BAB 8

UJI REGRESI LINIER BERGANDA

Analisis regresi merupakan suatu metode atau teknik analisis hipotesis
penelitian untuk menguji ada tidaknya pengaruh antara variabel satu dengan
variabel lain yang ditanyakan dalam bentuk persamaan matematik (regresi).
Analisis regresi linier berganda atau multiple linear regression berfungsi untuk
mencari pengaruh dari dua atau lebih variabel independent (variabel bebas
atau X) terhadap variabel dependen (variabel terikat/Y).

Bentuk dari Persamaan regresi linier berganda adalah:

Ŷ = a + b𝑿𝟏 + b𝑿𝟐 + b𝑿𝒏
Keterangan:
Ŷ = Menunjukkan nilai pe\rsamaan dari variabel Y (dependen/terikat)
berdasarkan nilai tertentu dari variabel X (independen/bebas)
a = Nilai Intercept atau merupakan nilai konstanta yang menunjukkan
Ŷ pada saat nilai variabel X sama dengan nol.
b = Menunjukkan slope atau merupakan perubahaan rata-rata nilai Ŷ
untuk setiap perubahan nilai variabel X.
X = Menunjukkan nilai tertentu dari variabel independen yang dipilih
untuk menaksir nilai dari variabel dependen.

Sifat pengaruh antara variabel X dan Y, yaitu:

 Apabila sifat pengaruhnya positif, artinya jika variabel X naik, maka
Variabel Y juga naik
 Apabila sifat pengaruhnya negatif, artinya variabel X naik maka Variabel
Y turun. Jadi kebalikannya atau memiliki arah yang berlawanan
 Apabila kedua variabel tidak memiliki pengaruh, maka nilainya akan
menunjukkan angka 0 (nol).
Dasar pengambilan keputusan pada Regresi Linier Berganda
Pengambilan keputusan pada uji regresi linier B mengacu pada dua hal
yaitu dengan membandingkan nilai t hitung dengan t tabel atau f hitung dengan
f tabel, atau dengan membandingkan nilai signifikansi dengan nilai probabilitas.
1. Membandingkan nilai t hitung dengan t tabel atau nilai f hitung dengan f
tabel
 Jika nilai t hitung lebih besar dari nilai t tabel (t hitung > t tabel) / (f
hitung > f tabel), artinya variabel bebas berpengaruh terhadap variabel
terikat.
 Jika nilai t hitung lebih kecil dari nilai t tabel (t hitung < t tabel) / (f hitung
> f tabel), artinya variabel bebas tidak berpengaruh terhadap variabel
terikat.

2. Membandingkan nilai signifikansi dengan nilai probabilitas

 Jika nilai signifikansi kurang dari nilai probabilitas (Nilai sig < 0,05),
artinya variabel bebas berpengaruh terhadap variabel terikat
 Jika nilai signifikansi lebih dari nilai probabilitas (Nilai sig > 0,05),
artinya variabel bebas tidak berpengaruh terhadap variabel terikat.

Uji Asumsi Klasik Pada Regresi Linear Berganda

Pada Pengolahan data melalui SPSS terdapat syarat sebelum melalukan
uji regresi linier bergands. Syarat yang harus dipenuhi yaitu pengujian asumsi
klasik. Uji asumsi klasik ini merupakan uji prasyarat yang dilakukan sebelum
melakukan analisis lebih lanjut terhadap data yang telah
dikumpulkan. Pengujian asumsi klasik ini ditujukan agar dapat menghasilkan
model regresi yang memenuhi kriteria. Uji asumsi klasik pada uji regresi linier
berganda antara lain:
1. Uji Normalitas, dimana asumsi yang harus terpenuhi adalah model
regresi berdistribusi normal.
2. Uji linieritas, dimana hubungan yang terbentuk antara varianel
independent dengan variabel dependent secara parsial adalah linier.
3. Uji heteroskedastisitas, dalam model regresi tidak terjadi gejala
heteroskedastisitas.
4. Uji multikolinearitas, dimana model regresi yang baik adalah tidak terjadi
gejala multikolinearitas.
5. Uji autoKorelasi (khusus untuk data time series), persyaratan yang harus
terpenuhi adalah tidak terjadi autokorelasi.

Contoh Kasus:
Seorang peneliti melakukan penelitian dengan tujuan menganalisis pengaruh
motivasi dan minat terhadap prestasi. Data penelitian ini mempunyai sampel
sebanyak 12 orang siswa. Adapun Data yang berhasil dikumpulkan adalah
sebagai berikut:

Motivasi Minat Prestasi

No.
X1 X2 Y
1 75 75 80
2 60 70 75
3 65 70 75
4 75 80 90
5 65 75 85
6 80 80 85
7 75 85 95
8 80 88 95
9 65 75 80
10 80 75 90
11 60 65 75
12 67 70 75

Berdasarkan data di atas, pada taraf nyata 5% apakah terdapat pengaruh

motivasi dan minat terhadap prestas ? analisis hasil-hasil perhitungannya !
Penyelesaian :

1. Buka software SPSS, kemudian copy-paste data yang sudah dibuat ke

dalam Data View, Selanjutnya lakukan pengaturan pada Variabel View
sampai tampilannya seperti berikut:

2. Kembali ke data view dan data akan menjadi seperti berikut:

3. Langkah selanjutnya, klik menu Analyze, kemudian klik Regression – lalu

klik Linear.
4. Setelah muncul kotak dialog Linear Regression, input variabel Motivasi
(X1) dan Variabel Minat (X2) ke kotak Independent(s), kemudian input
variabel Prestasi (Y) ke kotak Dependent, caranya dengan mengklik tanda
panah yang tersedia. Pada bagian Method: pilih Enter, selanjutnya klik
Statistics.

5. Pada bagian ini, berikan tanda centang pada estimates yang ada pada
Regression Coefficient, dan Model Fit kemudian klik Continue.

6. Langkah terakhir adalah klik Ok, maka akan keluar output SPSS regresi
linier berganda sebagai berikut:
 Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 Minat, Motivasib . Enter
a. Dependent Variable: Prestasi
b. All requested variables entered.

Tabel output “Variables Entered/Removed” di atas memberikan informasi

tentang variabel penelitian serta metode yang digunakan dalam analisis regresi.
Adapun variabel independent yang dipakai dalam analisis ini adalah variabel
motivasi dan minat. Sementara variabel dependent adalah variabel prestasi.
Analisis regresi menggunakan metode enter. Tidak ada variabel yang dibuang
sehingga pada kolom variabel removed tidak ada angkanya atau kosong.

Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 ,916a ,839 ,803 3,453
a. Predictors: (Constant), Minat, Motivasi

Tabel Model Summary memberikan informasi tentang nilai koefisien

determinasi, yakni kontribusi pengaruh variabel minat dan motivasi secara
simultan (bersama-sama) terhadap variabel prestasi. Nilai adjusted R Square pada
Tabel Model Summary adalah persentase kecocokan model, atau nilai yang
menunjukkan seberapa besar variabel independent menjelaskan variabel
dependent secara simultan. Pada gambar output Model Summary terlihat nilai R2
sebesar 0,803, artinya variabel motivasi dan minat dapat menjelaskan variabel
prestasi sebesar 80,3 %, sedangkan sisanya sebesar 19,7% (100% - 80,3%)
dijelaskan oleh variabel lain yang tidak terdapat dalam model. Nilai R = 0,916 ini
berarti bahwa korelasi atau hubungan antara variabel minat dan motivasi dengan
prestasi adalah 0,916 yang berarti bahwa derajat hubungan antara kedua variabel
sangat kuat.
 ANOVAa
Sum of Mean
Model Squares Df Square F Sig.
1 Regression 559,332 2 279,666 23,450 ,000b
Residual 107,335 9 11,926
Total 666,667 11
a. Dependent Variable: Prestasi
b. Predictors: (Constant), Minat, Motivasi

Tabel Anova memberikan informasi tentang ada tidaknya pengaruh

variabel minat dan motivasi secara simultan (bersama-sama) terhadap variabel
prestasi. Berdasarkan tabel output “ANOVA” diatas diketahui bahwa :
1. Dengan membandingkan Nilai signifikansi (Sig.) dengan nilai probabilitas
dalam uji F adalah sebesar 0,000 karena nilai sig 0,000 < 0,05 maka
sebagaimana dasar pengambilan keputusan dalam uji F dapat
disimpulkan bahwa motivasi (X1) dan Minat (X2) secara simultan
(bersama-sama) berpengaruh terhadap prestasi (Y) atau berarti
signifikan.
2. Dengan membandingkan nilai F hitung dengan F tabel dengan nilai F
hitung sebesar 23,450 dan nilai Ftabel sebesar 3,86 sehingga nilai F
hitung 23,450 > Ftabel 3,86 maka sebagaimana dasar pengambilan
keputusan dalam F hitung dapat disimpulkan bahwa motivasi (X1) dan
minat (X2) secara simultan berpengaruh terhadap prestasi (Y).

Pada persyaratan yang harus terpenuhi dalam koefisien determinasi

adalah hasil uji F harus signifikan. Jika hasil analisis dalam Uji F tidak
signifikan, maka nilai koefisien determinasi tidak dapat digunakan atau dipakai
untuk memprediksi kontribusi pengaruh variabel X secara simultan terhadap
Variabel Y.
 Catatan : f tabel dicari pada tabel f dengan signifikansi 5% atau 0,05 dengan
rumus F tabel = (k; n-k) dimana “k” adalah jumlah variabel independen atau
variabel bebas, sementara n adalah jumlah responden. Dalam penelitian ini ada 2
variabel bebas dan 12 responden sehingga F tabel = (2; 12-2) = (2,10) = 4,10
seperti pada gambar tabel F diatas.

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 2,612 11,874 ,220 ,831
Motivasi ,192 ,215 ,190 ,894 ,395
Minat ,888 ,249 ,760 3,567 ,006
a. Dependent Variable: Prestasi

Tabel “Coefficiens” memberikan informasi tentang persamaan regresi dan

ada tidaknya pengaruh variabel minat dan motivasi secara parsial (sendiri-sendiri)
terhadap variabel prestasi. Adapun rumus persamaan pada regresi linier berganda
adalah sebagai berikut:
Ŷ = a + b𝑿𝟏 + b𝑿𝟐 + b𝑿𝒏
a = angka konstan dari unstandardized coefficients. Dalam kasus ini nilainya
sebesar 2,612.

b = angka koefisien regresi. Nilainya sebesar 0,192 untuk variabel Motivasi (X1)
dan 0,888 untuk variabel Minat (X2).

Sehingga persamaan regresinya adalah sebagai berikut :

Ŷ = 2,612 + 0,192𝑿𝟏 + 0,888𝑿𝟐

Dalam tabel Coefficient, akan melakukan uji t untuk mengetahui

pengaruh motivasi dan minat secara parsial berpengaruh terhadap prestasi.

1. Uji t pertama dilakukan untuk mengetahui apakah ada pengaruh

motivasi (X1) terhadap Prestasi (Y).
Adapun hipotesis untuk penelitian variabel X1 adalah :

Ho Motivasi (X1) tidak berpengaruh terhadap Prestasi (Y)

H1 Motivasi (X1) berpengaruh terhadap prestasi (Y).

Pada tabel coefficient bisa dilihat bahwa :

a. Berdasarkan nilai signifikansi (Sig.), diketahui nilai signifikansi (sig)
variabel motivasi (X1) adalah sebesar 0,395. Karena nilai sig 0,395 > nilai
probabilitas 0,05 maka dapat disimpulkan bahwa Ho diterima. Artinya
tidak terdapat pengaruh Motivasi (x1) terhadap Prestasi (y).
b. Berdasarkan nilai t hitung dan t tabel, diketahui nilai t hitung variabel
motivasi (X1) adalah sebesar 0,894. Kemudian nilai t tabel sebesar 2,262.
Karena nilai t hitung 0,894 < t tabel 2,262 maka dapat disimpulkan bahwa
Ho diterima. Artinya tidak ada pengaruh Motivasi (X1) terhadap prestasi
(Y).
Catatan : untuk mencari t tabel yaitu t tabel= (α/2 ; n-k), dimana nilai k pada t
tabel adalah jumlah variabel yang diteliti (Independen + dependen), pada
penelitian ini terdapat 2 variabel bebas dan 1 variabel terikat jadi untuk jumlah
k nya sebanyak 3, sehingga rumus t tabel yaitu (0,05/2; 12-3) = (0,025; 9) =
2,262

Kurva uji t parsial ( uji t pertama)

Berdasarkan gambar kurva regresi diatas, diketahui nilai t hitung 0,894 terletak
di area tidak ada pengaruh, dengan demikian dapat ditarik kesimpulan bahwa
H1 atau hipotesis pertama ditolak yang berarti bahwa tidak ada pengaruh
motivasi (X1) terhadap Prestasi (Y).
2. Uji t kedua dilakukan untuk mengetahui apakah ada pengaruh minat
(X2) terhadap Prestasi (Y).
Adapun hipotesis untuk penelitian variabel X2 adalah :

Ho Minat (X2) tidak berpengaruh terhadap Prestasi (Y)

H1 Minat (X2) berpengaruh terhadap prestasi (Y).

Pada tabel coefficient bisa dilihat bahwa :

a. Berdasarkan nilai signifikansi (Sig.), diketahui nilai signifikansi (sig)
variabel minat (X2) adalah sebesar 0,006. Karena nilai sig 0,006 < nilai
probabilitas 0,05 maka dapat disimpulkan bahwa Ho ditolak. Artinya
terdapat pengaruh Minat (X2) terhadap Prestasi (Y).
b. Berdasarkan nilai t hitung dan t tabel, diketahui nilai t hitung variabel
minat (X2) adalah sebesar 3,567. Kemudian nilai t tabel sebesar 2,262.
Karena nilai t hitung 3,567 > t tabel 2,262 maka dapat disimpulkan bahwa
Ho ditolak. Artinya terdapat pengaruh Minat (X2) terhadap prestasi (Y).

Kurva uji t parsial ( uji t kedua)

c.
Berdasarkan gambar kurva regresi diatas, diketahui nilai t hitung 3,567
terletak di area pengaruh positif, dengan demikian dapat ditarik kesimpulan
bahwa H1 atau hipotesis pertama diterima yang berarti bahwa ada pengaruh
minat (X2) terhadap Prestasi (Y). Kemudian Jika variabel X (minat) naik atau
mengalami peningkatan maka variabel Y (prestasi) juga akan naik atau
mengalami peningkatan.
TUGAS:

Buatlah pengolahan data dengan ketentuan sebagai berikut:

a. Jumlah data 35 untuk variabel bebas dan 35 untuk variabel terikat

b. Jumlah variabel bebas 2 dan variabel terikat 1 (Nama variabel nya jangan
sama dengan variabel yang ada di latihan)
c. Ujilah data tersebut menggunakan Uji Regresi Linier Berganda
d. Analisis hasil output Nya.