Promosi/Iklan 20 16 34 23 27 32 18 22
(X)
Y= 40,082 + 1,497X+e
Regresi Linier Berganda : SPSS
Input Data Variabel
Uji Regresi Berganda
Uji Regresi Berganda
Maka akan muncul tampilan
seperti dibawah ini. Selajutnya
perhatikan tampilan Linier
Regression yang
menampilkan ruang untuk
variabel Dependent dan
Independent (s).
Uji Regresi Berganda
Kilik variable Y dan masukkan ke
ruang Dependent, dan Variable X1,
X2, dan X3 ke ruang Independent
(s). Selanjutnya perhatikan tombol
Statistics dan Plots di kanan atas
untuk langkah selanjutnya.
Uji Regresi Berganda
Klik Statistics maka akan muncul
tampilan Linear Regression
Statistics seperti dibawah ini. Klik
Durbin Watson dan Colinearity
Diagnostics, selanjutnya klik
Continue.
Uji Regresi Berganda
Klik tombol Plots, maka akan
muncul tampilan Linear Regression
Plots. Klik Histogram dan Normal
Probability Plot. Selanjutnya klik
*ZPRED ke ruang X dan *SRESID
ke ruang Y. Lalu klik Continue dan
klik OK.
Uji Asumsi Klasik : Multikolinieritas
Uji Mulktikolinieritas bertujuan untuk menguji apakah antar variable independent mempunyai
hubungan langsung (berkorelasi) sempurna. Jika iya, maka ketiga variabel independent tidak bisa
digunakan secara bersama-sama sebagai variabel independent. Jika bebas dari masalah
multikolinieritas, maka ketiga variabel independent tersebut layak untuk digunakan secara bersama-
sama dalam pengujian regresi berganda.
Model dikatakan bebas dari masalah multikolineritas apabila kolom Colinearity Statistics menujukkan
hasil Tollerance diatas 0,1 dan Nilai Variation Inflasi Factor (VIF) tidak lebih dari sepuluh. Hasil
Tollerance yang dihasilkan seluruhnya diatas 0,1 dan hasil VIF seluruhnya tidak lebih dari 10. Hal ini
berarti data penelitian bebas dari masalah multikolinieritas.
Kekuatan Korelasi
• Perhatikan di atas, nilai Durbin Watson pada tabel summary tersebut adalah nilai
Durbin Watson hitung yang nantinya akan anda bandingkan dengan nilai Durbin
Watson (DW) Tabel, baik nilai DU (Durbin Upper) maupun nilai DL (Durbin Lower).
Durbin Watson di SPSS
Cara membaca hasil
Cara Kedua, dengan membandingkan t hitung dengan t tabel. Signifikan apabila t hitung > t tabel. Hasil pengujian
menunjukkan bahwa bahwa t hitung untuk X1 adalah -0,520. Nilai t hitung untuk X2 adalah 2,314. Nilai t hitung
untuk X3 adalah 1,400. Sedangkan nilai t tabel adalah 2,01. Hasil t tabel sebesar 2,01 dapat dilihat dari tabel
distribusi t untuk uji dua arah, pada kolom 0,05 atau (5%) dan pada baris 45 (jumlah data/responden 48 dikurangi
jumlah variabel bebas 3). Jadi hanya variabel X2 yang memiliki t hitung lebih besar dari t tabel. Dengan demikian
berdasarkan cara kedua ini, hanya variabel X2 yang berpengaruh signifikan terhadap Y.
Hasil Uji Parsial (Persamaan Regresi)
Beta pengaruh yang dihasilkan untuk Variable X1 adalah negatif, sedangkan beta pengaruh yang
dihasilkan untuk X2 dan X3 adalah beta yang positif, artinya bahwa pengaruh yang diberikan oleh X2
dan X3 terhadap Y adalah positif, yang berarti bahwa pengaruhnya searah.
Persamaan regresi yang terbentuk adalah: Y = 0,570 - 0,072 X1 + 0,330 X2 + 0,203 X3 + e. Artinya,
jika X1, X2 dan X3 adalah nol, maka Variabel Y akan Konstan sebesar 0,570. Apabila terjadi kenaikan
X1 sebesar 1, maka akan terjadi penurunan Y sebesar 0,072 dan demikian sebaliknya. Apabila terjadi
kenaikan X2 sebesar 1, maka akan terjadi kenaikan Y sebesar 0,330 dan demikian sebaliknya.
Apabila terjadi kenaikan X3 sebesar 1, maka akan terjadi kenaikan Y sebesar 0,203 dan demikian
sebaliknya.
Hasil Uji Simultan (Uji F)
Untuk melihat seberapa besar Variabel independent berpengaruh sig terhadap variabel dependent.
Cara pertama, secara bersama sama Variabel X1, X2 dan X3 berpengaruh signifikan terhadap Y,
apabila Sig < 0,05. Hasilnya pada table ANOVA menunjukkan hasil Sig 0,024, yang berarti bahwa
secara bersama-sama variabel X1, X2 dan X3 berpengaruh signifikan terhadap Y.
Cara kedua adalah secara bersama sama Variabel X1, X2 dan X3 akan berpengaruh signifikan
terhadap Y, apabila F hitung > F tabel. Hasilnya pada table ANOVA menunjukkan hasil F hitung
adalah 3,463. Sedangkan F table adalah sebesar 2,82. Hasil Ftabel 2,82 dapat dilihat pada tabel
distribusi F, pada kolom 3 (total variabel bebas atau total seluruh variabel 4 dikurangi jumlah variabel
terikat 1) pada baris ke 44 (total data 48 dikurangi jumlah variabel 4). Hal ini berarti bahwa secara
bersama sama variabel X1, X2 dan X3 berpengaruh signifikan terhadap Y.
Koefisien Determinasi
Koefisien determinasi adalah kemampuan seluruh variabel bebas dalam menjelaskan variable terikat.
Koefisien Determinasi Adjusted R Square sebesar 0,136 atau sebesar 13,6% yang berarti bahwa
kemampuan Variabel X1, X2 dan X3 dalam menjelaskan Variabel Y, adalah sebesar 13,6%. Sedang
sisa sebesar 86,4% dijelaskan oleh variabel lain diluar dari variabel penelitian ini.
R sebesar 0,437 memiliki arti bahwa korelasi bergandanya adalah sedang. Tingkat error yang
dihasilkan dalam persamaan regresi dari hasil penelitian ini adalah 0,864 atau 86,4%.
terima kasih