Tutorial SPSS V.

16 –seti

Regresi
A. Regresi Sederhana
Dalam analisis Regresi sederhana akan dikembangkan sebuah estimating equation (persamaan
regresi),yaitu suatu formula yang mencari nilai variabel dependen dari nilai variable independent
yang diketahui, dimana kedua variable tersebut masing masing hanya satu. Analisis Regresi
digunakan terutama untuk tujuan peramalan.

Contoh soal:
Sebuah penelitian dilakukan pada sebuah toko komputer untuk mencari pengaruh besarnya biaya
promosi dengan nilai penjualan barang dalam satu bulan. Data yang digunakan adalah sebagai
berikut:

Bulan Biaya Promosi (Rupiah) Hasil Jual (Rupiah)

Jan 1200000 1900000
Feb 900000 1500000
Mar 1600000 2000000
Apr 1500000 1900000
Mei 3000000 4000000
Juni 1750000 2000000
Juli 2500000 3200000
Agust 2000000 2600000
Sept 3000000 3500000
Okt 3600000 4100000
Nov 1500000 2200000
Des 2300000 2800000

Langkah-langkah penyelesaian:
1. Input Bulan, Biaya Promosi, dan Hasil Jual pada Variable view. Kemudian input
Bulan, Biaya Promosi, dan Hasil Jual pada data view.
2. Pilih menu Analyze, pilih submenu: Regression, pilih Linear.
3. Pada kotak dialog Linear Regression, pindahkan variabel Hasil Jual ke kolom
Dependent, variabel Biaya Promosi ke kolom Independent, kemudian pindahkan variabel
bulan ke kolom Case labels. Pada Method, pilih default yang sudah ada, yaitu Enter
(prosedur pemilihan variabel dimana semua variabel dalam blok dimasukkan dalam
perhitungan ‘single step’).

1
 Tutorial SPSS V.16 –seti

4. Klik tombol Statistics dan pilih Estimates, Model Fit, dan Descriptive.

5. Klik Continue dan selanjutnya pilih Plots. Atur seperti gambar dibawah ini.

2
 Tutorial SPSS V.16 –seti

6. Klik Save dan pilih opsi Unstandarized pada Predicted values

7. Klik Option, pada Stepping Method Criteria, pilih : Entry .05(uji F yang mengambil
standar angka probabilitas sebesar 5%).Beri tanda pada Include constant in
equation(menyertakan konstanta tetap dipilih).Pada Missing Value, pilih: Exclude cases
listwise (data kasus tidak ada yang hilang). Kemudian Continue.

3
 Tutorial SPSS V.16 –seti

8. Klik Ok untuk melihat output.

a. All requested variables entered.

b. Dependent Variable: hasil jual

a. Predictors: (Constant), Biaya promosi

4
 Tutorial SPSS V.16 –seti

b. Dependent Variable: hasil jual

a. Predictors: (Constant), Biaya promosi

b. Dependent Variable: hasil jual

a. Dependent Variable: hasil jual

a. Dependent Variable: hasil jual

5
Tutorial SPSS V.16 –seti

6
 Tutorial SPSS V.16 –seti

B. Regresi Berganda
Seperti yang diuraikan diatas, jika pada Regresi sederhana hanya ada satu variable dependen (Y)
dan satu variable independent (X), maka pada kasus Regresi berganda, terdapat satu variable
dependen dan lebih dari satu variable independent. Dalam praktek bisnis, regresi berganda justru
lebih banyak digunakan, selain karena banyaknya variable dalam bisnis yang perlu dianalisis
bersama, juga pada banyak kasus regresi berganda lebih relevan digunakan.

Contoh:
Tabel berikut ini menampilkan data berat badan (pon), tinggi badan (inchi) dan Usia (tahun) dari
12 orang anak. Tentukan pengaruh dari usia dan tinggi badan terhadap usia anak.
Berat (X1)
64 71 53 67 55 58 77 57 56 51 76 68
pon
Tinggi (X2 )
57 59 49 62 51 50 55 48 52 42 61 57
Inchi
Usia (X3)
8 10 6 11 8 7 10 9 10 6 12 9
Tahun

Langkah-langkah penyelesaian:
1. Input X1, X2, dan X3 variable view. Kemudian input data X1, X2, dan X3 pada data
view.
2. Pilih menu Analyze, pilih submenu: Regression, pilih Linear.
3. Pada kotak dialog Linear Regression, pindahkan variabel X1 ke kolom Dependent,
variabel X2 dan X3 ke kolom Independent. Pada Method, pilih default yang sudah ada,
yaitu Enter (prosedur pemilihan variabel dimana semua variable dalam blok dimasukkan
dalam perhitungan ‘single step’).

7
 Tutorial SPSS V.16 –seti

4. Klik tombol Statistics dan pilih Estimates, Model Fit, dan Descriptive.

5. Klik Continue dan selanjutnya pilih Plots. Atur seperti gambar dibawah ini

6. Klik Save dan pilih opsi Unstandarized pada Predicted value

8
 Tutorial SPSS V.16 –seti

7. Klik Option, pada Stepping Method Criteria, pilih : Entry .05 (uji F yang mengambil
standar angka probabilitas sebesar 5%). Beri tanda pada Include constant in
equation(menyertakan konstanta tetap dipilih).Pada Missing Value, pilih: Exclude cases
listwise (data kasus tidak ada yang hilang). Kemudian Continue.

8. Klik Ok untuk melihat output

9
 Tutorial SPSS V.16 –seti

Descriptive Statistics

Mean Std. Deviation N

x1 62.7500 8.98610 12

x2 53.5833 5.94610 12

x3 8.8333 1.89896 12

Correlations

x1 x2 x3

Pearson Correlation x1 1.000 .820 .770

x2 .820 1.000 .798

x3 .770 .798 1.000

Sig. (1-tailed) x1 . .001 .002

x2 .001 . .001

x3 .002 .001 .

N x1 12 12 12

x2 12 12 12

x3 12 12 12

Variables Entered/Removedb

Variables Variables
Model Entered Removed Method

1 x3, x2a . Enter

a. All requested variables entered.

b. Dependent Variable: x1

10
 Tutorial SPSS V.16 –seti

Model Summaryb

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 .842a .709 .644 5.36321

a. Predictors: (Constant), x3, x2

b. Dependent Variable: x1

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 629.373 2 314.687 10.940 .004a

Residual 258.877 9 28.764

Total 888.250 11

a. Predictors: (Constant), x3, x2

b. Dependent Variable: x1

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 3.651 16.168 .226 .826

x2 .855 .452 .565 1.892 .091

x3 1.506 1.414 .318 1.065 .315

a. Dependent Variable: x1

11
 Tutorial SPSS V.16 –seti

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 48.5828 73.8584 62.7500 7.56411 12

Residual -7.15426 11.28191 .00000 4.85121 12

Std. Predicted Value -1.873 1.469 .000 1.000 12

Std. Residual -1.334 2.104 .000 .905 12

a. Dependent Variable: x1

12