Regresi linier berganda

Regresi adalah sebuah istilah umum semua metoda yang mengupayakan meng-pas-kan (to fit) sebuah model dengan data hasil observasi dalam rangka mengkuantitatifkan hubungan antara dua atau lebih variabel. Model yang telah di-fit-kan, bisa digunakan untuk menggambarkan hubungan tersebut atau untuk meprediksi sebuah nilai tertentu.

Seorang peneliti ingin melakukan riset mengena

i pengeluaran tahunan untuk makanan dala

m keluarga. Ada tiga variabel yang diperkirakan mempengaruhi pengeluaran keluarga untuk makanan (Food) yaitu income total keluarga (Income) dalam $00, jumlah anggota keluarga (Size) dan ada atau tidaknya anak yang kuliah (Collage). Data dari 12 keluarga yang diteliti tertera pada tabel di bawah ini.

Family	Food	Income	Size	Student
1	3900	376	4	0
2	5300	515	5	1
3	4300	516	4	0
4	4900	468	5	0
5	6400	538	6	1
6	7300	626	7	1
7	4900	543	5	0
8	5300	437	4	0
9	6100	608	5	1
10	6400	513	6	1
11	7400	493	6	1
12	5800	563	5	0

Variabel College dalam hal ini merupakan variabel dummy, dimana nilainya hanya ada dua kemungkinan yaitu 0 yang berarti keluarga tersebut tidak mempunyai anak yang sedang kuliah dan nilai 1 yang berarti keluarga tersebut mempu

nyai anak yang sedang kuliah, berapapun jumlahnya.

Prosedur SPSS adalah : Analyze > Regression &g

t; Linier

kemudian masukkan variabel dependen Food dan ketiga variabel independen.

Hasil analisis regresi sebagai berikut:

Regression

Descriptive Statistics
	Mean	Std. Deviation	N
Food	5666.67	1103.163	12
Income	516.33	69.196	12
Size	5.17	.937	12
Student	.50	.522	12

Descriptive statistics menggambarkan nilai rata-rata variabel, deviasi standar dan jumlah data variabel dependen dan variabel independen.

Correlations
		Food	Income	Size	Student
Pearson Correlation	Food	1.000	.587	.876	.773
	Income	.587	1.000	.609	.491
	Size	.876	.609	1.000	.743
	Student	.773	.491	.743	1.000
Sig. (1-tailed)	Food	.	.022	.000	.002
	Income	.022	.	.018	.053
	Size	.000	.018	.	.003
	Student	.002	.053	.003	.
N	Food	12	12	12	12
	Income	12	12	12	12
	Size	12	12	12	12
	Student	12	12	12	12

Koefisen korelasi menunjukkan tingkat hubungan variabel yang digunakan dalam penelitian.

Model Summary
Model	R	R Square	Adjusted R Square	Std. Error of the Estimate
1	.897a	.804	.731	572.687
a. Predictors: (Constant), Student, Income, Size

Nilai R square = 0.897 dari tabel di atas menunjukkan bahwa 89.7 % dari varians Food dapat dijelaskan oleh perubahan dalam variabel Income, Size dan Student.

ANOVAb
Model		Sum of Squares	df	Mean Square	F	Sig.
1	Regression	10762902.960	3	3587634.320	10.939	.003a
	Residual	2623763.707	8	327970.463
	Total	13386666.667	11
a. Predictors: (Constant), Student, Income, Size b. Dependent Variable: Food

UJI F

Uji F dimaksudkan untuk menguji apakah variabel-variabel independen secara bersama-sama berpengaruh signifikan terhadap variabel dependen .

Hipotesis:

H0: variabel-variabel independen secara bersama-sama tidak berpengaruh signifikan terhadap variabel dependen

H1: variabel-variabel independen secara bersama-sama berpengaruh signifikan terhadap variabel dependen


Dasar Pengambilan Keputusan

Jika probalitasnya (nilai sig) > 0.05 atau F hitung < F tabel maka H0 tidak ditolak

Jika probalitasnya (nilai sig) < 0.05 atau F hitung > F tabel maka H0 ditolak

Keputusan:

Pada tabel di atas nilai sig = 0.003 < 0.05, sehingga H0 ditolak, yang berarti variabel-variabel independen secara bersama-sama berpengaruh signifikan terhadap variabel dependen Food.

Coefficientsa
Model		Unstandardized Coefficients		Standardized Coefficients	t	Sig.
		B	Std. Error	Beta
1	(Constant)	954.024	1580.839		.603	.563
	Income	1.092	3.153	.068	.346	.738
	Size	748.384	302.953	.636	2.470	.039
	Student	564.521	495.135	.267	1.140	.287
a. Dependent Variable: Food

UJI t

Uji t dimaksudkan untuk menguji apakah variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen.

Hipotesis:

H0: variabel independen secara parsial tidak berpengaruh signifikan terhadap variabel dependen

H1: variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen

Dasar Pengambilan Keputusan

Jika probalitasnya (nilai sig) > 0.05 atau - t tabel < t hitung < t tabel maka H0 tidak ditolak

Jika probalitasnya (nilai sig) < 0.05 atau t hitung < - t tabel atau t hitung > t tabel maka H0 ditolak

Keputusan:

Pada tabel di atas nilai sig variabel Size 0.039 < 0.05 sehingga H0 ditolak, yang berarti variabel independen Size secara parsial berpengaruh signifikan terhadap variabel Food. Sedangkan Income dan Student tidak berpengaruh nyata kepada Food karena nilai sig keduanya masing-masing 0.738 dan 0.287 dimana keduanya > 0.05.

Dengan demikian persamaan estimasinya adalah :

Food = 954.024 + 1.092*Income + 748.384*Size + 565.521*Student

»»  READMORE...