepwise
menunjukkan variabel independen yang
(Criteria:
mempengaruhi variabel dependen. Jadi
Probability-
berdasarkan analisis SPSS dengan metode
of-F-to-
Stepwise diperoleh dua variabel independen
jumlah ternak enter <= ,
yang mempengaruhi PDRB yaitu . variabel
yang keluar 050,
4. jumlah ternak yang keluar dan variabel jumlahModel Sumarry
Probability-
penduduk. Hal ini juga sesuai dengan hasil
of-F-to-
analisis korelasi sebelumnya.
remove >= , Model Summary(c)
100).
2 Stepwise
Std. Error
(Criteria:
Adjusted R of the Durbin-
Probability-
Model R R Square Square Estimate Change Statistics Watson
R Square of-F-to- Sig. F R Square Sig. F
jumlahF Change
Change df1 enter
df2<= , Change Change F Change df1 df2 Change
.
1 penduduk 10186596,
050,
,661(a) ,437 ,412 ,437 17,824 1 23 ,000
02316
Probability-
2 7727966,4
,831(b) ,690 ,662 of-F-to- ,253 17,963 1 22 ,000 1,570
8550
remove >= ,
a Predictors: (Constant), jumlah ternak yang keluar
100).

8
 Modul Penggunaan SPSS Analisis Regresi Berganda – MAP II

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
Model Squares df Mean Square F Sig.
1 Regression 18495195
1849519590
90758555, 1 17,824 ,000(a)
758555,000
000
Residual 23866349
1037667385
86398946, 23
39084,600
000
Total 42361545

77157502, 24
000
2 Regression 29222823
1461141162
25134495, 2 24,466 ,000(b)
567247,000
000

9
 Modul Penggunaan SPSS Analisis Regresi Berganda – MAP II

Sum of

Model Squares df Mean Square F Sig.

Residual 13138722
5972146600
52023006, 22
1045,700
000
Total 42361545
77157502, 24

000
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

Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 1E+007 2244521 4,564 ,000
jumlah ternak yang keluar 255,071 60,417 ,661 4,222 ,000 1,000 1,000
2 (Constant) 302669,4 2898461 ,104 ,918
jumlah ternak yang keluar 211,571 46,970 ,548 4,504 ,000 ,952 1,050
jumlah penduduk 6,644 1,568 ,516 4,238 ,000 ,952 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

10
 Modul Penggunaan SPSS Analisis Regresi Berganda – MAP II

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

7. Excluded Variables

11
 Modul Penggunaan SPSS Analisis Regresi Berganda – MAP II

Excluded Variablesc

Collinearity Statistics
Partial Minimum
Model Beta In t Sig. Correlation Tolerance VIF Tolerance
1 jumlah penduduk ,516a 4,238 ,000 ,670 ,952 1,050 ,952
jumlah produksi padi ,090a ,543 ,592 ,115 ,925 1,081 ,925
jumlah tenaga kerja kecil a
,189 1,212 ,238 ,250 ,988 1,012 ,988
menengah
jumlah tenaga kerja a
,215 1,394 ,177 ,285 ,990 1,010 ,990
industri besar
jumlah unit usaha a
,423 3,032 ,006 ,543 ,928 1,077 ,928
industri kecil menengah
jumlah unit usaha a
,498 4,105 ,000 ,659 ,983 1,017 ,983
industri besar
jumlah hotel dan a
,256 1,702 ,103 ,341 ,999 1,001 ,999
akomodasi
2 jumlah produksi padi -,149b -1,109 ,280 -,235 ,770 1,299 ,770
jumlah tenaga kerja kecil b
-,030 -,224 ,825 -,049 ,812 1,232 ,783
menengah
jumlah tenaga kerja b
-,122 -,823 ,420 -,177 ,653 1,532 ,628
industri besar
jumlah unit usaha b
,199 1,389 ,179 ,290 ,658 1,520 ,658
industri kecil menengah
jumlah unit usaha b
,292 1,963 ,063 ,394 ,566 1,768 ,548
industri besar
jumlah hotel dan b
,087 ,671 ,509 ,145 ,870 1,149 ,829
akomodasi
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

12
 Modul Penggunaan SPSS Analisis Regresi Berganda – MAP II

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 Dimension Eigenvalue Condition Index Variance Proportions

(Constant) jumlah ternak jumlah (Constant) jumlah ternak yang

yang keluar penduduk keluar

1 1 1,420 1,000 ,29 ,29
2 ,580 1,564 ,71 ,71
2 1 2,175 1,000 ,05 ,08 ,05
2 ,671 1,800 ,06 ,91 ,04
3 ,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 Normal P-P Plot of Regression Standardized Residual garis yang

terbentuk
Dependent Variable: PDRB
adalah minimal.
kota bandung
1.0
karawang

Pada kurva scatter

kabupaten bekasi
kabupaten bogor
0.8

plot : indramayu
Expected Cum Prob

kota bekasi kota cirebon

cimahi
0.6 purwakarta

banjar kota tasikmalaya

kota bogor
ciamis depok sumedang
0.4
garut sukabumi
subang
majalengka
cianjur kabupaten tasikmalaya
kabupaten cirebon
0.2 kuningan
kabupaten bandung

sukabumi
0.0
0.0 0.2 0.4 0.6 0.8 1.0
Observed Cum Prob
13
 Modul Penggunaan SPSS Analisis Regresi Berganda – MAP II

Variabel-variabel yang ada harus tersebar secara acak dan disekitar 0 tetapi tidak boleh
membentuk pola.

14
Modul Penggunaan SPSS Analisis Regresi Berganda – MAP II

15