REGRESI

MENGGUNAKAN

SPSS
Lestari Agusalim
 Pengolahan Data Untuk Penelitian
Sosial Dengan Model Regresi
Menggunakan SPSS

SCAN/CLICK
http://bit.do/mahirSPSS
 Analisis Deskriptif
Jenis Kelamin
Cumulative
Frequency Percent Valid Percent Percent
Valid Laki-Laki 16 53,3 53,3 53,3
Perempuan 14 46,7 46,7 100,0
Total 30 100,0 100,0
Program Studi
Cumulative
Frequency Percent Valid Percent Percent
Valid Ekonomi Pembangunan
10 33,3 33,3 33,3

Manajemen 9 30,0 30,0 63,3

Akuntansi 11 36,7 36,7 100,0
Total 30 100,0 100,0

Jenis Kelamin * Program Studi Crosstabulation

Count
Program Studi
Ekonomi Pembangunan Manajemen Akuntansi Total
Jenis Kelamin Laki-Laki 5 5 6 16
Perempuan 5 4 5 14
Total 10 9 11 30
 Uji Validitas Tujuan:
Pengujian validitas dilakukan
untuk mengetahui item-item
instrumen yang valid dan atau
Correlations item-item instrumen yang tidak
Harga
valid.
Harga yang Harga Jual Accessories/S
Ditawarkan Kembali uku Cadang Harga
Harga yang Pearson
1 .488** ,030 .799**
Ditawarkan Correlation Dasar Pengambilan Keputusan:
Sig. (2-tailed) ,006 ,876 ,000 R-hitung > R-tabel → Valid
N 30 30 30 30
R-hitung < R-tabel → Tidak Valid
Harga Jual Pearson
.488** 1 ,000 .754**
Kembali Correlation
Sig. (2-tailed) ,006 1,000 ,000
N 30 30 30 30
Lebih Besar Dari
Harga Pearson *
,030 ,000 1 .450
Accessories/S Correlation
uku Cadang Sig. (2-tailed) ,876 1,000 ,013
Nilai R-Tabel = 0,361
N 30 30 30 30
Harga Pearson
.799** .754** .450* 1
Correlation
Sig. (2-tailed) ,000 ,000 ,013
N 30 30 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
 Uji Reliabilitas Dasar Pengambilan Keputusan:
alpha > R-tabel → Reliabel
alpha < R-tabel → Tidak Reliabel

Reliability Statistics
Lebih Besar Dari
Cronbach's Alpha N of Items Nilai R-Tabel = 0,361
,758 4

Item-Total Statistics
Scale Mean if Item Scale Variance if Item Corrected Item-Total Cronbach's Alpha if
Deleted Deleted Correlation Item Deleted
Harga yang Ditawarkan 12,40 9,903 ,657 ,662
Harga Jual Kembali 13,00 10,759 ,614 ,694
Harga
Accessories/Suku 12,93 13,237 ,253 ,823
Cadang
Harga 7,67 3,885 1,000 ,412
Uji Normalitas Uji normalitas adalah untuk melihat apakah nilai
residual terdistribusi normal atau tidak. Model regresi
yang baik adalah memiliki nilai residual yang
terdistribusi normal. Jadi uji normalitas bukan
dilakukan pada masing-masing variabel tetapi pada
nilai residualnya.
Hipotesis:
H0: data berdistribusi normal
H1: data tidak berdistribusi normal
Dasar Pengambilan Keputusan:
• Jika probabilitasnya (nilai sig) > 0.05
maka H0 tidak dapat ditolak
• Jika probabilitasnya (nilai sig) < 0.05
maka H0 ditolak

Lebih Besar Dari

Nilai alpha = 0,05

Hasil One-Sample Kolmogorov-Smirnov Test terlihat bahwa nilai P-value yaitu Asymp.Sig
(2-tailed) bernilai 0.175 > 0.05. sehingga disimpulkan bahwa residual telah memenuhi
asumsi distribusi normal.
 Hasil Regresi Sederhana
Contoh Intepretasi:
• Pengaruh Harga terhadap Keputusan Pembelian
Variabel Harga memberikan pengaruh negatif terhadap Keputusan Pembelian.
Peningkatan harga sebesar 1 standar deviasi akan menurunkan Keputusan
Pembelian laptop sebesar 0,298 standar deviasi. Apabila koefisien tersebut di
pangkatkan 2 (-0,218^2) diperoleh nilai 0,0475, maka dapat dikatakan bahwa
Coefficientsa sebesar 4,75 variasi variabel Keputusan Pembelian laptop dapat dijelaskan oleh
variabel Harga. Sedangkan sisanya sebesar 95,25 % dijelaskan oleh variabel lain di
Standardize luar model.
Unstandardized d
Coefficients • Pengaruh Mutu terhadap Keputusan Pembelian
Coefficients
Model t Sig. Variabel Mutu memberikan pengaruh positif terhadap Keputusan Pembelian.
B Std. Error Beta
Peningkatan mutu sebesar 1 standar deviasi akan meningkatkan keputusan
1 (Constant) 4,207 1,836 2,291 ,030 pembelian laptop sebesar 0,458 standar deviasi. Apabila koefisien tersebut di
X1 -,298 ,137 -,218 -2,180 ,038 pangkatkan 2 (0,458^2) diperoleh nilai 0,2097, maka dapat dikatakan bahwa
X2 ,411 ,122 ,458 3,383 ,002 sebesar 20,97 variasi variabel Keputusan Pembelian laptop dapat dijelaskan oleh
X3 ,400 ,148 ,381 2,697 ,012 variabel Mutu. Sedangkan sisanya sebesar 79,03 % dijelaskan oleh variabel lain di
a. Dependent Variable: Keputusan Pembelian luar model.
• Pengaruh Model terhadap Keputusan Pembelian
Variabel Model memberikan pengaruh positif terhadap Keputusan Pembelian.
Peningkatan model sebesar 1 standar deviasi akan meningkatkan keputusan
Sehingga model persamaan regresi yang diperoleh: pembelian laptop sebesar 0,381 standar deviasi. Apabila koefisien tersebut di
pangkatkan 2 (0,381^2) diperoleh nilai 0,1451, maka dapat dikatakan bahwa
𝒀 = −𝟎, 𝟐𝟏𝟖𝑿𝟏 + 𝟎, 𝟒𝟓𝟖𝑿𝟐 + 𝟎, 𝟑𝟖𝟏𝑿𝟑 sebesar 14,51 variasi variabel Keputusan Pembelian laptop dapat dijelaskan oleh
variabel Model. Sedangkan sisanya sebesar 85,49 % dijelaskan oleh variabel lain di
luar model.
 Uji F
ANOVAa Uji F adalah uji untuk mengetahui besarnya
Sum of Mean pengaruh variabel independen terhadap variabel
Model Squares df Square F Sig. dependent secara bersama-sama.
1 Regression 164,731 3 54,910 30,878 .000b Hipotesis:
Residual 46,236 26 1,778 H0: Tidak ada pengaruh yang signifikan dari
Total 210,967 29 variabel independen terhadap variabel
a. Dependent Variable: Keputusan Pembelian dependen (Keputusan Pembelian)
b. Predictors: (Constant), X3, Harga, X2 H1: Terdapat pengaruh yang signifikan dari variabel
independen terhadap variabel dependen
Tabel F (α=0,05) (Keputusan Pembelian)
Dasar Pengambilan Keputusan:
3
F-Hitung > F-Tabel atau Sig. < α (0,05) maka Tolak
H0
F-Hitung < F-Tabel atau Sig. > α (0,05) maka H0
2,96 tidak dapat ditolak
Keputusan:
Hipotesis Nol ditolak.
26
 Uji T
Coefficientsa Uji T adalah uji secara individual semua koefisien
regresi yang bertujuan untuk mengetahui besarnya
Model t Sig. pengaruh dari masing-masing variabel independent
1 (Constant) 2,291 ,030 terhadap variabel dependen
Uji signifikansi t dilihat dari nilai probabilitas (Sig)
X1 -2,180 ,038 yang dibandingkan dengan nilai tingkat signifikansi
X2 3,383 ,002 α = 0,05. Bila prob < α , maka variable tersebut
X3 signifikan.
2,697 ,012 Berdasarkan hasil uji signifikansi diperoleh bahwa
a. Dependent Variable: Keputusan Pembelian semua variabel signifikan\memengaruhi Keputusan
Pembelian
 2
Koefisien Determinasi (𝑅 )
Model Summaryb Koefisien determinasi digunakan untuk
Std. Error mengetahui berapa persen perubahan
Adjusted R of the variabel independen dapat menjelaskan
Model R R Square Square Estimate perubahan variabel dependennya.
1 .884a ,781 ,756 1,334
Dari pengujian yang dilakukan, nilai
a. Predictors: (Constant), X3, Harga, X2
b. Dependent Variable: Keputusan Pembelian
sebesar 0,756 sehingga dapat dikatakan
bahwa sebesar 75,6% variasi variabel
dependen (dalam hal ini Keputusan
pembelian laptop) dapat dijelaskan oleh
variabel independen Harga, Mutu, dan
Model. Sedangkan sisanya sebesar 24,4%
dijelaskan oleh variabel lain di luar model.
 Uji Autokorelasi
Uji autokorelasi adalah untuk melihat
Model Summaryb
apakah terjadi korelasi antara suatu
periode t dengan periode sebelumnya
(t -1). Secara sederhana adalah bahwa Std. Error
analisis regresi adalah untuk melihat Adjusted R of the Durbin-
pengaruh antara variabel bebas Model R R Square Square Estimate Watson
terhadap variabel terikat, jadi tidak 1 .884a ,781 ,756 1,334 1,990
boleh ada korelasi antara observasi
dengan data observasi sebelumnya. a. Predictors: (Constant), X3, Harga, X2
Jika terjadi korelasi maka dinamakan b. Dependent Variable: Keputusan Pembelian
ada problem autokorelasi.
• Dalam hal ini untuk mendeteksi gejala autokorelasi dilakukan melalui uji Durbin Watson (DW test). Syarat tidak terjadi
gejala autokorelasi adalah nilai DW lebih besar atau sama dengan nilai du dan lebih kecil dari nilai 4–du. Atau dengan
kata lain syarat tidak terjadi autokorelasi adalah nilai DW berada diantara du ≤ DW ≤ 4-du.
• Nilai Durbin-Watson (DW) yang diperoleh sebesar 1,990. Dengan n= 30 dan jumlah variabel bebas = 3, diperoleh nilai
dl = 1,2138 dan nilai du = 1,6498. Nilai DW hitung adalah sebesar 1,990 berarti DW lebih besar dari nilai du, dan lebih
kecil dari 4-du yaitu 2,3502. Nilai DW in terletak diantara du dan (4-du) sehingga dapat disimpulkan bahwa dalam hal
ini tidak terjadi autokorelasi.
 Uji Multikolinearitas
Uji multikolinearitas adalah untuk melihat Coefficientsa
ada atau tidaknya korelasi yang tinggi Collinearity Statistics
antara variabel-variabel bebas dalam suatu Model Tolerance VIF
model regresi linear berganda. Jika ada 1 (Constant)
korelasi yang tinggi di antara variabel- Harga ,846 1,182
variabel bebasnya, maka hubungan antara X2 ,459 2,178
variabel bebas terhadap variabel terikatnya X3 ,422 2,372
menjadi terganggu. a. Dependent Variable: Keputusan Pembelian

Uji Multikolinearitas dilakukan dengan melihat nilai tolerance dan variance inflation factor (VIF) dari
hasil analisis dengan menggunakan SPSS. Apabila nilai tolerance value lebih tinggi daripada 0,10
atau VIF lebih kecil daripada 10 maka dapat disimpulkan tidak terjadi multikolinearitas. Dari tabel
terlihat bahwa model regresi linear yang dikonstruk tidak mengalami gangguan miltikolinearitas.
 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji
apakah dalam model regresi terjadi
ketidaksamaan veriance dari residual satu
pengamatan ke pengamatan yang lain. Jika
variance tetap maka disebut
homoskedastisitas dan jika berbeda maka
terjadi problem heteroskedastisitas. Model
regresi yang baik yaitu homoskesdatisitas
atau tidak terjadi heteroskedastisitas.

Dari diagram Scatter plot di atas, terlihat data tidak membentuk suatu pola tertentu dan tersebar bebas sehingga dapat
disimpulkan bahwa tidak terjadi gejala heteroskedastisitas. Dari hasil uji asumsi klasik terhadap model persamaan regresi
untuk Y (Keputusan Pembelian Laptop), yang meliputi uji normalitas, uji autokorelasi, uji multikolinearitas, dan uji
heteroskedastisitas, model persamaan regresi tersebut telah memenuhi persyaratan untuk keseluruhan kriteria yang
dipersyaratkan. Sehingga dapat disimpulkan bahwa model persamaan regresi tersebut bisa disebut model yang baik
karena telah memenuhi kriteria Best Linear Unbiased Estimator (BLUE).
Terima Kasih