Mpi Regresilb Iw 2023

Regresi Linear Berganda
IVR
ERSIT
✺UN
AS
Σ
✺
StatisticS
H
CE
SI
N
DE
A
R AW
Dr. Irfan Wahyudi, M.Sc
irfanwahyudiuncen@gmail.com
Universitas Cenderawasih
September 22, 2023
Dr. Irfan Wahyudi, M.Sc - Universitas Cenderawasih Regresi Linear Berganda - IBM SPSS 1/39
Regresi Linear Berganda
Tujuannya untuk Menguji hubungan / korelasi /
pengaruh lebih dari satu variabel bebas terhadap
satu variabel terikat dengan analisis regresi linier
ganda.
Untuk melakukan prediksi atau estimasi variabel

terikat berdasarkan variabel bebasnya.
Keterangan: data yang dianalisis harus data yang

berskala interval/rasio.
Contoh
Masalah Penelitian Pendidikan
1. Apakah terdapat pengaruh fasilitas belajar dan
motivasi belajar terhadap prestasi belajar
mahasiswa?
2. Bagaimana pengaruh lingkungan kerja dan
pengalaman kerja terhadap produktivitas kerja
karyawan?
3. Apakah ada pengaruh gaji perbulan dan
fasilitas kantor terhadap kinerja pegawai?
Contoh Kasus
Contoh:
Berikut ini disajikan data fasilitas belajar dan motivasi belajar
terhadap prestasi belajar mahasiswa.
Fasilitas Motivasi Prestasi Fasilitas Motivasi Prestasi
No. No.
Belajar Belajar Belajar Belajar Belajar Belajar
1. 10 8 89 8. 6 8 71
2. 8 6 85 9. 10 12 92
3. 6 6 78 10. 2 6 56
4. 6 4 74 11. 4 4 67
5. 4 6 69 12. 4 4 66
6. 4 10 70 13. 6 9 78
7. 8 10 85 14. 10 9 90
Permasalahan
1. Hitunglah berapa besarnya kontribusi bersama
seluruh variabel bebas terhadap variabel
terikatnya?
2. Ujilah apakah kontribusi tersebut signifikan?
(Gunakan taraf signifikansi sebesar 5%)
3. Bagaimana persamaan garis regresinya?
Tafsirkan maknanya!
4. Ujilah pengaruh masing-masing variabel bebas
secara parsial!
HIPOTESIS
Hipotesis 1:
H0: Tidak terjadi hubungan linier antara
variabel predictor
(“Fasilitas" dan “Motivasi ") dengan
variabel dependent (“Prestasi ").
H1: Terjadi hubungan linier antara

variabel predictor
(“Fasilitas" dan “Motivasi ") dengan
variabel dependent (“Prestasi ").
Hipotesis 2:
H0: Variabel fasilitas belajar
tidak berpengaruh secara signifikan
terhadap variabel prestasi belajar
mahasiswa.
H1: Variabel fasilitas belajar

berpengaruh secara signifikan
mahasiswa.
Hipotesis 3:
H0: Variabel motivasi belajar
tidak berpengaruh secara signifikan
mahasiswa.
H1: Variabel motivasi belajar

berpengaruh secara signifikan
mahasiswa.
Hipotesis 4:
H0: Konstanta
tidak bermakna secara signifikan
mahasiswa.
H1: Konstanta
bermakna secara signifikan
mahasiswa.
KETENTUAN
Ketentuan 1:
Jika F hitung > F tabel, maka H0 ditolak.
Jika F hitung ≤ F tabel, maka H0 diterima.
Atau
Jika Sig < α, maka H0 ditolak.
Jika Sig ≥ α, maka H0 diterima.
Ketentuan 2:
Jika t hitung > t tabel, maka H0 ditolak.
Jika t hitung ≤ t tabel, maka H0 diterima.
Atau
Jika Sig < α, maka H0 ditolak.
Jika Sig ≥ α, maka H0 diterima.
Entri Data
Pada IBM - SPSS
∗Regresi Linier∗
∗ Berganda∗
Entri Data
Pada IBM - SPSS
1. Sebelum melakukan analisis regresi linier berganda, terlebih
dahulu definisikan variabel. Klik Variable View pada SPSS Data
Editor, sehingga muncul lembar isian berikut ini:
2. Isikan di kolom Name dengan nama “FASILITAS" pada baris
pertama dan isi angka 2 untuk Decimals, “MOTIVASI " pada
baris ke dua dengan angka 2 pada Decimals, dan “PRESTASI "
pada baris ke tiga dengan angka 2 pada Decimals.
3. Pilihlah Data View dan masukan nilai “FASILITAS" belajar,
“MOTIVASI " belajar, dan “PRESTASI " belajar sebagai berikut.
4. Lakukan analisis dengan menggunakan menu Analyze →
Regression → Linear .
5. Masukkan variabel “Prestasi " ke dalam kotak Dependent dan
variabel “Fasilitas" dan “Motivasi " ke kotak Independent(s)
sehingga terlihat sebagai berikut.
6. Klik OK sehingga muncul hasil analisis sebagai berikut.

OUTPUT
Tabel Variables Entered / Removed di atas menampilkan variabel
yang dimasukkan dalam model, dikeluarkan, metode analisisnya.
Dalam hal ini variabel yang dimasukkan ke dalam model adalah
“Motivasi " dan “Fasilitas", variabel yang dikeluarkan tidak ada dan
metode analisis yang digunakan adalah metode enter (dimasukkan
secara simultan/bersamaan). Pada bagian bawah juga ditampilkan
nama variabel tidak bebasnya yaitu “Prestasi " (Dependent Variable:
“Prestasi Belajar ").
Tabel Model Summary menunjukan beberapa hal sebagai berikut:
1. R = 0,978 artinya koefisien korelasinya sebesar 0,978. Angka ini
menunjukkan derajad korelasi antara variabel Fasilitas Belajar
dan Motivasi Belajar dengan Prestasi Belajar.
2. R Square = 0,956 menunjukkan angka Koefisien Determinasinya
(R2 ). Artinya variansi dalam Prestasi Belajar dapat dijelaskan
oleh Fasilias Belajar dan Motivasi Belajar melalui model sebesar
95,6%, sisanya (4,4%) berasal dari variabel lain. Atau dengan
bahasa sederhana besarnya kontribusi/sumbangan Fasilias
Belajar dan Motivasi Belajar terhadap Prestasi Belajar adalah
sebesar 95,6%, dan sisanya 4,4% berasal dari variabel lain.
3. Adjusted R square = 0,948. Ukuran ini maknanya sama dengan
R square, hanya saja Adjusted R square ini nilainya lebih stabil
karena sudah disesuaikan dengan jumlah variabel bebasnya.
4. Standard Error of The Estimate = 2,44123 yang menunjukkan
ukuran tingkat kesalahan dalam melakukan pendugaan pada
variabel terikat.
Berdasarkan Tabel ANOVA, diperoleh nilai p -value
05, dengan demikian H0 ditolak. Ini berarti bahwa
= 0, 000 < α = 0, 05
terdapat hubungan linier antara variabel predictor (“Fasilitas"
belajar dan “Motivasi " belajar) dengan variabel dependent
(“Prestasi " belajar).
Berdasarkan Tabel Coefficients (baris Fasilitas Belajar), diperoleh
nilai t hitung = 12,318 dan p -value = 0,000. Karena p -value
05, maka H0 ditolak. Karena itu variabel Fasilitas
= 0, 000 < α = 0, 05
belajar berpengaruh secara signifikan.
Berdasarkan Tabel Coefficients (baris Motivasi Belajar), diperoleh
nilai t hitung = 0,935 dan p -value = 0,370. Karena p -value
05, maka H0 diterima. Karena itu variabel Motivasi
= 0, 370 > α = 0, 05
belajar tidak berpengaruh secara signifikan.
Berdasarkan Tabel Coefficients (baris Constant), diperoleh nilai t =
23,004 dan p -value = 0,000. Karena nilai p -value = 0, 000 < α = 0, 05
05,
maka H0 ditolak. Karena itu, konstanta pada model regresi
bermakna secara signifikan.
Model regresi diperoleh dari konstanta dan koefisien variabel yang
ada di kolom Unstandardized Coefficients B. Berdasarkan tabel ini
diperoleh model regresi:
Prestasi (Y) = 49,908 + 3,871 x Fasilitas Belajar (X1 ) + 0,301 x
Motivasi Belajar (X2 ) atau Y = 49,908 + 3,871 (X1 ) + 0,301 (X2 ).
KESIMPULAN
KESIMPULAN:
1. R = 0,978 artinya koefisien korelasinya sebesar 0,978. Angka ini
menunjukkan derajad korelasi antara variabel Fasilitas Belajar
dan Motivasi Belajar dengan Prestasi Belajar.
2. R Square = 0,956 menunjukkan angka Koefisien Determinasinya
(R2 ). Artinya variansi dalam Prestasi Belajar dapat dijelaskan
oleh Fasilias Belajar dan Motivasi Belajar melalui model sebesar
95,6%, sisanya (4,4%) berasal dari variabel lain. Atau dengan
bahasa sederhana besarnya kontribusi/sumbangan Fasilias
Belajar dan Motivasi Belajar terhadap Prestasi Belajar adalah
sebesar 95,6%, dan sisanya 4,4% berasal dari variabel lain.
KESIMPULAN:
3. Adjusted R square = 0,948. Ukuran ini maknanya sama dengan
R square, hanya saja Adjusted R square ini nilainya lebih stabil
karena sudah disesuaikan dengan jumlah variabel bebasnya.
4. Standard Error of The Estimate = 2,44123 yang menunjukkan
ukuran tingkat kesalahan dalam melakukan pendugaan pada
variabel terikat.
KESIMPULAN:
5. Berdasarkan Tabel ANOVA, diperoleh nilai p -value
05, dengan demikian H0 ditolak. Ini berarti
= 0, 000 < α = 0, 05
bahwa terdapat hubungan linier antara variabel predictor
(“Fasilitas" belajar dan “Motivasi " belajar) dengan variabel
dependent (“Prestasi " belajar).
6. Berdasarkan Tabel Coefficients (baris Fasilitas Belajar),
diperoleh nilai t hitung = 12,318 dan p -value = 0,000. Karena
05, maka H0 ditolak. Karena itu variabel
p -value = 0, 000 < α = 0, 05
Fasilitas belajar berpengaruh secara signifikan.
7. Berdasarkan Tabel Coefficients (baris Motivasi Belajar),
diperoleh nilai t hitung = 0,935 dan p -value = 0,370. Karena
05, maka H0 diterima. Karena itu
p -value = 0, 370 > α = 0, 05
variabel Motivasi belajar tidak berpengaruh secara signifikan.
KESIMPULAN:
8. Berdasarkan Tabel Coefficients (baris Constant), diperoleh nilai
t = 23,004 dan Sig = 0,000. Karena nilai p -value
05, maka H0 ditolak. Karena itu, konstanta pada
= 0, 000 < α = 0, 05
model regresi bermakna secara signifikan.
Model regresi diperoleh dari konstanta dan koefisien variabel

yang ada di kolom Unstandardized Coefficients B. Berdasarkan
tabel ini diperoleh model regresi:
Prestasi (Y) = 49,908 + 3,871 x Fasilitas Belajar (X1 ) + 0,301 x

Motivasi Belajar (X2 ) atau Y = 49,908 + 3,871 (X1 ) + 0,301 (X2 ).
LATIHAN
Latihan:
Data hasil penelitian tentang Panjang Tungkai (X1), Ketahanan (X2),
Motivasi berprestasi (X3), dan Kecepatan lari atlet jarak pendek (Y),
disajikan sebagai berikut:
No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
X1 16 16 14 18 16 16 18 12 14 18 12 10 30 18 20
X2 10 12 12 14 15 8 15 8 20 18 10 7 22 12 15
X3 20 21 21 23 24 20 22 18 26 28 16 15 30 19 20
Y 60 70 60 70 70 60 70 50 80 80 50 40 90 60 70
Pertanyaan:
1 Tuliskan persamaan / model regresi linier ganda!
2 Tuliskan hipotesis statistik (dua arah), kemudian lakukan uji
signifikansinya!
3 Hitung besarnya pengaruh X1, X2, dan X3 terhadap Y, tafsirkan!
Tugas
Buatlah suatu permasalahan / kasus dalam
dunia pendidikan yang dilengkapi dengan data
dan lakukan Analisis Regresi Linier Berganda
(gunakan taraf signifikansi 5% dengan data
responden minimal sebanyak 30).
TERIMAKASIH

Mpi Regresilb Iw 2023

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Mpi Regresilb Iw 2023

Diunggah oleh

Hak Cipta:

Format Tersedia

Regresi Linear Berganda

Untuk melakukan prediksi atau estimasi variabel

Keterangan: data yang dianalisis harus data yang

H1: Terjadi hubungan linier antara

H1: Variabel fasilitas belajar

H1: Variabel motivasi belajar

6. Klik OK sehingga muncul hasil analisis sebagai berikut.

Model regresi diperoleh dari konstanta dan koefisien variabel

Prestasi (Y) = 49,908 + 3,871 x Fasilitas Belajar (X1 ) + 0,301 x

Anda mungkin juga menyukai