Langkah Mencari Persamaan Regresi Linear Berganda Dengan Menggunakan Software IBM SPSS 21

Regresi Linear Berganda merupakan salah satu teknik analisis data yang sering digunakan oleh seorang peneliti yang menggunakan pendekatan penelitian kuantitatif. Penelitian yang menggunakan Regresi Linear Berganda seringkali menggunakan judul dengan kata “Pengaruh” di depannya.

Sebagai contoh, “Pengaruh Periklanan dan Personal Selling Terhadap Volume Penjualan Perusahaan X”. Secara sekilas, kita bisa bahwa penelitian dengan judu tersebut menggunkan Regresi Linear Berganda. Namun, yang perlu diingat, bahwa tidak semua judul penelitian yang menggunakan kata “pengaruh” selalu menggunakan Regresi Linear Berganda.

Regresi Linear Berganda dinotasikan dalam persamaan berikut ini:

Y = a + b1.X1 + b2.X2 … + bn.Xn

Keterangan:

Y = Variabel terikat

X1 dan X2 = Variabel bebas

a = intersep

b1, b2 dan bn = konstanta

Banyaknya X tergantung dari jumlah variabel bebeas yang digunakan, yang secara teori, seorang peneliti boleh menggunakan variabel bebas sebanyak-banyaknya. Namun, dalam praktiknya apabila variabel bebas yang digunakan lebih dari 7, hasil regresi linear berganda akan bias. Sehingga apabila anda melakukan penelitian dengan variabel bebas lebih dari 7, sebaiknya tidak menggunakan regresi linear berganda.

Dalam olah data penelitian, kita tidak perlu menghitung persamaan regresi linear bergandanya secara manual, karena sudah ada banyak software yang bisa digunakan untuk analisis data, salah satunya adalah SPSS. Dalam artikel ini kita menggunakan software IBM SPSS 21. Namun, cara ini juga bisa dipraktikkan untuk SPSS versi sebelumnya: 20, 19, bahkan 16 dan 17.

Okay, langsung saja, berikut langkah-langkahnya:

Kita melanjutkan contoh di artikel sebelumnya “Langkah Mencari Sumbangan Efektif Regresi (R Square / Adjusted R Square) dengan IBM SPSS 21”. Dalam artikel tersebut data yang digunakan adalah sebagai berikut:

No	Periklanan (X1)	Personal Selling (X2)	Volume Penjualan (Y)
1	29	22	31
2	24	19	25
3	26	18	27
4	28	21	27
5	29	18	26
6	27	22	27
7	23	17	26
8	32	31	36
9	23	21	31
10	32	28	36
11	27	23	32
12	32	28	36
13	25	17	24
14	21	21	25
15	24	21	26
16	25	18	27
17	25	20	27
18	29	18	23
19	23	18	24
20	32	30	36

1. Langkah pertama adalah input data tersebut ke dalam lembar kerja SPSS 21 atau SPSS versi lain (kami asumsikan anda sudah bisa melakukan input data ke dalam lembar kerja SPSS).

2. Langkah Kedua adalah Klik Analyze --> Regression --> Linear…

3. Setelah itu akan muncul window baru, kemudian masukkan variabel Y (Volume Penjualan ke dalam kotak ‘Dependent’ dan variabel X1 dan X2 (Periklanan dan Personal Selling) ke dalam kotak ‘Independent’

4. Klik ‘OK’ untuk Mengakhiri

5. Akan Muncul Output Seperti di Bawah ini, yang Digunakan Hanya ‘Coefficients’

6. Interpretasi

Terdapat beberapa kolom dalam tabel Coefficients di atas. Yang perlu anda perhatikan ketika akan mencari persamaan regresi linear bergandanya adalah kolom ‘B’. Dalam kolom B tersebut nilai (Constant) adalah 6,428; Periklanan (0,142) dan Personal Selling (0,852).

Constant merupakan konstanta persamaan regresi atau dikenal juga dengan nama Intersep. Sedangkan 0,142 dan 0,852 berturut-turut adalah konstanta untuk X1 dan X2. Sehingga apabila dituliskan, persamaan regresi linear berganda dari contoh penelitian tadi adalah:

Y  = 6,428 + 0,142X1 + 0,852X2

Interpretasi dari persamaan regresi tersebut adalah sebagai berikut:

Konstanta / intersep sebesar 6,428 secara matematis menyatakan bahwa jika nilai variabel bebas X1 dan X1 sama dengan nol maka nilai Y adalah 6,428. Dalam kata lain bahwa nilai volume penjualan perusahaan X tanpa periklanan dan personal selling adalah 6,428 unit.

Koefisien regresi variabel perencanaan realisasi produk (X1) sebesar 0,142 artinya bahwa peningkatan satu unit variabel periklanan dengan asumsi variabel bebas lain konstan akan menyebabkan kenaikan volume penjualan sebesar 0,142 unit.

Koefisien regresi variabel perencanaan realisasi produk (X2) sebesar 0,852 artinya bahwa peningkatan satu unit variabel personal selling dengan asumsi variabel bebas lain konstan akan menyebabkan kenaikan volume penjualan sebesar 0,852 unit.

Langkah Uji F Dengan IBM SPSS 21

Sebagaimana yang telah dibahas dalam artikel “Uji Hipotesis Menggunakan Regresi Berganda, Uji F, Uji t, dan Adjusted R Squared” bahwa Uji F digunakan untuk menguji salah satu hipotesis di dalam penelitian yang menggunakan analisis Regresi Linear Berganda.

Pada artikel kali ini, kami akan menampilkan langkah-langkah Uji F tersebut dengan menggunakan bantuansoftware IBM SPSS21.

Kami menggunakan software IBM SPSS 21, tetapi langkah-langkah yang kami tampilkan di sini bisa juga diterapkan pada software SPSS versi di bawah 21.

Ok. Langsung saja, kami asumsikan pembaca sudah mempunyai tabulasi data yang siap diolah di dalam SPSS. Misalkan kita mempunyai tabulasi data dengan 3 variabel, yang terdiri dari 2 variabel bebas dan 1 variabel terikat.

Dua variabel bebas tersebut misalkan Praktik Kerja Industri / Prakerin (X₁) dan Motivasi Kerja (X₂). Satu variabel terikatnya adalah Kesiapan Kerja (Y), sehingga apabila data tersebut sudah ditabulasi akan seperti gambar di bawah ini:

Adapun Langkah-langkah Uji F menggunakan SPSS 21 adalah sebagai berikut:

1. Klik Analyze --> Regression --> Linear …

2. Setelah itu akan muncul window baru, kemudian masukkan variabel Y (Kesiapan Kerja ke dalam kotak ‘Dependent’ dan variabel X₁ dan X₂ (Prakerin dan Motivasi Kerja) ke dalam kotak ‘Independent’

3. Klik ‘OK’ untuk mengakhiri langkah

4. Setelah itu, akan muncul window baru yaitu output dari analisis tersebut. Yang digunakan hanya tabel ‘ANOVA’ khususnya untuk kolom ‘F’ dan ‘Sig.’

Kriteria Pengujian

Setelah melihat tabel ‘ANOVA’ di atas, langkah selanjutnya adalah kriteria pengujiannya. Terdapat dua cara kriteria pengujian, dan bisa dipilih salah satu saja, yaitu:

1. Nilai ‘F’

Nilai F dalam contoh di atas adalah 14,055. Angka ini adalah nilai F hitung, yang selanjutnya dibandingkan dengan nilai F tabel. Apabila nilai F hitung lebih besar dari F tabel maka disimpulkan bahwa terdapat pengaruh yang signifikan antara Prakerin (X₁) dan Motivasi Kerja (X₂) secara simultan terhadap Kesiapan Kerja (Y) dan sebaliknya.

2. Nilai‘Sig.’

‘Sig.’ di sini berarti taraf Signifikansi. Kriteria pengujiannya adalah apabila nilai ‘Sig.’ lebih kecil dari taraf signifikansi yang digunakan (misal: 0,01 / 0,05 / 0,1 tergantung peneliti) maka dapat disimpulkan bahwa terdapat pengaruh yang signifikan antara Prakerin (X₁) dan Motivasi Kerja (X₂) secara simultan terhadap Kesiapan Kerja (Y) dan sebaliknya.

Tutorial Uji T Dengan IBM SPSS 21

Uji t yang dimaksud dalam artikel ini adalah uji parsial yang digunakan dalam pengujian hipotesis penelitian yang menggunakan analisis regresi linear berganda.

Kalau dalam artikel yang lalu kita menampilkan Tutorial Uji F dengan IBM SPSS 21, kali ini kita akan membahasTutorial Uji t dengan IBM SPSS 21. Langkah-langkah pengujiannya sebagian besar sama, perbedaannya terletak pada tabel yang digunakan. Kalau dalam Uji Fmenggunakan tabel ANOVA, sedangkan dalam Uji t yang digunakan adalah tabel Coefficients.

Dalam analisis regresi linear berganda, Uji t digunakan untuk uji parsial (sendiri-sendiri) dalam arti menguji pengaruh masing-masing variabel bebas terhadap variabel terikat.

Misalnya anda ingin menguji pengaruh Prakerin (X1) dan Motivasi Kerja (X2) terhadap Kesiapan Kerja (Y). Terdapat dua variabel bebas dan satu variabel terikat. Uji t digunakan untuk menguji pengaruh antara variabel X1 terhadap Y dan X2 terhadap Y. Berbeda dengan Uji F yang digunakan untuk menguji pengaruh X1 dan X2 (bersama-sama) terhadap Y.

Sama halnya dalam Uji F, kami asumsikan pembaca sudah mempunyai tabulasi data penelitian. Berikut contoh tabulasi penelitian yang sudah kami masukkan dalam SPSS:

Baik, langsung saja kami tampilkan langkah-langkah pengujiannya:

1. Klik Analyze --> Regression --> Linear …

2. Setelah itu akan muncul window baru, kemudian masukkan variabel Y (Kesiapan Kerja ke dalam kotak ‘Dependent’ dan variabel X1 dan X2 (Prakerin dan Motivasi Kerja) ke dalam kotak ‘Independent’

 

3. Klik ‘OK’ untuk mengakhiri langkah

4. Setelah itu, akan muncul window baru yaitu output dari analisis tersebut. Yang digunakan hanya tabel ‘Coefficients’ khususnya untuk kolom ‘t’ dan ‘Sig.’

Kriteria Pengujian

Setelah melihat tabel ‘Coefficients di atas, langkah selanjutnya adalah kriteria pengujiannya. Terdapat dua cara kriteria pengujian, dan bisa dipilih salah satu saja, yaitu:

1. Nilai ‘t’

Nilai t dalam contoh di atas adalah 3,206 untuk X1 dan 2,912 untuk X2. Angka ini disebut dengan t hitung, yang selanjutnya dibandingkan dengan nilai t tabel. Apabila nilai t hitung kedua variabel tersebut lebih besar dari t tabel maka disimpulkan bahwa terdapat pengaruh yang signifikan antara Prakerin (X1) dan Motivasi Kerja (X2) secara parsial (sendiri-sendiri) terhadap Kesiapan Kerja (Y).

2. Nilai‘Sig.’

‘Sig.’ di sini berarti taraf Signifikansi. Kriteria pengujiannya adalah apabila nilai ‘Sig.’ lebih kecil dari taraf signifikansi yang digunakan (misal: 0,01 / 0,05 / 0,1 tergantung peneliti) maka dapat disimpulkan bahwa terdapat pengaruh yang signifikan antara Prakerin (X1) dan Motivasi Kerja (X2) secara parsial (sendiri-sendiri) terhadap Kesiapan Kerja (Y).

Langkah Mencari Sumbangan Efektif Regresi (R Square / Adjusted R Square) Dengan IBM SPSS 21

Sebagai pendahuluan, kami sedikit memberikan penjelasan tentang sumbangan efektif regresi. Sumbangan efektif sebuah regresi linear, baik itu sederhana maupun ganda, digunakan untuk melihat seberapa besar kontribusi (pengaruh) variabel bebas terhadap variabel terikat.

Contoh:

Misalkan, sebuah penelitian dengan variabel bebas periklanan (X1) dan personal selling (X2) dan variabel terikatnya adalah volume penjualan (Y) mempunyai sumbangan efektif sebesar 0,436.

Interpretasinya adalah bahwa variabel periklanan dan personal selling dapat mempengaruhi volume penjualan hingga 43,6% (0,436 x 100), sedangkan sisanya (100 – 43,6 = 56,4%) dipengaruhi oleh variabel lain di luar penelitian.

Bagaimana Cara Menentukan Besarnya Sumbangan Efektif Regresi Linear?

Besarnya sumbangan efektif tersebut dilihat dari nilai R Square atau Adjusted R Square. Mengapa ada dua pilihan? Begini kriteria penentuannya:

Apabila teknik analisis datanya hanya terdiri dari satu sampai dua variabel bebas, kita menggunakan R Square, tetapi apabila jumlah variabel bebasnya lebih dari 2 (dua) maka lebih baik menggunakan Adjusted R Square yang nilainya selalu lebih kecil dari R Square (Totalia & Hindrayani, 2013).

Bagaimana Cara Mencari Nilai R Square dan Adjusted R Square dengan SPSS?

Berikut kami tampilkan langkah-langkah mencari nilai R Square dan Adjusted R Square dengan menggunakan software IBM SPSS 21. Seperti yang selalu kami katakan, bahwa meskipun kita di sini menggunakan software IBM SPSS 21, tetapi langkah-langkah yang kami tampilkan dalam artikel ini bisa juga diterapkan di software IBM SPSS versi sebelumnya (20, 19, bahkan 16 dan 17).

Okay, langsung saja, berikut langkah-langkahnya:

Kita melanjutkan contoh di atas, misalkan kita melakukan penelitian tentang pengaruh periklanan dan personal selling terhadap volume penjualan perusahaan maju jaya. Data yang diperoleh sebagai berikut:

No	Periklanan (X1)	Personal Selling (X2)	Volume Penjualan (Y)
1	29	22	31
2	24	19	25
3	26	18	27
4	28	21	27
5	29	18	26
6	27	22	27
7	23	17	26
8	32	31	36
9	23	21	31
10	32	28	36
11	27	23	32
12	32	28	36
13	25	17	24
14	21	21	25
15	24	21	26
16	25	18	27
17	25	20	27
18	29	18	23
19	23	18	24
20	32	30	36

1. Langkah pertama adalah input data tersebut ke dalam lembar kerja SPSS 21 (kami asumsikan anda sudah bisa melakukan input data ke dalam lembar kerja SPSS)

2. Langkah Kedua adalah Klik Analyze --> Regression --> Linear…

 

3. Setelah itu akan muncul window baru, kemudian masukkan variabel Y (Volume Penjualan ke dalam kotak ‘Dependent’ dan variabel X1 dan X2 (Periklanan dan Personal Selling) ke dalam kotak ‘Independent’

4. Klik ‘OK’ untuk Mengakhiri

5. Akan Muncul Output Seperti di Bawah ini, yang Digunakan Hanya ‘Model Summary’

6. Interpretasi

Di dalam Tabel Model Summary akan langsung muncul nilai R Square dan Adjusted R Square, kita tinggal memilih mana yang akan digunakan berdasarkan ketentuan yang telah kami jelaskan di atas.

Karena kita hanya menggunakan 2 variabel bebas (periklanan dan personal selling) maka yang digunakan adalah R Square yaitu sebesar 0,847 atau 84,7%.

Dengan demikian dapat dikatakan bahwa besarnya pengaruh variabel periklanan dan personal selling terhadap volume penjualan adalah 84,7% sedangkan sisanya (15,3%) dipengaruhi oleh variabel lain di luar penelitian.