MAKALAH

“PENGOLAHAN DATA DENGAN REGRESI LINIER BERGANDA (DENGAN

SPSS)”

Disusun Untuk Memenuhi UAS Mata Kuliah Statistika

Dosen Pengampu:
Devi Dwi Kurniawan, M.Pd
Disusun Oleh:
Faris Iqbal Insani (60221286)
Prodi: Manajemen 3A

UNIVERSITAS SELAMAT SRI BATANG

TAHUN AJARAN 2022/2023
 KATA PENGANTAR

Puji syukur ke hadirat Tuhan Yang Maha Esa. Atas rahmat dan hidayah-Nya, penulis dapat
menyelesaikan tugas makalah yang berjudul “Analisis Pengujian Uji Regresi Berganda
Menggunakan Program SPSS”
Makalah ini disusun untuk memenuhi UAS Mata Kuliah Statistika. Selain itu makalah ini
bertujuan menambah wawasan tentang hasil pengujian uji regresi berganda bagi para
pembaca dan juga bagi penulis.
Penulis mengucapkan terima kasih kepada Bapak Devi selaku dosen Mata Kuliah Statistika .
Ucapan terima kasih juga disampaikan kepada pihak-pihak yang telah membantu
diselesaikannya makalah ini.
Penulis menyadari makalah ini masih jauh dari sempurna. Oleh sebab itu, saran dan kritik
yang membangun diharapkan demi kesempurnaan makalah ini.

Batang, 24 Januari 2023

Penulis
 BAB I
PENDAHULUAN

A. Latar Belakang
Analisis regresi merupakan studi statistik yang digunakan untuk menganalisis
hubungan fungsional antara variable independent dan variable dependen. Ada dua
tipe regresi linear, yaitu regresi sederhana dan regresi linear berganda. Regresi linear
sederhana merupakan regresi yang digunakan untuk mengetahui hubungan antara satu
variable dependen dan satu variable independent. Adapun regresi linear berganda
merupakan regresi yang digunakan untuk mengetahui hubungan antara satu variable
dependen dan lebih dari satu variable independent (Polard, 1986).
Pada umumnya tidak akan dapat ditarik atau digambarkan garis regresi linear
sederhana yang melalui semua titik (x,y). Jika sebaran titik (x,y) tersebut linear, maka
dapat diperoleh persamaan regresi linear sederhana secara matematis. Jika titik – titik
(x,y) tersebut di bidang, maka diperlukan persamaan estimasi regresi. Dalam hal ini
untuk mendapatkan persamaan estimasi regresi biasanya dengan cara meminimumkan
jumlah kuadrat residualnya. Metode ini disebut metode kuadrat terkecil atau Ordinary
Least Squares (OLS). Pada metode ini, parameter diestimasi dengan memilih garis
regresi yang terdekat dengan titik–titik (x,y) sebagai garis regresi linear sederhana.
Sedangkan, parameter regresi linear berganda diestimasi dengan memilih bidang
regresi yang terdekat dengan titik–titik (x1,x2,y) untuk bidang regresi linear berganda.

B. Rumusan Masalah :
Berdasarkan latar belakang di atas, dapat di rumuskan sebuah permasalahan sebagai
berikut :
1. Apa pengertian analiss uji Regresi linear Berganda ?
2. Bagaimana taksiran model analis uji regresi linear berganda ?
3. Apa asumsi uji kelakyakan model analisi berganda ?
4. Apa interpretasi model analis uji regresi linear berganda ?

C. Tujuan Penulisan :
Berikut ini adalah beberapa tujuan penulisan makalah :
1. Untuk mengetahui deinisi analisis regresi linear berganda
2. Untuk mengetahui taksiran model analisis regresi linear berganda
3. Untuk mengetahui asumsi kelayakan model analisis regresi linear berganda
4. Untuk mengetahui Interpretasi model analisis regresi linear berganda
 BAB II
PEMBAHASAN

Regresi Linier Berganda yang akan disimulasikan pada bagian ini menggunakan pendekatan
Ordinary Least Squares (OLS). Penjelasan akan dibagi menjadi 4 (empat) tahapan, yaitu:
1) Persiapan Data (Tabulasi Data)
2) Estimasi Model Regresi Linier (Berganda)
3) Pengujian Asumsi Klasik
4) Uji Kelayakan Model (Goodness of Fit Model)
5) Intepretasi Model Regresi Linier (Berganda)

Persiapan data dimaksudkan untuk melakukan input data ke dalam software SPSS.
Setelah data di-input kedalam software SPSS, maka langkah selanjutnya adalah melakukan
estimasi (pendugaan) model (persamaan) regresi linier, baru dilanjutkan dengan pengujian
asumsi klasik. Pengujian asumsi klasik dilakukan setelah model regresi diestimasi, bukan
sebelum model diestimasi. Tidak mungkin pengujian asumsi klasik dilakukan sebelum model
regresi diestimasi, karena pengujian asumsi klasik yang meliputi normalitas,
heteroskedastisitas dan autokorelasi membutuhkan data residual model yang didapat setelah
model terbentuk. Apabila model yang terbentuk tidak memenuhi asumsi klasik yang
disyaratkan, maka dibutuhkan modifikasi/transformasi/ penyembuhan terhadap data ataupun
model regresi. Pada bagian ini tidak dibahas langkah-langkah yang harus ditempuh apabila
tidak dipenuhinya asumsi klasik dalam model regresi linier. Pada bagian ini data yang
digunakan untuk mengestimasi model regresi linier dengan OLS telah memenuhi semua
asumsi klasik. Tahap terakhir dari bagian ini akan dijelaskan bagaimana melihat layak
tidaknya model dan menginterpretasikan model yang terbentuk. Berikut rincian tahap-tahap
yang dilakukan dalam regresi linier berganda:

1) Persiapkan Data (Tabulasi Data)

Tabulasi data excel diatas menggunakan 280 responden dengan menggunakan 3 variabel
bebas X1 (kualitas pelayanan), X2 (kualitas produk), X3 (kualitas produk) dan 1 variabel
terikat Y (loyalitas pelanggan).

Dari data diatas yang sudah dibuat dalam file Excel. Setelah data siap, maka penginputan data
dalam software SPSS dapat dilakukan dengan tahapan sebagai berikut:

a) Buka Aplikasi SPSS

b) Setelah software SPSS terbuka, copy paste data yang telah disiapkan ke dalam file
DATA, sheet Data View, sehingga didapat hasil sebagai berikut:
c) Setelah data ter-input, maka langkah selanjutnya memberikan identitas pada setiap
variabel. Seperti apa yang telah direncanakan di awal, masuk ke varaibel view isi dg data
sbg berikut :

2) Estimasi Model Regresi Linier

Estimasi model dilakukan secara sekaligus dengan pengujian asumsi klasik (multikolinieritas,
autokorelasi). Sehingga output yang dihasilkan dari pengolahan data dapat digunakan untuk
uji asumsi klasik dan uji kelayakan model. Adapun langkah-langkahnya adalah sebagai
berikut:
Estimasi regresi linier, Dengan cara klik Analyze => Regression => Linier.

Lalu akan mucul tampilan seperti di bawah ini:

Letakkan variable Y (loyalitas pelanggan) dalam kotak Dependent. Caranya tekan lalu tekan
yang disamping kotak Dependent, sehingga Y akan pindah ke kotak kotak Dependent.
Dengan cara yang sama letakkan variabel X1 X2 X3 ke dalam kotak Independent(s). setelah
diisi langsung klik ok saja.

3) Pengujian Asumsi Klasik

Pada tahap ini tidak dilakukan operasionalisasi software SPSS, melainkan hanya cara
membaca uji asumsi klasik dari output SPSS, sebagaimana yang tertampil pada file
OUTPUT.
a) Multikolinieritas Hasil uji multikolinieritas, dapat dilihat pada tabel Coefficientsa dua
kolom terakhir.
Nilai std eror untuk variabel X1 : 088, X2 : 024 dan X3 : 027, sedangkan Tolerance dari
constant nya 10.713. maka dapat dikatakan tidak terjadi multikolinieritas pada kedua variabel
bebas tersebut. Berdasarkan syarat asumsi klasik regresi linier dengan OLS, maka model
regresi linier yang baik adalah yang terbebas dari adanya multikolinieritas. Dengan demikian,
model di atas telah terbebas dari adanya multikolinieritas.

a) Autokorelasi
Data yang digunakan untuk mengestimasi model regresi linier merupakan data time series
maka diperlukan adanya uji asumsi terbebas dari autokorelasi. Hasil uji autokorelasi, dapat
dilihat pada tabel Model Summary.
 BAB III
PENUTUP

A. KESIMPULAN

1. Berdasarkan hasil analisis regresi linier berganda menunjukkan bahwa sebagian besar
hipotesis penelitian adalah diterima, atau dengan kata lain terdapat pengaruh yang
signifikan antara variabel independen dan variabel dependen. Hasil analisisnya ada di
bab yang kedua.
2. Berdasarkan hasil perhitungan statistik dengan uji t maka diperoleh bahwa secara
Parsial mempunyai pengaruh yang tidak signifikan terhadap SIG.

B. SARAN
Penulis menyadari bahwa hasil penelitian yang telah dilakukan di atas masih banyak
terdapat kekurangan dan keterbatasan yang belum sempurna.
Untuk itu penulis menyampaikan beberapa saran yang diharapkan dapat bermanfaat
bagi berbagai pihak yang memiliki kepentingan dengan hasil penelitian.