ANALISIS REGRESI

LINEAR BERGANDA
 Nama Anggota Kelompok
Ni Made Pratiwi Wiadnyana ( 041611233235 )
Putu Parama Cinthya Dewi ( 041611233295 )
Fadhillah Ariana Ramadhani ( 041611233308 )
Nabilah Nur Azizah ( 041611233325 )
Dynoviar Nirbita Muhammad ( 041611233326 )
 LANGKAH DAN
CONTOH PENELTIAN
REGRESI
SEDERHANA DAN
BERGANDA

UJI ASUMSI KLASIK

DEFINISI DAN
KEGUNAAN
Definisi Regresi Linear
Berganda
Analisis regresi linier berganda adalah hubungan secara
linear antara dua atau lebih variabel independen (X1,
X2,.Xn) dengan variabel dependen (Y). Analisis ini
untuk mengetahui arah hubungan antara variabel
independen dengan variabel dependen apakah masing-
masing variabel independen berhubungan positif atau
negatif dan untuk memprediksi nilai dari variabel
dependen apabila nilai variabel independen mengalami
kenaikan atau penurunan. Data yang digunakan
biasanya berskala interval atau rasio.
 Perbedaan
Regresi
sederhana
Analisis regresi linier sederhana
adalah analisis regresi yang hanya
melibatkan dua variabel saja, yaitu 1
(satu) variabel dependen atau
variabel tergantung dan 1 (satu)
variabel independen atau variabel
bebas.
Regresi
berganda
Analisis regresi linier berganda
adalah analisis regresi yang
melibatkan lebih dari dua variabel,
yaitu 1 (satu) variabel dependen atau
variabel tergantung dan lebih dari 1
(satu) variabel independen atau
bebas.
 UJI ASUMSI KLASIK

Uji asumsi klasik adalah persyaratan statistik yang harus Uji Normalitas
dipenuhi pada analisis regresi linear berganda yang
berbasis ordinary least square (OLS). Jadi analisis regresi
yang tidak berdasarkan OLS tidak memerlukan persyaratan Uji Multikolinearitas
asumsi klasik, misalnya regresi logistik atau regresi ordinal.
Demikian juga tidak semua uji asumsi klasik harus
dilakukan pada analisis regresi linear Uji Heteroskedastisitas

Uji Autokorelasi

Uji Linearitas
 Langkah langkah dan contoh
Diduga bahwa besarnya nilai tergantung pada besarnya Skor Tes
Kecerdasan dan Frekuensi Membolos. Untuk keperluan tersebut,
maka dilakukan pengamatan terhadap 12 orang siswa dengan
mencatat Frekuensi Membolos, Skor Tes Kecerdasan dan Nilai
Ujian, data dari variabel di atas adalah sebagai berikut:
 Langkah-langkah Uji Analisis Regresi Linear Ganda Dengan SPSS:
1. Buka lembar kerja baru pada program SPSS.
2. Klik Variabel View pada SPSS Data editor.
3. Pada kolom Name, ketik Skor_Tes pada beris pertama, ketik Membolos pada baris
kedua dan ketik Nilai pada baris ketiga.
4. Pada kolom Decimals, ketik 0 untuk baris pertama, baris kedua dan baris ketiga.
5. Pada kolom label, ketik Skor Tes Kecerdasan untuk baris pertama, ketik Frekuensi
Membolos pada baris kedua, dan ketik Nilai Ujian pada baris ketiga.
6. Abaikan kolom yang lainnya.
7. Ketik Data View pada SPSS Data editor.
8. Ketik datanya seperti data di atas sesuai dengan variabelnya.
9. Dari menu SPSS, pilih menu Analyze - regression - linear maka akan muncul kontak
dialog seperti sebagai berikut:
 STANDARISASI
Mengingat data yang terkumpul mempunyai variabilitas satuan, maka perlu
dilakukan langkah standardisasi atau transformasi terhadap variabel yang
relevan ke bentuk zscore, sebagai berikut :
1) Setelah keseluruhan data yang dikumpulkan tersebut diatas dientry dalam
program SPSS, selanjutnya klik menu analyze dan pilih sub menu
Descriptives Statistics lalu Descriptives hingga muncul tampilan
berikut ini
10. Masukkan variabel Nilai Ujian ke kolom Dependent, dan masukkan
variabel Skor Tes Kecerdasan dan Frekuensi Membolos ke kolom Independent
(s)
Penjelasan output pertama (Descriptive Statistics)
Pada bagian ini merupakan tabel yang menyajikan deskriptif data
11. Pada Method kita pilih metode Stepwise
12. Klik masing-masing variabel
Statistics..klik pilihan Estimates, yang
Model Fit danmeliputi Mean (rata-rata),
Std. Deviation
Deskriptive, kemudian
(standar deviasi dan N=jumlah data).
klik Continue
13. Klik OK untuk mengakhiri perintah.

Maka akan muncul output sebagai berikut:

Penjelasan output pertama (Descriptive

Statistics)
Pada bagian ini merupakan tabel yang
menyajikan deskriptif data masing-masing
variabel yang meliputi Mean (rata-rata), Std.
Deviation (standar deviasi dan N=jumlah data).
Penjelasan output bagian kedua (Corelation)
Pada bagian ini merupakan matrik korelasi antara variabel Skor Tes
Kecerdasan dengan Nilai Ujian diperoleh r=0,860 dengan
Buka Aplikasi SPSS,
probabilitas=0,000 < 0,05,setelah
maka itu
Ho ditolak, yang berarti bahwa ada
buat variabel dan tipe datanya,
hubungan/korelasi yang signifikan antara Skor Tes Kecerdasan dengan
contohnya
Nilai Ujian. seperti
Variabel gambar
Frekuensi Membolos dengan nilai ujian r=-0,848,
dibawah ini.
tanda negatif menggambarkan hubungan yang berlawanan yang
artinya semakin sering membolos, maka akan semakin kecil nilai yang
diperoleh.
Penjelasan output bagian ketiga (Variables
Entered/removed)
Tabel tersebut menjelaskan tentang variabel
yang dimasukkan atau dibuang dan metode yang
digunakan. Dalam hal ini variabel yang
dimasukkan adalah variabel Skor Tes Kecerdasan
dan Frekuensi Membolos sebagai Predictor dan
metode yang digunakan adalah Stepwise.
 Penjelasan output bagian keempat (Model Summary)
Tabel tersebut pada model (1) untuk menjelaskan
besarnya nilai korelasi atau hubungan (R) antara Skor Tes
Kecerdasan (X1) dengan Nilai Ujian (Y) yaitu sebesar 0,860
dan penjelasan besarnya prosentase pengaruh variabel
Skor Kecerdasan terhadap nilai ujian yang disebut
koefisien determinasi yang merupakan hasil dari
pengukuran R. Dari output tersebut diperoleh koefisien
diterminasi (R2) pada model (1) sebesar 0,740, yang
mengandung pengertian bahwa pengaruh variabel bebas
(Skor Tes Kecerdasan) terhadap variabel terikat (nilai ujian)
adalah sebesar 74%.

Pada model (2) untuk menjelskan besarnya nilai korelasi (R) antara Skor Tes Kecerdasan (X1) dan
Frekuensi Membolos (X2) terhadap Nilai Ujian (Y) yaitu sebesar 0,936 dan menjelaskan besarnya
prosentase pengaruh veriabel Skor Tes Kecerdasan dan Frekuensi Membolos terhadap Nilai Ujian
yantu sebesar 0,876 atau 87,6% sehingga dapat disimpulkan besarnya pengaruh Skor Tes
Kecerdasan (X1) terhadap Nilai Ujian (Y) sebesar 74%, dan pengaruh Frekuensi Membolos (X2)
terhadap Nilai Ujian (Y) =13,6% (87,6%-74%).
Penjelasan output bagian kelima (Anova)
Pada bagian ini untuk menjelaskan apakah
ada pengaruh yang nyata (signifikan)
variabel Skor Tes Kecerdasan (X1) dan
Frekuensi Membolos (X2) secara simultan
(bersama-sama) terhadap Nilai Ujian (Y).
Dari output pada model yang kedua
terlihat bahwa Fhitung = 31,853 dengan
tinfkat signifikansi atau probabilitas 0,000
< 0,05, maka regresi dapat dipakai untuk
memprediksi Nilai Ujian
Penjelasan output bagian keenam
(Coefficients)
Pada tabel Coefficients, pada kolom B pada
Constanta (a) adalah 55,780, Skor Tes
Kecerdasan (b1) adalah 0,527 dan Frekuensi
Membolos (b2) adalah -2,344. Berdasarkan
data di atas, maka dapat dikatakan bahwa:
Konstanta sebesar 55,780, koefisien regresi
X1 sebesar 0,527, dan koefisien regresi X2
sebesar -2,233.

Kesimpulan:
Skor Tes Kecerdasan nilai thitung = 3,371
dengan probabilitas = 0,008 < 0,5, artinya
ada pengaruh yang signifikan. Untuk variabel
Frekusnsi Membolos nilai thitung = -3,147 Tabel output di atas menunjukkan bahwa semua data sejumlah
dengan probabilitas = 0,012 < 0,05 yang 12 obyek telah diproses tanpa ada data yang hilang.
berarti ada pengaruh yang signifikan
 Tabel diatas menujukkan matrik jarak antara variabel
satu dengan variabel yang lain. Semakin kecil jarak
euclidean, maka semakin mirip kedua variabel
tersebut sehingga akan membentuk kelompok (cluster).
Tabel di atas merupakan hasil proses
clustering dengan metode Between
Group Linkage. Setelah jarak anatar
varaiebl diukur dengan jarak
euclidean, maka dilakukan
pengelompokan, yang dilakukan
secara bertingkat.
 Stage 1 : terbentuk 1 cluster yang beranggotakan Kota K
dan Kota L dengan jarak 1,139 (perhatikan pada kolom
Coefficients). Karena proses aglomerasi dimulai dari 2
obyek yang terdekat, maka jarak tersebut adalah yang
terdekat dari sekian kombinasi jarak 12 obyek yang ada.
Selanjutnya lihat kolom terakhir (Next Stage), terlihat
angka 4. Hal ini berarti clustering selanjutnya dilakukan
dengan melihat stage 4, dengan penjelasan berikut.

Baris ke-4 (stage 4) terlihat obyek ke-7 (Kota G) membentuk

cluster dengan Kota K. Dengan demikian, sekarang cluster Stage 2 : terjadi pembentukan cluster Kota D dan Kota E
terdiri dari 3 obyek yaitu Kota G, K, dan L. Sedangkan jarak berjarak 1,515), yang kemudian berlanjut ke stage 6.
sebesar 2,097 merupakan jarak rata-rata obyek terakhir yang Demikian seterusnya dari stage 3 dilanjutkan ke stage 5,
bergabing dengan 2 obyek sebelumnya, seperti tampak dalam sampai ke stage terakhir.
Proximity matrix dan dapat dihitung sebagai berikut :
Jarak Kota G dan K = 2,432
Jarak Kota G dan L = 1,761
Jarak rata-rata = (2,432 + 1,761) / 2 = 2,0965
s
Dari tabel diatas dapat dijabarkan bahwa :
Apabila diinginkan dibentuk 4 cluster, maka :
Anggota cluster 1 adalah Kota A
Anggota cluster 2 adalah Kota B dan Kota H
Anggota cluster 3 adalah C, D, dan E
Anggota cluster 4 adalah Kota F, G, I, J, K, dan L.
Apabila ditentukan dibentuk 3 cluster, maka :
Anggota cluster 1 adalah Kota A
Anggota cluster 2 adalah Kota B, C, D, E, dan H.
Anggota cluster 3 adalah Kota F, G, I, J, K, dan L.
Apabila ditentukan dibentuk 2 cluster, maka :
Anggota cluster 1 adalah Kota A, B, C, D, E, dan H
Anggota cluster 2 adalah Kota F, G, I, J, K, dan L.