Cara Pengolahan Statistik Regresi Linier Berganda menggunakan SPSS

Analisis Regresi Linier Berganda

1. Terlebih dahulu upload data ke SPSS, lihat post sebelumnya: Tentang cara upload file

Excel ke SPSS. 2. Selanjutnya, click "Analyze", "Regression >", lalu click "Linear..." 3. tanda " Click variabel dependennya (Y), lalu click >" atas, agar masuk ke kolom "Dependent" 4. Block variable-variabel independennya (X), lalu click tanda ">" kedua, agar masuk ke kolom "Independents". 5. Click tombol “Statistics”, lalu centang: "Estimates", "Collinearity diagnostics", dan "Durbin-Watson". Lalu click tombol “Continue” 6. Click tombol “Plots”, lalu masukkan variable *Sresid ke kolom Y, serta *Zpred ke kolom X. Click tombol “Continue” lagi. 7. Click tombol “Save”, lalu centang “Unstandardized” di bawah tulisan “Residual”. Click tombol “Continue” again… 8. Terakhir ……… sudah diduga saya kira … Click tombol “OK”. 9. ….. 10. …. 11. … 12. Beres dah. Pengujian Normalitas 1. Click "Analyze", lalu click "Nonparametric Tests", lalu click "1-Sample K-S" 2. Masukkan variable Unstandardized Residual (Res_1) ke kolom "Test Variable List". 3. Centang "Normal" pada “Test Distribution List” 4. Lalu … coba tebak tombol apa berikutnya??

ada kok.. agar masuk ke kolom Dependent 6.5. Pengujian Multikolinearitas 1. lalu "Linear…" 5. Di sebelah kanan uji –t. . tanda " Click variabel dependen Residu (Y). agar masuk ke kolom Independents. lalu click "Compute Variable…" 2. Click "Transform". Selanjutnya. Block variable-variabel independennya (X). Silahkan dicermati print outnya. 7. Beres dah. Langsung click OK. Click OK 4. Beres dah Pengujian Normalitas 1. Menggunakan nilai Durbin-Watson apda print out hasil analisis regresi. ada khan??? Pengujian Autokorelasi 1. sedangkan pada kolom “Numeric Expression” ketik: Abs(Res_1). lalu click tanda ">" kedua. Jadinya yang kelihatan adalah. Click OK. Pada kolom "Target Variable" ketik “Residu”. Kalau perlu program SPSS-nya buat diinstall. tinggal click aja link ini. "Regression >". lalu click >" atas. Jadi sudah print out regresi linier berganda menggunakan SPSS yang rapi dan indah. Menggunakan angka-angka VIF pada print out hasil analisis regresi . he he Total terdapat 22 kali click tombol left mouse. Residu = Abs (Res_1) 3. click "Analyze". 8.

sepakbola.semua ada disini skripsi.software Pages • Beranda This Blog Linked From Here The Web This Blog Linked From Here The Web .

Nilai R 2 yang kecil berarti kemampuan variabel-variabel independen sangat terbatas. Nilai koefisien determinasi adalah antara nol dan satu. a) Koefisien Determinasi (R2) Keofisien determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. June 10. 2012 ANALISIS REGRESI LINIER BERGANDA MENGGUNAKAN SPSS Analisis regresi pada dasarnya adalah studi mengenai ketergantungan variabel dependen (terikat) dengan satu atau lebih variabel independen (variabel penjelas/bebas). Ketepatan regresi sampel dalam menaksir nilai aktual dapat diukur dari Goodness of fitnya. Kelemahan koefisen determinasi adalah adanya bias terhadap sejumlah variabel independen yang dimasukkan dalam model. Secara statistik ini dapat diukur dari nilai koefisien determinasi. nilai statistik F dan nilai statistik t. Perhitungan statistik disebut signifikan secara statistik apabila nilai uji statistiknya berada dalam daerah kritis (daerah dimana Ho ditolak) dan tidak signifikan apabila berada dalam daerah Ho diterima. lebih baik menggunakan Adjusted R2. b) Uji Signifikansi Simultan (Uji Statistik F) Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama- .Sunday. Apabila adjusted R2 bernilai negatif maka nilai adjusted R2 dianggap nol. Hasil dari analisis regresi adalah berupa koefisien untuk masing-masing variabel independen. dengan tujuan untuk mengestimasi dan/atau memprediksi ratarata populasi atau nilai rata-rata variabel dependen berdasarkan nilai variabel independen yang diketahui (Gujarti. Oleh karena itu. 2003) dalam Ghozali (2007).

atau Ho :bi = 0. . Kriteria pengambilan keputusan dalam uji statistik F adalah sebagai berikut :  Quick look : bila nilai F lebih besar daripada 4 maka Ho dapat ditolak pada derajat kepercayaan 5%. atau : Ho:b1= b2 =.. Jika F hitung lebih besar daripada F tabel maka Ho ditolak dan HA diterima..sama terhadap variabel dependen atau terikat. Hal ini berarti variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen.  Membandingkan nilai F hasil perhitungan dengan nilai F menurut tabel.. Hipotesis alternatifnya adalah HA : b1 ≠ b2 ≠..= bk = 0 Artinya apakah semua variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen...≠ bk ≠ 0 Artinya semua variabel dependen secara simultan merupakan penjelas yang signifikan terhadap variabel dependen..... Hipotesis nol (Ho) yang hendak diuji adalah apakah semua parameter dalam model sama dengan nol.. c) Uji Signifikan Parameter Individual (Uji Statistik t) Uji statistik t menunjukkan seberapa jauh pengaruh satu variabel penjelas secara individual dalam menerangkan variasi variabel dependen.. Ho yang hendak diuji adalah apakah suatu parameter (bi) sama dengan nol...

dan derajat kepercayaan 5%.HA / hipotesis alternatifnya parameter suatu variabel tidak sama dengan nol. kemudian klik analyze-regresion-linier 2. independen . Hal ini berarti variabel tersebut merupakan variabel penjelas yang signifikan terhadap variabel dependen. Masukkan data analisis regresi.  Membandingkan nilai statistik t dengan titik kritis menurut tabel.x2 ke kolo. Kriteria uji statistik t adalah sebagai berikut :  Quick look : bila jumlah degree of freedom (df) adalah 20 atau lebih. atau HA : bi ≠ 0. Apabila nilai statistik t hasil perhitungan lebih tinggi dibandingkan nilai t tabel. Masukkan y ke kolom dependen dan x1. maka Ho yang menyatakan bi=0 dapat ditolak bila nilai t lebih besar dari 2 (dalam nilai absolut). maka HA / hipotesis alternatif dapat diterima yaitu variabel independen secara individual berpengaruh singnifikan terhadap variabel dependen. d) Langkah-langkah uji analisis regresi linier berganda 1.

Predictors: (Constant). x1 Berdasarkan output diatas nilai dari Adjusted R Square adalah .93951 a.7% dijelaskan oleh faktor lain yang tidak dijelaskan dalam analisis ini (penelitian ini).3. Error of the Estimate 2. output yang diperlukan adalah sebagai berikut : a.483 atau 0. x2.483 Std. Uji statistik F (Simultan) .3% sedangkan sisanya 51.3% artinya besarnya kemampuan variasi model x1 dan x2 dapat menjelaskan variabel y sebesar 48. Koefisien Determinasi Model Summary Adjusted R Model 1 R .709a R Square .503 Square . abaikan yang lain kemudian OK.483 atau 48. b.

x2.806 (lebih dari 4) dalam signifikansi 0.05) maka dapat dikatakan x1 dan x2 berpengaruh secara simultan terhdap y Sum of Squares 428.492 dan x2 3.726 .492 3.369 . . x1 b.000 . Predictors: (Constant).219.546+4.492 .492x1+3. Dependent Variable: y Berdasarkan output diatas nilai dari F 24.492 dan x2 3.000 dan 0.082 .219 keduanya lebih dari 2 (dalam hal ini df=n-2 lebih dari 20) dengan signifikansi 0.396 852.002 .ANOVAb Model 1 Regression Residual Total a. . Uji Statistik t (parsial) Coefficientsa Standardized Unstandardized Coefficients Model 1 (Constant) x1 x2 a.353 Coefficients Beta t 4.000a c.000 .074 . Jadi fungsi yang terbentuk adalah Y= 18.340 8. Dependent Variable: y Berdasarkan hasil diatas nilai t x1 4.681 423.000 (kirang dari 0.219 Sig.077 df 2 49 51 Mean Square 214.641 F 24.237 Std.977 4.806 Sig.002 maka dapat disimpulkan niali x1 berpengaruh terhadap y sebesar 4.219x2 B 18. Error 3.546 .

Arsif beberapa tugas kuliah dan Soal-soal Uiian atau Quis DAFTAR LINK Adinmuh2Samarinda Belajar Ngeblog harizt.blogspot.com Lucky Witantra minimmedia.cc hermanblog.co.com Rezarenaldi SeiKerbau Zona Kesehatan TUKARAN LINK INFO BLOG Site Data and Value idmatgokil.com Google PR: N/A Alexa Rank: N/A Links in: N/A .Kumpulan beberapa cerita lucu.com iyud89.blogspot.com muhfida.

Analisis regresi linear berganda terdiri dari satu variabel dependen dan dua atau lebih variabel independen.0 Analisis regresi digunakan untuk memprediksi pengaruh variabel bebas terhadap variabel terikat. Analisis regresi juga dapat dilakukan untuk mengetahui kelinieritas variabel terikat dengan varibel bebasnya. Misalnya dalam suatu kegiatan penelitian ingin diketahui apakah variabel X (Sex dan Nilai harian 1) berpengaruh terhadap variabel Y (nilai rapot).0 Cara menganalisis Regresi linier berganda dengan SPSS 17.Value: $0 Value Rank: 874865 Cara menganalisis Regresi linier berganda dengan SPSS 17. selain itu juga dapat menunjukkan ada atau tidaknya data yang outlier atau data yang ekstrim. Data penelitian adalah sebagai berikut: Nama Sex Nilai harian Nilai Rapot 1 50 61 80 76 40 73 68 86 78 80 76 74 IDM01 IDM02 IDM03 IDM04 IDM05 IDM06 1 2 1 1 1 2 .

. yaitu variabel Sex dan Harian 1. Lakukan analisis dengan cara: Analize.IDM07 IDM08 IDM09 IDM10 IDM11 IDM12 IDM13 IDM14 IDM15 2 1 1 2 2 1 1 2 1 86 77 59 56 66 80 72 95 83 70 80 76 85 60 69 89 90 88 Keterangan sex: 1=laki-laki.0 adalah sebagai berikut: 1. yaitu variabel Rapor dan kotak menu independen dengan variabel bebas. Liniear. Buka lembar kerja SPSS 2. 2=perempuan Langkah-langkah menganalisis menggunakan spss 17. Regression. Buat semua keterangan variabel di variable view seperti gambar berikut: 3. Selanjutnya isilah kotak menu Dependen dengan variabel terikat. Klik Data view dan masukan data sehingga tampak hasilnya sebagai berikut: 4. akan muncul dialog seperti gambar berikut.

Tampilan muncul seperti berikut 6. klik kotak menu Plots. Pilih Estimates. Selanjutnya klik Continue. Descriptives dan Model fit lau klik Continue. Selanjutnya klik kotak menu Statistics. kemudian klik Normal probanility plot yang terletak pada kotak menu Standardized Residual plots.5. Tampilannya adalah sebagai berikut: . berfungsi untuk menampilkan grafik pada analisis regresi. Kotak menu Plots.

7. Beberapa saat kemudian akan keluar outputnya. Selanjutnya klik Continue. Untuk melakukan analisis kliklah OK. sebagai berikut: Regression [DataSet1] .

.

Deskriptif statistik Dari output tersebut dapat dilihat rata-rata nilai rapot dari 15 siswa adalah 77.786 2.93 dengan standar deviasi 8. Korelasi . sebagai berikut: 1.Cara membaca Output tersebut adalah.779 sedangkan rata-rata nilai harian 1 adalah 70.27 dengan standar deviasi 14.

042 hal ini menunjukan hubungan negatif.181. Variabel masuk dan keluar Dari tabel diatas menunjukan variabel yang dimasukan adalah nilai harian 1 dan sex.Model sisaan Pada tabel diatas angka R Square adalah 0. oleh karena lebih besar daripada . perhatikan pada analisis deskriptif statitik bahwa standar deviasi nilai rapot adalah 8. makin besar nilai harian 1 maka makin tinggi pula nilai rapot.Dari tabel dapat dilihat bahwa besar hubungan antara variabel nilai rapot dengan sex adalah -0.250 = 0. sedangkan variabel yang dikeluarkan tidak ada (Variables Removed tidak ada) 4. Standar Error of the Estimate adalah 9. 3.063 yaitu hasil kuadrat dari koefisien korelasi (0.250 x 0.063).779 yang jauh lebih kecil dari dari standar error.238 yang berarti ada hubungan positif. besar hubungan nilai harian 1 dengan nilai rapot adalah 0.

dapat dilihat bahwa nilai T hitung untuk .05 maka Ho diterima Jika T hitung > T tabel atau probabilitas < 0. 6. i=1 atau 2 Pengambilan keputusan: Jika T hitung <= T tabel atau probabilitas >= 0.standar deviasi nilai rapot maka model regresi tidak bagus dalam bertindak sebagai predictor nilai rapot.05 maka Ho diterima Jika F hitung > T tabel atau probabilitas < 0.401. 5. sedangkan nilai F tabel dapat diperoleh dengan menggunakan tabel F dengan derajat bebas (df) Residual (sisa) yaitu 12 sebagai df penyebut dan df Regression (perlakuan) yaitu 2 sebagai df pembilang dengan tarap siginifikan 0. maka model regresi tidak dapat dipakai untuk memprediksi nilai rapot. terlihat pada kolom sig yaitu 0.89) maka Ho diterima.05 maka Ho ditolak * Constant: Berdasarkan tabel diatas.89.05. sehingga diperoleh nilai F tabel yaitu 3.679 itu berarti probabilitas 0.679 lebih dari daripada 0.401) < F tebel (3. Anova Hipotesis: Ho: B1=B2=0 Ha: ada Bi yang tidak nol Pengambilan keputusan: Jika F hitung <= T tabel atau probabilitas >= 0. Koefisien Hipotesis: Ho: Bi=0 Ha: ada Bi yang tidak nol .05 maka Ho diterima. Kesimpulan: Tidak ada koefisien yang tidak nol atau koefisien berarti. Karena F hitung (0. Berdasarkan nilai Signifikan.05 maka Ho ditolak Dari tabel diatas dapat dilihat nilai F hitung yaitu 0.

786 yang berarti probabilitas 0.000 yang berarti probabilitas 0. karena T hitung < T tabel maka Ho diterima. Berarti bermakna dan diramalkan tidak melalui titik (0. ** Sex: Berdasarkan tabel diatas.05 maka diterima. karena probabilitas kurang dari 0. sedangkan sig pada tabel B adalah 0. pada T tabel dengan db 12 dan taraf signifikan 0. sedangkan sig pada tabel B adalah 0. karena probabilitas kurang dari 0. karena probabilitas kurang dari 0. karena T hitung > T tabel maka Ho ditolak. 7. pada T tabel dengan db 12 dan taraf signifikan 0. dapat dilihat bahwa nilai T hitung untuk Sex yaitu -0. dapat dilihat bahwa nilai T hitung untuk Harian 1 yaitu 0. Kelinieran . artinya B tidak berarti Berdasarkan analisis diatas maka dapat dibuat model regresi dugaannya yaitu: Y = 69.Constant yaitu 5.782.429 Dari tabel diatas merupakan ringkasan yang meliputi nilai minimum dan maksimum.000.395.786. *** Harian 1: Berdasarkan tabel diatas.882.05 diperoleh 1.360.277. karena T hitung < T tabel maka Ho diterima.05 diperoleh 1.05 diperoleh 1.786 yang berarti probabilitas 0.0). sedangkan sig pada tabel B adalah 0.05 maka diterima. artinya B tidak berarti.782. mean dan standar deviasi dari predicted value (nilai yang diprediksi) dan statistic residu.05 maka ditolak.782. pada T tabel dengan db 12 dan taraf signifikan 0.

maka dapat dikatakan bahwa pernyataan normalitas tidak dapat dipenuhi. maka nilai-nilai sebaran data akan terletak sekitar garis lurus. terlihat bahwa sebaran data pada gambar diatas tersebar hampir semua tidak pada sumbu normal. .Jika residual berasal dari distribusi normal.

Sign up to vote on this title
UsefulNot useful