Analisis regresi linear berganda

1. Modul ke:
Fakultas
Program Studi
Modul ke:
Dr. Mirza , ST, MM
06
Ekonomi dan
Bisnis
Manajemen S1
Pembuka Daftar Pustaka Akhiri Presentasi
Regresi Linear Berganda dan Asumsi
Klasik
Statistik Berbasis
Komputer

2. • Regresi linier berganda dengan SPSS – Analisis regresi linear
berganda adalah Salah satu bentuk analisis regresi linier di mana
variabel bebasnya lebih dari satu.
• Analisis regresi adalah analisis yang dapat digunakan untuk
mengukur pengaruh suatu variabel bebas terhadap Variabel tidak
bebasnya.
• Metode analisis ini menjadi salah satu analisis yang banyak
digunakan karena alasan mudah dan memiliki kekuatan yang cukup
dalam menjelaskan suatu pengaruh suatu variabel bebas ke variabel
terikatnya
Pendahuluan

3. ASUMSI KLASIK DALAM
REGRESI
1. Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi,
variabel penganggu atau residual memiliki distribusi normal. Ada dua
cara untuk mendeteksi apakah residual mengikuti berdistribusi normal
atau tidak dengan cara analisis grafik dan uji statistik non-parametrik
Kolmogrov-Smirnov (K-S).
2. Tidak Terjadi Multikolinearitas
Jika model persamaan regresi mengandung gejala multikolinearitas,
berarti terjadi korelasi (mendekati sempurna) antar variabel bebas.
Cara untuk mendeteksi apakah persamaan regresi memiliki
multikolinearitas antar variabel, yaitu dengan melihat nilai variance
inflation factor (VIF) dari masing-masing variabel terhadap variabel
terikatnya. jika nilai VIF tidak lebih dari 5, maka model tidak terdapat
multikoliniearitas.

4. 3. Tidak Terjadi
Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model
regresi terjadi ketidaksamaan variance dari residual satu pengamatan
ke pengamatan lainnya. Jika variance dari residual satu pengamatan ke
pengamatan lain tetap, maka disebut homoskedastisitas atau tidak
terjadi heteroskedastisitas.
Untuk menguji ada atau tidaknya heteroskedastisitas melihat grafik plot
antara nilai prediksi variabel terikat (dependen) yaitu ZPRED dengan
residualnya SRESID. Dasar analisisnya sebagai berikut:
• Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang teratur (bergelombang, melebar kemudian
menyempit), maka mengindikasikan telah terjadi heteroskedastisitas
• Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di
bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas

5. 4. Linearitas
Pengujian linearitas berguna untuk melihat apakah spesifikasi model
yang digunakan sudah benar atau tidak. Untuk menguji linearitas,
penulis menggunakan uji Ramsey. Uji ini bertujuan untuk menghasilkan
F-hitung, dengan cara sebagai berikut:
1. Peneliti mesti memperoleh fitted value dari variabel dependen
dengan cara lakukan regresi linear, kemudian pilih save dan
aktifkan Dfit pada influence statistic.
2. Lalu dari variabel fitted tersebut regresikan bersama sama
dengan model semula sebagai variabel independen. Dapatkan
nilai R2 untuk menghitung F-statistik dengan rumus sebagai
berikut:

6. 5. Tidak Terjadi
Autokorelasi
Uji Autokorelasi bertujuan untuk mengetahui apakah dalam model
regresi linear ada korelasi antara kesalahan pengganggu pada periode
t dengan kesalahan penganggu pada periode t-1 (sebelumnya). Model
Regresi yang baik tidak terjadi autokorelasi. Untuk mendeteksi ada atau
tidaknya terjadi autokorelasi dengan Uji Dubit –Watson (DW test).
Hipotesis nol Keputusan JIka
Tidak ada
autokorelasi positif
Tolak 0 < DW < dl
Tidak ada
autokorelasi positif
No decision dl< DW < du
Tidak ada korelasi
negatif
Tolak 4 – dl < DW < 4
Tidak ada korelasi
negatif
No decision 4 – du ≤ DW ≤ 4 -
dl
Tidak ada
Autokorelasi
Tidak ditolak Du < DW < 4 - du

7. Kasus Regresi Linear Berganda
Mr X, seorang manajer pemasaran merasa bahwa penjualannya pada
masa mendatang akan menghadapi persaingan yang semakin ketat
karena banyaknya perusahaan yang ikut terjun dalam industri tersebut.
untuk menghadapi persaingan tersebut, Mr X menggiatkan kembali
program promosi penjualan. masalahnya apakah ketiga kegiatan
promosi yaitu iklan, personal selling, dan promosi penjualan
mempunyai pengaruh yang berarti terhadap volume penjualan? apabila
terdapat pengaruhnya, variabel manakah yang memberikan pengaruh
terbesar terhadap volume penjualan?
Rumusan Masalah
1. Apakah ada pengaruh yang signifikan antara biaya periklanan,
biaya personal selling dan biaya promosi penjualan terhadap
peningkatan volume penjualan?
2. Dari ketiga variabel tersebut, variabel manakah yang memberikan
kontribusi tertinggi terhadap peningkatan volumen penjualan?

8. I. UJI MULTIKOLONIERITAS
LANGKAH-LANGKAH
1. Buka file Datamentah.xls, pilih sheet lamp5_analisis Regresi, blok
semua data lalu pindahkan ke SPSS data view.
2. Dari menu utama klik Analyze/ Regression/Linear
3. Masukkan variabel volume penjualan ke kotak dependent
4. Variabel iklan, p_selling, P_penjualan ke kotak independent
5. Klik STATISTICS : pada regression coefficients, aktivkan covarian
🡺
matrix dan collinearity diagnostics, abaikan yg lain , klik Continue

9. II. UJI AUTOKORELASI
Langkah-langkahnya sbb:
1. Pada menu utama klik Analyze/Regression/Linear
2. Masukkan variabel volume penjualan ke kotak dependent
3. Variabel iklan, p_selling, P_penjualan ke kotak independent
4. KLIK KOTAK statistik, klik durbin Watson
5. Klik OK
6. Print Out Hasil

10. Hasil Output
Interpretasi Hasil
Nilai alpha = 0,05 untuk pengujian autokorelasi adalah (n=11 dan k =3)
Apabila kita lihat tabel Durbin Watson dengan n=11, K=3, maka akan
diperoleh nilai dL= 0,658 dan dU= 1,864, sehingga nilai 4 – dU = 4 –
1,864 = 2,136, sedangkan nilai 4- dL = 4 – 0,658 = 3,342. Karena nilai
DW terletak antara dU sampai dengan 4 – dU maka tidak terjadi
autokorelasi
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of
the Estimate
Durbin-
Watson
1 .922a
.851 .787 620.35464 2.120
a. Predictors: (Constant), promosipenjualan, personalselling, iklan
b. Dependent Variable: volumepenjualan

11. III. UJI HETEROSKEDASITAS
Langkah-langkahnya sbb:
1. Lakukan regresi dengan persamaan volume penjualan = f (iklan, personel
selling, sales promotion)
2. Tekan tompol PLOTS hingga dilayar tampak tampilan dibawah ini
3. Masukkan variabel SRESID pada kotak pilihan X dan
4. Masukkan variabel ZPRED pada kotak pilihan Y
5. Tekan continue dan abaikan yang lain
6. TekanOK

12. Hasil Output
Interpretasi Hasil
• Berdasarkan hasil scatterplots terlihat bahwa titik-titik menyebar
secara acak serta tersebar baiik di atas maupun di bawah angka 0
pada sumbu Y. hal ini disimpulkan bahwa tidak terjadi
heteroskedastisitas pada model regresi. Sehingga model regresi
layak untuk memprediksi volume penjulan berdasarkan variabel
independen iklan, promosi penjualan, dan sales promotion

13. IV. UJI NORMALITAS
Langkah-langkahnya sbb:
1. Dari menu utama klik Analyzee/ non parametric test/ lagcy dialogs
2. Kemudian pilih 1 sample K-S
3. Pada kotak test variabel list, isikan unstandardized residual, dan
aktifkan test distribution pada kotak normal
4. Pilih Exact lalu pilih Monte Carlo
5. Pilih OK

14. HASIL OUTPUTNYA
• Kurva nilai residual terstandardisasi dikatakan menyebar dengan
normal jika: Nilai kolmogorov-smirnov Z <= Z tabel atau nilai
asym.sig (2-tailed) > α, Karena nilai asym.sig > 0,05, maka nilai
residual terstandardisasi dikatakan menyebar secara normal
One-Sample Kolmogorov-Smirnov Test
Unstandardize
d Residual
N 11
Normal Parametersa,b
Mean .0000000
Std. Deviation 519.02593079
Most Extreme Differences Absolute .244
Positive .244
Negative -.183
Test Statistic .244
Asymp. Sig. (2-tailed) .066c
Monte Carlo Sig. (2-tailed) Sig. .462d
99%
Confidence
Interval
Lower Bound .449
Upper Bound
.475
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.

15. v. Uji Linear
Langkah-langkah sbb:
1. Peneliti mesti memperoleh fitted value dari variabel dependen dengan
cara lakukan regresi linear, kemudian pilih save dan aktifkan Dfit pada
influence statistic.
2. Lalu dari variabel fitted tersebut regresikan bersama sama dengan
model semula sebagai variabel independen. Dapatkan nilai R2 untuk
menghitung F-statistik dengan rumus sebagai berikut:
F = (R2
NEW –R2
OLD)/m
(1 – R2
NEW)/ (n- k)
M = jumlah variabel independen yg baru masuk =1
N = jumlah sampel = 11
K = total jumlah variabel independen = 4
R2
new = nilai r2 setelah ditambahkan dfItt
R2
OLD = R2 SEBELUM DITAMBAHKAN DFITT
• Dari hasil perhitungan nilai F hitung, kemudian dibandingkan dengan F
tabel. Jika F –hitung > F tabel, maka hipotesis nol yang menyatakan
bahwa spesifikasi model dalam bentuk fungsi linear ditolak

16. Hasil Outputnya
• Berdasarkan hasil output di atas menunjukkan bahwa nilai R2New =
0,980 sedangkan R2 old = 0,851 (lihat regresi utama sebelumnya),
jumlah variabel independen yang baru masuk adalah 1 yaitu dffit dan
n jumlah observasi = 11 dan jumlah parameter k yang baru= 4
sehingga dapat dihitung besarnya F hitung sbb:
• F hitung = ( 0,980 – 0,851)/ 1
• ( 1 – 0,98 )/ (11- 4)
• = 0,129
• 0,02/7
• = 0,129
• 0,0029
• = 44,49
• Sedangkan F tabel dengan degree of freedom (df) = n-k=7 dan
jumlah parameter 3 adalah 4,35. Jadi F hitung > F tabel maka
dapat disimpulkan bahwa hipotesa nol ditolak dengan berarti model
regresi tidak dalam bentuk linear.
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of
the Estimate
1 .990a
.980 .967 243.58595
a. Predictors: (Constant), DFFIT, personalselling, iklan,
promosipenjualan
b. Dependent Variable: volumepenjualan

17. TAHAP PENGUJIAN HIPOTESIS DENGAN UJI REGRESI
LINEAR BERGANDA
Langkah-langkahnya sbb:
1. Pada menu utama klik Analyze/Regression/Linear
2. Masukkan variabel volume penjualan ke kotak dependent
3. Variabel iklan, p_selling, P_penjualan ke kotak independent
4. Abaikan pilihan yang lain, klik OK
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of
the Estimate
Durbin-
Watson
1 .922a
.851 .787 620.35464 2.120
a. Predictors: (Constant), p_PENJUALAN, P_SELLING, IKLAN
b. Dependent Variable: VOL_PENJUALAN
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 1.538E7 3 5125508.459 13.319 .003a
Residual 2693879.168 7 384839.881
Total 1.807E7 10
a. Predictors: (Constant), p_PENJUALAN, P_SELLING, IKLAN
b. Dependent Variable: VOL_PENJUALAN

18. Hasil Output dan Interpretasi
Hasil
HASIL UJI HIPOTESIS
• HIPOTESIS PERTAMA
• UJI secara simultan
Karena nilai F hitung (13.319) > nilai F tabel (3,59) atau sig (0,003) < =
alpha (0,05), maka secara simultan biaya periklanan, personal selling,
dan promosi penjualan berpengaruh terhadap volume penjualan
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
B Std. Error Beta
1 (Constant) 10917.437 2963.663 3.684 .008
IKLAN .240 .110 .359 2.185 .065
P_SELLING .154 .142 .166 1.085 .314
p_PENJUALAN .507 .135 .644 3.764 .007
a. Dependent Variable: VOL_PENJUALAN

19. Uji Secara Parsial
• Nilai T hitung X1 (2,185) > t tabel (1,860) atau sig (0,065) > alpha
(0,05)
• Nilai T hitung X2 (1,656) > t tabel (1,860) atau sig (0,314) > alpha
(0,05)
• Nilai T hitung X3 (3,957) > t tabel (1,860) atau sig (0,007) < alpha
(0,05)
• Maka secara parsial biaya biaya promosi berpengaruh secara
signifikan terhadap volume penjualan. Sedangkan biaya iklan (X1)
dan biaya personel selling (X2) tidak memiliki pengaruh signifikan
terhadap volume penjualan

20. HIPOTESIS KEDUA
Dapat diketahui dengan melihat tabel coefficient (beta) dengan nilai
sbb:
• Beta X1 ( biaya periklanan) = 0,24
• Beta X2 (persona selling) = 0,154
• Beta X3 (promosi penjualan) = 0,507
• Karena nilai beta X2 tidak lebih besar dari X1 dan X3, maka
hipotesis yang menyatakan biaya promosi penjualan memberikan
pengaruh paling berarti terhadap volume penjualan diterima.
SEBesar 0,507

21. Daftar Pustaka
GhoZali Imam. (2016). Aplikasi Analisis Multivariate dengan Program IBM SPSS 23.
Universitas Diponegoro
Suliyanto. (2005). Analisis Data Dalam Aplikasi Pemasaran. Ghalia Indonesia
Sarwono Jonathan. (2012). Metode Riset Skripsi Pendekatan Kuantitatif menggunakan
Prosedur SPSS. PT. elex media computindo, kompas gramedia

22. Terima Kasih
Terima Kasih
Dr.Mirza, ST,MM