BAB I . REGRESI LINIER BERGANDA
Membuka program SPSS kemudian memilih tab sheet Variable View.
Melakukan input variabel yang akan diteliti pada sheet Variable View. Input dilakukan dengan memperhatikan jenis data yang akan dimasukkan dan
jumlah decimal yang diperlukan.
Melakukan input data responden dalam penelitian pada sheet Data Views seusuai dengan kategori variabel dalam penelitian
Melakukan analisis data dengan memilih menu Analyze, kemudian memilih
sub menu Regression, lalu memilih Linier karena menggunakan analisis regresi linier berganda
Mengakitfkan beberapa pilihan output, antara lain:
1) dalam menu Statistic yaitu Estimates, Model fit, Descriptives, Collinearity diagnostic, dan Durbin-Watson
2) dalam menu Plot memilih SRESID untuk Y dan ZPRED untuk X, lalu mengaktifkan Histogram dan Normal Probability plot.
3) Men-default-kan menu save, options, dan bootstrap.
Klik OK dan akan mucul output regression pada file output
Mengisi kotak dialog regresi linier dengan memasukkan variabel Y sebagai
dependent variable, variabel X1, X2, dan X3 sebagai independent variable.
Melakukan interpretasi terhadap masing-masing output yang ditampilkan
OUTPUT
Descriptive Statistics
Mean Std. Deviation N
Permintaan Bayam Organik
(kg) 2,4667 ,88992 30
Pendapatan (Rp juta) 7,1400 2,59597 30
Usia (tahun) 35,73 6,119 30
Harga bayam (Rp ribu) 15,10 5,155 30
Correlations Permintaan Bayam Organik (kg) Pendapatan (Rp juta) Usia (tahun) Harga bayam (Rp ribu) Pearson Correlation Permintaan Bayam Organik (kg) 1,000 ,494 ,020 ,463 Pendapatan (Rp juta) ,494 1,000 -,128 -,072 Usia (tahun) ,020 -,128 1,000 ,092
Harga bayam (Rp ribu) ,463 -,072 ,092 1,000
Sig. (1-tailed) Permintaan Bayam
Organik (kg) . ,003 ,457 ,005
Pendapatan (Rp juta) ,003 . ,249 ,352
Usia (tahun) ,457 ,249 . ,315
Harga bayam (Rp ribu) ,005 ,352 ,315 .
N Permintaan Bayam
Organik (kg) 30 30 30 30
Pendapatan (Rp juta) 30 30 30 30
Usia (tahun) 30 30 30 30
Harga bayam (Rp ribu) 30 30 30 30
Variables Entered/Removeda Model Variables Entered Variables Removed Method 1 Harga bayam (Rp ribu), Pendapatan (Rp juta), Usia (tahun)b . Enter
a. Dependent Variable: Permintaan Bayam Organik (kg) b. All requested variables entered.
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 ,704a ,496 ,438 ,66738 1,685
a. Predictors: (Constant), Harga bayam (Rp ribu), Pendapatan (Rp juta), Usia (tahun) b. Dependent Variable: Permintaan Bayam Organik (kg)
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 11,387 3 3,796 8,522 ,000b
Residual 11,580 26 ,445
Total 22,967 29
a. Dependent Variable: Permintaan Bayam Organik (kg)
b. Predictors: (Constant), Harga bayam (Rp ribu), Pendapatan (Rp juta), Usia (tahun) Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -,368 ,914 -,403 ,690
Pendapatan (Rp juta) ,184 ,048 ,535 3,806 ,001 ,980 1,021
Usia (tahun) ,006 ,020 ,044 ,310 ,759 ,977 1,024
Harga bayam (Rp ribu) ,086 ,024 ,498 3,552 ,001 ,988 1,012
a. Dependent Variable: Permintaan Bayam Organik (kg)
Collinearity Diagnosticsa
Model Dimension Eigenvalue
Condition Index Variance Proportions (Constant) Pendapatan (Rp juta) Usia (tahun) Harga bayam (Rp ribu) 1 1 3,812 1,000 ,00 ,01 ,00 ,01 2 ,117 5,711 ,00 ,58 ,00 ,32 3 ,060 7,972 ,03 ,25 ,17 ,62 4 ,012 18,205 ,96 ,17 ,83 ,05
INTERPRETASI
1) Output Descriptive Statistics
a. Rata-rata permintaan bayam organik di Kota Bogor pada 30 orang responden adalah sebesar 2,4667 kg dengan standar deviasi sebesar 0,88992 kg.
b. Rata-rata pendapatan konsumen bayam organik di Kota Bogor pada 30 orang responden adalah sebesar Rp 7,14 juta dengan standar deviasi sebesarRp 2,59597 juta.
c. Rata-rata usia konsumen bayam organik di Kota Bogor pada 30 orang responden adalah 35,73 tahun dengan standar deviasi 6,119 tahun. d. Rata-rata harga bayam organik di Kota Bogor menurut 30 orang
responden adalah Rp 15,10 ribu dengan standar deviasi Rp 5,155 ribu.
2) Input Correlation
A. Pearson Correlation
1. Hubungan antara variabel permintaan bayam organik dengan pendapatan bernilai positif. Sehingga apabila terjadi kenaikan pada variabel pendapatan maka akan terjadi kenaikan pada permintaan bayam organik ataupun sebaliknya.
2. Hubungan antara variabel permintaan bayam organik dengan usia bernilai positif. Sehingga apabila terjadi kenaikan pada variabel Usia maka akan terjadi kenaikan pada permintaan bayam organik ataupun sebaliknya.
3. Hubungan antara variabel permintaan bayam organik dengan harga bayam organik bernilai positif. Sehingga apabila terjadi kenaikan pada variabel harga bayam maka akan terjadi kenaikan pada permintaan bayam organik atau sebaliknya.
B. Sig. (1-tailed) Uji Hipotesis.
a) H0 = Tidak terdapat hubungan yang signifikan antar variabel b) H1 = Terdapat hubungan yang signifikan antar variabel Pengambilan Keputusan.
a) Jika signifikansi > 0,05 maka H0 diterima dan H1 ditolak. b) Jika signifikansi < 0,05 maka H0 ditolak dan H1 diterima. 1. Nilai signifikansi variabel pendapatan terhadap permintaan bayam
organik adalah sebesar 0,003. Nilai tersebut (0,003) < 0,05 sehingga hubungan antara pendapatan dengan permintaan bayam organik signifikan.
2. Nilai signifikansi variabel usia terhadap permintaan bayam organik adalah sebesar 0,457. Nilai tersebut (0,457) > 0,05 sehingga hubungan antara usia dengan permintaan bayam organik tidak signifikan.
3. Nilai signifikansi variabel harga bayam organik terhadap permintaan bayam organik adalah sebesar 0,05. Nilai tersebut (0,05) < 0,05 sehingga hubungan antara harga bayam organik dengan permintaan bayam organik signifikan.
3) Variables Entered/Removed
Berdasarkan output tersebut dapat diketahui bahwa dengan menggunakan metode ENTER menunjukkan tidak terdapat variabel yang dikeluarkan atau keseluruhan variabel dianalisis dalam perhitungan regresi, hal ini dapat dilihat bahwa pada coloumn Variables Entered terdapat 3 variabel bebas yang dianalisis.
4) Model Summary
- Nilai Adjusted R2 sebesar 43,8% berarti bahwa keragaman variabel permintaan bayam organik dapat dijelaskan oleh keragaman variabel pendapatan, usia, dan harga bayam organik sebesar 43,8%. Sedangkan
sisanya sebsear 56,2% keragaman variabel permintaan bayam organik dijelaskan oleh keragaman variabel lain di luar model.
- Standart Error of Estimate adalah sebesar 0,66738 kg lebih kecil
daripada standar deviasi permintaan bayam organik sebesar 0,88992 kg sehingga model regresi mampu memprediksi atau sebagai prediktor variabel permintaan bayam organik.
5) Output ANOVA
Uji Hipotesis.
a) H0 = variabel X1, X2, X3 tidak signifikan mempengaruhi variabel Y b) H1 = variabel X1, X2, X3 signifikan mempengaruhi variabel Y Pengambilan Keputusan.
a) Jika signifikansi > 0,05 maka H0 diterima dan H1 ditolak. b) Jika signifikansi < 0,05 maka H0 ditolak dan H1 diterima.
Berdasarkan output ANOVA diketahui nilai Fhitung adalah sebesar 8,522 dengan signifikansi 0,000 dan nilai tersebut (0,000) < 0,05 sehingga H0 ditolak dan H1 diterima. Hal tersebut berarti bahwa variabel bebas secara bersama-sama berpengaruh nyata terhadap variabel terikat (permintaan bayam organik), sehingga model regresi dapat digunakan untuk memprediksi variabel permintaan bayam organik.
6) Coefficients
Uji Hipotesis.
a) H0 = variabel Xi tidak signifikan mempengaruhi variabel Y b) H1 = variabel Xi signifikan mempengaruhi variabel Y Pengambilan Keputusan.
a) Jika signifikansi > 0,05 maka H0 diterima dan H1 ditolak. b) Jika signifikansi < 0,05 maka H0 ditolak dan H1 diterima.
a. Perhitungan analisis untuk variabel pendapatan menunjukkan nilai t hitung sebesar 3,806 dengan signifikansi 0,001 < taraf nyata 0,05 sehingga H0 ditolak dan H1 diterima. Hal tersebut berarti bahwa
pendapatan secara parsial memiliki pengaruh nyata terhadap permintaan bayam organik.
b. Perhitungan analisis untuk variabel usia menunjukkan nilai t hitung sebesar 0,310 dengan signifikansi 0,759 > taraf nyata 0,05 sehingga H0 diterima dan H1 ditolak. Hal tersebut berarti bahwa usia secara parsial tidak memiliki pengaruh nyata terhadap permintaan bayam organik.
c. Perhitungan analisis untuk variabel harga bayam organik menunjukkan nilai t hitung sebesar 3,552 dengan signifikansi 0,001 < taraf nyata 0,05 sehingga H0 ditolak dan H1 diterima. Hal tersebut berarti bahwa secara parsial harga bayam organik memiliki pengaruh nyata terhadap permintaan bayam organik.
d. Model persamaan regresi linier berganda: Y = -0,386 + 0,184X1 + 0,006X2 + 0,086X3 dimana:
Y : permintaan bayam organik (kg) X1 : pendapatan (X1)
X2 : usia (tahun)
X3 : harga bayam organik (Rp)
Interpretasi model:
1) Konstanta sebesar -0,368 menunjukkan bahwa ketika tidak terdapat pengaruh variabel bebas, permintaan bayam organik adalah sebesar -0,368 kg dengan asumsi cateris paribus.
2) Variabel pendapatan berpengaruh positif dan signifikan pada taraf nyata 5%. Nilai koefisien regresi variabel pendapatan sebesar 0,184 menunjukkan bahwa setiap terjadi peningkatan pendapatan sebesar Rp 1 juta akan meningkatkan permintaan bayam organik 0,184 kg, dengan asumsi cateris paribus.
3) Variabel usia berpengaruh positif dan tidak signifikan pada taraf nyata 5%. Nilai koefisien regresi variabel usia sebesar 0,006
menunjukkan bahwa setiap terjadi peningkatan usia sebesar 1 tahun akan meningkatkan permintaan bayam organik 0,006 kg, dengan asumsi cateris paribus. Namun peningkatan usia tersebut tidak selalu signifikan mampu meningkatkan permintaan bayam organik.
4) Variabel harga bayam organik berpengaruh positif dan signifikan pada taraf nyata 5%. Nilai koefisien regresi variabel bayam organik sebesar 0,086 menunjukkan bahwa setiap terjadi peningkatan harga bayam organik sebesar Rp 1 rb akan meningkatkan permintaan bayam organik 0,086 kg, dengan asumsi cateris paribus.
Uji Asumsi Klasik
1. Uji Normalitas
Berdasarkan hasil output Grafik Normal P-Plot dapat diketahui bahwa titik-titik menyebar di sekitar garis dan mengikuto garis diagonal sehingga dapat disimpulkan bahwa nilai residual telah terdistribusi
normal.
2. Uji Heteroskedastisitas
Berdasarkan output Scatterplot menunjukkan titik-titik menyebar di atas dan di bawah 0 pada sumbu Y tanpa membentuk pola yang jelas sehingga di dalam model tidak terdapat kesamaan varian dan
residual satu pengamatan ke pengamatan lainnya (tidak ada indikasi Heteroskedasitisitas) 3. Uji Autokorelasi dL = 1,2138 dU = 1,6498 dW = 1,685 Korelasi positif tidak dapat diputuskan Tidak ada autokorelasi Tidak dapat diputuskan Korelasi negatif 0 1,2138 1,6498 2 2,3502 2,7862 1,685
Berdasarkan hasil analisis diperoleh nilai DW sebesar 1,685 sedangkan berdasarkan tabel dW dengan taraf nyata 5% diketahui dL dan dU pada k=3 dan n=15 adalah sebesar 1,2138 dan 1,6498. Nilai dW (1,685) berada dianatara dU dan (4-dU) sehinga dapat disimpulkan
tidak terjadi autokorelasi.
4. Uji Multikolinearitas
Berdasarkan nilai output didapatkan bahwa: a. Nilai tolerance semua variabel bebas > 0,10 b. Nilai VIF semua variabel bebas < 10
Berdasarkan nilai di atas, dapat disimpulkan bahwa tidak terjadi