Regresi Linier Berganda

Rudi Salam
Universitas Islam Jakarta

Regresi linier digunakan untuk menemukan pengaruh dari satu variabel (disimbolkan dengan x)
terhadap variabel yang lainnya (disimbolkan dengan y). Mirip dengan analisis korelasi, tetapi
korelasi hanya menyimpulkan seberapa kuat dua variabel berhubungan (besaran dan arahnya),
sedangkan regresi linier akan menjawab pertanyaan “seberapa besar y akan berubah jika x
berubah?” Dengan kata lain, jika x berubah sejumlah tertentu, kita akan bisa mengestimasi
seberapa besar y akan berubah. Variable yang akan diprediksi (y) dinamakan variable respon
atau outcome atau dependen. Variable yang digunakan untuk menjelaskan hubungan (x) juga
mempunyai beberapa nama yaitu variable penjelas atau predictor atau independen. Untuk
konsistensi, istilah variable dependen dan independen saja yang akan digunakan dalam tulisan
ini.

Gunakan BirthWeightData
SPSS : Analyze > Regression > Linear…

1
Pilih Statistics…

Continue
Klik Save

Continue
OK

2
Output
Descriptive Statistics

Mean Std. Deviation N

Birth Weight (Grams) 3220.29 654.980 100

Length of Gestation (Weeks) 38.36 3.356 100
Status Merokok Ibu .15 .359 100

Correlations

Birth Weight Length of Status Merokok

(Grams) Gestation (Weeks) Ibu

Pearson Correlation Birth Weight (Grams) 1.000 .662 -.141

Length of Gestation (Weeks) .662 1.000 .030

Status Merokok Ibu -.141 .030 1.000

Sig. (1-tailed) Birth Weight (Grams) . .000 .081
Length of Gestation (Weeks) .000 . .383
Status Merokok Ibu .081 .383 .
N Birth Weight (Grams) 100 100 100

Length of Gestation (Weeks) 100 100 100

Status Merokok Ibu 100 100 100

Variables Entered/Removedb

Variables
Model Variables Entered Removed Method

1 Status Merokok . Enter

Ibu, Length of
Gestation (Weeks)

a. All requested variables entered.

b. Dependent Variable: Birth Weight (Grams)

Model Summaryb

Std. Error of the

Model R R Square Adjusted R Square Estimate Durbin-Watson

1 .681 a
.464 .453 484.626 1.963

a. Predictors: (Constant), Status Merokok Ibu, Length of Gestation (Weeks)

b. Dependent Variable: Birth Weight (Grams)

3
 ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 19689185.490 2 9844592.745 41.916 .000a

Residual 22781681.100 97 234862.692

Total 42470866.590 99

a. Predictors: (Constant), Status Merokok Ibu, Length of Gestation (Weeks)

b. Dependent Variable: Birth Weight (Grams)

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics

Model B Std. Error Beta t Sig. Tolerance VIF

1 (Constant) -1724.421 558.841 -3.086 .003

Length of Gestation
130.054 14.520 .666 8.957 .000 .999 1.001
(Weeks)

Status Merokok Ibu -294.396 135.784 -.161 -2.168 .033 .999 1.001

a. Dependent Variable: Birth Weight (Grams)

Coefficient Correlationsa

Length of
Status Merokok Gestation
Model Ibu (Weeks)

1 Correlations Status Merokok Ibu 1.000 -.030

Length of Gestation (Weeks) -.030 1.000

Covariances Status Merokok Ibu 18437.411 -59.527

Length of Gestation (Weeks) -59.527 210.824

a. Dependent Variable: Birth Weight (Grams)

Collinearity Diagnosticsa

Variance Proportions

Length of
Gestation Status Merokok
Model Dimension Eigenvalue Condition Index (Constant) (Weeks) Ibu

1 1 2.239 1.000 .00 .00 .06

2 .757 1.719 .00 .00 .94

3 .004 24.380 1.00 1.00 .00

a. Dependent Variable: Birth Weight (Grams)

4
 Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 1526.93 4128.01 3220.29 445.960 100

Residual -1260.450 1016.586 .000 479.706 100
Std. Predicted Value -3.797 2.035 .000 1.000 100
Std. Residual -2.601 2.098 .000 .990 100

a. Dependent Variable: Birth Weight (Grams)

Persamaan Regresi :

Interpretasi:
Ketika jangkauan dari model tidak memuat X=0, β0 atau konstanta tidak mempunyai arti
tertentu. Kalaupun mau diinterpretasikan, untuk contoh ini, interpretasinya adalah jiika gestation
rendah dan ibu yang tidak merokok juga rendah, maka berat bayi lahir akan rendah.

130.054 Gestation  jika lama waktu hamil (gestation) bertambah satu minggu, maka berat
lahir akan meningkat sebesar 130 gram, variabel lain konstan

294.396 Smoke  jika ibu merokok, maka berat lahir bayi akan berkurang 294 gram
dibandingkan dengan ibu yang tidak merokok.

Menilai Model

Uji F (Uji Simultan )

Untuk menguji apakah terdapat hubungan regresi antara variabel dependen Y dan sekumpulan
variabel X: X1, …, Xp-1, maksudnya adalah memilih di antara pilihan:

Statistik uji yang digunakan adalah

Keputusan:

5
Atau dengan p-value

Pada SPSS dilihat di output ANOVA

Uji parsial

Hipotesis :

Statistik uji :

Keputusan :

Atau dengan p-value

Pada SPSS dilihat di output Coefficients

6
UJI ASUMSI PADA REGRESI

Asumsi Normalitas
Hipotesis:
Ho : Data berdistribusi normal
H1 : Data tidak berdistribusi normal

SPSS : Analyze > Descriptive Statistics > Explore

Pilih Plots…

Continue

7
 Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

Unstandardized Residual .064 100 .200* .983 100 .216

*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction

P-value = > 0.200  H0 gagal ditolak  data normal

Asumsi Autokorelasi

Uji asumsi Autokorelasi Menggunakan Autocorrelation Function (ACF)

SPSS : Analyze > Forecasting > Autocorrelations…

OK

8
Tidak ada yang melewati batas  tidak ada autokorelasi atau residual saling bebas

Uji asumsi Autokorelasi Menggunakan Uji Durbin-Watson

Hipotesis :
H0 : ρ = 0 (tidak ada hubungan antar error)
H1 : ρ > 0 (ada hubungan antar error)

Keputusan:
 Jika D > dU  tidak tolak H0
 Jika D < dL  tolak H0 (error berkorelasi positif)
 Jika dL ≤ D ≤ dU  tidak ada keputusan

Model Summaryb

Std. Error of the

Model R R Square Adjusted R Square Estimate Durbin-Watson

1 .681a .464 .453 484.626 1.963

a. Predictors: (Constant), Status Merokok Ibu, Length of Gestation (Weeks)

b. Dependent Variable: Birth Weight (Grams)

9
Nilai D = 1.963. Nilai ini D dibandingkan dengan Tabel Durbin Watson, dengan α = 0.05, n =
100, k = p–1 = 3–1 = 2, diperoleh dL = 1.634 dan dU = 1.715. Karena D = 1.963 berada di atas
dU = 1.715 maka H0 tidak ditolak atau error tidak berkorelasi positif atau error independen.

Tabel Durbin–Watson d Statistic: Significance Points of dL and dU at 0.05 Level of Significance

Asumsi Homoskedastisitas
Hipotesis:
H0 : Varians error homoskedastis
H1 : Varians error heteroskedastis

Uji Homeskedastisitas menggunakan metode grafik

SPSS : Analyze > Regression > Linear

Pilih Plots…

10
Continue
OK

11
Uji Homoskedastisitas menggunakan uji Glejser

Uji glejser : meregresikan absolute residual dengan predictor

Jika ada predictor yang signifikan, maka diduga terjadi heteroskedastisitas pada data.

Output regesi absolut residual dengan predictor.

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 817.556 339.512 2.408 .018
Length of Gestation (Weeks) -11.602 8.821 -.132 -1.315 .192
Status Merokok Ibu 30.068 82.493 .037 .364 .716
a. Dependent Variable: AbsRes

Kesimpulan : predictor tidak ada yang signifikan, berarti tidak terjadi heteroskedastisitas

Asumsi Multikolinieritas

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients Collinearity Statistics

Model B Std. Error Beta t Sig. Tolerance VIF

1 (Constant) -1724.421 558.841 -3.086 .003

Length of Gestation
130.054 14.520 .666 8.957 .000 .999 1.001
(Weeks)

Status Merokok Ibu -294.396 135.784 -.161 -2.168 .033 .999 1.001

a. Dependent Variable: Birth Weight (Grams)

Nilai VIF < 10  tidak ada multikolinieritas

Ada juga literature yang menganjurkan ambang batas VIF < 5.

12