ANALISIS REGRESI LINIER

BERGANDA
Regresi linier berganda digunakan untuk penelitian yang menggunakan
beberapa variabel secara bersamaan. Dengan kata lain regresi ini
menggunakan beberapa variabel X, misalnya X1, X2 dan seterusnya yang
kemudian dianalisis secara bersamaan.
Rumus yang digunakan pada regresi linier berganda pada prinsipnya
sama dengan regresi linier sederhana, hanya saja pada regresi berganda
ditambahkan variabel lain yang juga disertakan dalam penelitian. Rumus
regresi linear berganda adalah sebagai berikut:
Y = a + b1X1 + b2X2 + ….+BnXn
Keterangan:
Y = Variabel dependen (nilai yang diprediksikan)
X = Variabel independen
a = Konstanta
b = Koefisien regresi

Contoh Kasus
Aplikasi Regresi Linier Berganda untuk Mengetahui Pengaruh Tingkat
Kecemasan siswa, Gender, Penampilan Guru Terhadap Hasil Belajar Matematika
siswa di SMA X

Sebuah penelitian dilakukan untuk mengkaji hubungan antara tiga

variabel yaitu tingkat kecemasan, Gender, serta penampilan guru. Penelitian
dilakukan terhadap 30 siswa yang diambil secara random pada tingkat kelas reguler
yang sama. Data yang dikumpulkan adalah sebagai berikut:
Nomor Tingkat Gender Penampilan Hasil Belajar
Kecemasan
1 1 1 3 77
2 2 1 3 75
3 1 1 3 60
4 1 1 3 88
5 2 1 3 89
6 2 2 3 99
7 1 2 5 80
8 1 2 5 76
9 3 2 5 77
10 2 1 3 72
11 3 2 4 73
12 3 1 4 77
13 4 2 3 75
14 1 1 3 80
15 4 2 5 80
16 5 2 5 90
17 2 1 3 68
18 3 1 3 90
19 1 1 3 90
20 1 1 3 80
21 1 1 3 90
22 2 1 4 90
23 2 1 3 80
24 2 1 3 87
25 2 2 3 77
26 4 2 5 90
 27 4 2 5 90
28 5 2 5 98
29 1 2 4 90
30 1 1 3 90

Penyelesaian

Model yang akan digunakan untuk analisis data adalah regresi linier.
Tahapan analisisnya adalah:

1 Buka program SPSS pada computer, selanjutnya input semua data pada tab
data view dan data akan ditampilkan di data view spss seperti berikut.

2. Selanjutnya kita akan melakukan analisis regresi, klik Analyze >

Regression > Linear regression. Pilih variabel Hasil Belajar dan klik ke
Dependent List, variabel Hasil akan berpindah ke kanan. Selanjutnya pada
Independent List pilih variabel Tingkat Kecemasan ,gender dan Penampilan
Guru. Kllik tanda panah ke kanan, variabel akan berpindah.
3. Masih pada kotak dialog Linear regression Klik statistics dan tandai pada
Estimates, Model Fit dan Descriptives dilanjutkan dengan klik Continue.
4 Masih pada kotak dialog Linear regression klik Plots dan tandai pilihan
Histogram dan Normal Probability Plot. dilanjutkan dengan klik Continue
> OK.
OUTPUT MODEL

Descriptive Statistics

Mean Std. Deviation N

Hasil Belajar 82,6000 8,97352 30

Tingkat kecemasan 2,2333 1,27802 30
Gender 1,4333 ,50401 30
Penampilan Guru 3,6667 ,88409 30
Interpretasi tabel : Tabel ini menjelaskan deskripsi variabel seperti rata-rata
(mean), standar deviasi dan jumlah data (N). Nilai rata-rata variabel Hasil
adalah 82,6 dengan rata-rata penyimpangan (deviasi mencapai 8,97) dengan
jumlah data 30. Demikian pula pada Tingkat Kecemasan , Gender dan
Penampilan Guru mempunyai nilai rata-rata 2,23, 1,43 dan 3,66 Sedangkan
deviasinya 1,2 , 0,5 dan 0,88

Model Summaryb

Adjusted R Std. Error of the

Model R R Square Square Estimate

1 ,226a ,051 -,058 9,23168

a. Predictors: (Constant), Penampilan Guru, Tingkat kecemasan, Gender

b. Dependent Variable: Hasil Belajar

Interpretasi tabel: Nilai korelasi antara variabel prediktor (Tingkat kecemasan,

gender dan penampilan guru) dengan variabel hasil belajaar (R) = 0,226
sehingga dapat disimpulkan bahwa terdapat hubungan yang sangat erat antara
tingkat kecemasan, gender dan penampilan guru terhadap hasil belajar matematika

Nilai R-square atau koefisien determinasi sebesar 0,051. Hal ini

menunjukkan bahwa tingkat kecemasan, gender dan penampilan guru
mempengaruhi hasil belajar matematika sebesar 50,1% dan masih terdapat 100-
50,1 = 49,9% variabel lain (selain ketiga variabel tersebut) yang mempengaruhi
hasil.
ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression 119,378 3 39,793 ,467 ,708b

Residual 2215,822 26 85,224

Total 2335,200 29

a. Dependent Variable: Hasil Belajar

b. Predictors: (Constant), Penampilan Guru, Tingkat kecemasan, Gender

Interpretasi: Uji Anova dilakukan untuk mengetahui ada tidaknya

pengaruh variabel tingkat kecemasan, gender dan penampilan guru terhadap
hasil belajar matematika . Apabila nilai Sig atau P-value < 0,05 maka terdapat
hubungan yang nyata antara variabel tersebut dengan hasil belajar. Demikian
pula apabila Sig >0,05 maka dapat disimpulkan tidak ada hubungan antara variabel
dengan hasil. Seperti terlihat pada tabel Anova, nilai Sig model sebesar 0,708
(>0,05) sehingga dapat disimpulkan tidak ada hubungan antara variabel dengan
hasil belajar
Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 77,029 7,403 10,405 ,000

Tingkat kecemasan 1,172 1,661 ,167 ,706 ,487

Gender ,538 5,048 ,030 ,107 ,916

Penampilan Guru ,595 2,937 ,059 ,203 ,841

a. Dependent Variable: Hasil Belajar

Interpretasi : Tabel coefficient menampilkan koefisien dari persamaan

regresi yang dihasilkan. Berdasarkan tabel di atas, model regresi linier
berganda dapat dituliskan sebagai berikut :

Y = 77,029 + 1,172 X1 + 0,538 X2 + 0,595 X3

Dimana X1 = Tingkat Kecemasan

X2 = Gender

X3 = Penampilan Guru