Analisis Regresi Linier Berganda

Posted on

⏩Panduan dan Tutorial Analisis Regresi Linier Berganda Menggunakan SPSS dilengkapi Contoh Soal dan Pembahasan Lengkap!☑️

Analisis regresi merupakan sebuah metode atau alat ukur yang dipakai untuk menentukan apakah ada korelasi antarvariabel atau tidak. Analisisi regresi ini dibagi menjadi 2, yaitu regresi linier dan regresi nonlinier.

Berikut ini akan dijelaskan secara ringkas dan jelas tentang kedua jenis regresi tersebut beserta panduan/ turorial bagaimana cara uji Analisis regresi linier berganda menggunakan SPSS.

Apa Itu Regresi Linier

regresi linier
Via : analyticsindiamag.com

Yang dimaksud dengan analisis regresi linear adalah metode analisis dalam statistika yang bertujuan untuk mengukur pengaruh variabel bebas terhadap Variabel tidak bebasnya.

Apabila variabel bebasnya hanya satu, maka analisis regresinya dikenal dengan regresi linier sederhana. Namun jika variabel bebasnya lebih dari satu, maka analisis regresinya dikenal dengan regresi linear berganda.

Prinsip kerja Analisis regresi lebih fokus mempelajari tentang hubungan antara satu atau lebih variabel bebas (X) dengan satu variabel tak bebas atau terikat (Y).

Tujuan dari metode uji regresi linear ini adalah untuk menguji nilai estimasi serta nilai variabel terikat yang berdasarkan pada nilai dari variabel bebasnya.

Fungsi regresi linier adalah untuk menguji hipotesa karakteristik dependensi. Terakhir, metode ini juga digunakan untuk memprediksi nilai rata-rata/ simpangan baku dari variabel bebas yang didasarkan pada nilai variabel bebas itu sendiri diluar jangkauan sampel.

Analisis Regresi Linier Berganda

regresi linier berganda
Via : Youtube.com

Pengertian Regresi Linier Berganda (Multiple Linear Regression) adalah teknik statistik yang menggunakan beberapa variabel bebas (lebih dari satu) untuk memprediksi nilai suatu variabel response.

Variabel yang ingin kita prediksi disebut variabel dependen/ kriteria, sedangkan variabel yang kita gunakan untuk memprediksi nilai dari variabel kriteria tersebut disebut variabel independen/ penjelas.

Regresi linier berganda merupakan perluasan dari regresi linier (OLS) yang hanya menggunakan satu variabel bebas. Analisis regresi linier berganda ini menggunakan uji asumsi klasik, diantaranya adalah linearitas, normalitas, homoskedastisitas dan data interval atau rasio.

Pada dasarnya, regresi linier berganda tidak jauh berbeda dengan regresi linier sederhana. Yang membedakan adalah variabel bebasnya yang lebih dari satu. Pada analisis ini, data yang digunakan umumnya adalah data rasio atau interval.

Umumnya, para peneliti, terutama yang masih awam dengan jenis regresi ini, banyak melakukan kesalahan karena mendulukan uji asumsi klasik baru dilanjutkan dengan uji regresi liniernya.

Tujuan penggunaan uji regresi linier berganda ini pada dasarnya sama dengan tujuan penggunaan regresi linier pada umumnya, yaitu untuk melakukan prediksi dan mengetahui hubungan antar variabel dan nilainya.

Analisis ini membutuhkan pengujian serempak menggunakan F hitung. Signifikansinya ditentukan dengan membandingkan antara F hitung dengan F Tabel. Pada beberapa kasus bisa terjadi simultan beberapa variabel memiliki pengaruh signifikan, namun jutstru tidak secara parsial.

Rumus Regresi Linier Berganda

Untuk melakukan analisis ini, bisa digunakan rumus regresi linier berganda dengan rumus:

Y = a+b1X1 + b2X2 + … + bnXn

Dimana :

  • a = Konstanta
  • Y = Variable tak bebas (nilai variabel yang akan diprediksi)
  • b1,b2,…, bn = Nilai koefisien regresi
  • X1,X2,…, Xn = Variable Bebas

Jika terdapat 2 variable bebas (X1 dan X2), maka bentuk persamaan regresinya adalah :

Y = a+b1X1 + b2X2

Dimana keadaan akan dikatakan koefisien-koefisien regresi,  jika b1 dan b2 memiliki nilai :

  • Bernilai nol (0). Dalam hal ini variabel Y tidak dipengaruh oleh X1 dan X2
  • Bernilai negatif (-). Disini terjadi hubungan dengan arah terbalik antara variabel tak bebas Y dengan variabel-variabel X1 dan X2
  • Bernilai positif (+). Disni terjadi hubungan yang searah antara variabel tak bebas Y dengan variabel bebas X1 dan X2

Sedangkan untuk Koefisien-koefisien regresi b1 dan b2 serta konstanta a dapat dihitung dengan menggunakan persamaan / rumus berikut :

rumus regresi linier

Dimana :

rumus regresi linier 2

Asumsi Klasik Regresi Linier Berganda :

Selain memiliki ketetapan rumus yang telah kami paparkan diatas, saat anda ingin melakukan metode uji regresi linier berganda, ada tujuh point asumsi klasik yang mengikatnya, untuk lebih jelas, berikut kami ulas apa saja asumsi dalam uji regresi linier berganda ini :

  1. Variabel dependen yang digunakan harus diukur pada skala kontinu (yaitu variabel interval atau rasio). Misalkan pengukuran waktu menggunakan parameter jam, pengukuran kecerdasan menggunakan parameter skor tes IQ.
  2. Uji Regresi Linier Berganda memiliki dua atau lebih variabel independen, yang dapat berupa kontinu (yaitu, variabel interval atau rasio) atau kategorikal (yaitu, variabel ordinal atau nominal).
  3. Pada uji regresi berganda ini, Anda harus memiliki independensi pengamatan/ independensi residual yang bisa anda tes menggunakan Statistik SPSS.
  4. Pastikan terdapat hubungan linier antara variabel dependen dengan masing-masing variabel independen, dan juga hubungan variabel dependen dan variabel independen secara kolektif. Jika ternyata hubungan yang ada tidak linier, Anda harus menjalankan analisis regresi non-linier atau mengubah data Anda dengan menggunakan Statistik SPSS.
  5. Data yang diuji pada regresi linier berganda harus menunjukkan adanya homoskedastisitas, di mana varians di sepanjang garis yang paling sesuai tetap serupa saat Anda bergerak di sepanjang garis.
  6. Berbanding terbalik dengan asumsi kelimat, data yang anda uji tidak boleh menunjukkan multikolinearitas, yang artinya tidak boleh ada dua atau lebih variabel independen yang sangat berkorelasi satu sama lain.
    Hal ini menyebabkan masalah dalam memahami variabel independen mana yang berkontribusi terhadap varians yang dijelaskan dalam variabel dependen, serta masalah teknis dalam menghitung model regresi berganda.
  7. Tidak boleh ada outlier yang signifikan.Hal ini karena dapat berdampak pada output yang dihasilkan SPSS Statistics dimana akan mengurangi akurasi prediksi hasil serta signifikansi data statistik.

Cara Analisis Regresi Linier Berganda SPSS

Contoh kasus : Seorang peneliti kesehatan dari Fakultas kedokteran (FK) Universitas Brawijaya (UB) ingin memprediksi tingkat VO2max pada mahasiswa dan jajaran staff FK UB. Untuk tujuan ini, peneliti tersebut mengambil sampel 100 peserta untuk melakukan tes VO2max. Terdapat empat atribut yang digunakan yakni usia, berat badan, detak jantung dan jenis kelamin. Kerjakan soal tersebut menggunakan analisis regresi linier berganda dengan SPSS! (Via : statistics.laerd.com)

Langkah Persiapan :

Buat 6 Variabel pada aplikasi SPSS anda. 1. Vo2Max merupakan kapasitas aerobik maksimal, 2. Usia adalah usia dari masing masing peserta sampel. 3. Berat merupakan bobot/ berat badan masing masing peserta, 4. Heart Rate merupakan detak jantung para peserta, 5. Jenis kelamin yaitu gender para peserta dan terahri 6. Penomoran pengujian.

Langkah Pengujian :

#Langkah 1 : Buka aplikasi SPSS anda dan klik menu “Analyze > Regression > Linear” seperti pada gambar dibawah ini.

regresi linier berganda spss
Via : statistics.laerd.com

#Langkah 2 : Isi kotak dialog Regresi Linier (Perhatikan gambar!)

regresi linier berganda spss 2
Via : statistics.laerd.com

# Langkah 3 : Pindahkan variabel dependen, VO2max, ke dalam kotak Dependent: dan variabel independen, usia, berat badan, detak jantung, dan jenis kelamin ke dalam kotak Independent(s): menggunakan ‘logo tombol panah Kanan’, seperti yang ditunjukkan pada gambar di bawah ini :

regresi linier berganda spss 3
Via : statistics.laerd.com

#Langkah 4 : Klik pada icon tombol “Statistik”. Setelah itu anda akan melihat tampilan menu Regresi Linier Statistik. Pada Menu ini, beri centang menu Confidence intervals level dan isi dengan angka 95% seperti gambar dibawah ini.

regresi linier berganda spss 4
Via : statistics.laerd.com

#Langkah 5 : Klik Tombol “Continue” Kemudian lanjutkan dengan memilih tombol “OK”. Setelah proses ini anda akan mendapatkan hasil output nilai Regresi Linier Berganda seperti yang ditunjukkan pada tabel dibawah ini :

tabel output
Via : statistics.laerd.com

Maka data hasil prediksi yang diperoleh adalah :  VO2max = 87,83 – (0,165 x usia) – (0,385 x berat badan) – (0,118 x detak jantung) + (13,208 x jenis kelamin).

Sehingga kesimpulan yang dapat diambil adalah Regresi berganda dilakukan untuk memprediksi VO2max dari jenis kelamin, usia, berat badan dan detak jantung.

Variabel-variabel ini secara statistik memprediksi VO2max secara signifikan, F(4, 95) = 32,393, p < .0005, R2 = .577. Keempat variabel ditambahkan secara statistik signifikan terhadap prediksi, p < .05.

Contoh Soal Regresi Linier Berganda

Setelah mengetahui berbagai hal dasar tentang regresi linier berganda pada penjelasan di atas, berikutnya Anda bisa mencoba mengaplikasikannya dalam contoh soal yang kami sajikan berikut ini.

a. Terdapat data tentang IQ dan tingkat kehadiran sepuluh mahasiswa teknik elektro Universitas Brawijaya yang diperkirakan mempengaruhi nilai UAS mereka. Pada tabel data tersebut, (1) Buatlah persamaan regresi linier berganda, kemudian (2) Variabel  yang mana memberikan pengaruh lebih besar terhadap nilai UAS ?

Mahasiswa IQ

(X2)

Tingkat kehadiran (%)

(X1)

Nilai UAS

(Y)

1 110 60 65
2 120 70 70
3 115 75 75
4 130 80 75
5 110 80 80
6 120 90 80
7 120 95 85
8 125 95 95
9 110 100 90
10 120 100 98

Pembahasan :

  1. Persamaan regresi : Y = 25.047 + 0.6705X1 – 0.00343X2
  2. Perhatikan outputnilai pada persamaan regresi diatas! Didapati nilai b1 lebih besar dibandingkan dengan nilai b2. Nilai b1 menandakan kemiringan X1 (kehadiran dikelas) dan b2 menandakan kemiringan X2 (IQ). Dalam hal ini dapat disimpulkan bahwa presentase kehadiran dikelas lebih berpengaruh daripada  IQ mahasiswa teknik elektro UB.

Kelebihan dan Kekurangan Analisis Regresi Linier Berganda

Penggunaan metode regresi linier berganda untuk melakukan prediksi dengan menemukan garis pola terbaik antara variabel dependen dan independennya. Meski demikian, metode ini tentu memiliki nilai lebih dan kekurangan. Berikut adalah keunggulannya:

  1. Dapat menguji model keseluruhan maupun parameter-parameter individual.
  2. Mudah untuk diimplementasikan
  3. Kemampuan memprediksi dengan persamaan yang bisa melihat segala kemungkinan hubungan sebab akibat semua variabel.

Selain keunggulan yang disebutkan di atas, ada pula beberapa kekurangan dari metode ini, yaitu:

  1. Sebab-akibat pada model sifatnya hanya searah dan tidak boleh timbal balik.
  2. Tidak bisa digunakan apabila relasi antara variabel dependen dan independennya tidak linier ataupun korelasinya rendah.

Kesimpulan : “Uji regresi linier berganda sangat membantu untuk mengetahui pengaruh secara serempak  (simultan)  baik  kualitas maupun  kuantitas dari  variable-variabel  bebas terhadap variable tak bebas. Hasil model persamaan regresi dapat dipergunakan sebagai pedoman untuk memprediksi hubungan antar variabel diluar data yang dijadikan sampel dalam suatu populasi.

Materi Belajar Statistika Lainnya :
Contoh Uji Hipotesis Contoh Uji Normalitas
Contoh Uji T Contoh Uji Koefisien Korelasi

Demikian penjelasan tentang regresi linier dan jenis-jenisnya yang bisa wiki elektronika paparkan. Ini adalah penjelasan ringkas sehingga untuk lebih memahami lebih dalam tentang metode dalam statistika ini, Anda perlu untuk mencari lebih banyak referensi terkait.

5/5 - (1 vote)
Related posts:
Gravatar Image
Mahasiswa telat lulus yang lagi hobi mempelajari Ilmu Elektronika!

2 comments

Leave a Reply

Your email address will not be published. Required fields are marked *