ANALISIS REGRESI LINEAR BERGANDA DENGAN SPSS

Analisis regresi pada dasarnya adalah suatu metode statistik yang digunakan untuk mengetahui ketergantungan variabel dependen (terikat) dengan satu atau lebih variabel independen (variabel penjelas/variabel bebas), dengan tujuan untuk mengestimasi atau memprediksi rata-rata nialai variabel dependen berdasarkan nilai variabel independen (Gujarat, 2003).
model umum dari regresi sebagi berikut : y = β0 + βixi + ε

keteranagan :
y   = vaiabel dependen
xi  = vriabel independen
ε   = komponen random error
β0 = yang merupakan y  intercept
βi  = parameter yang merupakan slop dari garis

koefisien determinasi
koefisien determinasi menjelaskan tetang seberapa jauh kemampuan model mampu menjelaskan variasi variabel dependen. niali koefisien determinasi yaitu mulai dari 0 sampai 1. bila nialai R square mendekati 0 menunjukan bahwa kemampuan model untuk menjelaskan variasi variabel dependen terbatas, dan apabila nilai R square mendekati nilai 1 enujukan bahwa variebel indpenden menjelaskan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. berikut ini, akan dicari model dan variabel apa sajakah yang mempengaruhi penanaman modal asing. datanya seperti berikut:

langkak - langkah analisis :

1. buka program SPSS.
2. kemudian pada pojok kiri bawah lembar kerja SPSS, pilih data view lalu tuliskan nama variabel, pada kasus ini nama varaiabenya : PMA, G, CPI, EX, dan ER. 
3. pilih data view pada pojok kiri bawah SPSS, lalu masukan data sesuai dengan variabel. 
4. dari menu utama SPSS, pilih menu analyze kemudian submenu Regresion, lalu pilih linear.
   
5. sehingga akan tampak di layar windows Lineaar Regresiaon.
   
6. pada kotak dependent isikan variabel PMA.
7. pada kotak independent isikan variabel G,CPI, EX, dan ER.
8. pada pada kotak method pilih Enter.
9. kamudian kilk OK, sehingga hasil output SPSS akan muncul. 

Koefisien Determinasi 

  dari tampilan output summary besarnya adjusted R square adalah 0.529, hali ini berrati 52.9% variasi PMA dapat dijelaskan oleh variabel indpendent dan yang lainya dijelaskan oleh variabel yang tidak dimasukan dalam model. standar error of the estimate (SEE) sbesar 1647.78. semakin kecil nilai SEE mak semakin bagus model regresi dalam memprediksi variabel dependen.

Uji Oferall (Uji Statistik F)

  dari tabel ANOVA didapat niali Fhitung sebesar 8.299 dan dengan probabilitas (sig) 0.000. karena probabilitas lebih kecil dari 0.05, maka model regresi dapat digunakan untuk memprediksi PMA, atau bisa dikatakan bahwa variabel G, CPI, EX, dan ER secara bersama-sama berpengaruh terhadap  variabel PMA. 

 Uji Parsial (Uji Statistik t)

dari keempat variabel yang dimasukan kedalam model regresi, hanya variabel CPI saja yang tidak signifikan hal ini dapat dilihat dari probabilitas signifikansi untuk CPI sebesar 0.62 lebih besar dari 0.05. sedangkan variabel G, EX, dan ER probabilitas signifikansinya lebih kecil dari 0.05. dari sini dapat disimpulkan bahwa variabel PMA \dipengaruhi oleh variabel G, EX, dan ER dengan model regresinya : PMA =  9189.203 - 0.144 G + 0.059 EX - 1.101 ER.·   konstanta  sebesar 9189.203 menyatakan bahwa jika variabel independent dianggap konstan, maka rata-rata penanaman modal asing sebesar 9189.202 milaiar Rp. koefisien regresi G (Pengeluaran Investasi Pemerintah) sebesar -0.144 menyatakan bahwa setiap penambahan pengeluaran investasi pemerintag sebesar 1 miliyar akan mengurangi penanaman modal sebesar 0.144. koefisen regresi EX (ekspor migas dan non migas) sebesar 0.059 menytakan bahwa setiap penambahan  EX (ekspor migas dan non migas) sebesar 1000 dolar maka akan meningkatkan PMA ( penanaman modal asing) sebesar 0.059. koefisien ER ( nilai tukar rupiah terhadap dolar) sebesar -0.101 menyatakan bahwa setiap penambahan ER 1 IDR/US$ akan mnurunkan PMA sebesar -1.101.