Analisis Regresi Linier Dengan IBM SPSS

Statistics

Metode pembahasan yang digunakan berupa penjelasan mengenai proses pengolahan data serta hasil
Analisis Regresi Linier Sederhana dan Berganda menggunakan Program Aplikasi SPSS versi 20.

1. Pembahasan
1.1. Proses Pengolahan Data Penelitian

Tahap pertama, membuka aplikasi SPSS

Gambar 1. Memulai Program SPSS

Tahap kedua, memulai aplikasi dari membuat data baru, klik Cancel

2
 Gambar 2. Tampilan Depan SPSS
Tahap ketiga, menyiapkan pengaturan data. Klik Variable View
Isi kolom Name dengan singkatan dari setiap nama variabel penelitian
Isi kolom Type dengan jenis data penelitian
Isi kolom Width sesuai dengan lebar atau panjang digit data
Isi kolom Decimals sesuai dengan banyak desimal setiap data penelitian
Isi kolom Label dengan nama lengkap setiap variabel penelitian
Isi kolom Values untuk interpretasi label data nominal dan ordinal, jika data penelitian interval dan
rasio tidak perlu diisi
Isi kolom Missing jika terdapat data periodik yang hilang
Isi kolom Columns sesuai dengan panjang tampilan data yang diinginkan pada Data View
Pilih Align sesuai keinginan
Isi kolom Measure sesuai dengan jenis skala data
Isi kolom Role sesuai dengan jenis variabel penelitian
Jika Analisis Regresi Linier Sederhana maka tampilan Variable View sebagai berikut

Gambar 3. Setting Variable View Regresi Linier Sederhana

3
Jika Analisis Regresi Linier Berganda maka tampilan Variable View sebagai berikut

Gambar 4 Setting Variable View Regresi Linier Berganda

Tahap keempat, entry data setiap variabel penelitian
Jika Analisis Regresi Linier Sederhana maka tampilan Data View sebagai berikut

Gambar 5. Entry Data Regresi Sederhana

4
Jika Analisis Regresi Linier Berganda maka tampilan Data View sebagai berikut

Gambar 6. Entry Data Regresi Linier Berganda

Tahap Kelima, proses memilih metode
Pilih menu Analyze, lalu klik Regression dan klik Linear untuk memilih Regresi Linear baik
sederhana atau berganda pada tahap ini sama

Gambar 7. Proses Regression

5
Tahap keenam, memasukan semua variabel penelitian baik variabel Independen atau variabel dependen
Lalu klik Ok
Jika Analisis Regresi Linier Sederhana maka tampilan Kotak Dialog sebagai berikut

Gambar 8. Setting Kotak Dialog Regresi Linier Sederhana

Jika Analisis Regresi Linier Berganda maka tampilan Kotak Dialog sebagai berikut

Gambar 9. Setting Kotak Dialog Regresi Linier Berganda

6
Tahap ketujuh, muncul output hasil pengolahan
Jika Analisis Regresi Linier Sederhana maka tampilan Output sebagai berikut

Gambar 10. Output Regresi Linier Sederhana

Jika Analisis Regresi Linier Berganda maka tampilan Output sebagai berikut

Gambar 11. Output Regresi Linier Berganda

1.2. Interpretasi Output Data Penelitian

7
Setelah proses pengolahan selesai dilakukan, maka pada Analisis Regresi Sederhana hanya
perlu dianalisis dua tabel utama yaitu Model Summary dan Coefficients sedangkan pada
Analisis Regresi Berganda akan dianalisis tiga tabel utama yaitu tabel Model Summary,
ANOVA dan Coefficients dimana masing-masing tabel dapat dianalisis sebagai berikut.
1.2.1. Interpretasi Output Analisis Regresi Linier Sederhana

Tabel 1. Model Summary Simple Regression

Model R R Square Adjusted R Std. Error of the
Square Estimate
1 .661a .437 .417 2.51748
a. Predictors: (Constant), Return On Assets

Pada tabel di atas didapat nilai R Square atau R2, dimana R Square adalah nilai yang
menunjukkan persentase sumbangan variabel independen dalam mempengaruhi variabel
dependen sedangkan sisanya dipengaruhi variabel lain atau epsilon yang disimbolkan Ԑi. R
Square didapat nilai sebesar 0,437 artinya besarnya sumbangan variabel independen dalam
mempengaruhi variabel dependen adalah sebesar 43,7% sedangkan sisanya 56,3% dipengaruhi
oleh variabel lain.

Tabel 2. Coefficientsa Simple Regression

Model Unstandardized Coefficients Standardized t Sig.
Coefficients
B Std. Error Beta
1 (Constant) 6.961 1.402 4.965 .000
Return On Assets .813 .174 4.662 .000
.661
a. Dependent Variable: Financing Performance

Melalui tabel tersebut dapat disusun persamaan regresi dengan nilai Constant dan coefficient
variabel X pada kolom B serta dianalisis nilai sig variabel X. Persamaan regresi adalah sebagai
berikut:
Y = 6,961 + 0,813X

Didapat nilai constant sebesar 6,961 artinya secara statistik tanpa adanya X maka besarnya Y
adalah 6,961.
Didapat nilai coefficient variabel X sebesar 0,813 artinya besarnya pengaruh X terhadap Y sangat kuat
karena memiliki persentase sebesar 81,3% jika melihat tabel berikut:

8
 Tabel 3. Interval Koefisien Regresi
Interval Keterangan
≥ 80,00% Sangat Kuat
60,00% – 79,99% Kuat
40,00% – 59,99% Cukup Kuat
20,00% – 39,99% Lemah
≤ 19,99% Sangat Lemah

Didapat nilai coefficient variabel X positif artinya X berpengaruh positif terhadap Y, semakin tinggi
X maka Y semakin tinggi dan sebaliknya.
Didapat nilai sig variabel X sebesar 0,000 lebih kecil dari alpha 0,05 maka H0 ditolak artinya terdapat
pengaruh signifikan X terhadap Y.

1.2.2. Interpretasi Output Analisis Regresi Linier Berganda

Tabel 4. Model Summary Multiple Regression

Model R R Square Adjusted R Std. Error of the
Square Estimate
1 .744a .554 .521 2.28169
a. Predictors: (Constant), Loan to Deposit Ratio, Return On Assets
Pada tabel di atas nilai yang dianalisis untuk Analisis Regresi Linier Berganda adalah Adjusted R
Square yang merupakan penyesuaian dari nilai R Square sebagaimana yang dijelaskan pada tahapan
analisis regresi linier sederhana. Didapat nilai Adjusted R Square sebesar 0,521 artinya besarnya
sumbangan variabel-variabel independen dalam mempengaruhi variabel dependen adalah sebesar
52,1% sedangkan sisanya 47,9% dipengaruhi oleh variabel lain.

Tabel 5. ANOVAa Multiple Regression

Model Sum of Squares df Mean Square F Sig.
Regression 174.634 2 87.317 16.772 .000b
1 Residual 140.565 27 5.206
Total 315.199 29
a. Dependent Variable: Financing Performance
b. Predictors: (Constant), Loan to Deposit Ratio, Return On Assets

Melalui nilai sig pada tabel di atas dapat dianalisis pengujian secara simultan. Didapat nilai
sig sebesar 0,000 artinya terdapat pengaruh secara simultan dari X1 dan X2 terhadap Y atau
model penelitian fit.

9
 Tabel 6. Coefficientsa Multiple Regression
Model Unstandardized Coefficients Standardized t Sig.
Coefficients
B Std. Error Beta
(Constant) 3.670 1.773 2.070 .048
1 Return On Assets .466 .205 .379 2.276 .031
Loan to Deposit Ratio .562 .211 .443 2.662 .013
a. Dependent Variable: Financing Performance

Melalui nilai Constant dan coefficient variabel X1 dan X2 pada kolom B, serta nilai sig variabel
X1 dan X2 didapat persamaan regresi sebagai berikut:

Y = 3,670 + 0,466X1 + 0,562X2

Didapat nilai constant sebesar 3,670 artinya secara statistik tanpa adanya X1 dan X2 maka
besarnya Y adalah 3,670.
Didapat nilai coefficient variabel X1 sebesar 0,466 artinya besarnya pengaruh X1 terhadap Y Cukup
Kuat karena memiliki persentase sebesar 46,6% jika melihat interval pada tabel 3.
Didapat nilai coefficient variabel X2 sebesar 0,562 artinya besarnya pengaruh X2 terhadap Y Cukup
kuat karena memiliki persentase sebesar 56,2%.
Didapat nilai coefficient variabel X1 positif artinya X1 berpengaruh positif terhadap Y, semakin tinggi
X1 maka Y semakin tinggi dan sebaliknya.
Didapat nilai coefficient variabel X2 positif artinya X2 berpengaruh positif terhadap Y, semakin tinggi
X2 maka Y semakin tinggi dan sebaliknya.
Didapat nilai sig variabel X1 sebesar 0,031 lebih kecil dari alpha 0,05 maka H0 ditolak artinya terdapat
pengaruh signifikan X1 terhadap Y
Didapat nilai sig variabel X2 sebesar 0,013 lebih kecil dari alpha 0,05 maka H0 ditolak artinya terdapat
pengaruh signifikan X2 terhadap Y

10
11