Apa itu Regresi Berganda?

Regresi berganda (multiple regression) adalah metode statistik untuk menganalisis hubungan antara satu variabel dependen (Y) dengan dua atau lebih variabel independen (X₁, X₂, …, Xₙ). Metode ini banyak digunakan di skripsi bidang manajemen, ekonomi, psikologi, hingga ilmu sosial untuk menjawab pertanyaan riset seperti:

"Apakah motivasi (X₁), lingkungan kerja (X₂), dan kompensasi (X₃) berpengaruh terhadap kinerja karyawan (Y)?"

Persamaan regresi berganda ditulis sebagai:

Y = α + β₁X₁ + β₂X₂ + … + βₙXₙ + ε

dengan:

  • α, konstanta (intercept)
  • βᵢ, koefisien regresi untuk masing-masing variabel independen
  • ε, error term

Kapan Menggunakan Regresi Berganda?

Gunakan regresi berganda jika:

  1. Variabel dependen kontinu (skala interval atau rasio).
  2. Variabel independen ≥ 2 dan minimal interval. Variabel kategorikal bisa dipakai dengan dummy coding.
  3. Tujuan riset adalah memprediksi nilai Y atau mengetahui kontribusi setiap X terhadap Y.
  4. Sampel cukup, minimal 10 observasi per variabel independen (rule of thumb dari Hair et al., 2019).

Langkah Analisis di SPSS

1. Persiapan Data

Pastikan data sudah:

  • Bebas missing values (kalau ada, lakukan imputasi atau hapus baris)
  • Terhindar dari outlier ekstrem (cek lewat boxplot)
  • Skala data konsisten (semua interval atau rasio)

2. Uji Asumsi Klasik

Sebelum interpretasi koefisien, wajib lulus 4 uji asumsi klasik:

a. Uji Normalitas (Kolmogorov-Smirnov)

Residual harus berdistribusi normal. Buka Analyze → Regression → Linear, simpan unstandardized residual, lalu test dengan Analyze → Nonparametric Tests → 1-Sample K-S.

Kriteria: nilai Asymp. Sig. > 0.05 → data normal.

b. Uji Multikolinearitas

Antar variabel independen tidak boleh berkorelasi terlalu tinggi. Cek dari output Coefficients → Collinearity Statistics.

Kriteria: nilai Tolerance > 0.10 dan VIF < 10 → tidak ada multikolinearitas.

c. Uji Heteroskedastisitas (Glejser)

Variance residual harus konstan. Bisa dicek dengan uji Glejser: regres |residual| terhadap variabel X.

Kriteria: nilai Sig. setiap X > 0.05 → tidak ada heteroskedastisitas.

d. Uji Autokorelasi (Durbin-Watson)

Hanya relevan untuk data time-series. Lihat output Model Summary → Durbin-Watson.

Kriteria: DW antara 1.5–2.5 → tidak ada autokorelasi.

3. Interpretasi Hasil

Setelah lulus asumsi klasik, baca tiga tabel utama:

Tabel Apa yang Dilihat
Model Summary R Square (kontribusi total X terhadap Y, dalam %)
ANOVA Sig. < 0.05 → model signifikan secara simultan (uji F)
Coefficients Sig. setiap X < 0.05 → variabel berpengaruh signifikan (uji t)

Contoh Pembahasan Bab IV

"Hasil uji koefisien determinasi menunjukkan nilai Adjusted R Square sebesar 0,672 yang berarti motivasi, lingkungan kerja, dan kompensasi secara bersama-sama mampu menjelaskan variasi kinerja karyawan sebesar 67,2%, sedangkan sisanya 32,8% dijelaskan oleh variabel lain di luar model penelitian.

Hasil uji F menunjukkan nilai signifikansi 0,000 < 0,05, sehingga model regresi dinyatakan layak digunakan untuk memprediksi kinerja karyawan.

Hasil uji t menunjukkan motivasi (β = 0,412; Sig. = 0,001), lingkungan kerja (β = 0,287; Sig. = 0,008), dan kompensasi (β = 0,194; Sig. = 0,032) seluruhnya berpengaruh positif dan signifikan terhadap kinerja karyawan."

Kesalahan Umum yang Harus Dihindari

  1. Lompat langsung ke uji hipotesis tanpa cek asumsi klasik dulu, koefisien yang tidak lulus asumsi tidak valid.
  2. Salah interpretasi koefisien, koefisien standardized (β) cuma dipakai untuk membandingkan kekuatan pengaruh antar X, sedangkan koefisien unstandardized (B) untuk persamaan prediksi.
  3. Mengabaikan ukuran sampel, rule of thumb minimal 10 observasi per variabel independen, idealnya 20.
  4. Tidak melaporkan VIF dan Tolerance, penguji sidang biasanya cek bagian ini.

Cara Risos AI Membantu

Risos AI bisa otomatisasi seluruh alur di atas dalam 1 klik:

  1. Upload Excel/CSV ke Analisis → Kuantitatif.
  2. Pilih variabel dependen dan independen.
  3. Risos AI menjalankan: uji normalitas, multikolinearitas, heteroskedastisitas, autokorelasi, dan regresi berganda.
  4. Output langsung dalam format APA 7, siap copy-paste ke Bab IV.

Coba Risos AI gratis 3 hari →

Penutup

Regresi berganda terlihat rumit di awal, tapi dengan pemahaman alur yang tepat (uji asumsi → interpretasi → pembahasan) kamu bisa menyelesaikan Bab IV skripsi dengan percaya diri. Pastikan setiap output yang kamu pakai sudah kamu pahami logikanya, bukan sekadar copy-paste.

Selamat menulis, dan semoga sidang lancar!