UJI REGRESI BERGANDA & UJI ASUMSI KLASIK Menggunakan SPSS


UJI REGRESI BERGANDA
Cara melakukan uji regresi berganda:
1. Klik Analyze > Regression > Linear
2. Pengisian:
a. Dependent: variabel tergantung
b. Independent(s): variabel bebas
c. Case Labels: keterangan pada kasus
d. Method: tetap pada default yang ada, yaitu Enter
3. Klik Options dan diisi seperti berikut ini:
a. Stepping Method Criteria: pilih Use probability of F dan isi
    Entry: .05
b. Tetap pada default Include constant in equation
c. Missing value: Exclude cases pairwise
d. Klik Continue
4. Klik Statistics dan diisi seperti berikut ini:
a. Regression Coefficients: pilih Estimates
b. Pilih Model Fit dan Descriptives
c. Residuals: pilih Durbin-Watson
d. Klik Continue
5. Klik Plots, kemudian klik Produce all partial plots dan Normal
Probability Plot, lalu klik Continue
6. Klik OK
Cara menganalisis hasil regresi:
1. Tabel Descriptive Statistics --> menampilkan mean (rata-rata),
deviasi standar, dan jumlah sample (N).
2. Tabel Correlations:
a. Pearson Correlation: jika nilainya mendekati 1 maka hal ini
menunjukkan bahwa ada hubungan yang erat antara
variabel dependen dan independen
b. Sig. (1-tailed): jika nilainya <0,05 maka terdapat korelasi
antara variabel dependen dan independen
3. Tabel Model Summary:
a. R Square: menggambarkan bahwa ….% variabel y
(dependen) dapat dijelaskan oleh variabel x
(independen). Sedangkan sisanya (100%-….%) dijelaskan
oleh variabel yang lain. R square berkisar pada angka 0
sampai 1, dengan catatan semakin kecil angka R square,
semakin lemah hubungan kedua variabel.
b. Durbin-Watson: jika nilainya berada di antara -2 dan +2
maka tidak terjadi autokorelasi.
4. Tabel ANOVA:
a. Jika Sig. <0,05 maka model regresi dapat dipakai untuk
memprediksi variabel y
b. Jika Sig. >0,05 maka model regresi tidak dapat dipakai
untuk memprediksi variabel y
5. Tabel Coefficients
a. Jika Sig. <0,05 maka variabel x benar-benar berpengaruh
secara signifikan terhadap variabel y
b. Jika Sig. >0,05 maka variabel x tidak berpengaruh
terhadap variabel y
6. Tabel Casewise Diagnostics:
Semakin kecil Residual atau Standardized Residual akan
semakin baik bagi persamaan regresi dalam memprediksi
data.
7. Grafik Normal P-P Plot of Regression Star
Jika sebaran data tersebar di sekeliling garis lurus (tidak terpencar
jauh dari garis lurus) maka persyaratan Normalitas bisa dipenuhi.
8. Scatter plot
Jika tidak tampak adanya suatu pola tertentu pada sebaran data
dan titik-titik menyebar di atas dan di bawah angka 0 pada
sumbu y maka tidak terjadi heteroskedastisitas (Ghozali, 2005).
UJI ASUMSI KLASIK
Asumsi-asumsi pokok dalam regresi berganda harus dipenuhi agar nilai koefisien regresi yang
dihasilkan baik atau tidak bias (Suharyadi dan Purwanto, 2009). Oleh karena itu, perlu
dilakukan uji asumsi klasik yang memungkinkan pendeteksian pelanggaran asumsi tersebut.
Beberapa pelanggaran asumsi adalah sebagai berikut:
1. Multikolinieritas (antar variabel independen ada korelasi)
 Jika korelasi antar variabel independen lebih kecil daripada koefisien determinasi
(R2) maka tidak terjadi multikolinieritas (Suharyadi dan Purwanto, 2009). Untuk
melihat korelasi antar variabel independen, dengan melihat nilai Pearson
Correlation antar variabel pada tabel Correlations dalam output uji regresi.
2. Heteroskedastisitas (varians atau residu tidak konstan)
 Jika pada scatter plot tidak tampak adanya suatu pola tertentu pada sebaran
data dan titik-titik menyebar di atas dan di bawah angka 0 pada sumbu y maka
tidak terjadi heteroskedastisitas (Ghozali, 2005).
 Jika korelasi rank Spearman lebih kecil daripada nilai t-tabel maka tidak terjadi
heteroskedastisitas (Suharyadi dan Purwanto, 2009). Nilai t-tabel dilihat dengan
cara melihat tabel distribusi t-student dengan df=n-k (n adalah jumlah sampel
dan k adalah jumlah variabel) dan tingkat signifikansi 5% untuk uji dua arah
sedangkan cara melakukan uji rank Spearman adalah sebagai berikut (Santoso,
2001):
a. Klik Analyze > Correlate > Bivariate
b. Pengisian:
i. Variable: klik semua variabel yang akan diuji korelasinya.
ii. Correlation Coefficient: pilih Spearman.
iii. Test of Significance: pilih Two-tailed.
iv. Tetap pada default flag significant correlations  untuk menampilkan
tanda untuk tingkat signifikansi 5% dan 10% pada output.
c. Klik OK.
3. Autokorelasi (antar data pengamatan berkorelasi)
 jika nilainya berada di antara -2 dan +2 maka tidak terjadi autokorelasi.

REFERENSI
Ghozali, Imam. 2005. Aplikasi Analisis Multivariate dengan Program SPSS. Edisi 3. Badan
Penerbit Universitas Diponegoro, Semarang.
Santoso, Singgih. 2001. SPSS Versi 10, Mengolah Data Statistik secara Profesional. Penerbit PT.
Elex Media Komputindo, Kelompok Gramedia, Jakarta.
Suharyadi dan Purwanto S.K. 2009. Statistika: Untuk Ekonomi & Keuangan Modern, Buku 2.
Edisi 2. Jakarta: Salemba Empat.