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:

TabelApa yang Dilihat
Model SummaryR Square (kontribusi total X terhadap Y, dalam %)
ANOVASig. < 0.05 → model signifikan secara simultan (uji F)
CoefficientsSig. 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!