MODUL 4

ANALISIS REGRESI BERGANDA

TUJUAN PRAKTIKUM
Tujuan dari praktikum modul 4 ini adalah :
1.
Menaksir model regresi linier berganda;
2.
Menguji signifikansi parameter dari persamaan regresi linier berganda;
3.
Menentukan kualitas dari model regresi yang terbentuk .
MATERI PRAKTIKUM
Dalam modul ini akan dipelajari model regresi linier berganda. Dalam hal ini analisis
regresi berganda merupakan teknik statistik yang dapat digunakan untuk menganalisis
hubungan antara 1 variabel terikat (variabel dependen/variable kriterian = Y) dengan
beberapa variabel bebas/independen/prediktor (X1, X2, X3, ...Xn).
Model regresi linier berganda dapat dirumuskan :
Y=+X+X +.
.
.
+X +
0

Dan model taksiran dari model regresi linier berganda :

=b
+b
X +bX =.
.
.=b
X
n n
0
1
1

Dimana :
Y menyatakan variabel terikat/kriterian
X1, X , ...X
menyatakan
variabel bebas ke-1, 2, ...n
n
2
0,,
.
.
me
ny
a
t
a
k
a
np
a
r
a
me
t
e
rr
e
g
r
e
s
il
i
ni
e
rb
e
r
g
a
nda
n
1.
b 0, b , ...b
menyatakan
taksiran dari parameter regresi linier berganda.
n
1
menyatakan residual atau eror prediksi (Y).
Untuk mempermudah mengaplikasikan regresi linier berganda dalam SPSS, lakukan
tahapan dalam contoh kasus berikut ini.
Seorang mahasiswa Teknik Planologi Itenas hendak meneliti apakah pendapatan,
pinjaman, dan dana hibah suatu perguruan tinggi mempengaruhi tingkat konsumsi
perguruan tinggi tersebut. Dalam hal ini mahasiswa tersebut mengambil perguruan
tinggi ITSI sebagai objek pengamatannya. Oleh karena itu dikumpulkan data mengenai
besarnya pendapatan, pinjaman, dana hibah dan konsumsi perguruan tinggi ITS (dalam
satuan Rp 10 ) dari tahun 1995 s/d tahun 2006 dalam tabel berikut.
Permasalahan yang timbul dari kasus tersebut :
a.

bagaimana bentuk persamaan model regresi linier berganda? Ujilah

signifikansi dari masing-masing paramet
e
rr
e
g
r
e
s
i
ny
a
,g
una
ka
n=5%.

b.

Uj
is
i
g
ni
f
i
k
a
ns
id
a
r
ik
e
l
i
ni
e
r
a
nmo
d
e
lr
e
g
r
e
s
iy
a
ngt
e
r
be
nt
uk
?Guna
k
a
n=
5%.

Halaman 4 -1

MODUL 4
ANALISIS REGRESI BERGANDA

c.

Seberapa besar kualitas model regresi linier berganda yang terbentuk dari ke7
empat variabel di atas.
Apakah terjadi multikolinearitas antar variabelvariabel bebasnya?
Tahun

Pendapatan

Pinjaman

Dana Hibah

Konsumsi

1995

56

5.5

49

1996

60

8.1

63

1997

59

3.8

59

1998

66

5.6

65

1999

72

5.6

69

2000

75

7.7

81

2001

82

8.6

79

2002

55

7.2

87

2003

85

7.5

81

2004

87

6.6

87

2005

85

6.7

87

2006

89

8.1

10

91

Untuk menjawab semua pertanyaan tersebut menggunakan SPSS, ikuti langkah berikut :
1.

Masukkan semua input data dalam pembentukan model regresi linier berganda.
Selanjutnya klik menu analyze, kemudian klik regression. Setelah itu pilih linier
seperti tampilan berikut ini :

Halaman 4 -2

MODUL 4
ANALISIS REGRESI BERGANDA

2.

Selanjutnya masukkan variabel bebas (pendapatan, pinjaman, dan dana hibah)

pada kolom independent(s) dan variabel terikat (konsumsi ITSI) pada kolom
dependent.

3.

Pilih enter pada kolom Method. Metode Enter adalah suatu metode dalam
pembentukan taksiran model regresi dimana semua variabel bebas dilibatkan
dalam pembentukan persamaan regresinya (nantinya peneliti menentukan sendiri
variabel mana yang akan diambil sesuai uji signifikansi). Apabila diinginkan suatu
taksiran model regresi linier berganda dimana variabel bebas yang terlibat dalam
model merupakan variabel yang signifikan dan layak secara statistik untuk
dimasukkan dalam model regresi linier berganda, maka pilih metode stepwise,
metode remove, metode backward, dan metode forward. Keempat metode ini
digunakan untuk menyeleksi semua variabel bebas yang dilibatkan sehingga pada
akhirnya hanya variabel bebas yang menghasilkan taksiran yang signifikan saja
yang akan dimasukkan dalam model taksiran regresi linier berganda.

4.

Berikutnya klik kotak statistics, dan pilih estimates, confidence intervals, dan
covariance matrix dalam kolom regression coefficient dan model fit.
Selanjutnya klik continue.

Halaman 4 -3

MODUL 4
ANALISIS REGRESI BERGANDA

5.

Akhiri dengan meng-klik OK sampai muncul tampilan :

dari tabel di atas diperoleh informasi bahwa taksiran nilai parameter dari regresi linier
berganda dengan hubungan X mempengaruhi Y adalah :
b0= 10,885
b1= 0,576
b2= 3,260
b3= -0,015
sehingga model taksiran regresi linier berganda adalah :
=1
0
,
885+0
,
576X1+3
,
2
60X20,015 X3
Ma
ka s
e
l
a
n
j
u
t
ny
ap
e
n
g
uj
i
a
np
a
r
a
me
t
e
r
(
ni
l
a
ip
a
r
a
me
t
e
rkons
t
a
nt
ar
e
g
r
e
s
il
i
ni
e
r
0
berganda) adalah :
Langkah 1.

H0 :
0 =0
H1: 0
0

Langkah 2. Ba
ndi
ng
ka
n ni
l
a
is
i
g
ni
f
i
k
a
ns
i(
0,
629)d
e
ng
a
n ni
l
a
i = 5%. Nilai
s
i
g
n
i
f
i
k
a
ns
i(
0,
629)>(
0,
05)
;ma
k
aH di
t
e
r
i
ma
,a
r
t
i
ny
an
i
l
a
iko
e
f
i
s
i
e
n
u
nt
u
k = 5% t
i
d
a
km
mp
e
nga
r
uhini
l
a
it
a
ks
i
r
a
nd
a
r
iY d
a
l
a
m
0e
menganalisis regresi0linier berganda.
Se
da
ng
k
a
n un
t
uk pe
n
g
uj
i
a
n pa
r
a
me
t
e
r (
ni
l
a
ipa
r
a
t
e
rX da
r
ir
e
g
resi linier 1
1 me
berganda) adalah :
Langkah 1.

H0 :
1 =0
H1:
0
1

Langkah 2. Ba
ndi
ng
ka
n ni
l
a
is
i
g
ni
f
i
k
a
ns
i(
0,
061)d
e
ng
a
n ni
l
a
i = 5%.Ni
l
a
i
s
i
g
n
i
f
i
k
a
ns
i(
0,
061)>(
0,
05)
;ma
k
aH0 di
t
e
r
i
ma
,a
r
t
i
ny
an
i
l
a
iko
e
f
i
s
i
e
n

u
nt
u
k = 5% t
i
d
a
k me
mp
e
ngaruhi nilai taksiran dari Y dalam
1
menganalisis regresi linier berganda.

Halaman 4 -4

MODUL 4
ANALISIS REGRESI BERGANDA

Un
t
u
kp
e
n
g
u
j
i
a
npa
r
a
me
t
e
r(
ni
l
a
ip
a
r
a
me
t
e
rX da
r
ir
e
g
r
e
s
il
i
ni
e
rb
e
r
g
a
nda
)
a
d
a
l
a
h:
2
2
Langkah 1.

H0 :
2 =0
H1 :
2 0

Langkah 2. Bandingkan nilai signifikansi (0,231)d

e
ng
a
n ni
l
a
i = 5%.Ni
l
a
i
s
i
g
n
i
f
i
k
a
ns
i(
0,
231)>(
0,
05)
;ma
k
aH0 di
t
e
r
i
ma
,a
r
t
i
ny
an
i
l
a
iko
e
f
i
s
i
e
n

nt
u
k = 5% t
i
d
a
k me
mp
e
nga
r
uhini
l
a
it
a
ks
i
r
a
nd
a
r
iY d
a
l
a
m
2 u
menganalisis regresi linier berganda. Hal ini menunjukkan bahwa nilai
parameter pinjaman tidak mempengaruhi konsumsi ITSI.
Se
l
a
n
j
u
t
n
y
ap
e
ng
u
j
i
a
np
a
r
a
me
t
e
r
ni
l
a
ipa
r
a
me
t
e
rX3 da
r
ir
e
g
r
e
s
il
i
ni
e
rbe
r
g
a
nd
a
)
3 (
adalah :
Langkah 1.

H0:
3 =0
H1:
3 0

Langkah 2. Ba
ndi
ng
ka
n ni
l
a
is
i
g
ni
f
i
k
a
ns
i(
0,
995)d
e
ng
a
n ni
l
a
i = 5%.Ni
l
a
i
s
i
g
n
i
f
i
k
a
ns
i(
0,
995)>(
0,
05)
;ma
k
aH0 di
t
e
r
i
ma
,a
r
t
i
ny
an
i
l
a
iko
e
f
i
s
i
e
n
3 u
nt
u
k = 5% t
i
d
a
k me
mp
e
nga
r
uhini
l
a
it
a
ks
i
r
a
nd
a
r
iY d
a
l
a
m
menganalisis regresi linier berganda. Hal ini menunjukkan bahwa nilai
parameter dana hibah tidak mempengaruhi konsumsi ITSI.
Cara lain untuk menguji kelinieran persamaan regresi linier berganda adalah dengan
menguji signifikansi dari kelinieran model regresi yang terbentuk (permasalahan b)
melalui tabel ANOVA (analysis of variance). Perhatikan output SPSS berikut:

d
e
n
g
a
nme
ng
g
u
na
ka
n=5
%,ma
kal
a
ng
ka
h-langkah dari pengujian signifikansi model
regresi linier berganda adalah:
Langkah 1.

H0: Y tidak memiliki hubungan linier dengan X1 , X2 dan X3

H1: Y tidak memliki hubungan linier dengan X1 , X2 dan X3

Langkah 2. Ba
ndi
ng
ka
n ni
l
a
is
i
g
ni
f
i
k
a
ns
i(
0,
051)d
e
ng
a
n ni
l
a
i = 5%.Ni
l
a
i
s
i
g
n
i
f
i
k
a
ns
i(
0,
051)>(
0,
05
)
;ma
kaH0 di
t
e
r
i
ma
,a
r
t
i
ny
aun
t
uk=5
%
tidak memiliki hubungan linier dengan X1 , X2 , dan X 3

Halaman 4 -5

MODUL 4
ANALISIS REGRESI BERGANDA

Untuk menjawab permasalahan c, perhatikan output SPSS berikut :

Untuk mengetahui seberapa besar kualitas model regresi linier berganda yang terbentuk,
perhatikan nilai koefisien determinasi (R square) = 60%. Nilai tersebut menunjukkan
informasi bahwa 60% nilai dari besarnya konsumsi ITSI telah dapat dijelaskan oleh data
tingkat pendapatan, pinjaman, dan dana hibah. Sedangkan sisanya 40% informasi
mengenai besarnya konsumsi ITSI belum dapat dijelaskan oleh variabel-variabel bebas
tersebut.
Sedangkan untuk melihat ada atau tidaknya multikolinearitas yang terjadi antar
variabel bebas pembentuk model persamaan regresi linier berganda, perhatikan output :

dari tabel di atas dapat diketahui bahwa antar variabel bebas (pendapatan, pinjaman, dan
dana hibah) tidak terjadi multikolineariti. Hal ini dapat dilihat dari nilai korelasi antar
variabel beas tersebut rendah. (apabila nilai korelasi antar variabel bebas terdapat
nilai korelasi yang tinggi berarti terjadi multikolinearitas antar variabel bebas
yang berkorelasi tinggi tersebut).

Halaman 4 -6