BAB III

REGRESI LINIER BERGANDA

A. Landasan Teori
Analisis regresi merupakan salah satu teknik analisis data dalam
statistika yang seringkali digunakan untuk mengkaji hubungan antara
beberapa variabel dan meramal suatu variabel (Kutner, Nachtsheim dan Neter,
2004). Istilah “regresi” pertama kali dikemukakan oleh Sir Francis Galton
(1822-1911), seorang antropolog dan ahli meteorologi terkenal dari Inggris.
Dalam makalahnya yang berjudul “Regression towards mediocrity in
hereditary stature”, yang dimuat dalam Journal of the Anthropological
Institute, volume 15, hal. 246-263, tahun 1885.
Dalam mengkaji hubungan antara beberapa variabel menggunakan
analisis regresi, terlebih dahulu peneliti menentukan satu variabel yang disebut
dengan variabel tidak bebas dan satu atau lebih variabel bebas. Jika ingin
dikaji hubungan atau pengaruh satu variabel bebas terhadap variabel tidak
bebas, maka model regresi yang digunakan adalah model regresi linier
sederhana. Kemudian Jika ingin dikaji hubungan atau pengaruh dua atau lebih
variabel bebas terhadap variabel tidak bebas, maka model regresi yang
digunakan adalah model regresi linier berganda (multiple linear regression
model). Kemudian untuk mendapatkan model regresi linier sederhana maupun
model regresi linier berganda dapat diperoleh dengan melakukan estimasi
terhadap parameter-parameternya menggunakan metode tertentu. Adapun
metode yang dapat digunakan untuk mengestimasi parameter model regresi
linier sederhana maupun model regresi linier berganda adalah dengan metode
kuadrat terkecil (ordinary least square/OLS) dan metode kemungkinan
maksimum (maximum likelihood estimation/MLE) (Kutner et.al, 2004). Pada
pelatihan ini dikaji analisis regresi linier berganda atau sering juga disebut
dengan regresi klasik (Gujarati, 2003).

18
 19

Bentuk umum model regresi linier berganda dengan p variabel bebas

adalah seperti pada persamaan baerikut nenurut (Kutner, Nachtsheim dan
Neter, 2004
Yi = β0 + β1Xi1 + β2Xi2 +… + βnXin + e
Dengan :
Yi = Variabel tidak bebas
β0, β1, β2, βn = Parameter

Xi1, Xi2, Xin = Variabel bebas

e = error
Menurut Gujarati (2003) asumsi-asumsi pada model regresi linier
berganda adalah sebagai berikut:
1. Model regresinya adalah linier dalam parameter.
2. Nilai rata-rata dari error adalah nol.
3. Variansi dari error adalah konstan (homoskedastik).
4. Tidak terjadi autokorelasi pada error.
5. Tidak terjadi multikolinieritas pada variabel bebas.
6. Error berdistribusi normal.
B. Soal
Analisislah regresi dengan menggunakan program E-View, apakah harga
dan kurs mempengaruhi ekspor, uraikan hasil analisis saudara secara lengkap.
Tentukan uji hipotesis Ho dan Ha, uji t, uji F, koefisien determinasi,
persamaan regresi , dan juga jelaskan hasil dari grafik.
Tabel 3.1 Data Jumlah Ekspor, Harga, dan Kurs Pada Tahun 2002 sampai
2017.
Tahun Eks (Ekspor) Hrg (Harga) Krs (Kurs)
2002 3688.8 268.48 15.65
2003 4075.3 341.48 20.23
2004 8441.4 651.88 23.5
2005 15728 110.5 23.84
2006 11901 546.69 22.66
2007 9359.7 342.25 23.98
2008 14571 667.6 25.69
2009 20158 938.1 26.62
 20

Tahun Eks (Ekspor) Hrg (Harga) Krs (Kurs)

2010 26786 1095.5 28.96
2011 43511 1922.2 32.05
2012 49233 2445.8 32.5
2013 65086 6946.7 30.6
2014 54951 3183.14 53
2015 58107 2117.7 80.77
2016 112881 2945.7 81.2
2017 108300 3245.8 94

C. Langkah Kerja
1. Membuka aplikasi Microsoft Excel.
2. Kemudian mengisi data yang telah dikumpulkan.

3. Menyimpan di document laptop/computer kemudian Close aplikasi

Microsoft Excel.
4. Membuka aplikasi E-Views.
 21

5. Klik Create a new EViews workfile.

6. Mengisi angka 2002 pada kolom Start date dan 2017 pada kolom End
date, kemudian klik OK.
 22

7. Klik menu File di toolbar bagian atas, memilih import, lalu memilih
import from file.

8. Mencari file Microsoft Excel yang tadi sudah disimpan, lalu klik Open.
 23

9. Menceklist pilihan Custom Range pada Cell Range, lalu pada bagian
Start Cell klik satu kali panah ke kanan, kemudian klik Next.

10. Memastikan pada column info bagian Data type memilih Number,
kemudian klik Next.
 24

11. Mengisi angka 2002 pada Start Date lalu klik Finish.

12. Memilih menu Quick pada toolbar atas, kemudian klik Estimate
Equation.
 25

13. Memasukkan rumus “ eks c hrg krs” pada coloum Equation

Specification maka akan diketahui hasil output.

14. Untuk melihat persamaan maka setelah output sudah diketahui, memilih
option view kemudian klik representation.
 26

15. Sedangkan untuk melihat grafik, pada hasil output memilih Resids maka
akan muncul grafik.

D. Hasil atau Output

 27

E. Interpretasi
1. Uji F
Ho : b1 = b2 = 0 artinya secara bersama-sama harga (hrg) dan kurs (krs) tidak
mempengaruhi ekspor (eks).
Ha : b1 ≠ b2 ≠ 0 artinya secara bersama-sama harga (hrg) dan kurs (krs)
mempengaruhi ekspor (eks).
Berdasarkan hasil perhitungan menggunakan aplikasi E-View didapatkan
hasil probabilitas sebesar 0,00000. Hasil tersebut ternyata < dari alfa yang
digunakan yaitu sebesar 0,05. Sehingga dapat disimpulkan bahwa Ho ditolak
dan Ha diterima yang artinya secara bersama-sama harga (hrg) dan kurs
(krs) mempengaruhi ekspor (eks) .
2.Uji t
a. Hipotesis Harga
Ho : b1 = 0 artinya secara individu harga (hrg) tidak mempengaruhi ekspor
(eks).
Ha : b1 ≠ 0 artinya secara individu harga (hrg) mempengaruhu ekspor (eks).
Berdasarkan hasil dari perhitungan menggunakan E-View dan dengan
melihat hasil probabilitasnya, hasil probabilitas untuk harga (hrg) yaitu
sebesar 0,0009. Dari hasil tersebut nilai probabilitas < alfa itu sendiri yang
besarnya 0,05. Sehingga dapat disimpulkan bahwa Ho ditolak dan Ha
diterima yang artinya bahwa secara individu harga (hrg) mempengaruhi
ekspor (eks).
b.Hipotesis Kurs
Ho : b2 = 0 artinya secara individu kurs (krs) tidak mempengaruhi ekspor
(eks).
Ha : b2 ≠ 0 artinya secara individu kurs (krs) mempengaruhu ekspor (eks).
Berdasarkan hasil dari perhitungan menggunakan E-View dan dengan
melihat hasil probabilitasnya, hasil probabilitas untuk kurs (krs) yaitu
sebesar 0,0000. Dari hasil tersebut nilai probabilitas < alfa itu sendiri yang
besarnya 0,05. Sehingga dapat disimpulkan bahwa Ho ditolak dan Ha
 28

diterima yang artinya bahwa secara individu kurs (krs) mempengaruhi

ekspor (eks).
3.Koefisien Determinasi
Berdasarkan hasil perhitungan menggunakan aplikasi E-view dengan
data diatas didapatkan Adjusted R-squared sebesar 0,897395 atau sebesar
89,7%. Dari hasil tersebut dapat diartikan bahwa variabel harga dan variabel
kurs mempengaruhi ekspor sebesar 89,7%. Sedangkan sisanya yaitu 10,3%
dipengaruhi oleh faktor-faktor lain diluar model.
4.Persamaan
Dari hasil menggunakan aplikasi E-View didapatkan persamaan
regresi sebagai berikut
EKS = -14149,07 + 7,821113 HRG + 1001,178 KRS
Persamaan tersebut dapat diartikan bahwa setiap adanya kenaikan satu
satuan harga (hrg) dimana nilai kurs (krs) tetap maka akan menaikan ekspor
sebesar 7,821113. Begitu juga saat adanya kenaikan satu satuan kurs dan
harga tetap maka akan menaikan ekspor sebesar 1001,178.
5.Grafik
 29

Dari grafik diatas dapat terlihat ada 3 garis yang berbeda-beda

warnanya. Yang pertama, garis yang berwarna hijau merupakan garis Fitted
yaitu garis yang menggambarkan data yang sudah di estimasi atau sudah
mengalami pendugaan . Yang kedua, garis yang berwarna merah merupakan
garis Actual yaitu garis yang menggambarkan data yang sebenarnya/
sesungguhnya hasil dari observasi. Dan yang terakhir garis berwarna biru
merupakan garis Residual yaitu garis yang menggambarkan hasil selisih
dari garis actual dengan garis fitted.