Professional Documents
Culture Documents
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).
Dimana :
Y menyatakan variabel terikat/kriterian
X1, X , ...X
2 menyatakan
n variabel bebas ke-1, 2, ...n
β0,β,
..
1.
β me
nya
t
naka
npa
rame
terr
egr
esil
ini
erb
erg
anda
b 0, b , ...b
1 menyatakan
n taksiran dari parameter regresi linier berganda.
Εmenyatakan residual atau eror prediksi (Ŷ–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
e
signifikansi dari masing-masing parametrr
egr
esi
nya
,guna
kanα=5%.
b. Ujisi
gni
fi
kans
ida
rik
eli
nie
ranmo
delr
egr
esiy
angt
erbe
ntuk
?Guna
kanα=
5%.
Halaman 4 -1
MODUL 4
ANALISIS REGRESI BERGANDA
c. Seberapa besar kualitas model regresi linier berganda yang terbentuk dari ke-
7
empat variabel di atas. Apakah terjadi multikolinearitas antar variabel-
variabel bebasnya?
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
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
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 :
Ŷ=10
,885+0
,576X1+3
,260X2–0,015 X3
Ma ka selanjutnyap e
nguj
ianp
ara
met
erβ
0
(
nil
aip
ara
met
erkons
tant
are
gre
sil
ini
er
berganda) adalah :
Langkah 1. H0 : β
0 =0
H1:β ≠0
0
Langkah 2. Bandi
ngka n ni lais ig nifikansi( 0,629)d e
ngan nil
aiα = 5%. Nilai
si
gnif
ikans i(0, 629)>α( 0,05);ma k aH dit
eri
ma,a r
ti
nyan
ila
ikoef
isi
e n
β u nt
uk α = 5% t idakm 0emp engaruhinil
ait
a ks
ira
ndariY dalam
menganalisis regresi0linier berganda.
Sedangk an un tuk pe
nguj
ian pa
rame
terβ (
nil
aipa
ra
1 me
terX da
rir
egresi linier 1
berganda) adalah :
Langkah 1. H0 : β
1 =0
H1:β
1
≠0
Langkah 2. Ba ndi
ngkan ni lais ig nifikansi( 0,061)d eng an ni laiα = 5%.Ni l
ai
si
g nif
ika
ns i(0, 061)>α( 0,05);ma k aH0 dit
er i
ma ,a rt
iny anil
a ikoe
fisie
n
β1
unt
uk α = 5% t idak me mp engaruhi nilai taksiran dari Y dalam
menganalisis regresi linier berganda.
Halaman 4 -4
MODUL 4
ANALISIS REGRESI BERGANDA
Un
tukp
eng
uji
anpa
rame
terβ(
nil
aip
ara
met
2erX da
rir
egr
esil
ini
erb
erg
anda
)2
ad
ala
h:
Langkah 1. H0 : β
2 =0
H1 :β
2 ≠0
H1:β
3 ≠0
Langkah 2. Bandingka n ni l
ais ignifikansi( 0,995)d eng an nil
aiα = 5%.Ni lai
si
g ni
fik
a nsi(0,995)>α( 0,05);ma k aH0 diterima,a r
ti
nyan il
aikoefi
sie n
β3 u nt
uk α = 5% t id ak me mp enga r
uhini la
ita ks
irand ariY d al
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:
Langkah 2. Ba ndingka
n ni laisignif
ik ans i( 0,
051)d eng an nila iα = 5%.Ni
lai
signifi
kansi(0, 051)>α( 0,05 );ma kaH0 di t
e r i
ma ,art i
nyaun
tukα=5
%
tidak memiliki hubungan linier dengan X1 , X2 , dan X 3
Halaman 4 -5
MODUL 4
ANALISIS REGRESI BERGANDA
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