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),
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.
