BUKU PRAKTIK

STATSTIKA DAN
ANALISIS DATA
DENGAN KOMPUTER

Topik:

ANALISIS
REGRESI
GANDA

Eka Ary Wibawa, M.Pd.

2019
Analisis Regresi Ganda 1
 ANALISIS REGRESI GANDA
Oleh: Eka Ary Wibawa
eka_arywibawa@uny.ac.id

C. Regresi Linear Ganda

Regresi linear ganda adalah persamaan regresi yang menggambarkan hubungan antara
lebih dari satu variabel bebas (X) dan satu variabel terikat (Y). Hubungan variabel-variabel
tersebut dapat dituliskan dalam bentuk persamaan:
Persamaaan regresi untuk dua prediktor (variabel bebas):
Yˆ = b0 + b1X1 + b2X2
Persamaaan regresi untuk tiga prediktor:
Yˆ = b0 + b1X1 + b2X2 + b3X3
Persamaaan regresi untuk n prediktor:
Yˆ = b0 + b1X1 + b2X2 + .... + bnXn
Untuk melakukan pendugaan parameter model regresi ganda dan menguji
signifikansinya dapat dilakukan dengan perhitungan manual maupun bantuan program SPSS 23.
Asumsi yang harus dipenuhi dalam analisis regresi ganda adalah:
1. Tidak ada multikolinearitas (korelasi antara variabel independen atau variabel bebas)
2. Tidak terjadi heteroskedastisitas (variansi error konstan)
3. Linearitas (terdapat hubungan linear antara X dengan Y)
4. Normalitas (error berdistribusi normal)
5. Autokorelasi (error bersifat acak)  jika datanya time series

D. Contoh Kasus Regresi Ganda dan Perhitungan Manualnya

Diketahui data hasil penelitian sebagai berikut.
Reponden Minat Belajar Perhatian Orang Prestasi
(X1) Tua (X2) Belajar (Y)
1 77 89 85
2 74 85 80
3 81 76 85
4 81 61 76
5 67 71 70
6 61 55 63
7 73 62 76
8 85 76 77
9 61 71 65
10 78 86 83

Buatlah persamaan garis regresi dan interpretasinya!

Analisis Regresi Ganda 2
Jawab:
Dalam perhitungan manual regresi ganda kita akan menggunakan metode kuadrat terkecil.
Koefisien-koefisien b0, b1, b2 dapat dihitung dengan menggunakan rumus sebagai berikut:
ΣY = n.b0 + b1.ΣX1 + b2.ΣX2 ................................. (1)

ΣX1Y = b0.ΣX1 + b1.ΣX12 + b2.ΣX1X2 ................................. (2)

ΣX2Y = b0.ΣX2 + b1.ΣX1X2 + b2.ΣX22 ................................. (3)

Langkah pertama kita harus membuat tabel pertolongan untuk perhitungan sebagai berikut:
N X1 X2 Y X12 X22 Y2 X1.X2 X1.Y X2.Y
1 77 89 85 5.929 7.921 7.225 6.853 6.545 7.565
2 74 85 80 5.476 7.225 6.400 6.290 5.920 6.800
3 81 76 85 6.561 5.776 7.225 6.156 6.885 6.460
4 81 61 76 6.561 3.721 5.776 4.941 6.156 4.636
5 67 71 70 4.489 5.041 4.900 4.757 4.690 4.970
6 61 55 63 3.721 3.025 3.969 3.355 3.843 3.465
7 73 62 76 5.329 3.844 5.776 4.526 5.548 4.712
8 85 76 77 7.225 5.776 5.929 6.460 6.545 5.852
9 61 71 65 3.721 5.041 4.225 4.331 3.965 4.615
10 78 86 83 6.084 7.396 6.889 6.708 6.474 7.138
Σ 738 732 760 55.096 54.766 58.314 54.377 56.571 56.213

Langkah selanjutnya adalah memasukkan hasil perhitungan tersebut ke dalam rumus:

760 = 10b0 + 738b1 + 732b2 ................................. (1)
56.571 = 738b0 + 55.096b1 + 54.377b2 ................................. (2)
56.213 = 732b0 + 54.377b1 + 54.766b2 ................................. (3)

10b0 + 738b1 + 732b2 = 760 ................................. (1)

738b0 + 55.096b1 + 54.377b2 = 56.571 ................................. (2)
732b0 + 54.377b1 + 54.766b2 = 56.213 ................................. (3)

Langkah selanjutnya untuk menghitung koefisien-koefisien b0, b1, b2 kita akan menggunakan
metode eliminasi dan subtititusi. Terlebih dahulu kita akan mengeliminasi b0
10b0 + 738b1 + 732b2 = 760 ................................. (1) x 738
738b0 + 55.096b1 + 54.377b2 = 56.571 ................................. (2) x 10

7.380b0 + 544.644b1 + 540.216b2 = 560.880 ................................. (1)

7.380b0 + 550.960b1 + 543.770b2 = 565.710 ................................. (2)
- 6.316b1 - 3.554b2 = - 4.830 ................................. (4)

Analisis Regresi Ganda 3

 10b0 + 738b1 + 732b2 = 760 ................................. (1) x 732
732b0 + 54.377b1 + 54.766b2 = 56.213 ................................. (3) x 10

7.320b0 + 540.216b1 + 535.824b2 = 556.320 ................................. (1)

7.320b0 + 543.770b1 + 547.660b2 = 562.130 ................................. (3)
- 3.554b1 - 11.836b2 = - 5.810 ................................. (5)

Selanjutnya kita akan mengeliminasi b1 dengan menggunakan persamaan (4) dan (5)
- 6.316b1 - 3.554b2 = - 4.830 ................................. (4) x 3.554
- 3.554b1 - 11.836b2 = - 5.810 ................................. (5) x 6.316

- 22.447.064b1 - 12.630.916b2 = -17.165.820 ................................. (4)

- 22.447.064b1 - 74.756.176b2 = -36.695.960 - ................................. (5)
62.125.260b2 = 19.530.140
b2 = 0,314367135

Selanjutnya kita subtitusikan b2 untuk mencari b1

- 22.447.064b1 - 12.630.916b2 = -17.165.820 ................................. (4)
- 22.447.064b1 - 12.630.916(0,314367135) = -17.165.820
- 22.447.064b1 - 3.970.744,8758884 = -17.165.820
- 22.447.064b1 = -17.165.820 + 3.970.744,8758884
- 22.447.064b1 = -13.195.075,124111
b1 = 0,5878307793

Selanjutnya kita subtitusikan b1 dan b2 untuk mencari b0

760 = 10b0 + 738b1 + 732b2 ................................. (1)
760 = 10b0 + 738(0,5878307793) + 732(0,314367135)
760 = 10b0 + 433,8191151232 + 230,11674282
760 = 10b0 + 663,9358579432
10b0 = 760 - 663,9358579432
10b0 = 96,0641420568
b0 = 9,60641420568

Analisis Regresi Ganda 4

 Dari hasil perhitungan di atas, kita peroleh:
b0 = 9,60641420568 dibulatkan menjadi 9,606
b1 = 0,5878307793 dibulatkan menjadi 0,588
b2 = 0,314367135 dibulatkan menjadi 0,314

sehingga persamaan garis regresinya yakni:

Yˆ = 9,606 + 0,588X1 + 0,314X2
Interpretasinya:
Jika Minat Belajar dan Perhatian Orang Tua = 0, maka Prestasi Belajar = 9,606
Jika Minat Belajar ditambah satu satuan dan Perhatian Orang Tua = 0, maka Prestasi
Belajar akan meningkat sebesar 0,588.
Jika Perhatian Orang Tua ditambah satu satuan dan Minat Belajar = 0, maka Prestasi
Belajar akan meningkat sebesar 0,314.
Jika Minat Belajar dan Perhatian Orang Tua masing-masing ditambah satu satuan, maka
Prestasi Belajar akan meningkat sebesar 0,902.

E. Contoh Analisis Regresi Ganda dalam SPSS

Langkah-langkah dalam SPSS:
1. Masukkan data ke dalam SPSS pada menu Data View dan beri nama variabelnya dalam
Variable View. Beri label variabel tersebut pada kolom “Label”

Analisis Regresi Ganda 5

2. Pilih Analyze  Regression  Linear

3. Masukkan Variabel Y ke Dependent dan Variabel X1 dan X2 ke Independent

Analisis Regresi Ganda 6

4. Pilih Statistics, kemudian akan muncul kotak dialog Linear Regression Statistics. Pilih
atau beri tanda centang pada Estimates, Model fit, dan Colinearity diagnostics (untuk
mendeteksi multikolinearitas variabel bebas).

5. Kemudian klik Continue

6. Terakhir klik OK

Analisis Regresi Ganda 7

Hasil output SPSS sebagai berikut.

Regression
a
Variables Entered/Removed
Variables Variables
Model Entered Removed Method
1 Perhatian Orang
Tua, Minat . Enter
b
Belajar
a. Dependent Variable: Prestasi Belajar
b. All requested variables entered.

b
Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
a
1 ,918 ,842 ,797 3,53413
a. Predictors: (Constant), Perhatian Orang Tua, Minat Belajar
b. Dependent Variable: Prestasi Belajar

a
ANOVA
Model Sum of Squares df Mean Square F Sig.
b
1 Regression 466,570 2 233,285 18,678 ,002
Residual 87,430 7 12,490
Total 554,000 9
a. Dependent Variable: Prestasi Belajar
b. Predictors: (Constant), Perhatian Orang Tua, Minat Belajar

a
Coefficients
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 9,606 11,031 ,871 ,413
Minat Belajar ,588 ,154 ,628 3,811 ,007 ,831 1,203
Perhatian Orang Tua ,314 ,113 ,459 2,790 ,027 ,831 1,203
a. Dependent Variable: Prestasi Belajar

a
Collinearity Diagnostics
Variance Proportions
Perhatian Orang
Model Dimension Eigenvalue Condition Index (Constant) Minat Belajar Tua
1 1 2,982 1,000 ,00 ,00 ,00
2 ,012 15,713 ,18 ,10 ,99
3 ,006 22,842 ,82 ,90 ,01
a. Dependent Variable: Prestasi Belajar

a
Residuals Statistics
Minimum Maximum Mean Std. Deviation N
Predicted Value 62,7543 83,4639 76,0000 7,20007 10
Residual -6,46393 3,99118 ,00000 3,11681 10
Std. Predicted Value -1,840 1,037 ,000 1,000 10
Std. Residual -1,829 1,129 ,000 ,882 10
a. Dependent Variable: Prestasi Belajar

Analisis Regresi Ganda 8

ANALISIS REGRESI GANDA:
Untuk analisis regresi ganda maka yang perlu dilihat adalah output SPSS berikut ini.
b
Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
a
1 ,918 ,842 ,797 3,53413
a. Predictors: (Constant), Perhatian Orang Tua, Minat Belajar
b. Dependent Variable: Prestasi Belajar
a
ANOVA
Model Sum of Squares df Mean Square F Sig.
b
1 Regression 466,570 2 233,285 18,678 ,002
Residual 87,430 7 12,490
Total 554,000 9
a. Dependent Variable: Prestasi Belajar
b. Predictors: (Constant), Perhatian Orang Tua, Minat Belajar

a
Coefficients
Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 9,606 11,031 ,871 ,413
Minat Belajar ,588 ,154 ,628 3,811 ,007 ,831 1,203
Perhatian Orang Tua ,314 ,113 ,459 2,790 ,027 ,831 1,203
a. Dependent Variable: Prestasi Belajar

Kesimpulan dan interpretasi:

Output SPSS tersebut menunjukkan bahwa koefisien regresi ganda R = 0,918, artinya besarnya
pengaruh Minat Belajar dan Perhatian Orang Tua secara bersama-sama terhadap Prestasi Belajar
adalah sebesar 0,918.

Besarnya koefisien determinasi R2 = 0,842, artinya 84,2% Prestasi Belajar dipengaruhi oleh
Minat Belajar dan Perhatian Orang Tua secara bersama-sama, selebihnya sebesar 15,8%
dipengaruhi oleh faktor lain yang tidak diteliti pada penelitian ini.

Berdasarkan output SPSS tersebut dapat diketahui bahwa F = 18,678 dengan Sig. = 0,002.
Karena Sig. = 0,002 < 0,05, maka H0 ditolak. Jadi dapat disimpulkan bahwa pada taraf
signifikansi 0,05 terdapat pengaruh yang positif dan signifikan Minat Belajar dan Perhatian
Orang Tua secara bersama-sama terhadap Prestasi Belajar.

Persamaan garis regresinya yaitu Yˆ = 9,606 + 0,588X1 + 0,314X2

Interpretasinya:
Jika Minat Belajar dan Perhatian Orang Tua = 0, maka Prestasi Belajar = 9,606
Jika Minat Belajar ditambah satu satuan dan Perhatian Orang Tua = 0, maka Prestasi Belajar
akan meningkat sebesar 0,588.
Jika Perhatian Orang Tua ditambah satu satuan dan Minat Belajar = 0, maka Prestasi Belajar
akan meningkat sebesar 0,314.
Jika Minat Belajar dan Perhatian Orang Tua masing-masing ditambah satu satuan, maka
Prestasi Belajar akan meningkat sebesar 0,902.

Analisis Regresi Ganda 9

 SOAL KASUS

Kerjakan soal kasus di bawah ini!

Seorang peneliti ingin meneliti tentang pengaruh Kedisiplinan dan Lingkungan Sekolah terhadap
Hasil Belajar Akuntansi Pajak Siswa SMK Negeri 1 Depok Tahun 2018. Data penelitiannya
adalah sebagai berikut.

TABULASI DATA POKOK

N Y X1 X2
1 75 87 77
2 70 67 77
3 63 83 82
4 50 67 60
5 48 77 81
6 80 74 65
7 73 78 76
8 67 81 71
9 76 81 61
10 75 67 70
11 66 71 75
12 70 73 62
13 77 85 76
14 74 81 71
15 58 74 77
16 56 87 73
17 59 82 71
18 59 76 72
19 68 72 72
20 93 71 63
21 73 80 77
22 69 88 90
23 62 75 65
24 71 80 85
25 71 81 70
26 58 87 80
27 59 83 69
28 71 84 70
29 63 77 80
30 57 80 79
31 86 92 87
32 77 69 78
33 82 80 73
34 61 80 80
35 59 75 83

Analisis Regresi Ganda 10

 36 53 54 73
37 55 72 72
38 57 83 71
39 45 54 36
40 55 68 65
41 34 57 70
42 56 90 64
43 63 71 59
44 45 80 78
45 30 55 71
46 67 69 75
47 42 73 66
48 52 71 72
49 45 81 74
50 38 58 67
51 47 79 72
52 53 76 68
53 76 73 64
54 47 77 57
55 66 76 68
56 51 76 79
57 49 74 73
58 51 73 64
59 49 64 62
60 47 80 72
61 52 38 53
62 49 82 78
63 27 66 64
64 53 63 53
65 49 73 63
66 56 76 71
67 50 73 70
68 60 79 74
69 55 85 69
70 63 72 78
71 58 77 74
72 60 86 69
73 63 72 79
74 59 77 75
75 69 83 80
76 60 91 78
77 49 88 78
78 66 90 77
79 55 74 79
80 50 85 80
81 63 73 73

Analisis Regresi Ganda 11

 82 49 80 72
83 62 88 79
84 64 93 73
85 62 78 79
86 65 79 79
87 74 78 74
88 65 84 77
89 50 74 78
90 73 83 70
91 63 81 76
92 81 82 75
93 54 70 73
94 60 83 76
95 65 97 93
96 69 61 69
97 67 79 59
98 64 83 91
99 66 81 72
100 82 68 79

Soal:
1. Buatlah judul penelitiannya!
2. Buatlah rumusan masalahnya!
3. Buatlah hipotesisnya!
4. Analisislah data tersebut dengan manual dan SPSS!
5. Buatlah kesimpulan dan interpretasinya!

Analisis Regresi Ganda 12