Analisis regresi merupakan salah satu analisis statistik yang sering digunakan untuk
menganalisis hubungan antara dua variabel atau lebih. Menurut Drapper dan Smith (1992)
analisis regresi merupakan metode analisis yang dapat digunakan untuk menganalisis data dan
variabel lainnya. Hubungan yang didapat pada umumnya dinyatakan dalam bentuk persamaan
matematika yang menyatakan hubungan antara variabel bebas (independent variable) x dan
𝑦 = 𝛽𝑜 + 𝛽𝑋1 𝑖 = 1,2, … , 𝑛
Regresi linier berganda merupakan perluasan dari regresi linier sederhana. Perluasan terlihat dari
banyaknya variabel bebas pada model regresi tersebut. Bentuk umum regresi linier berganda
Keterangan :
Xki : variabelbebas
=parameter regresi
= variabel gangguan
Model persamaan regresi linier pada persamaan () dapat dinyatakan dalam bentuk matriks
berikut :
𝑌 = 𝑋𝛽 + 𝜀
Y=
Asumsi Regresi Linier berganda
Dalam metode regresi linier berganda ada beberapa asumsi yang harus dipenuhi, asumsi tersebut
adalah :
3. Tidak ada auto korelasi antara kesalahan penganggu (galat/error), berarti kovarian
(𝜀𝑖 , 𝜀𝑗 ) = 0, 𝑖 ≠ 𝑗
4. Variabel bebas x1, x2, …, xk, konstan dalam sampling yang terulang dan bebas terhadap
kesalahan pengganggu 𝜀𝑖 .
Koefisien determinasi adalah nilai yang menunjukkan seberapa besar nilai variabel Y
dijelaskan oleh variabel bebas X. koefisien determinasi merupakan salah satu patokan yang
biasanya digunakan untuk melihat suati model regresi yang dicocokkan belum atau sudah
𝑌𝑖 = 𝑌̅𝑖 + 𝑒𝑖
𝑦𝑖 = 𝑦̂𝑖 + 𝑒𝑖
Dengan mengkuadratkan persamaan () pada kedua sisi dan menjumlahkan untuk semua
= ∑ 𝑦𝑖2 + ∑ 𝑒𝑖2
= 𝛽̂𝑖2 ∑ 𝑥𝑖2
Berbagai jumlah kuadrat yang muncul dalam persamaan () dapat digambarkan sebagai
berikut : ∑ 𝑦𝑖2 = ∑(𝑌𝑖 − 𝑌̂)2 = total variasi nilai Y yang sebenarnya disekitar rata-rata
sampelnya, yang bisa disebut sebagai jumlah kuadrat total (total sum of squares, TSS).
∑ 𝑦̂𝑖2 = ∑(𝑌̂𝑖 − 𝑌̂)2 = ∑ 𝑌̂𝑖 − 𝑌̅)2 = 𝛽𝑖2 ∑ 𝑥𝑖2 =variasi nilai Y yang ditaksir di sekitar rata-
ratanya (𝑌̅̂ = 𝑌̅) yang bisa disebut secara benar sebagai jumlah kuadrat akibat regresi atau
atau variasi yang tak terjelaskan (unexplained) dari nilai Y di sekitar faris regresi, atau
𝐸𝑆𝑆 𝑅𝑆𝑆
1= +
𝑇𝑆𝑆 𝑇𝑆𝑆
∑(𝑌̂𝑖 −𝑌̂)2 ∑ 𝑒𝑖2
= ∑(𝑌𝑖−𝑌 2
+ ∑(𝑌𝑖−𝑌 2
̅) ̅)
Besaran R2yang didefinisikan demikian dikenal dengan determinasi (sampel) dan merupakan
besaran yang paling digunakan untuk mengukur kebaikan-sesuai tase total variasidalam Y
Persamaan (2.35), R 2 dapat diperoleh secara lebih cepat dari rumus berikut :
𝐸𝑆𝑆
𝑅2 =
𝑇𝑆𝑆
∑ 𝑦̂𝑖2
=
∑ 𝑦𝑖2
𝛽𝑖2 ∑ 𝑥𝑖2
= ∑ 𝑦𝑖2
∑𝑥 2
= 𝛽̂𝑖2 (∑ 𝑦𝑖2 )
𝑖
Besaran pada persamaan di atas dapat dihitung dari R = ± √𝑅 2 atau dari definisinya
∑ 𝑥𝑖 𝑦𝑖
𝑅=
√(∑ 𝑥𝑖2 )(∑ 𝑦𝑖2
𝑁 ∑ 𝑥𝑖 𝑦𝑖 −(∑ 𝑥𝑖 )(∑ 𝑦𝑖 )
=
√|𝑁 ∑ 𝑥𝑖2 −(∑ 𝑦𝑖 )2 |𝑁 ∑ 𝑥𝑖2 −(∑ 𝑦𝑖 )2 |
Setelah menghitung koefisien determinasi, maka kita akan dapat mengetahui seberapa
besar variasi peubah takbebas yang dapat dijelaskan oleh model regresi.