1. LANGKAH – LANGKAH ANALISIS REGRESI LINIER
DENGAN MICROSOFT EXCEL 2007 & SPSS 16
Regresi sebagai bagian dari analisis inferensial dalam bentuk asosiatif merupakan metode yang paling
akrab di seluruh lingkungan, baik lingkungan pemerintahan maupun lingkungan akademik. Sehingga
penggunaan regresi bukan lagi sesuatu yang asing. Namun yang sering menjadi kendala adalah
pembentukan model regresi harus melibatkan beberapa operasi matematika, misalnya proses
pembentukan matriks, perhitungan determinan atau invers. Oleh karena itu, saya coba sharing melalui
modul ini bagaimana membentuk model regresi dengan bantuan program SPSS 16 dan sebagai
kemudahan lainnya saya berikan juga petunjuk membuat model regresi dengan Microsoft Excel 2007.
Dalam modul ini akan digunakan data simulasi sebagai berikut :
Seorang staf bagian litbang dalam perusahaan distributor TV Samsung LCD 19”-29” ingin mengetahui
permintaan pasar di Indonesia terhadap produknya pada tahun 2010. Diambil sampel dari 20 Kota besar
di Indonesia. Sampel tersebut adalah sebagai berikut :
Kota X1 X2 X3 X4 Y
1 20.58 10.53 15.92 4.95 158
2 19.72 9.86 14.99 5.07 147
3 20.49 10.32 16.50 5.12 169
4 18.55 11.77 16.49 4.85 241
5 19.37 11.02 14.64 5.01 171
6 20.36 9.66 14.70 5.03 120
7 19.88 10.88 15.55 4.49 166
8 20.23 10.31 14.41 5.11 134
9 20.07 10.86 16.23 5.32 192
10 20.24 10.61 15.44 5.50 169
11 20.40 8.59 15.49 4.94 111
12 18.55 9.65 15.65 4.89 179
13 20.16 9.49 15.22 5.28 137
14 19.72 8.75 14.98 5.48 130
15 19.32 10.03 15.78 4.18 158
16 19.90 9.29 16.40 5.11 159
17 19.64 11.46 14.01 5.09 165
18 19.41 10.64 14.76 4.92 164
19 20.64 10.62 15.15 5.27 150
20 19.80 10.14 15.32 4.67 148
2. Dimana : X1 = Rata-rata harga TV LCD Samsung 19”-29” (dalam ratusan ribu rupiah)
X2 = Rata-rata harga TV LCD 19”-29” merk lain (dalam ratusan ribu rupiah)
X3 = Rata-rata pendapatan penduduk (dalam juta rupiah)
X4 = Biaya promosi (dalam ratusan juta rupiah)
Y = Jumlah permintaan TV LCD Samsung 19”-29” (dalam unit)
REGRESI DENGAN SPSS 16
1. Pada saat membuka program SPSS 16 pertama kali, maka program otomatis membuka jendela Data
View. Klik pada Variable View untuk input variable. Input variable seperti gambar berikut :
2. Kembali ke jendela Data View. Klik Data View lalu input data yang akan di analisis, maka akan tampak
layar sebagai berikut :
Label digunakan untuk
memberi penekanan
pada variabel di kolom
Name
3. 3. Bila data telah di input, maka proses analisis bisa dilakukan. Klik Analyze, pilih Regression lalu klik
Linear.
Maka akan tampil jendela berikut :
4. Input variable X1 sampai X4 ke Independent(s), dan Y ke Dependent.
4. Klik Statistics…, maka akan tampil jendela berikut :
Beri tanda √ pada Estimates, Confidence intervals, Model fit, Descriptives, Collinearity diagnostics,
dan Durbin-Watson, lalu klik Continue
5. Maka tampilan jendela menjadi sebagai berikut :
5. Abaikan bagian yang lain, dan klik OK
6. Output yang ditampilkan adalah sebagai berikut :
7. Tabel yang akan dibahas pada modul ini adalah table Model Summary, ANOVA, dan Coefficients,
sedangkan tabel yang lain untuk saat ini boleh di hapus.(akan dibahas pada modul lain)
6. Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of the
Estimate Durbin-Watson
1 1.000a .999 .999 .86486 1.582
a. Predictors: (Constant), Promosi (X4), Harga Merk Lain (X2), Pendapatan Penduduk
(X3), Harga Samsung (X1)
b. Dependent Variable: Permintaan (Y)
Penjelasan tabel
pada kolom R, tampak nilainya adalah 1,000. Nilai ini menyatakan korelasi yang
terbentuk antara variable bebas (X) dengan variable terikat (Y), dimana nilai tersebut
menandakan adanya korelasi kuat antara variable bebas (X) dengan variable terikat (Y).
Untuk nilai Rsquare sebesar 0,999 menandakan bahwa sebesar 99% variable bebas
(promosi, harga merk lain, pendapatan penduduk, harga Samsung) dapat mempengaruhi
variable terikat yang dalam hal ini adalah jumlah permintaan, sedangkan sisanya sebesar
1 % dipengaruhi oleh variable lain diluar penelitian ini.
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 14771.580 4 3692.895 4.937E3 .000a
Residual 11.220 15 .748
Total 14782.800 19
a. Predictors: (Constant), Promosi (X4), Harga Merk Lain (X2), Pendapatan Penduduk (X3),
Harga Samsung (X1)
b. Dependent Variable: Permintaan (Y)
Penjelasan tabel
Setelah mengetahui adanya korelasi yang kuat antara variable bebas dengan variable
terikat melalui nilai R, maka dapat dilanjutkan dengan melihat kecocokan model melalui
tabel ANOVA. Nilai yang dijadikan patokan adalah nilai Sig. yang akan dibandingkan
dengan taraf signifikansi penelitian ini yaitu 5% atau 0,05. Dari tabel diatas, diperoleh
nilai Sig. sebesar 0,000, bila dibandingkan dengan taraf signifikan sebesar 0,05, maka
7. nilai Sig. < 0,05. Sehingga dapat disimpulkan bahwa model regresi yang akan terbentuk
dapat mewakili model permintaan TV Samsung.
Coefficientsa
Model
Unstandardized
Coefficients
Standardized
Coefficients
t Sig.
95% Confidence
Interval for B
Collinearity
Statistics
B Std. Error Beta
Lower
Bound
Upper
Bound Tolerance VIF
1 (Constant) -19.992 9.358
-2.136 .050 -39.938 -.046
Harga Samsung (X1) -23.040 .368 -.492 -62.594 .000 -23.825 -22.256 .819 1.221
Harga Merk Lain (X2) 22.115 .247 .657 89.471 .000 21.588 22.642 .938 1.066
Pendapatan Penduduk (X3) 20.077 .285 .507 70.452 .000 19.469 20.684 .977 1.023
Promosi (X4) 20.117 .691 .226 29.130 .000 18.645 21.589 .838 1.193
a. Dependent Variable: Permintaan (Y)
Penjelasan tabel
Setelah melalui analisis kecocokan model, maka dilanjutkan dengan pembentukan model
regresi. Berdasarkan tabel di atas, diperoleh model sebagai berikut :
8. REGRESI DENGAN MICROSOFT EXCEL
1. Pastikan bahwa tools Data Analysis telah terpasang pada Microsoft Excel yang digunakan.
Ikuti langkah berikut untuk proses instalasi :
- Klik Excel Options
- Maka akan tampil jendela berikut, pilih Add-Ins, lalu klik Go…
9. - Setelah tampil jendela berikut, beri tanda √ pada Analysis ToolPak dan Analysis
ToolPak – VBA, lalu klik OK
- Ikuti semua perintah dalam proses instalasi.
2. Bila telah terinstall dengan baik, maka pada tab Data akan muncul tools Data Analysis
3. Klik Data Analysis, maka akan muncul jendela berikut :
10. 4. Pilih Regression lalu klik OK sehingga jendela yang tampil seperti berikut :
Input data variable X1 sampai X4 dan data variable Y, lalu klik OK
5. Output yang ditampilkan adalah sebagai berikut :
12. Untuk penjelasan tabel, sama dengan regresi dengan SPSS
Perlu diketahui, analisis yang dilakukan pada modul ini dianggap semua asumsi
regresi berganda telah terpenuhi yaitu tidak terjadi autokorelasi, tidak terjadi
heteroskedastisitas, residual berdistribusi normal, dan tidak terjadi multikolinieritas.