Regresi Linier Berganda dan Korelasi Parsial

Atina Ahdika, S.Si, M.Si

Universitas Islam Indonesia

2015
 Regresi Linier Berganda
Korelasi Regresi Linier Sederhana

Variabel dan Variabel

Contoh:
: pendapatan nasional per kapita
: pengeluaran konsumsi rumah tangga
Kemudian timbul pertanyaan, faktor apa lagi yang
mempengaruhi pengeluaran konsumsi rumah tangga?

Ada faktor lain yang mungkin berpengaruh, misalkan jumlah

anggota keluarga.
Jika terdapat lebih dari satu faktor (variabel) yang berpengaruh,
misalkan sebanyak variabel independen, maka hubungan linier
dapat dinyatakan dalam regresi linier berganda:

= 0 + 1 1 + 2 2 + +

Persamaan estimasi dari regresi linier berganda adalah:

= 0 + 1 1 + 2 2 + +
 Koefisien Regresi Linier Berganda
Di dalam ilmu statistika, untuk menghitung koefisien regresi
linier berganda 0 , 1 , 2 , , digunakan suatu metode yang
dikenal dengan nama Metode Kuadrat Terkecil, yaitu
0 + 1 1 + 2 2 + + =
0 1 + 1 12 + 2 1 2 + + 1 = 1
0 2 + 1 2 1 + 2 22 + + 2 = 2

0 + 1 1 + 2 2 + + 2 =
Setelah semua persamaan ditentukan, kita bisa memperoleh
0 , 1 , 2 , , .
 Aplikasi Komputer
Dengan menggunakan SPSS, kita bisa memperoleh persamaan
regresi linier berganda. Caranya sama dengan regresi linier
sederhana:
1. Ketik data 1 , 2 , dan dalam kolom-kolom yang
berdampingan
2. Klik Analyze Regression Linear
3. Ketika muncul kotak dialog,
a. Masukkan pada kotak Dependent
b. Masukkan data 1 dan 2 pada kotak Independent(s)
c. Klik OK
 Contoh
Misalkan dalam suatu penelitian yang dilakukan terhadap 10
rumah tangga yang dipilih secara acak, diperoleh pengeluaran
untuk pembelian barang-barang tahan lama per minggu,
pendapatan per minggu, dan jumlah anggota rumah tangga
sebagai berikut:
 Data Pengeluaran Data Pendapatan Data Banyaknya Anggota
(Ratusan Rupiah) (Ratusan Rupiah) Keluarga
23 10 7
7 2 3
15 4 2
17 6 4
23 8 6
22 7 5
10 4 3
14 6 3
20 7 4
19 6 3

Tentukan variabel 1 , 2 , dan yang sesuai!

Tentukan persamaan regresi linier bergandanya!
 Penyelesaian
1. Variabel adalah Data Pengeluaran
2. Variabel 1 dan 2 adalah Data Pendapatan dan Data
Banyaknya Anggota Keluarga

Persamaan regresi linier bergandanya diperoleh dengan

menggunakan software SPSS dengan langkah-langkah seperti di
atas dan diperoleh hasilnya yaitu
Output
Jadi, diperoleh
1. Koefisien 0
0 = 3.919
2. Koefisien 1
1 = 2.491
3. Koefisien 2
2 = 0.466
4. Persamaan regresi
= 3.919 + 2.491 1 0.466 2
 Korelasi Parsial
Dalam regresi linier berganda, misalkan terdapat dua faktor
yang mempengaruhi nilai
Variabel dependen :
Variabel independen : 1 dan 2
Korelasi parsial:
Apabila variabel berkorelasi dengan 1 dan 2 , maka
koefisien korelasi antara dan 1 (2 konstan), antara dan
2 (1 konstan), dan antara 1 dan 2 ( konstan) disebut
Koefisien Korelasi Parsial (KKP).
Rumus koefisien korelasi parsial adalah:
KKP antara 1 dan (2 konstan)
1 2 1 2
1 .2 =
2 2
1 2
1 1 2

KKP antara 2 dan (1 konstan)

2 1 1 2
2 .1 =
2 2
1 1
1 1 2

KKP antara 1 dan 2 ( konstan)

1 2 1 2
1 2 . =
2 2
1 1
1 2
 Korelasi Parsial dengan SPSS
1. Setelah mengetik masing-masing variabel 1 , 2 , dan
seperti sebelumnya, kemudian klik Analyze Correlate
Partial
2. Setelah muncul kotak dialog:
a. Masukkan dua variabel yang akan ditentukan nilai
korelasinya pada kotak Variables
b. Masukkan variabel yang dianggap konstan pada kotak
Controlling for
c. Klik OK
1. KKP antara 1 dan (2 konstan)

1 .2 = 0.801
2. KKP antara 2 dan (1 konstan)

2 .1 = 0.171
3. KKP antara 1 dan 2 ( konstan)

1 2 . = 0.637
R-Squared (Koefisien Determinasi)
2 (R-Squared) mengukur proporsi variabilitas yang dijelaskan
oleh model, diperoleh dari nilai yang dikuadratkan.
0 2 1
Contoh: dari persamaan regresi di atas, diperoleh nilai
2 = 0.839 , maka 83.9% variasi (naik-turun) variabel
dependennya dijelaskan oleh variabel independennya ,
sementara 16.1% -nya dijelaskan oleh faktor lain.
 Latihan
1. Sebuah penelitian dilakukan oleh bagian peminjaman kredit
di sebuah bank untuk meneliti pendapatan para nasabahnya.
Beberapa faktor yang berhubungan dengan tingkat
pendapatan seperti nilai jual rumah, jumlah tahun
pendidikan, dan umur diidentifikasi. Tentukan
a. Persamaan regresi linier berganda
b. Koefisien korelasi parsial
c. Koefisien determinasi dan artinya
Pendapatan per th Nilai Jual Rumah
Tahun Pendidikan Umur
(Juta Rupiah) (Juta Rupiah)
40.3 190 14 53
39.6 121 15 49
40.8 161 14 44
40.3 161 14 39
40.0 179 14 53
38.1 99 14 46
40.4 114 15 42
40.7 202 14 49
40.8 184 13 37
37.1 90 14 43
39.9 181 14 48
40.4 143 15 54
30.0 132 14 44
39.0 127 14 37
39.5 153 14 50
2. Jika variabel umur dikeluarkan, hitung kembali persamaan
regresi linier berganda dari data tersebut dan hitung juga
nilai 2 yang baru.
3. Berdasarkan nilai dan 2 , kira-kira persamaan regresi linier
berganda yang manakah yang memberikan hasil prediksi
lebih baik? Mengapa demikian?
4. Berikan contoh lain mengenai hubungan empat variabel
selain contoh dari soal di atas.
 Daftar Pustaka
Supranto, J., 2008, Statistik Teori dan Aplikasi Jilid 1, Erlangga,
Jakarta