Analisis Regresi Berganda

Selamat datang sobat, kali ini saya akan berbagi contoh analisis dari regresi berganda. Berikut ini contohnya :

1.    Buatlah  analisis regresi berikut uji asumsi klasik dari data nilai test, pengalaman kerja dan keluaran dari 10 pekerja berikut ini:

Y         32    15   30    34    35    10  39    26    11    23

X₁          160  80  112  185  152  90  170  140  115  150

X₂          5,5    6    9,5     5      8      3     9      5     0,5   1,5

Catatan : tentukan secara logika mana dari data diatas yang merupakan variabel nilai test, pengalaman kerja dan keluaran.

Jawab : 

Descriptive Statistics
	Mean	Std. Deviation	N
Keluaran	25.50	10.406	10
Pnglmn_Kerja	135.40	34.747	10
Nilai_Test	5.300	3.0203	10

Correlations
		Keluaran	Pnglmn_Kerja	Nilai_Test
Pearson Correlation	Keluaran	1.000	.814	.709
	Pnglmn_Kerja	.814	1.000	.181
	Nilai_Test	.709	.181	1.000
Sig. (1-tailed)	Keluaran	.	.002	.011
	Pnglmn_Kerja	.002	.	.308
	Nilai_Test	.011	.308	.
N	Keluaran	10	10	10
	Pnglmn_Kerja	10	10	10
	Nilai_Test	10	10	10

• Nilai test rata-rata (dengan jumlah data 10 orang pekerja) adalah 5,3 dengan standar deviasi 3,02.
• Besar hubungan antarvariabel Keluaran dengan Pengalaman Kerja yang hitung dengan koefisien korelasi adalah 0,814, sedangkan variable Keluaran dengan Nilai Test adalah 0,709. Secara teoritis, karena korelasi antara Keluaran dan Pengalaman Kerja lebih besar, maka variable Pengalaman Kerja lebih berpengaruh terhadap Keluaran dibandingkan variable Nilai Test.
• Terjadi korelasi yang lemah antara variable Pengalaman Kerja dengan Nilai Test yaitu 0,181. Hal ini menandakan tidak adanya multikolinieritas, atau tidak ada korelasi di antara variable bebas.
• Tingkat signifikansi koefisien korelasi satu sisi dari output menghasilkan angka 0,002 dan 0,011. Karena probabilitas jauh di bawah 0,05, maka korelasi di antara variable Keluaran dengan Pengalaman Kerja dan Nilai Test sangat nyata.

Variables Entered/Removedb
Model		Variables Entered	Variables Removed	Method
dimension0	1	Nilai_Test, Pnglmn_Kerjaa	.	Enter
a. All requested variables entered.
b. Dependent Variable: Keluaran

Tabel variables entered menunjukkan bahwa tidak ada variable yang dikeluarkan, atau dengan kata lain kedua variable bebas dimasukkan dalam perhitungan regresi.

Model Summaryb
Model		R	R Square	Adjusted R Square	Std. Error of the Estimate
dimension0	1	.994a	.988	.984	1.298
a. Predictors: (Constant), Nilai_Test, Pnglmn_Kerja
b. Dependent Variable: Keluaran

·         Angka R square adalah 0,988. Hal ini berarti 98,8% dari variasi keluaran bisa dijelaskan oleh variable pengalaman kerja dan nilai test. Sedangkan sisanya (100% - 98,8% = 1,2%) dijelaskan oleh sebab-sebab yang lain.

·         Standar error of estimate adalah 1,298 sedangkan standar deviasi Keluaran adalah 10,406, yang jauh lebih besar dari standar error of estimate. Karena lebih kecil dari standar deviasi Keluaran maka model regresi lebih bagus dalam bertindak sebagai predictor Keluaran daripada rata-rata Keluaran itu sendiri.

ANOVAb
Model		Sum of Squares	df	Mean Square	F	Sig.
1	Regression	962.710	2	481.355	285.802	.000a
	Residual	11.790	7	1.684
	Total	974.500	9
a. Predictors: (Constant), Nilai_Test, Pnglmn_Kerja
b. Dependent Variable: Keluaran

Dari uji F test , didapat F hitung adalah 285,802 dengan tingkat signifikasi 0,000. Karena probabilitas (0,000) jauh lebih kecil dari 0,05 maka model regresi bisa dipakai untuk memprediksi Keluaran. Atau bisa dikatakan, Pengalaman Kerja dan Nilai Test secara bersama-sama berpengaruh terhadap Keluaran.

Coefficientsa
Model		Unstandardized Coefficients		Standardized Coefficients	t	Sig.
		B	Std. Error	Beta
1	(Constant)	-13.825	1.795		-7.701	.000
	Pnglmn_Kerja	.212	.013	.708	16.759	.000
	Nilai_Test	1.999	.146	.580	13.728	.000
a. Dependent Variable: Keluaran

Persamaan Regresi :

 Y = -13,825 + 0,212X₁ + 1,999X₂

Dimana ;

Y adalah keluaran

X₁ adalah pengalaman kerja

X₂ adalah nilai test

• Konstanta sebesar -13,825 menyatakan bahwa jika tidak ada pengalaman kerja dan nilai test, maka keluaran adalah -13,825.
• Koefisien regresi X₁ sebesar 0,212 menyatakan bahwa setiap penambahan 1 pengalaman kerja, maka akan meningkatkan keluaran sebesar 0,212.
• Koefisien regresi X₂ sebesar 1,999 menyatakan bahwa setiap penambahan 1 nilai test, maka akan meningkatkan keluaran sebesar 1,999.
• Uji t untuk menguji signifikansi konstansta dan variable dependen (pengalaman kerja) dengan sig 0,000 jauh di bawah 0,025, maka dapat dikatakan kedua koefisien regresi signifikan, atau pengalaman kerja dan nilai test benar-benar berpengaruh secara signifikan terhadap keluaran.

Demikian sobat contoh analisis dari regresi berganda n terimakasih atas kunjungannya.... :)