ANALISIS

REGRESI
BERGANDA
Proses Penelitian

Pelatihan SPSS 2
 Contoh Judul Penelitian:

Menggunakan Data Sekunder

Pengaruh Pertumbuhan ekonomi dan Modal Manusia
terhadap Ketimpangan Ekonomi.

Note: Judul ini memberi informasi variabel independen dan variabel

dependen, bentuk pengujian, dan unit yang diteliti.

3
 Pengolahan Data Sekunder
Bersumber dari BPS

1. Rekap Data Keuangan di Excel

2. Uji Kelayakan data untuk regresi dengan uji
normalitas dan uji asumsi klasik (multikolinieritas,
autokoreasi, dan heteroskedastisitas).
3. Pengujian Hipotesis dan Interpretasi Hasil Pengolahan
Data, meliputi signifikansi uji t dan uji F (taraf 1%,
5%, 10%), beta variabel, persamaan regresi, koefisien
determinasi, korelasi berganda, dan error.

4
Input Nama Variabel
Aktifkan Program SPSS di lembaran kerja “Variable View”, buat file yang baru, ketik Nama variabel
dan Labelnya, kemudian kolom Decimal dibuat menjadi 2 digit. Perhatikan tampilan dibawah ini:

Pelatihan SPSS 5
Input Data Variabel
Pindahkan lembaran kerja ke “Data View” lalu input data penelitian, atau Copy dari File Excel bila
sudah tersedia. Perhatikan tampilan dibawah ini:

Pelatihan SPSS 6
Uji Regresi Berganda
Klik Analyze, Regression, Linier seperti tampilan dibawah ini:

Pelatihan SPSS 7
Uji Regresi Berganda
Maka akan muncul tampilan seperti dibawah ini. Selajutnya perhatikan tampilan Linier Regression
yang menampilkan ruang untuk variabel Dependent dan Independent (s).

Pelatihan SPSS 8
Uji Regresi Berganda
Kilik variable Y dan masukkan ke ruang Dependent, dan Variable X1, X2, dan X3 ke ruang
Independent (s). Selanjutnya perhatikan tombol Statistics dan Plots di kanan atas untuk langkah
selanjutnya.

Pelatihan SPSS 9
Uji Regresi Berganda
Klik Statistics maka akan muncul tampilan Linear Regression Statistics seperti dibawah ini. Klik
Durbin Watson dan Colinearity Diagnostics, selanjutnya klik Continue.

Pelatihan SPSS 10
Uji Regresi Berganda
Klik tombol Plots, maka akan muncul tampilan Linear Regression Plots. Klik Histogram dan Normal
Probability Plot. Selanjutnya klik *ZPRED ke ruang X dan *ZRESID ke ruang Y. Lalu klik Continue
dan klik OK.

Pelatihan SPSS 11
Uji Asumsi Klasik : Multikolinieritas
Uji Mulktiolineritas bertujuan untuk menguji apakah antar variable independent mempunyai
hubungan langsung (berkorelasi) sempurna. Jika iya, maka ketiga variabel independent tidak bisa
digunakan secara bersama sama sebagai variabel independent. Jika bebas dari masalah
multikolinieritas, maka ketiga variabel independent tersebut layak untuk digunakan secara bersama
sama dalam pengujian regresi berganda.

Data penelitian sekunder dikatakan bebas dari masalah multikolineritas apabila kolom Colinearity
Statistics menujukkan hasil Tollerance diatas 0,1 dan Nilai Variation Inflasi Factor (VIF) tidak lebih
dari sepuluh. Hasil Tollerance yang dihasilkan seluruhnya diatas 0,1 dan hasil VIF seluruhnya tidak
lebih dari 10. Hal ini berarti data penelitian bebas dari masalah multikolieritas.

12
Uji Asumsi Klasik : Autocorrelation
Uji autokorelasi bertujuan untuk menguji apakah ada hubungan otomatis antara variabel dependent
dengan variable independent. Hasilnya bebas dari masalah autokorelasi. Diuji dengan model
Durbin Waton, gunakan Table Durbin Watson, pada kolom K=2 (jumlah variable bebas) dan baris
yang ke 33 (jumah data).

0 1,40 1,67 1,953 2,33 2,60 4

13
Uji Asumsi Klasik : Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk memastikan bahwa data bersifat heterogen, secara umum
tidak memiliki sifat pergerakan data yang sama, tidak menumpuk atau tidak membentuk pola garis
tertentu. Memperhatikan hasil gambar dibawah ini, data masih menyebar secara acak, dan dapat
disimpulkan bahwa data bebas dari masalah heteroskedastisitas.

Pelatihan SPSS 14
Uji Normalitas
Uji normalitas dapat dilihat dari pergerakan data yang masih berada disekitar garis diagonal. Artinya
persamaan regresi yang dihasilkan akan bersifat BLUE (Best Linear Unbiased Estimation).

Pelatihan SPSS 15
Hasil Uji Parsial (Uji t)
Hasil uji regresi parsial, signifikan atau tidak dapat dilihat dengan dua cara. Cara Pertama, Variabel
X berpengaruh signifikan terhadap Variabel Y apabila hasil Sig < 0,05 atau dibawah 5%. Hasil sig
untuk Variabel X1 adalah 0,010. Hasil sig untuk Variabel X2 adalah 0,000. Jadi variabel X1 dan X2
memiliki Sig < 0,05. Dengan demikian, berdasarkan cara yang pertama ini, variabel X1 dan X2
berpengaruh signifikan terhadap Y.

Cara Kedua, membandingkan t hitung dengan t tabel. Signifikan apabila t hitung > t tabel. Hasil
pengujian menunjukkan bahwa bahwa t hitung untuk X1 adalah 2,770. Nilai t hitung untuk X2
adalah 2,314. Hasil t tabel sebesar 4,108 dapat dilihat dari tabel distribusi t untuk uji dua arah, pada
kolom 0,05 atau (5%) dan pada baris 31 (jumlah data 33 dikurangi jumlah variabel bebas 2). Jadi
variabel X1 dan X2 memiliki t hitung lebih besar dari t tabel. Dengan demikian berdasarkan cara
kedua ini, variabel X1 dan X2 berpengaruh signifikan terhadap Y.

Pelatihan SPSS 16
Hasil Uji Parsial (Persamaan Regresi)
Beta pengaruh yang dihasilkan untuk X1 dan X2 adalah beta yang positif, artinya bahwa pengaruh
yang diberikan oleh X2 dan X2 terhadap Y adalah positif, yang berarti bahwa pengaruhnya searah.

Persamaan regresi yang terbentuk adalah: Y = 0,018 + 0,004 X1 + 0,012 X2 + e. Artinya, jika X1
dan X2 adalah nol, maka Variabel Y akan Konstan sebesar 0,018. Apabila terjadi kenaikan X1
sebesar 1, maka akan terjadi kenaikan Y sebesar 0,004 asumsi x2 tetap dan demikian sebaliknya.
Apabila terjadi kenaikan X3 sebesar 1, maka akan terjadi kenaikan Y sebesar 0,012 asumsi x1
tetap dan demikian sebaliknya.

Pelatihan SPSS 17
Hasil Uji Simultan (Uji F)
Hasil uji simultan dapat dilihat dengan dua cara juga. Cara pertama, secara bersama sama Variabel
X1 dan X2 akan berpengaruh signifikan terhadap Y, apabila Sig < 0,05. Hasilnya pada table
ANOVA dibawah ini menunjukkan hasil Sig 0,001, yang berarti bahwa secara bersama sama
variabel X1dan X2 berpengaruh signifikan terhadap Y.

Cara kedua adalah, secara bersama sama Variabel X1 dan X2 akan berpengaruh signifikan
terhadap Y, apabila F hitung > F tabel. Hasilnya pada table ANOVA dibawah ini menunjukkan hasil
F hitung adalah 8,595. Sedangkan F table adalah sebesar 2,82. Hasil Ftabel 2,82 dapat dilihat pada
tabel distribusi F, pada kolom 2 (total seluruh variabel 3 dikurangi jumlah variabel terikat 1) pada
baris ke 30 (total data 33 dikurangi jumlah variabel 3). Hal ini berarti bahwa secara bersama sama
variabel X1 dan X2 berpengaruh signifikan terhadap Y.

Pelatihan SPSS 18
Koefisien Determinasi
Koefisien determinasi adalah kemampuan seluruh variabel bebas dalam menjelaskan variable
terikat. Koefisien Determinasi Adjustend R Square sebesar 0,322 atau sebesar 32,2% yang berarti
bahwa kemampuan Variabel X1, dan X2 dalam menjelaskan Variabel Y, adalah sebesar 32,2%.
Sedang sisa sebesar 67,8% dijelaskan oleh variabel lain diluar dari variabel penelitian ini.

R sebesar 0,604 memiliki arti bahwa korelasi bergandanya adalah erat. Tingkat error yang
dihasilkan dalam persamaan regresi dari hasil penelitian ini adalah 0,03006 atau 3,006%.

Sekian

Pelatihan SPSS 19