#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.
#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 :
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 :
- Persamaan regresi : Y = 25.047 + 0.6705X1 – 0.00343X2
- 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:
- Dapat menguji model keseluruhan maupun parameter-parameter individual.
- Mudah untuk diimplementasikan
- 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:
- Sebab-akibat pada model sifatnya hanya searah dan tidak boleh timbal balik.
- 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.“
Good job
Thx broh