Anda di halaman 1dari 2

Rima Novira Sasmita

21040112120002
Analisis Regresi Linier Berganda

Menurut Kismiantini (2010) analisis regresi adalah analisis statistika yang memanfaatkan
hubungan antara dua atau lebih peubah kuantitatif sehingga salah satu peubah dapat diramalkan
dari peubah lainnya. Data yang dianalisis dengan regresi merupakan data kuantitatif yang
memiliki skala pengukuran interval atau rasio. Analisis regresi yaitu hubungan secara linear antara
dua atau lebih variabel independen (X1, X2,.Xn) dengan variabel dependen (Y). Analisis ini
dapat mengetahui hubungan antara variabel independen dengan variabel dependen apakah
dapat saling berpengaruh antara keduanya.. Persamaan regresi linear berganda sebagai berikut:









Analisis regresi dipergunakan untuk menggambarkan garis yang menunjukan arah
hubungan antar variabel, serta dipergunakan untuk melakukan prediksi. Kegunaan analisis
regresi terutama dalam bidang Perencanaan Wilayah dan Kota yaitu analisis regresi bisa
digunakan untuk menganalisis bagaimana dan seberapa besar pengaruh aspek-aspek tertentu
terhadap pertumbuhan ekonomi wilayah. Aspek tersebut yang kemudian menjadi variabel dalam
analisis regresi. Analisis regresi juga bisa digunakan untuk memprediksi pengaruh antar aspek
perencanaan yang bisa dijadikan sebagai acuan dalam pengambilan keputusan.

Contoh:
Dalam mengetahui apakah rata-rata lama
sekolah dan angka harapan hidup dapat
mempengaruhi Indeks Pembangunan Manusia
(IPM) di Provinsi Jawa Timur.
Hipotesis:
H0 : 1 = 2 = 0, rata-rata lama sekolah dan
angka harapan hidup tidak berpengaruh
signifikan terhadap IPM.
H1 : 1 2 0, rata-rata lama sekolah dan
angka harapan hidup berpengaruh signifikan
terhadap IPM.
Sumber: BPS Provinsi Jawa Timur

Data
Kab/Kota
Rata-rata
Lama
Sekolah (X1)
Angka
Harapan
Hidup (X2)
IPM (Y)
Pacitan 6,94 71,48 72,28
Ponorogo 6,99 70,24 71,15
Trenggalek 7,26 71,87 73,66
Tulungagung 7,85 71,72 73,76
Blitar 7,36 71,09 74,06
Kediri 7,69 69,9 72,28
Malang 7,02 69,23 71,17
Lumajang 6,41 67,46 68,55
Jember 6,73 63,03 65,53
Banyuwangi 6,89 67,98 69,58
Jumlah 71,14 694 712,22

Tabel Pembantu
Kab/Kota X1 X2 Y X1Y X2Y X1X2 X1
2
X2
2

Pacitan 6,94 71,48 72,48 503,0112 5180,8704 496,0712 48,1636 5109,3904
Ponorogo 6,99 70,24 71,15 497,3385 4997,576 490,9776 48,8601 4933,6576
Trenggalek 7,26 71,87 73,66 534,7716 5293,9442 521,7762 52,7076 5165,2969
Tulungagung 7,85 71,72 73,76 579,016 5290,0672 563,002 61,6225 5143,7584
Blitar 7,36 71,09 74,06 545,0816 5264,9254 523,2224 54,1696 5053,7881
Kediri 7,69 69,9 72,28 555,8332 5052,372 537,531 59,1361 4886,01
Malang 7,02 69,23 71,17 499,6134 4927,0991 485,9946 49,2804 4792,7929
Keterangan
i : 1,2,3,....n
b0 : Nilai Konstan
b1,b2,bk : Parameter tetap yang merupakan keofisien regresi
X1,X2,Xk : Nilai dari variabel bebas


Rima Novira Sasmita
21040112120002
Lumajang 6,41 67,46 68,55 439,4055 4624,383 432,4186 41,0881 4550,8516
Jember 6,73 63,03 65,53 441,0169 4130,3559 424,1919 45,2929 3972,7809
Banyuwangi 6,89 67,98 69,58 479,4062 4730,0484 468,3822 47,4721 4621,2804
Jumlah 71,14 694 712,22 5074,4941 49491,642 4943,5677 507,793 48229,607

712,22 = 10a + 71,14 b1 + 694 b2............................ (1)
5074,494 = 71,14a + 507,79 b1 + 4943,56 b2........ (2)
49491,64 = 694a + 4943,568 b1 + 48229,61 b2...(3)
Persamaan (1) dikalikan 7,114 dan persamaan (2)
dikalikan 1:
5066,73 = 71,14a + 506,089 b1 + 4397,116 b2
5074,49 = 71,14a + 507,793 b1 + 4943,568 b2
-7,7092 = -1,70304b1 6,452 b2.............. (4)
Persamaan (1) dikalikan 694 dan persamaan (3)
dikalikan 71,14:
3521698,83 = 49371,16a + 352408,34b1 + 3430836,19b2
3520835,27 = 49371,16a + 351685,42b1 + 3431054,45b2
863,566 = 722,9145 b1 218,363 b2 ............ (5)
Persamaan (4) dikalikan 722,91 dan persamaan (5)
dikalikan 1,7030:
5610,4816 = 1231,15231 b1 + 4664,244354 b2
1470,6874 = 1231,15231 b1 + 371,8809235 b2
4139,794160 = - 4292,3634 b2
b2 = 4139, 7941
-4292,3634
b2 = - 0,964
Nilai b2 dimasukkan ke dalam salah satu persamaan
yaitu (4):
7,7092 = 1,70304 b1 + 6,452 (-0,94)
7,7092 = 1,70304 b1 + 6,21973
1,70304 b1 = 13,98065
b1 = 8,2093
Nilai b1 dan b2 dimasukkan ke dalam persamaan 1:
712,22 = 10a + 71,14b1 + 694 b2
712,22 = 10a + 71,14(8,2093) + 694(-0,964)
712,22 = 10a + 584,00462 669,016
-10a = -797,2313
a = 79,72
Jadi:
a = 79,72
b1 = 8,2093
b2 = -0,964

Keterangan:
a = konstanta
b1 = koefisien regresi X1
b2 = koefisien regresi X2
persamaan regresi:
Y = 79,72 + 8,20923 X1 0,964 X2
Pengujian Hipotesis


a. Koefisien Determinasi (R
2
)


R
2
= 0,94335 = 94%

b. F Hitung
F Hitung =


F Hitung =



F Hitung = 58,28
Ket:
K = jumlah variabel bebas
F Tabel = 4,74

Hipotesis
H0 : 1 = 2 = 0, rata-rata lama sekolah dan angka
harapan hidup tidak berpengaruh signifikan
terhadap IPM
H1 : 1 2 0, rata-rata lama sekolah dan angka
harapan hidup berpengaruh signifikan terhadap
IPM
Kriteria:
F hitung F tabel = Ho diterima
F hitung F tabel = H0 ditolak, H1 diterima
F hitung (58,28) > F tabel (4,74) = Ho ditolak, H1
diterima

Kesimpulan
Maka, dapat disimpulkan bahw, rata-rata lama
sekolah dan angka harapan hidup berpengaruh
signifikan terhadap IPM (Indeks Pembangunan
Manusia).

Sumber:
BPS Provinsi Jawa Timur
Krismantini. 2010. Analisis Regresi. Dalam
http://staff.uny.ac.id/. Diunduh pada Sabtu, 17
Mei 2014.