PRAKTIKUM APLIKASI STATISTIKA

PRAKTIKUM VI
REGRESI BERGANDA

OLEH :
NAMA : TOGAR HAMONANGAN SIHOMBING
NIM : 4203311069
KELAS : PSPM 20E

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI MEDAN
MEDAN
2022
 I. JUDUL PRAKTIKUM

Regresi Berganda

II. TUJUAN PRAKTIKUM

1. Untuk mengetahui kegunaan regresi berganda pada praktikum keenam ini.
2. Untuk mengetahui dasar pengambilan keputusan regresi berganda menggunakan SPSS pada
praktikum keenam ini.
3. Untuk mengetahui langkah-langkah regresi berganda dengan SPSS pada praktikum keenam
ini.
4. Untuk mengetahui persentase pengaruh keaktifan bertanya dan kemandirian belajar terhadap
intelegensi pada praktikum keenam ini.
5. Untuk mengetahui korelasi antara variabel dependent dengan variabel independent pada
praktikum keenam ini.

III. ALAT DAN BAHAN

A. Alat
No Nama Alat Jumlah
1 Laptop 1 Pcs

B. Bahan
No Nama Bahan Jumlah
1 Microsoft Word 2010 1 Aplikasi
2 Software SPSS versi 25 1 Aplikasi

IV. TANGGAL PRAKTIKUM

Jumat, 27 Oktober 2022

V. TINJAUAN TEORITIS

Regresi linier berganda dimaksudkan untuk menguji pengaruh dua atau

lebih variable independen (explanatory) terhadap satu variable dependen. Model
ini mengasumsikan adanya hubungan satu garis lurus/linier antara variabel
dependen dengan masing-masing prediktornya. (Dyah, 2012).
 Analisis regresi berganda yaitu suatu analisis yang menguji pengaruh
pengetahuan, keterampilan dan perilaku terhadap kinerja karyawan, dengan
menggunakan rumus Riduwan dan Akdom, (2007:142) sebagai berikut : Y = b0 +
b1 X1 + b2 X2 + b3 X3 + e Dimana: Y = Kinerja karyawan X1 = Pengetahuan X2 =
Perilaku X3 = Pengalaman Kerja. Uji instrumen penelitian dengan menggunakan
analisis validitas dan reliabilitas, yakni suatu alat ukur yang digunakan untuk
mengetahui valid atau reliabelnya item-item pertanyaan yang terangkum dalam
kuesioner. Dimana uji validitas dengan syarat korelasi 0,30, sedangkan uji
reliabilitas dengan syarat korelasi sebesar 0,60. (Agus, 2015).
Jika data hasil pengamatan Y terjadi karena akibat variabel-variabel bebas
X1, X2, ..., Xk, maka hal ini menggunakan analisis regresi berganda. Model regresi
linear ganda Y atas X1, X2, ..., Xk a0 + a1 X1 + a2 X2 + ... + ak
Xk dengan a0, a1, a2, ... ak merupakan koefisien-koefisien yang harus ditentukan
berdasarkan data hasil pengamatan. (Hasan, 2018).
Menurut Arikunto (2013:339) Analisis korelasi dan regresi berganda ini
adalah analisis tentang hubungan antara satu dependent variabel dengan dua atau
lebih independen variabel. Jika ada lebih dari satu variabel bebas untuk
mengestimasikan nilai Y, persamaan tingkat pertama persamaan disebut
permukaan regresi (regression surface), misalnya Y = a + bx + cz. Y adalah
kombinasi linier dari X dan Z. konstan b dan c disebut koefisien regresi. Ada
kalanya a, b, dan c diganti dengan b1, b2 dan b3 sedangkan X dan Z diganti dengan
X1 dan X2. (Popy, Herlawati, 2015).
Analisis regresi linier adalah teknik statistika yang dapat digunakan untuk
menjelaskan pengaruh variabel bebas (independent variable) terhadap variabel tak
bebas (dependent variable). Salah satu asumsi yang harus dipenuhi untuk
melakukan pengujian hipotesis terhadap parameter pada analisis regresi linier
berganda adalah tidak terjadinya korelasi antar variabel bebas (multikolinier). Jika
antara variabel berkolerasi tinggi, pengujian hipotesis parameter berdasarkan
metode kuadrat terkecil (Ordinary Least Square) memberikan hasil yang tidak
valid (galat yang dihasilkan akan menjadi besar, variansi dan kovariansi parameter
tidak berhingga), diantaranya variabel-variabel bebas yang seharusnya
berpengaruh signifikan terhadap variabel tak bebas akan dinyatakan sebaliknya
(tidak nyata secara statistik), tanda koefisien regresi dugaan yang dihasilkan
bertentangan dengan kondisi aktual, penduga koefisien regresi bersifat tidak stabil
sehingga mengakibatkan sulitnya menduga nilainilai variabel tak bebas yang
tentunya akan mengakibatkan tidak akuratnya pada peramalan (Myers, 1991).
Kondisi ini mendorong untuk dikembangkannya suatu cara atau teknik yang dapat
digunakan untuk mengatasi masalah multikolinieritas pada analisis regresi linier
berganda. Salah satu solusi yang dapat digunakan adalah dengan menggunakan
analisis komponen utama (principal component analysis/PCA), melalui
penggunaan analisis ini akan dihasilkan variabel-variabel baru yang merupakan
kombinasi linier dari variabel-variabel bebas asal dan antar variabel baru ini
bersifat saling bebas. Variabel-variabel yang baru ini disebut komponen utama ,
dan selanjutnya diregresikan dengan variabel tak bebas. (Marcus, dkk, 2019).

VI. PROSEDUR KERJA

1. Buka software SPSS yang akan digunakan seperti gambar yang ada dibawah ini.
2. Lalu input variabel statistik pada Variable View seperti gambar yang ada dibawah
ini.

3. Setelah itu input data yang akan diuji pada Data View seperti gambar dibawah ini.
4. Kemudian klik toolbar Analyze, lalu pilih menu Regression dan pilih Linear
seperti gambar yang ada dibawah ini.

5. Lalu masukkanlah masukkan Intelegensi (Y) ke variabel Dependent dan

Keaktifan Bertanya (X1) serta Kemandirian Belajar (X2) ke variabel
Independent, lalu klik menu Statistics, kemudian beri tanda centang pada
Estimate, Model fit, Durbin-Watson, dan Collinearity diagnostics. Lalu klik
Continue seperti yang ada pada gambar dibawah ini.
6. Kemudia pada menu Plots, masukkan ZRESID ke kolom Y dan ZPRED ke
kolom X, kemudian beri centang di Normal probability plot, lalu klik Continue
kemudian klik Ok seperti yang ada pada gambar dibawah ini.

7. Setelah itu maka Output dari data yang diuji tadi akan tampil otomatis seperti yang
ada pada gambar dibawah ini.
 VII. HASIL dan PEMBAHASAN
A. Input

B. Manual
Penilitian dilakukan terhadap mahasiswa unimed untuk mengatahui apakah terdapat hubungan
antara keaktifan bertanya dan kemandirian belajar mahasiswa terhadap tingkat intelegensi
mahasiswa FMIPA dengan responden 20 orang dan taraf signifikasi sebesar 5%.
 Keaktifan Kemandirian Itelegensi
Bertanya (X1) Belajar (X2) (Y)
3 2 6
2 3 7
5 2 8
3 3 9
2 2 6
3 2 7
4 3 9
5 4 6
3 5 6
2 2 7
5 3 9
4 3 8
2 2 9
2 2 7
3 4 8
4 5 9
5 3 9
2 4 8
3 2 7
2 5 6
Penyelesaian :
1. Hipotesis
H0 : β1 β2 = 0; (Varaible X1 dan X2 tidak berpengaruh terhadap Y)
H1 : β1 β2 = 0; (Varaible X1 dan X2 berpengaruh terhadap Y)
2. Tabel data
No X1 X2 Y X1Y X2Y X1X2 X12 X22 Y2
1 3 2 6 18 12 6 9 4 36
2 2 3 7 14 21 6 4 9 49
3 5 2 8 40 16 10 25 4 64
4 3 3 9 27 27 9 9 9 81
5 2 2 6 12 12 4 4 4 36
6 3 2 7 21 14 6 9 4 49
7 4 3 9 36 27 12 16 9 81
8 5 4 6 30 24 20 25 16 36
9 3 5 6 18 30 15 9 25 36
 10 2 2 7 14 14 4 4 4 49
11 5 3 9 45 27 15 25 9 81
12 4 3 8 32 24 12 16 9 64
13 2 2 9 18 18 4 4 4 81
14 2 2 7 14 14 4 4 4 49
15 3 4 8 24 32 12 9 16 64
16 4 5 9 36 45 20 16 25 81
17 5 3 9 45 27 15 25 9 81
18 2 4 8 16 32 8 4 16 64
19 3 2 7 21 14 6 9 4 49
20 2 5 6 12 30 10 4 25 36
Jumlah 64 61 151 493 460 198 230 209 1167

3. Perhitungan
Y’ + b1X1 + b2X2
Konstanta a dapat dan koefisien-koefisien b1 dan b2 dihitung dengan menggunakan rumus :
∑
∑ ∑

∑
∑ ∑

∑
∑ ∑

∑ ∑
∑ ∑

∑ ∑
∑ ∑

∑ ∑
∑ ∑

( ∑ ∑ ) ( ∑ ∑ )
∑ ∑ ∑
( ) ( )

∑ ∑ ∑ ∑
∑ ∑ ∑
 ( ) ( )

∑ ∑ ∑

Maka :
Y’ + b1X1 + b2X2
Y’ 6,5 + 0,397X1 - 0,072X2
4. Koefisien Determinan
∑ ∑
∑

5. Mencari Fhitung dan Ftabel

C. Output
 D. Cara membaca output
 Pada tabel Variable Entered menunjukkan metode yang digunakan.dalam kasus diatas ,
diketahui bahwa tidak ada variabel yang dikeluarkan.
 Pada tabel model summary terlihat bahwa nilai R (koefisien korelasi) sebesar 0,382
sedangkan koefisien korelasi ganda r sebesar 0,146 yang merupakan indeks determinan
atau persentase pengaruh X terhadap Y. Dengan demikian kita dapat menyatakan bahwa
14,6 % nilai intelegensi dipengaruhi oleh keaktifan bertanya dan kemandirian belajar,
sedangkan sisanya dipengaruhi oleh factor lain.
 Dari tabel Anova dapat kita lihat bahwa nilai signifikasinya adalah 0,262. Dimana 0,262
> 0,05 sehingga dapat disimpulkan bahwa model regresi tidak signifikan.
 Dari tabel coefficients, kita dapatmembuat persamaan regresi, yaitu Y= 6.501 + 0,397 X1
+ (-0,072) X2 . Angka 0,384 pada standardized coefficients beta menunjukkan tingkat
korelasi antara keaktifan bertanya dan intelegensi. Sedangkan 0,067 menunjukkan tingkat
korelasi antara kemandirian belajar dan intelegensi.
 Pada chart Normal P-P Plot,terlihat bahwa titik-titik menyebar di sekitar garis lurus, ini
berarti data yang dipakai berdistribusi normal.
 Pada Chart Scatter plot terlihat bahwa titik-titik menyebar dengan pola yang tidak
beraturan dan berada diatas sumbu 0 dan Y, sehingga dapat disimpulkan tidak terdapat
gejala heteroskedastisitas.

VIII. KESIMPULAN
1. Regresi linier berganda merupakan model regresi yang melibatkan lebih dari satu
variable independen. Analisis regresi linier berganda dilakukan untuk mengetahui arah
dan seberapa besarnya pengaruh variable independen terhadap variable dependen.
2. Dasar pengambilan keputusan dalam analisis regresi berganda ini yaitu:
 Jika - b ≤ u g≤ b ,m H m
 Jika t hitung > t table, maka Ho ditolak.

Berdasarkan nilai signifikansi hasil output SPSS pengambilan keputusannya yaitu:

 Jika nilai Sig. < 0,05 maka variable bebas berpengaruh significan terhadap
variable terikat.
 Jika nilai Sig. > 0,05 maka variable bebas tidak berpengaruh significan terhadap
variable terikat.
3. Langkah-langkah untuk melakukan analisis regresi berganda ini yaitu dengan menginput
data terlebih dahulu ke data view, lalu memilih menu analyze, Regression, Linier dan
atur sedemikian pada kotak dialog. Lalu klik menu Statistics, kemudian beri tanda
centang pada estimate, model fit, durbin Watson, collinearity diagnostics, lalu klik
continue. Pada menu plots, masukkan ZRESID ke kolom y dan ZPRED ke kolom x,
kemudian beri centang di normal probability plot, lalu klik continue kemudian ok.
Setelah mengklik Ok, maka hasil outputnya pun akan otomatis keluar.
4. Dari tabel coeffisient dapat kita lihat bahwa nilai signifikasinya adalah 0,000. Dimana
0,000 < 0,05 sehingga dapat disimpulkan bahwa X1(Keaktifan bertanya) dan
X2(Keaktifan belajar) berpengaruh secara signifikan terhadap Y(Intelegensi).
5. Pada tabel model summary terlihat bahwa nilai R (koefisien korelasi) sebesar 0,382
sedangkan koefisien korelasi ganda r sebesar 0,146 yang merupakan indeks determinan
atau persentase pengaruh X terhadap Y. Dengan demikian kita dapat menyatakan bahwa
14,6 % nilai intelegensi dipengaruhi oleh keaktifan bertanya dan kemandirian belajar,
sedangkan sisanya dipengaruhi oleh factor lain.

IX. DAFTAR PUSTAKA

Dyah. (2012). Statistik Deskriptif & Regresi Linier Berganda Dengan Spss. Semarang:
Semarang University Press
Agus. (2015). Analisis Regresi Dengan Spss. Yogyakarta: Deepublish.
Hasan. (2018). Pemodelan Regresi Berganda Untuk Data Dalam Studi Kecerdasan
Emosional. Jurnal Kependidikan, Vol 12, 103-116.
Popy, Herlawati. (2015). Metode Regresi Linier Berganda Kualitas Super Member
Supermall Terhadap Peningkatan Jumlah Pengunjung Pada Supermall Karawang.
Jurnal Bina Insani Ict, Vol 2, 101-116.
Marcus, dkk. (2012). Analisis Regresi Komponen Utama Untuk Mengatasi Masalah
Multikolinieritas Dalam Analisis Regresi Linier Berganda. Jurnal Barekeng, Vol 6,
31-40.
X. ASISTEN LABORATORIUM

1. Angga Dinata
Nim : 4193111082

2. Hanifah Rusydah
Nim : 4192411001

Dosen Pengampu Medan, 27 Oktober 2022

Prihatin Ningsih Sagala, S.PD.,M.Si Togar Hamonangan Sihombing

NIP. 19810823 200801 2007 4203311069

LAMPIRAN
BUKU I

BUKU II
JURNAL I

JURNAL II
JURNAL III