REGRESI BERGANDA

>>digunakan untuk mengetahui pengaruh dari variable independent (lebih dari 1) terhadap variable
dependentnya.

Bentuk umum regresi berganda

Y = b0 + b1x1 + b2x2 + b3x3 +….+ bnxn + 

dimana :
Y = variable dependen
x = variable independent
b = koefisien regresi yang ditaksir
 = error (pengaruhnya kecil)
Berikut data yang berkaitan dengan studi empiris yang tujuannya ingin mengetahui pengaruh dari pendapatan
dan harga terhadap pola konsumsi

Responden konsumsi income Harga

1 100.00 200.00 25.00
2 200.00 250.00 24.00
3 250.00 400.00 23.00
4 300.00 500.00 21.00
5 400.00 700.00 20.00
6 500.00 900.00 18.00
7 750.00 1200.00 16.00
8 1000.00 1500.00 15.00
9 1200.00 2500.00 12.00
10 1500.00 5000.00 10.00
HASIL REGRESI BERGANDA DENGAN ASUMSI KLASIK
(dengan SPSS)

Regression
Variables Entered/Removedb

Variables Variables
Model Entered Removed Method
1 HARGA,a
. Enter
INCOME
a. All requested variables entered.
b. Dependent Variable: KONSUMSI

Model Summaryb

Adjusted Std. Error of Durbin-W

Model R R Square R Square the Estimate atson
1 .989a .978 .972 79.91762 1.298
a. Predictors: (Constant), HARGA, INCOME
b. Dependent Variable: KONSUMSI

ANOVAb

Sum of
Model Squares df Mean Square F Sig.
1 Regression 1976292 2 988146.112 154.716 .000a
Residual 44707.777 7 6386.825
Total 2021000 9
a. Predictors: (Constant), HARGA, INCOME
b. Dependent Variable: KONSUMSI

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 1760.913 247.697 7.109 .000
INCOME .089 .038 .277 2.351 .051 .228 4.395
HARGA -68.387 10.943 -.736 -6.249 .000 .228 4.395
a. Dependent Variable: KONSUMSI
 Collinearity Diagnosticsa

Condition Variance Proportions

Model Dimension Eigenvalue Index (Constant) INCOME HARGA
1 1 2.454 1.000 .00 .01 .00
2 .540 2.131 .00 .16 .01
3 .006 20.423 1.00 .83 .99
a. Dependent Variable: KONSUMSI

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 69.0902 1523.4729 620.0000 468.60220 10
Residual -110.3010 130.9656 .0000 70.48071 10
Std. Predicted Value -1.176 1.928 .000 1.000 10
Std. Residual -1.380 1.639 .000 .882 10
a. Dependent Variable: KONSUMSI

Charts
Histogram
Dependent Variable: KONSUMSI
5

2
Frequency

1 Std. Dev = .88

Mean = 0.00
0 N = 10.00
-1.50 -1.00 -.50 0.00 .50 1.00 1.50

Regression Standardized Residual

 Normal P-P Plot of Regression Standardized Residual
Dependent Variable: KONSUMSI
1.00

.75
Expected Cum Prob

.50

.25

0.00
0.00 .25 .50 .75 1.00

Observed Cum Prob

Scatterplot
Dependent Variable: KONSUMSI
2.0
Regression Standardized Residual

1.5

1.0

.5

0.0

-.5

-1.0

-1.5
-1.5 -1.0 -.5 0.0 .5 1.0 1.5 2.0

Regression Standardized Predicted Value

PENGUJIAN NORMALITAS

Normal P-P Plot of Regression Standardized Residual

Dependent Variable: KONSUMSI
1.00

.75
Expected Cum Prob

.50

.25

0.00
0.00 .25 .50 .75 1.00

Observed Cum Prob

Dilakukan dengan menngunakan grafik Normal P-P Plot Regression Standardized Residual

>>Kesimpulan
Dari gambar dapat terlihat bahwa distribusi dari error mendekati garis normalitas sempurna
sehinga dapat disimpulkan ASUMSI NORMALITAS TERPENUHI.

PENGUJIAN MULTIKOLINEARITAS

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 1760.913 247.697 7.109 .000
INCOME .089 .038 .277 2.351 .051 .228 4.395
HARGA -68.387 10.943 -.736 -6.249 .000 .228 4.395
a. Dependent Variable: KONSUMSI

Hiportesis
Ho : Tidak terdapat multikolinearitas
Ha : Terdapat multikolinearitas

Kesimpulan
Jika VIF dari variable independent <10 Ho diterima
Jika VIF dari variable independent >10 Ho ditolak
>>Kesimpulan
Dari hasil perhitungan nilai VIF untuk income dan harga 4,395 < 10. Sehingga Ho diterima.
Jadi pada model yang dihasilkan tidak terdapat multikolinearitas.

PENGUJIAN HETEROSKEDATISITAS

Scatterplot
Dependent Variable: KONSUMSI
2.0
Regression Standardized Residual

1.5

1.0

.5

0.0

-.5

-1.0

-1.5
-1.5 -1.0 -.5 0.0 .5 1.0 1.5 2.0

Regression Standardized Predicted Value

>> Kesimpulan:
Karena distribusi dari error menyebar maka pada model yang dihasilkan terdapat
HETEROSKEDATISTAS.

PENGUJIAN AUTOKOLERASI

Ho : Tidak ada autokorelasi

Ha : Ada autokolerasi

Pengujian menggunakan DURBIN WATSON test dengan criteria

  5%
Model Summaryb

Adjusted Std. Error of Durbin-W

Model R R Square R Square the Estimate atson
1 .989a .978 .972 79.91762 1.298
a. Predictors: (Constant), HARGA, INCOME
b. Dependent Variable: KONSUMSI
DW stat = 1,298

Gambar Durbin Watson test:

ada Inconclusiv Inconclusiv

ada
Auto(+) e e
autokolerasi Auto(-)

0 0,95 1,54 2 4-1,54 4-0,95

4
dL dU 4-dU 4-dL

DW(durbin watson) table =   5%

kolom k=2 (variable x=independent = harga &income)
baris min 15 (dilihat dari jumlah n), meskipun n<15, hrs tetap pakai n=15.
n = 15
DL = 0,95
DU = 1,54

>>kesimpulan
1,298 no autokolerasi but inconclusive.