Dalam satu penelitian, sudah pasti akan menggunakan ilmu statistik. Di dalamnya, data-data yang tadinya hanya terkumpul akan dianalisis sehingga suatu penelitian bisa menemukan hasil yang diinginkan. Salah satu tahap yang hampir pasti dilewati adalah regresi linier berganda.
Dari suku katanya, ‘regresi’ berarti hubungan. Penelitian yang kita lakukan seringkali melihat fenomena A dan mencari, apa sebab di balik fenomena itu. Langkah-langkah yang biasanya dilakukan adalah mencari variabel apa saja yang menyebabkan fenomena itu.
Nah, setelah itu, barulah bisa dicari hubungan antara variabel yang ada. Untuk informasi selengkapnya mengenai regresi liner berganda, simak artikel ini selengkapnya.
Pengertian Regresi Linier Berganda
Regresi liner berganda sering diartikan sebagai salah satu alat analisis hubungan antar variabel dalam suatu penelitian. Analisis regresi linear berganda diharuskan melibatkan lebih dari satu variabel. Variabel tersebut terdiri dari variabel independen (bebas) dan variabel dependen (terikat).
Jika Anda memiliki lebih dari dua variabel independen dalam satu data, maka regresi linear berganda yang digunakan untuk menganalisis. Dengan demikian, Anda dapat mengetahui kemungkinan seberapa besar variabel dependen yang ada dalam data.
Terdapat perbedaan antara regresi linear sederhana dan berganda. Jika variabel bebas berjumlah satu, maka itu disebut regresi linear sederhana. Sedangkan bila jumlah variabel lebih dari satu, entah dua atau lebih, akan dikatakan sebagai regresi linear berganda. Begitulah yang dikatakan teori regresi linear berganda.
Untuk ini, peneliti perlu berhati-hati karena hasil dari regresi linear berganda akan menunjukkan sebab-akibat dari suatu fenomena, atau malah menunjukkan kemungkinan adanya konteks yang lain. Peramalan dengan linear berganda sebaiknya dilakukan secara teliti.
Anda mungkin pernah mengira bahwa regresi dan korelasi adalah dua hal yang sama. Pada kenyataannya, keduanya memang berkaitan, tapi tidaklah sama. Korelasi berarti hubungan, sedangkan regresi berarti pengaruh.
Dari sini dapat dilihat, bahwa jika kedua variabel berhubungan, katakanlah A dan B, mereka akan tidak berlaku bolak-balik. Ketika A berhubungan dengan B, belum bisa menjadi pembenaran bahwa B berhubungan dengan A.
Meskipun dalam sehari-hari terdengar sama, tapi statistik memiliki bahasanya sendiri. Jika kedua variabel berhubungan, belum tentu keduanya saling berpengaruh.
Seperti, A berhubungan dengan Z, belum bisa menjustifikasi bahwa A memiliki pengaruh pada Z. Namun, jika A berpengaruh bagi Z, maka dengan otomatis A berhubungan dengan Z.
Cara Menghitung Regresi Linier Berganda
Menghitung analisis regresi linier berganda tidaklah sulit. Untuk melakukan uji regresi linear berganda, ada beberapa langkah.
Pertama, Anda perlu mencari dan menentukan persamaan regresi ganda. Kemudian kedua, Anda bisa mencari penyimpangannya (standart error of estimate). Terakhir, Anda bisa menggunakan analisis korelasi ganda untuk mengetahui garis tengah dan hasil dari analisis regresi linier.
Sebelum bisa menganalisis regresi linier berganda SPSS, kita harus menghitung terlebih dahulu asumsi klasik. Ini adalah hal yang sama seperti alat uji data yang lainnya. Untuk bisa menyelesaikan asumsi klasik tentu perlu melewati beberapa tahapan.
Pertama-tama, kita harus mengecek bahwa semua variabel yang ada termasuk interval atau rasio. Ada 2 jenis variabel dalam regresi, yakni variabel independen (bebas) dan variabel dependen (terikat).
Nah, jika ternyata ditemukan bahwa data tidak termasuk kuantitatif, tentu kita tidak bisa menggunakan metode analisis regresi linier berganda.
Kedua, asumsi linearitas. Kita harus melihat, apakah variabel independen (bebas) berhubungan dengan variabel dependen (terikat). Jika value linearitas yang ada kurang dari 0,05 maka dapat disimpulkan bahwa kedua variabel ini berhubungan.
Adapun pengujian menggunakan kurva estimasi. Dari kurva tersebut dapat terlihat jelas apakah keduanya berhubungan.
Ketiga, perlu dilakukan pencarian residual. Residual dapat ditemukan bila Anda sudah memiliki data, berapa jarak perbedaan antara Y (variabel dependen) dan Y’ (variabel dependen prediksi). Uji regresi linier berganda ditentukan dari residual antar keduanya, bukan hanya terbatas variabel. Oleh karena itu, residual memiliki rumus Y-Y’.
Dalam hal ini residual akan dianggap baik jika semakin mendekati 0. Di sisi lain, residual akan dianggap kurang baik prediksinya ketika ternyata semakin menjauhi dari angka 0 walau baru sedikit.
Ada berbagai uji normalitas yang bisa kita gunakan. Mulai dari uji Kalmogorov Smirnov, Ryan Joiner, Skewness Kurtosis, Shapiro Wilk, Lilliefors, dan sebagainya.
Keempat, mencari outlier dalam data. Mudah saja, jika seternyata absolut residual menunjukkan angka lebih dari 3, maka observasi ini dikatakan outlier. Dengan kata lain, data ini nilainya di luar kebiasaan dari data lainnya.
Kelima, menemukan adanya heteroskedastititas dalam data. Tidak semua pengamatan bisa terlihat sempurna. Terkadang, kita akan menemukan kondisi saat varians dari error bersifat tetap. Ketika memiliki ini, maka metode penelitian regresi linier berganda baru dikatakan baik.
Namun, ketika tidak memiliki homoskedastisitas, justru sebaliknya, memiliki heteroskedastisitas, model Regresi linier berganda tidak dikatakan baik. Untuk mencarinya, dapat menggunakan berbagai teori. Bisa uji park, uji spearman, uji glejser dan lain sebagainya.
Keenam, menghitung asumsi multikolinearitas. Asumsi multikolinearitas hanya terdapat dalam regresi linier berganda. Jadi, Anda tidak akan menemukan pada penelitian regresi linier sederhana.
Multikolinearitas dapat diartikan merupakaan keadaan di mana ditemukan inter korelasi atau korelasi kuat antara variabel bebas dalam suatu model data. Ketika regresi linier berganda ternyata lebih dari 0,8 pada variabel bebas, mak bisa dikatakan bahwa interkorelasi ada.
Ketujuh, data perlu melewati uji autokorelasi. Untuk menguji autokorelasi, kita bisa diuji menggunakan dengan nilai Durbin Watson (DW). Autokorelasi dapat dijelaskan sebuah hubungan atau korelasi antar waktu. Maka yang sering menggunakan ini adalah data yang memiliki runtun waktu.
Ini akan berpengaruh pada olah data yang kita miliki. Misal, data yang kita dapatkan dari suatu perusahaan adalah data sejak tahun 2017 sampai tahun 2019, sedangkan kita mewawancarai pada tahun 2020.
Uji Analisis Regresi Linier Berganda
Selanjutnya, kita akan mencari dan menguji regresi linier berganda dari data yang sudah memenuhi uji klasik regresi linier berganda. Adapun rumus regresi linier berganda sebagai berikut:
Y = α + β1 X2 + β2 X2 + βn Xn + e
Keterangan:
Y = Variabel terikat atau dependen
X = Variabel bebas atau independen
α = Konstanta.
β = Koefisien estimate.
Untuk meningkatkan pemahaman bersama, mari kita melihat soal regresi linier berganda dan jawabannya.
Sebagai contoh kasus regresi linier berganda, kita ingin membahas satu ilustrasi soal. Pada suatu soal, kita diminta untuk mengetahui apakah ada pengaruh variabel bakat (X1) dan variabel pendidikan keluarga(X2) terhadap variabel Prestasi (Y).
sedangkan data yang tersedia ada 10 sampel siswa SMA Bakti.
| NO. Responden | Bakat (X1) | Pendidikan Keluarga (X2) | Prestasi (Y) |
| 1 | 75 | 75 | 80 |
| 2 | 60 | 70 | 75 |
| 3 | 65 | 70 | 75 |
| 4 | 75 | 80 | 90 |
| 5 | 65 | 85 | 85 |
| 6 | 80 | 88 | 85 |
| 7 | 75 | 76 | 95 |
| 8 | 80 | 76 | 80 |
| 9 | 60 | 65 | 90 |
| 10 | 67 | 70 | 75 |
- Langkah pertama, buka program SPSS, klik “variabel view”. Kemudian, pada kolom “name” diisi variabel yang ada, yaitu variabel bakat (X1), variabel pendidikan keluarga (X2) dan variabel Prestasi (Y). Selanjutnya, pada menu “measure” pilih “scale“.
- Setelah itu Anda bisa klik menu “data view” kemudian masukkan data dari setiap variabel. Satu per-satu mulai dari variabel bakat (X1), variabel pendidikan keluarga (X2) dan variabel Prestasi (Y).
Anda bisa langsung melakukan salin-tempel dari data excel yang sudah disiapkan. Pastikan Anda tidak salah saat menginput data. - Selanjutnya, Anda harus melihat ke menu utama aplikasi SPSS. Klik “analyze“, kemudian “regression” dan “linear“. saa
- Akan muncul kotak dengan nama “linear regression“. Di kotak dialog itu, Anda bisa mengisi variabel bakat (X1) dan variabel pendidikan keluarga (X2) ke kotak “independent(s)“. Kemudian, masukkan variabel Prestasi (Y) pada kotak “dependent“. Pilih “method” lalu klik “enter“.
- Pilih “statistics“, kemudian cari bagian “linear regression: statistics“. Centang pada “estimates” dan “model fit” kemudian klik “continue“,
- Langkah terakhir adalah klik “OK”, kemudian aplikasi akan memproses data yang sudah tersusun sebelumnya. Akhirnya, hasil dari SPSS akan muncul di layar Anda.
Setelah kita mengetahui hasil yang didapatkan dari SPSS, kita bisa membacanya. Untuk itu, Anda perlu mengetahui cara membaca hasil SPSS regresi linier berganda. Kemudian Anda bisa melihat, mana variabel yang lebih berpengaruh pada prestasi (Y), apakah bakat (X1) atau pendidikan keluarga (X2).
Tujuan Regresi Linier Berganda
Mungkin Anda yang tidak atau belum terbiasa mengolah data dalam bentuk angka akan bertanya-tanya, apa kegunaan dari regresi linier ini. Tujuan utama regresi linier berganda adalah memperlihatkan model atau pola antar variabel. Yakni, variabel bebas atau independen dan terikat atau dependen.
Regresi linier berganda bisa memperlihatkan hubungan antar keduanya dengan lebih jelas. Misal, bagaimana pola asuh orang tua, lingkungan dan pendidikan berpengaruh pada pernikahan dini.
Selain itu, bisa juga digunakan di beberapa kasus untuk memperkirakan nilai variabel bebas, seperti hasil yang didapatkan dari suatu penanaman bibit dan lain sebagainya.
Maka dapat disimpulkan bahwa fungsi regresi linier berganda berguna untuk dua hal. Pertama, untuk meramalkan atau memperkirakan. Kedua, untuk menyimpulkan hubungan kausal antara dua variabel dalam suatu kumpulan yang tetap.
Itu dia yang bisa kita bahas mengenai regresi linier berganda. Ketika Anda mengikuti langkah demi langkah untuk belajar, Anda akan semakin menguasai analisis regresi linier berganda ini.
Dengan mengikuti teori ini, Anda sebagai peneliti akan dinilai bertanggungjawab dan lebih memiliki daya tawar dibandingkan lainnya.