CONTOH ANALISIS REGRESI LINEAR BERGANDA (DUA VARIABEL) MENGGUNAKAN IBM SPSS 21

Kita gunakan contoh sebelumnya pada artikel Contoh Perhitungan Manual Analisis Linear Berganda Dua Variabel. Terdapat satu variabel tak bebas Y dan dua variabel bebas X1 dan X2.

Dengan menggunakan IBM SPSS 21, maka kita dapat melakukan analisis linear berganda pada data tersebut dengan tujuan untuk melihat pengaruh X1 dan X2 terhadap Y dan sekaligus dapat memprediksi nilai Y jika X1 dan X2 diberikan.

Bentuk umum persamaan regresi linear berganda kasus tersebut adalah :

Y' = a + b1X1 + b2X2

Selanjutnya kita akan menentukan nilai dari a, b1 dan b2.

Berikut tahap-tahap yang dapat dilakukan :

1. Klik Start -> IBM SPSS 21
2. Pada Variabel View isikan data seperti berikut :

3. Pada Data View  input data seperti berikut :

4. Klik Analyze -> Regression -> Linear

5. Pada kolom Linear Regression pindahkan varibel tak bebas Y, Permintaan Minyak ke kolom Dependent, dan pindahkan variabel bebas X1, Harga Minyak dan X2, Pendapatan ke kolom Independent.

6. Klik Statistics centrang tiga item berikut lalu klik Continue.

• Estimates untuk menentukan nilai parameter a, b1 dan b2
• Model Fit: untuk uji ketepatan model regresi linier
• R Squared Change : untuk menentukan nilai R² 

7. Pilih Options masukkan nilai taraf signifikansi dalam hal ini kita pilih 5% sehingga ketik 0,05 pada kolom Entry. Tandai Include Constant in Equation. 

Pada kolom ini berfungsi untuk uji-F, untuk menguji pengaruh variabel bebas X1 dan X2 secara bersamaan terhadap variabel tak bebas Y. (Regresi Linear Berganda)

Pada Missing Values

• Exclude cases listwise :hanya data yang valid untuk semua variabel yang ikut dianalisis
• Exclude cases pairwise :menganalisis koefisien korelasi dan seluruh cases yang berharga valid dari dua variabel yang dikorelasikan.
• Replace with mean : Semua data dianalisis dan untuk data yang kosong digantikan dengan rata-rata variabel tersebut.

7. Diperoleh output sebagai berikut :

Dari output disamping menjelaskan mengenai output dari method yang kita pilih yaitu Enter.

Dari output di atas pada tabel Model Summary diperoleh nilai koefisien determinasi Rsquared = 0,942 yang berarti sekitar 94,2% variasi sampel harga minyak dan pendapatan dapat menjelaskan variasi variabel permintaan minyak goreng. Nilai ini merupakan nilai yang tinggi dan mencerminkan terjadinya hubungan kuat antara variabel bebas  X1 dan X2 dan variabel tak bebas Y.

Nilai Adjusted Rsquared pun menunjukkan nilai yang tinggi yaitu 0,929. Nilai ini sama-sama boleh digunakan dengan Rsquared. Jika kita ingin menggeneralisasikannya ke populasi dan responden yang dipilih acak maka kita gunakan Adjusted Rsquare  dan jika sampel tidak acak kita gunakan sebaiknya Rsquared. Nilai keduanya akan mendekati nilai yang sama jika sampel yang diambil berukuran besar.

Pada kolom Coefficients diperoleh nilai koefisien/parameter regresi linear berganda a = 12,775, b1 = -0,001 dan  b2  = -0,488. Sehingga persamaan regresi yang diperoleh adalah :

Y' = 12,775 -0,001X1 - 0,488X2

Dan untuk uji-t diambil dari kolom t dan sig. pada variabel X1 dan X2. Tabel ini berguna untuk pengujian parameter secara parsial, apakah variabel bebas secara terpisah berpengaruh signifikan terhadap variabel tak bebas. 

a. Uji parameter b1

Hipotesis Uji :

Ho : b1 = 0

Ha : b1 ≠ 0

Taraf Signifikansi :

Pilih nilai a = 5%

Daerah Kritis :

Dengan nilai signifikansi 5% dan derajat bebas df = n-2 = 12-2 = 10, maka diperoleh t-tabel = 2,228.

Statistik Uji :

Diperoleh t-hitung = -1,486 dan nilai p-value = 0,172

Keputusan :

Nilai t-hitung = -1,486 > t-tabel = -2,228 atau nilai p-value = 0,172 > 0,05.

Jadi Ho diterima dan Ha ditolak.

Kesimpulan :

Dengan signifikansi 5% ternyata harga minyak goreng tidak berpengaruh terhadap permintaan minyak goreng tersebut. Hal ini minyak goreng adalah kebutuhan pokok yang sangat dibutuhkan oleh semua orang dalam memenuhi kebutuhan makanannya. Berapapun harganya permintaan akan minyak gorengpun tetap ada.

b. Uji parameter b2

Hipotesis Uji :

Ho : b2 = 0

Ha : b2 ≠ 0

Taraf Signifikansi :

Pilih nilai a = 5%

Daerah Kritis :

Dengan nilai signifikansi 5% dan derajat bebas df = n-2 = 12-2 = 10, maka diperoleh t-tabel = 2,228.

Statistik Uji :

Diperoleh t-hitung = -3,776 dan nilai p-value = 0,172

Keputusan :

Nilai t-hitung = -3,776 < t-tabel = -2,228 atau nilai p-value = 0,004 < 0,05.

Jadi Ho ditolak dan Ha diterima.

Kesimpulan :

Dengan signifikansi 5% ternyata pendapatan konsumen berpengaruh terhadap permintaan minyak goreng tersebut. 

Tabel ANOVA  di atas adalah salah satu untuk menguji ketepatan model. Apakah variabel bebas secara bersama-sama mempengaruhi variabel tak bebas. Kita menggunakan uji F.

Hipotesis Uji :

Ho : b1 = b2 = 0

Ha : Terdapat bi ≠ 0 dengan i = 1 dan 2

Taraf Signifikansi :

Pilih nilai a = 5%

Daerah Kritis :

Dengan nilai signifikansi 5%, derajat bebas pembilang dk = 2 dan derajat bebas penyebut df = n-k-1 = 12-2-1 = 9, maka diperoleh F-tabel =19,39.

Statistik Uji :

Diperoleh F-hitung = 73,312 dan nilai p-value = 0,000

Keputusan :

Nilai t-hitung = 73,312 > F-tabel = 19,39 atau nilai p-value = 0,000 < 0,05.

Jadi Ho ditolak dan Ha diterima.

Kesimpulan :

Dengan signifikansi 5% harga minyak goreng dan pendapatan konsumen secara bersama-sama berpengaruh terhadap permintaan minyak goreng.

by MEYF